[发明专利]基于图像识别与二维码识别技术的垃圾分类评价方法

说明书

技术领域

本发明涉及垃圾处理技术，尤其涉及基于图像识别与二维码识别技术的垃圾分类 评价方法。

背景技术

城市垃圾资源化利用可以为国民经济提供巨大的经济效益，并由此带来生活环境 清洁与舒适的社会效益。而垃圾资源回收再利用，最重要的环节就是要把垃圾经过分离、分 类，然后根据所分离出来的垃圾按照其特性加以利用，现有垃圾分类只是简单的依赖于人 工，人工作业效率低且容易出错，无法满足城市垃圾资源化的高要求。

发明内容

为解决上述技术问题，本发明的目的是提供基于图像识别与二维码识别技术的垃 圾分类评价方法，对居民垃圾分类情况进行评价，评价结果与处理费用挂钩，以此促进居民 垃圾分类意识及习惯的养成。

本发明采用的技术方案是：

基于图像识别与二维码识别技术的垃圾分类评价方法，包括以下步骤：（A）对卷积神经 网络算法进行大样本垃圾分类图像识别训练；（B）利用二维码标识与扫描垃圾的归属；（C） 采集待识别的垃圾图像；（D）使用经步骤A中垃圾分类大样本数据训练后的卷积神经网络算 法对垃圾图像进行识别；（E）输出不同垃圾图像的分类结果。

进一步，所述基于图像识别与二维码识别技术的垃圾分类评价方法还包括步骤 （F）根据识别后输出的分类结果计算垃圾处理费用。

进一步，所述步骤E中还计算所分类垃圾错误率，步骤F中垃圾处理费用=垃圾重 量*（1+分类垃圾错误率）*系数*单位垃圾处理费。

进一步，所述基于图像识别与二维码识别技术的垃圾分类评价方法还包括步骤 （G）反馈垃圾的分类结果与处理费用给所属住户及管理部门。

进一步，所述步骤B包括：在垃圾袋上贴置或打印二维码，然后扫描二维码确认垃 圾归属的住户。

进一步，所述步骤C包括：（C1）利用机械打开垃圾袋；（C2）对垃圾袋内部垃圾进行 拍照，对图像进行预处理；（C3）算法输入预处理后的垃圾照片。

本发明的有益效果：

本发明的垃圾分类评价方法基于二维码技术确定垃圾归属的住户，并采用卷积神经网 络算法对垃圾图像进行识别，以二维图像为网络的直接输入，减少了复杂特征提取和数据 重建等计算过程，输入图像和网络的拓扑结构能有很好的吻合，特征提取和模式分类同时 进行，并在训练中产生，权值共享可以很大程度上减少网络训练参数，使网络结构的适应性 更强，大大提升了垃圾处理的效率，由此带来生活环境清洁与舒适的社会效益。

附图说明

下面结合附图对本发明的具体实施方式做进一步的说明。

图1是本发明垃圾分类评价方法的流程图。

具体实施方式

如图1所示，为本发明基于图像识别与二维码识别技术的垃圾分类评价方法，包括 以下步骤：

（A）对卷积神经网络算法进行大样本垃圾分类图像识别训练；

（B）利用二维码标识与扫描垃圾的归属；该步骤B包括：在垃圾袋上贴置或打印二维码， 然后扫描二维码确认垃圾归属的住户。

（C）采集待识别的垃圾图像；该步骤C包括：（C1）利用机械打开垃圾袋；（C2）对垃圾 袋内部垃圾进行拍照，对图像进行预处理；（C3）算法输入预处理后的垃圾照片。

（D）使用经步骤A中垃圾分类大样本数据训练后的卷积神经网络算法对垃圾图像 进行识别；

（E）输出不同垃圾图像的分类结果与分类垃圾错误率。

（F）根据识别后输出的分类结果计算垃圾处理费用，该垃圾处理费用=垃圾重量* （1+分类垃圾错误率）*系数*单位垃圾处理费。

（G）反馈垃圾的分类结果与处理费用给所属住户及管理部门。

其中，上述卷积神经网络算法的结构是一种多层的感知器，每层由二维平面组成， 而每个平面由多个独立的神经元组成，网络中包含一些简单元和复杂元，分别记为C元和S 元。C元聚合在一起构成卷积层，S元聚合在一起构成下采样层。输入图像通过滤波器和可加 偏置进行卷积，在C层产生N个特征图（N值可人为设定），然后特征映射图经过求和、加权值 和偏置，再通过一个激活函数（通常选用Sigmoid函数）得到S层的特征映射图。根据人为设 定C层和S层的数量，以上工作依次循环进行。最终，对最尾部的下采样和输出层进行全连 接，得到最后的输出。