[发明专利]一种生活垃圾检测方法及装置

权利要求书

1.一种生活垃圾检测方法，其特征在于，包括以下步骤：

制作标注后的目标检测数据集，按预设比例对所述标注后的目标检测数据集划分为训练集和测试集，对所述训练集进行预处理，其中所述目标检测数据集为生活垃圾图片数据集；

优化MobileNetV3网络，以得到MobileNetV3_Lite轻量网络，采用深度学习框架搭建基于YOLOV3目标检测算法模型与MobileNetV3_Lite轻量网络结合的YOLOV3-MobileNetV3_Lite目标检测模型；

将所述预处理后的训练集对所述YOLOV3-MobileNetV3_Lite目标检测模型进行训练，所述测试集对所述YOLOV3-MobileNetV3_Lite目标检测模型测试，以得到训练完成后的YOLOV3-MobileNetV3_Lite目标检测模型，进行本地化部署；

将待检测的图片数据进行标准化预处理，送入所述部署好的YOLOV3-MobileNetV3_Lite目标检测模型进行正向推理，输出所述生活垃圾图片的检测数据信息。

2.根据权利要求1所述的一种生活垃圾检测方法，其特征在于，

所述目标检测数据集是将收集的垃圾图集按垃圾类别进行分类处理，并使用开源工具Labelimg对收集的垃圾图集进行标注制成VOC格式的目标检测数据集。

3.根据权利要求1所述的一种生活垃圾检测方法，其特征在于，所述优化MobileNetV3网络，具体为：

去除MobileNetV3网络中的SE模块和ReLU6代替h-swish作为激活函数，以得到MobileNetV3_Lite轻量网络。

4.根据权利要求1所述的一种生活垃圾检测方法，其特征在于，所述对训练集进行预处理，具体为：

将训练集中的每幅图像的像素值归一化至预设范围内；

将训练集中的每幅图像的亮度、对比度、饱和度和色调调整至设定范围内。

5.根据权利要求4所述的一种生活垃圾检测方法，其特征在于，

所述预处理后的训练集对所述YOLOV3-MobileNetV3_Lite目标检测模型进行训练，其训练策略选用迁移学习，训练参数采自于Paddlehub提供的基于coco数据集的yolov3-mobilenetV3参数。

6.根据权利要求5所述的一种生活垃圾检测方法，其特征在于，

所述训练集对所述YOLOV3-MobileNetV3_Lite目标检测模型进行训练中，使用CIOU损失作为损失函数。

7.根据权利要求6所述的一种生活垃圾检测方法，其特征在于，

所述YOLOV3-MobileNetV3_Lite目标检测模型的搭建框架为paddlepaddle深度学习框架。

8.根据权利要求1所述的一种生活垃圾检测方法，其特征在于，还包括：

使用SSD单阶段目标检测算法模型代替所述YOLOV3目标检测算法模型；

使用MobileNetV1轻量网络替代MobileNetV3_Lite轻量网络以得到SSD-MobilenetV1目标检测模型。

9.根据权利要求1所述的一种生活垃圾检测方法，其特征在于，所述生活垃圾图片的检测数据信息包括垃圾类别、坐标信息以及数量信息。

10.一种生活垃圾检测装置，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-9中任一项所述的生活垃圾检测方法。