申请/专利权人：江西理工大学

申请日：2020-12-11

公开（公告）日：2021-04-09

公开（公告）号：CN112620165A

主分类号：B07C5/36(20060101)

分类号：B07C5/36(20060101);B07C5/34(20060101);B07C5/38(20060101);G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.09.13#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明提供一种垃圾分类方法，该方法基于人工智能图像识别技术，进行设计自动垃圾分类方法，以应用于垃圾分类智能设备等产品。本发明采用深度学习技术设计了基于残差神经网络的特征提取器，使垃圾图像分类模型在可接受的时间内，网络深度能够更深，实现高精度的垃圾种类判别。本发明的方法训练更简单、精度更高。发明的方法将人工智能领域应用到垃圾分类识别方法中，在识别精度和识别速度上达到了很好的效果。本发明的方法可应用于垃圾分类分拣，便于垃圾分类回收利用，减少环境污染，实现资源的再利用。

主权项：1.一种垃圾分类方法，其特征在于，包括以下步骤：S1、采集生活垃圾图像，形成生活垃圾图像数据集；S2、将步骤S1中的数据集送入深度卷积神经网络中进行模型的训练，生成垃圾图像分类模型；在垃圾图像分类模型的训练过程中，垃圾图像分类模型训练完一个epoch后，进行模型验证；训练完毕后使用测试集测试垃圾图像分类模型；S3、读取图像采集设备的视频帧图像，将该帧图像传输到步骤S2中训练好的垃圾图像分类模型中；所述视频帧作为垃圾图像分类模型的输入，进行神经网络计算，在垃圾图像分类模型的输出层得到所述视频帧的类别ID及其概率值；S4、设定垃圾类别的对应关系，实现垃圾的自动分类。

全文数据：

权利要求：

百度查询： 江西理工大学 垃圾分类方法

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