[发明专利]一种基于边缘计算和深度学习的垃圾箱垃圾识别方法

说明书

本发明公开了一种基于边缘计算和深度学习的垃圾箱垃圾识别方法，包括如下步骤：通过安装在垃圾箱上固定角度的高分辨率摄像机对投放者所投的垃圾进行扫描和拍摄完成数据收集；利用搭载垃圾识别模型的分布式边缘服务器识别所投垃圾，在显示屏上显示识别垃圾检测结果及语音播报，同时存储垃圾图片数据，完成未标记垃圾数据上传云服务器；云服务器运用SSD算法训练垃圾检测模型，通过边缘服务器上传的新数据定期更新垃圾检测模型，使得识别结果准确和实时。

技术领域

本发明涉及一种用于街道垃圾箱的垃圾识别方法，尤其涉及基于移动边缘计算和深度学习的未知垃圾检测方法，属于信息处理技术领域。

背景技术

垃圾分类收集可以减少垃圾处理量和处理设备，降低处理成本，减少土地资源的消耗，具有社会、经济、生态三方面的效益。但是，由于垃圾种类众多，人们在进行垃圾分类时会耗费大量的时间成本，特别是在人流量较大的街道，人们往往很难准确判断所扔垃圾的种类且将他们放入街道边的垃圾桶中，为此研究者们对以往传统的街道垃圾箱进行了改造，在垃圾箱上添加了高分辨率摄像头以用来识别代投放垃圾的种类、收集垃圾图像。

随着物联网的快速发展和5G网络的到来，线性增长的集中式云计算能力已经无法与爆炸式增长的海量边缘数据相匹配。因此，边缘计算正在成为物联网发展的支撑平台。边缘计算指的是在网络的边缘处理数据，以此减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性，未来移动边缘计算会在物联网、电力供需、教育、电子商务中有着广泛的应用。

发明内容

发明目的：针对于现有方法存在的问题，本发明提供一种基于边缘计算和深度学习的垃圾箱垃圾识别方法。主要通过安装在垃圾箱上的高分辨率摄像机对投放者所示的垃圾进行扫描和图像收集；利用边缘服务器完成识别并临时存储；在显示屏上显示垃圾种类检测结果；定期把这些数据传输到云服务器，同时利用图像识别SSD算法识别垃圾类别，并用这些结果更新垃圾训练模型，使得识别结果更加准确高效。

一种基于边缘计算和深度学习的垃圾箱垃圾识别方法，包括如下步骤：

步骤1：云服务器根据垃圾分类标准运用SSD算法训练垃圾检测模型；

SSD算法的全称为Single Shot MultiBox Detector；

步骤2：投放者将待投放的垃圾放在高分辨率摄像机前进行扫描；高分辨率摄像机设置在垃圾箱上；

步骤3：分布式边缘服务器根据已训练好的垃圾检测模型识别待投放垃圾，同时存储垃圾图片数据，完成未标记垃圾数据上传云服务器；

步骤4：显示屏上显示垃圾检测结果及语音播报；

步骤5：云服务器定期更新垃圾训练模型。

所述步骤1云服务器根据垃圾分类标准运用SSD算法训练垃圾检测模型包括：

步骤11：在云服务器进行垃圾检测模型训练时使用SSD框架结构，在VGG16网络中将最后两个全连接层改成卷积层，并增加了4个卷积层来构造网络结构，在这6层上依次提取feature map，最终得到8732个缺省检测框。

步骤12：prior box为被使用的缺省检测框的包围盒，将prior box和实际目标框按照IOU值的大小进行匹配。匹配时先从实际目标框的角度出发，找到与目标相匹配的IOU值最大的缺省检测框进入候选正样本集。其中IOU值指的是目标的真实边框和检测算法得到的预测框之间的重叠率，其具体计算公式如下：

步骤13：由于由步骤12所确定的正样本数量太少，所以接着从缺省检测框的角度出发，在缺省检测框与实际目标框满足IOU＞0.5的样本集中，选择最大的缺省检测框，也放入正样本集。