本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的可回收垃圾分類(lèi)方法的應(yīng)用。

背景技術(shù)：

1、隨著社會(huì)的發(fā)展，垃圾處理問(wèn)題已成為城市面臨的重大問(wèn)題之一，現(xiàn)階段，我國(guó)大力提倡垃圾回收，然而現(xiàn)實(shí)生活中，民眾對(duì)垃圾分類(lèi)方法掌握不全，垃圾分類(lèi)實(shí)施效果并不佳。目前，垃圾處理站需要采用人工方式或者是傳統(tǒng)的機(jī)械分類(lèi)設(shè)備進(jìn)行二次垃圾分類(lèi)處理。這些方法雖然在一定程度上解決了垃圾分類(lèi)的問(wèn)題，但它們往往受到人為主觀因素的干擾，容易產(chǎn)生誤分類(lèi)，限制了垃圾處理效率。且無(wú)法滿(mǎn)足大規(guī)模、高效率的垃圾分類(lèi)需求。此外，人工分類(lèi)也需要大量的人力資源，這不僅增加了垃圾處理的成本，還對(duì)環(huán)境和社會(huì)可持續(xù)性造成了壓力。傳統(tǒng)機(jī)械分類(lèi)設(shè)備也存在分類(lèi)不準(zhǔn)確和難以適應(yīng)多樣化垃圾類(lèi)型的問(wèn)題。因此，尋找一種高效、準(zhǔn)確的垃圾分類(lèi)方法變得至關(guān)重要。

2、深度學(xué)習(xí)技術(shù)已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了巨大成功。它的強(qiáng)大的模式識(shí)別和學(xué)習(xí)能力使其成為垃圾分類(lèi)問(wèn)題的理想解決方案。深度學(xué)習(xí)算法可以自動(dòng)識(shí)別和分類(lèi)不同類(lèi)型的垃圾，減少了人為干擾和誤差，提高了垃圾分類(lèi)的準(zhǔn)確性和效率。基于深度學(xué)習(xí)的可回收垃圾分類(lèi)方法的研發(fā)將為解決城市垃圾處理問(wèn)題提供一個(gè)創(chuàng)新的途徑。它可以提高垃圾分類(lèi)的準(zhǔn)確性，降低垃圾處理成本，減輕環(huán)境負(fù)擔(dān)，同時(shí)也有助于提高社會(huì)對(duì)垃圾分類(lèi)的認(rèn)知和參與度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于實(shí)現(xiàn)一種基于深度學(xué)習(xí)的可回收垃圾分類(lèi)方法，選用vgg19模型，運(yùn)用imagenet數(shù)據(jù)集，在垃圾圖像歸類(lèi)及預(yù)處理后，完成了圖像的特征提取，通過(guò)網(wǎng)絡(luò)訓(xùn)練、遷移學(xué)習(xí)強(qiáng)化模型自身的泛化能力，進(jìn)而通過(guò)優(yōu)化器改進(jìn)，結(jié)合應(yīng)用lookahead及l(fā)azyoptimizer兩種優(yōu)化器，通過(guò)二者的優(yōu)勢(shì)互補(bǔ)，提高垃圾分類(lèi)識(shí)別的準(zhǔn)確度。

2、本發(fā)明所采用的技術(shù)方案是：

3、步驟1：進(jìn)行數(shù)據(jù)集的構(gòu)建，對(duì)于imagenet數(shù)據(jù)集中的圖片進(jìn)行篩選，選取其中的可回收垃圾圖片后對(duì)數(shù)據(jù)集進(jìn)行劃分，為后續(xù)步驟的訓(xùn)練提供支持；

4、步驟2：對(duì)構(gòu)建的數(shù)據(jù)集進(jìn)行預(yù)處理，采取圖像去噪，數(shù)據(jù)增強(qiáng)，圖像分割及特征提取方法，實(shí)現(xiàn)圖像質(zhì)量的統(tǒng)一，增強(qiáng)圖像的有價(jià)值特征；

5、步驟3：采用vgg19網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練后的最佳權(quán)重用于測(cè)試，并與其他網(wǎng)絡(luò)模型進(jìn)行對(duì)比實(shí)驗(yàn)；

6、步驟4：結(jié)合lookahead優(yōu)化器及l(fā)azyoptimizer優(yōu)化器，并與僅使用lazyoptimize優(yōu)化器的網(wǎng)絡(luò)模型進(jìn)行準(zhǔn)確率測(cè)試對(duì)比。針對(duì)廢紙、廢塑料、廢玻璃、廢金屬以及廢織物五種可回收垃圾分別展開(kāi)測(cè)試，驗(yàn)證模型應(yīng)用效果。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的可回收垃圾分類(lèi)方法，其特征在于，包括以下步驟：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的可回收垃圾分類(lèi)方法。本發(fā)明針對(duì)深度學(xué)習(xí)視域下的可回收垃圾分類(lèi)算法展開(kāi)了研究，選用VGG19模型，運(yùn)用ImageNet數(shù)據(jù)集，從數(shù)據(jù)選擇、圖像預(yù)處理、圖像特征提取方面進(jìn)行了圖像處理及識(shí)別分析，探討了基于深度學(xué)習(xí)的可回收垃圾分類(lèi)算法的實(shí)現(xiàn)方法，通過(guò)網(wǎng)絡(luò)訓(xùn)練、遷移學(xué)習(xí)強(qiáng)化模型自身的泛化能力，進(jìn)而通過(guò)優(yōu)化器改進(jìn)，結(jié)合應(yīng)用Lookahead及LazyOptimizer兩種優(yōu)化器，通過(guò)二者的優(yōu)勢(shì)互補(bǔ)，提高垃圾分類(lèi)識(shí)別的準(zhǔn)確度。根據(jù)測(cè)試結(jié)果得出了深度學(xué)習(xí)視域下的可回收垃圾分類(lèi)算法識(shí)別準(zhǔn)確率相對(duì)較高，在可回收垃圾分類(lèi)中具有較高的應(yīng)用價(jià)值。

技術(shù)研發(fā)人員：常樂(lè),李嘉杰,楊龍帆,徐遵傑,周道強(qiáng),賈海濤
受保護(hù)的技術(shù)使用者：電子科技大學(xué)長(zhǎng)三角研究院（湖州）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/19