[发明专利]基于目标高度信息和色彩信息的固废在线识别方法

权利要求书

1.一种基于目标高度信息和色彩信息的固废在线识别方法，其特征在于，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；所述高度信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的高度信息；所述色彩信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的色彩信息；所述脉冲控制模块与所述高度信息采集模块和色彩信息采集模块分别相连接以控制所述高度信息采集模块和色彩信息采集模块同时采集所述建筑垃圾的信息；所述高度信息采集模块和色彩信息采集模块分别与所述数据传输模块将采集的高度信息和色彩信息发送至所述数据处理模块；所述数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出固废的分类结果；

所述卷积神经网络采用Cascade R-CNN卷积神经网络，属于多阶段目标检测模型；改进的卷积神经网络修剪到只有1层卷积层，属于稀疏特征无监督学习算法，以稀疏表示为基础，同时对提取的特征进行总体稀疏和生命周期稀疏；

通过改进的卷积神经网络对高度信息和色彩信息进行特征加权融合，加权融合公式如下：

其中，其中P_C和P_H分别表示颜色特征和高度特征的观测密度，表示颜色特征的更新权值，分别表示第k-1和第k个像素点的颜色特征权值；表示高度特征的更新权值，分别表示第k-1和第k个像素点的高度特征权值；Wⁱ表示最终的权值；a和b分别代表两种特征的有效权值的数目，a趋近于0的时候，只有高度特征起作用，当b趋近于0的时候，只有颜色特征起作用；N表示图像像素点的个数；i表示像素点。

2.根据权利要求1所述的基于目标高度信息和色彩信息的固废在线识别方法，其特征在于，改进的卷积神经网络采用3个IOU阈值递增的检测器，上一阶段的输出用来训练下一个阶段；对应IOU阈值分别为0.5、0.6与0.7，克服了过拟合的问题。