[发明专利]一种基于元深度学习的建筑垃圾精细分类方法、装置

权利要求书

1.一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，包括：

构建建筑垃圾分类模型，包括用于对建筑垃圾2D图像中建筑垃圾分类的第一分类网络、用于对建筑垃圾3D图像中建筑垃圾分类的第二分类网络以及用于对建筑垃圾光谱图像中建筑垃圾分类的第三分类网络；

采集建筑垃圾2D图像、建筑垃圾3D图像和建筑垃圾光谱图像构建训练集，基于元深度学习算法训练所述的第一分类网络、第二分类网络和第三分类网络；

采集建筑垃圾2D图像和建筑垃圾3D图像，并利用第一分类网络和第二分类网络进行第一阶段预测，当第一阶段预测结果置信度大于设定阈值则输出建筑垃圾类别，否则采集建筑垃圾光谱图像并输入至第三分类网络进行第二阶段预测并输出建筑垃圾类别。

2.根据权利要求1所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，所述的第一分类网络、第二分类网络和第三分类网络包括RetinaNet网络。

3.根据权利要求1所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，所述的元深度学习算法包括MAML算法。

4.根据权利要求1所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，训练阶段和预测阶段均包括对建筑垃圾2D图像、建筑垃圾3D图像的预处理，然后输入至对应网络进行训练或预测。

5.根据权利要求4所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，对建筑垃圾2D图像的预处理包括采用双边滤波器对2D图像进行滤波处理。

6.根据权利要求4所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，对建筑垃圾3D图像的预处理包括对3D图像进行中值滤波处理。

7.根据权利要求1所述的一种基于元深度学习的建筑垃圾精细分类方法，其特征在于，第一阶段预测的方式为：采用第一分类网络对建筑垃圾2D图像中建筑垃圾分类，若置信度大于设定阈值则直接输出建筑垃圾类别，否则，采用第二分类网络对建筑垃圾3D图像中建筑垃圾分类，若置信度大于设定阈值则直接输出建筑垃圾类别，否则进入第二阶段预测。

8.一种基于元深度学习的建筑垃圾精细分类装置，其特征在于，包括：

图像采集设备：包括用于对应采集建筑垃圾2D图像、建筑垃圾3D图像以及建筑垃圾光谱图像的2D摄像机、3D摄像机以及高光谱仪；

存储器：用于存储计算机程序；

处理器：用于当执行所述计算机程序时，实现如权利要求1～7任一项所述的基于元深度学习的建筑垃圾精细分类方法。

9.根据权利要求8所述的一种基于元深度学习的建筑垃圾精细分类装置，其特征在于，所述的图像采集设备架设在用于传送建筑垃圾的传送带上方。

10.根据权利要求9所述的一种基于元深度学习的建筑垃圾精细分类装置，其特征在于，所述的2D摄像机和3D摄像机位于同一位置，所述的高光谱仪设置在沿传送带运行方向的2D摄像机的前方。