[发明专利]一种基于深度学习的智能分类系统及其实现方法

说明书

本发明涉及计算机视觉技术领域，具体为一种基于深度学习的智能分类系统及其实现方法，包括以下步骤：步骤1：确定垃圾分类的类别并制作数据集；步骤2：设计硬件系统；步骤3：编写软件程序；步骤4：制作垃圾分类模型；步骤5：量化和部署；步骤6：测试和调试；步骤7：安装和使用；有益效果为：本发明提出的基于深度学习的智能分类系统及其实现方法，通过光感传感器检测垃圾进入可移动缓存箱并发送信号，摄像头收到信号捕捉垃圾图像，图像处理，模型分类垃圾并发送信号，缓存箱收到信号将垃圾移动对应垃圾分类箱释放。本发明提供了一种分类垃圾的有效方法，促进可持续的垃圾管理实践，对环境保护，资源回收，提高城市管理效率有积极意义。

技术领域

本发明涉及计算机视觉技术领域，具体为一种基于深度学习的智能分类系统及其实现方法。

背景技术

当前全球城市化进程加速，垃圾产生量呈现出快速增加的趋势，垃圾分类已经成为当今社会的一项重要任务。正确的垃圾分类方法包括将生物可降解和不可降解的垃圾分开，并将可回收的垃圾与其他垃圾分开。生物可降解垃圾包括食物残渣、纸张和花卉，不可降解垃圾包括塑料、橡胶和玻璃。可回收的垃圾包括金属、塑料、玻璃和纸张等。通过正确分类垃圾，既可以减少垃圾对环境的污染，降低对自然资源的浪费，也可以促进资源的循环利用，减少废弃物的数量，降低垃圾处理的成本。

现有技术中，在垃圾回收前进行人工分类可将垃圾回收效率提高95％。然而，分类大量的垃圾需要很长时间，可能会使人们接触到受污染的垃圾和危险物质。自动分类是另一种用于垃圾分类的技术。有很多方法可以自动分类垃圾。使用图像进行分类是对物体或垃圾进行分类的最有效方法之一。

但是，传统的视觉方法通过使用较大的卷积神经网络(CNN)模型和迁移学习，使机器从庞大的图像库中学习大量数据，获得了较高的分类准确率，但是这些模型参数量过大，没有考虑分类时的实时性问题。

发明内容

本发明的目的在于提供一种基于深度学习的智能分类系统及其实现方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的智能分类系统，包括硬件和软件算法，所述硬件包括：

垃圾接收器，用于接收垃圾并在分类前将其放置在一旁以进行拍摄；

可移动垃圾箱，将从接收器箱接收的垃圾移动到相应的垃圾桶位置，并将垃圾放入垃圾桶中；

垃圾桶，用于垃圾分类后，四种不同类型的垃圾将分别放入相应的垃圾桶中；

可编程逻辑控制器，用于控制机器；

RGB相机：用于拍摄进入接收器箱的垃圾图像，安装在接收器箱顶部；

光幕传感器：包括发射器和接收器，用于检测接收器和发射器之间的物体；

计算机：用于运行垃圾分类软件，同时与Arduino Uno通信，以控制垃圾分类机的其他硬件；

软件算法是Python编程语言编写的智能垃圾分类机的软件，包括：

Pyfirmata库：用于将电脑与智能垃圾分类机中的硬件连接起来。

PyTorch库：用于进行图像分类的机器学习框架。

一种基于深度学习的智能分类实现方法，其特征在于：所述智能分类实现方法包括以下步骤：

步骤1：确定垃圾分类的类别并制作数据集；

步骤2：设计硬件系统；

步骤3：编写软件程序；

步骤4：制作垃圾分类模型；

步骤5：量化和部署；

步骤6：测试和调试；