基于ARM架构的智能垃圾分类方法及系统技术方案

本发明专利技术公开了一种基于ARM架构的智能垃圾分类方法及系统，属于图像处理技术领域。本发明专利技术将AlexNet神经网络嵌入到ARM架构中，用于垃圾分类识别，达到准确率高、识别时间短、模型可更新的要求。同时，通过线上知识蒸馏技术进行类别增量学习，以进一步提高已嵌入的AlexNet网络的性能并避免增量学习带来的遗忘问题。此外，通过外接多传感器采集多种特征数据，并采用自适应加权融合算法，其中权重采用Q‑learning算法避免图像信息被隐蔽以及图像特征不明显导致的误判，提高垃圾分类的准确性及泛化能力。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种基于arm架构的智能垃圾分类方法及系统。

技术介绍

1、目前的智能垃圾分类技术普遍采用基于卷积神经网络的图像识别技术，即通过摄像头采集待检测垃圾的图像数据，再将图像特征输入至卷积神经网络模型完成分类任务，同时面临的问题包括有：图像特征不明显或被隐蔽时分类准确率低；卷积神经网络模型所需算力及内存较高难以嵌入至边缘侧设备。

2、为了提高智能垃圾分类技术的分类准确率，结合多传感器采集的多模态特征进行融合识别的技术被提出，然而该技术引入了多传感器进行融合识别，因此在卷积神经网络模型的基础上需要更多的算力，导致更加难以应用至边缘侧设备中，并且降低了识别分类的效率。

3、随着物联网技术的兴起，基于iot的智能垃圾分类技术出现，该技术通过物联网技术将后端服务器与边缘侧设备连接，将边缘侧采集的数据传输给服务器后端神经网络模型进行识别，再将识别结果传输回边缘侧设备。该技术存在的缺陷是高度依赖物联网传输以及后端服务器，识别速度慢，对后端服务器要求较高。

4、现有技术待解决的问题：>

5、1.神经本文档来自技高网...

【技术保护点】

1.基于ARM架构的智能垃圾分类方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于ARM架构的智能垃圾分类方法，其特征在于：卷积神经网络为AlexNet，包含8个层：前五层是卷积层，其余三个是全连接层，最后一个完连接层的输出被馈送到softmax，生成多类标签的分布。

3.如权利要求1所述的基于ARM架构的智能垃圾分类方法，其特征在于：卷积神经网络训练中使用均方差损失函数，计算公式如下式：

4.如权利要求1所述的基于ARM架构的智能垃圾分类方法，其特征在于：步骤S3中线上知识蒸馏的公式如下；

5.如权利要求4所述的基于ARM架构的...

【技术特征摘要】

1.基于arm架构的智能垃圾分类方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于arm架构的智能垃圾分类方法，其特征在于：卷积神经网络为alexnet，包含8个层：前五层是卷积层，其余三个是全连接层，最后一个完连接层的输出被馈送到softmax，生成多类标签的分布。

3.如权利要求1所述的基于arm架构的智能垃圾分类方法，其特征在于：卷积神经网络训练中使用均方差损失函数，计算公式如下式：

4.如权利要求1所述的基于arm架构的智能垃圾分类方法，其特征在于：步骤s3中线上知识蒸馏的公式如下；

5.如权利要求4所述的基于arm架构的智能垃圾分类方法，其...

【专利技术属性】
技术研发人员：肖克江，高阔，黄鹏，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：