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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD