申请/专利权人:长春理工大学
申请日:2020-12-10
公开(公告)日:2021-04-09
公开(公告)号:CN112633335A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);B65F1/00(20060101);B65F1/14(20060101);B65F1/16(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.05.07#实质审查的生效;2021.04.09#公开
摘要:本发明提供了一种垃圾分类方法及垃圾桶,垃圾分类方法包括:首先获取待分类垃圾的图像数据;构建神经网络模型;神经网络模型包括:第一层稀疏网络模块、第二层稀疏网络模块、第三层残差网络模块、平均池化层和归一化层;第一层稀疏网络模块包括一个7*7卷积层、一个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层;第二层稀疏网络模块包括:三个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层;基于神经网络模型对图像数据进行处理,得到分类结果;根据分类结果,将待分类垃圾投放到对应位置。本发明基于构建的神经网络模型提高了垃圾分类的准确率和效率。
主权项:1.一种垃圾分类方法,其特征在于,所述垃圾分类方法包括:步骤S1:获取待分类垃圾的图像数据;步骤S2:构建神经网络模型;所述神经网络模型包括:第一层稀疏网络模块、第二层稀疏网络模块、第三层残差网络模块、平均池化层和归一化层;所述第一层稀疏网络模块包括一个7*7卷积层、一个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层;所述第二层稀疏网络模块包括:三个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层;步骤S3:基于所述神经网络模型对所述图像数据进行处理,得到分类结果;步骤S4:根据所述分类结果,将所述待分类垃圾投放到对应位置。
全文数据:
权利要求:
百度查询: 长春理工大学 一种垃圾分类方法及垃圾桶
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。