[发明专利]基于深度神经网络的废弃饮料瓶与易拉罐分类识别的方法

说明书

本发明涉及基于深度神经网络的废弃饮料瓶与易拉罐分类识别的方法，包括以下步骤：S1：拍摄图像，采集饮料瓶、易拉罐各个角度的图像数据；S2：图像预处理；S3：利用采集的图像数据进行图像标注，制作训练样本集与测试样本集；S4：构建若干层数的深度卷积神经网络模型；S5：将带标注的训练样本数据输入深度卷积神经网络模型，进行网络训练；S6：训练过程，自动提取特征并进行分类；S7：训练结束将输出一个饮料瓶、易拉罐的识别模型；S8：利用测试样本集，将网络训练结果得到饮料瓶、易拉罐的识别模型进行废弃饮料瓶、易拉罐的分类识别。本发明涉及的基于深度神经网络的废弃饮料瓶与易拉罐分类识别的方法，自动识别分类，识别快，准确率高。

技术领域

本发明涉及人工智能，应用于环保技术领域，尤其是涉及一种废弃饮料瓶、易拉罐的分类识别方法。

背景技术

目前，已有的饮料瓶、易拉罐的识别采用的是模式识别的方法。模式识别的方法主要是针对饮料瓶、易拉罐，必须人工提取饮料瓶、易拉罐的某些特征，并逐个种类进行模板的录入，特征挖掘比较困难，工作量大，并且对于变形的饮料瓶或易拉罐识别困难。同时，若要实现所有饮料瓶、易拉罐的识别，则需要将市面上所有的饮料种类的所有类型的饮料瓶、易拉罐都录制对应的模板，这在短期内显然是难以做到，同时也将耗费大量人力物力。而且，市面上不同的饮料品牌厂商生产推出的饮料在不断更新，饮料瓶的种类和外形也在不断的更新换代，这就给模式识别的方法造成了困难，而且这种困难没有止境。

发明内容

以解决上述背景技术中提出的问题，本发明提供了基于深度神经网络的废弃饮料瓶与易拉罐分类识别的方法，利用该方法可以实现自动提取废弃饮料瓶、易拉罐的特征，并自动识别、分类，识别快，准确率高。

为解决上述技术问题，本发明提供的技术方案为：

基于深度神经网络的废弃饮料瓶与易拉罐分类识别的方法，包括以下步骤：

S1：拍摄图像，采集饮料瓶、易拉罐各个角度的图像数据；

S2：图像预处理；

S3：利用采集的图像数据进行图像标注，制作训练样本集与测试样本集；

S4：构建若干层数的深度卷积神经网络模型；

S5：将带标注的训练样本数据输入深度卷积神经网络模型，进行网络训练；

S6：训练过程，自动提取特征并进行分类；

S7：训练结束将输出一个饮料瓶、易拉罐的识别模型；

S8：利用测试样本集，将网络训练结果得到饮料瓶、易拉罐的识别模型进行废弃饮料瓶、易拉罐的分

类识别。

作为改进的，所述的S4包括卷积、激活、池化、归一化、残差网络等操作。

采用以上结构后，本发明具有如下优点：

本发明可以实现自动提取废弃饮料瓶、易拉罐特征，并自动识别分类，识别快，准确率高，这样不仅可以提高废弃饮料瓶、易拉罐的正确识别率，同时也提高了垃圾分类回收的工作效率，任何的废弃饮料瓶、易拉罐，不管是变形的，还是未变形的，都可以预测识别出来，识别率高，效率快。

附图说明

图1是本发明方法流程示意图；

图2是本发明构建的深度卷积神经网络层次结构示意图；

图3是本发明构建的深度卷积神经网络层次结构中的Inception-ResNet残差网络模块示意图；

图4是本发明构建的深度卷积神经网络参层次结构中的Inception-Reduction模块示意图；