[发明专利]一种基于深度神经网络的垃圾物焚烧识别方法及系统

说明书

本发明提供一种基于深度神经网络的垃圾物焚烧识别方法及系统，方法包括建立深度神经网络模型；采集监控区内的图像信息；将所述图像信息输入深度神经网络模型，获取图像中含有垃圾焚烧特征信息的概率；根据所述概率完成垃圾物焚烧的识别；本发明通过将深度神经网络结构划分为三个子网络，并根据三个子网络分别进行垃圾识别、烟雾识别和火苗识别，并将三个子网络进行联合训练，通过这种方式可以使深度神经网络模型在样本图片较少的情况下，依然能够取得比较好的识别效果，提升了垃圾物焚烧的识别准确率。

技术领域

本发明涉及环境监控领域，尤其涉及一种基于深度神经网络的垃圾物焚烧识别方法及系统。

背景技术

垃圾焚烧是一种传统的处理垃圾的方法，由于垃圾用焚烧法处理后，减量化效果显著，节省用地，还可消灭各种病原体，将有毒有害物质转化为无害物，故垃圾焚烧法已成为城市垃圾处理的主要方法之一，但是，同时垃圾物焚烧也是城市中污染的重要来源，传统的人工方法难以进行有效的监控，现有技术中的垃圾物焚烧识别效果很差，主要原因是垃圾物呈现的种类繁多，焚烧场景和状态变化多样，难以提取出通用的一致的特征。

近年来，基于深度神经网络的方法在识别领域取得了巨大的成功，但是现有的用于目标识别的深度神经网络在垃圾焚烧识别上效果仍然一般，主要原因是深度神经网络需要大量的样本去学习，这些样本需要覆盖垃圾物焚烧的很多种情况，而样本的收集的工作非常困难。因此，需要一种新的垃圾物焚烧识别方法，能够解决上述技术问题，从而提高垃圾无焚烧识别的准确率，实现对垃圾物焚烧的准确监控。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种基于深度神经网络的垃圾物焚烧识别方法及系统，以解决上述技术问题。

本发明提供的基于深度神经网络的垃圾物焚烧识别方法，包括：

建立深度神经网络模型；

采集监控区内的图像信息；

将所述图像信息输入深度神经网络模型，获取图像中含有垃圾焚烧特征信息的概率；

根据所述概率完成垃圾物焚烧的识别。

进一步，所述模型包括垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型；所述垃圾焚烧特征信息包括垃圾信息、烟雾信息和火苗信息。

进一步，将所述图像信息输入深度神经网络模型，分别获取图像中含有垃圾、烟雾和火苗的概率，并将其分别与预设的阈值进行比较，根据比较结果完成垃圾物焚烧的识别。

进一步，还包括对深度神经网络模型进行训练，所述训练包括：

分别获取垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型输出的损失值，将三个损失值进行联合训练，并将联合训练的新损失值反向传播至垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型。

进一步，所述训练过程通过如下公式表示：

Loss_total＝Loss_g+Loss_s+Loss_f

或

Loss_total＝Loss_g*(Loss_s+Loss_f)

其中，Loss_g为垃圾识别深度神经网络子模型的损失值、Loss_s为烟雾识别深度神经网络子模型的损失值、Loss_f为火苗识别深度神经网络子模型的损失值，Loss_total为融合在一起的综合损失值。

进一步，所述根据比较结果完成垃圾物焚烧的识别通过如下公式表示：

Pgthreshold1,and Ps+Pfthreshold2、