[发明专利]一种生活垃圾检测方法及装置在审

专利信息
申请号: 202110345866.6 申请日: 2021-03-31
公开(公告)号: CN113076992A 公开(公告)日: 2021-07-06
发明(设计)人: 魏翼鹰;罗鹏飞;邓胳峰;吴瀚;金雨馨;马铄;黄俊钦 申请(专利权)人: 武汉理工大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04
代理公司: 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 代理人: 易贤卫
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 生活 垃圾 检测 方法 装置
【说明书】:

发明公开一种生活垃圾检测方法及装置,包括:制作标注后的目标检测数据集,其中目标检测数据集为生活垃圾图片数据集;优化Mob i l eNe tV3网络,以得到Mob i l eNetV3_L ite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Mob i l eNetV3_L ite轻量网络结合的YOLOV3‑Mob i l eNetV3_Lite目标检测模型;将预处理后目标检测数据集对YOLOV3‑Mob i l eNetV3_Li te目标检测模型进行训练,以得到最终的YOLOV3‑Mob i l eN etV3_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,送入部署好的YOLOV3‑Mob i l eNetV3_Lite目标检测模型进行正向推理,输出生活垃圾图片的检测数据信息,实现该生活垃圾检测装置在不联网情况下实现对生活垃圾高效的检测、定位、分类与计数与回收。

技术领域

本发明涉及垃圾分类检测的技术领域,尤其涉及一种生活垃圾检测方法及装置。

背景技术

现有的垃圾检测装置,基本可分为两类,单机工作和联网工作,对于单机工作的方案,缺点有三,第一实际使用精度低,因为大部分采用的都是分类模型,实际使用时受背景影响较大,检测速度慢精度低,第二且无法完成多任务分类,同样因为是采用分类模型,无法满足实际多垃圾检测,更完成不了垃圾计数与定位功能;第三是实时性难以得到保证,部分采用目标检测模型的装置部署在单机上,也因为模型部署方案,实时性不能得到较好的保证缺少可行的软硬件解决方案。

对于联网工作的装置,缺点有二,第一功能实现受网络控制,该类设备都是将拍摄的图片传到云端计算,计算完后再返回本地得到结果,即必须联网,无网就不能用;第二是应用场景受限,实时传输视频流对网络带宽要求较高,部分时候无法保证实时性。

发明内容

有鉴于此,有必要提供一种生活垃圾检测装置,用以解决生活垃圾检测装置在不联网情况下实现对生活垃圾高效的检测、定位、分类与计数与回收的问题。

根据本发明的一个方面,提供一种生活垃圾检测方法,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。

根据一些实施例,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。

根据一些实施例,所述优化MobileNetV3网络,具体为:去除MobileNetV3网络中的SE模块、深度卷积模块取代标准卷积模块以及ReLU6代替h-swish作为激活函数,以得到MobileNetV3_Lite轻量网络。

根据一些实施例,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;

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110345866.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top