海洋塑料垃圾材质识别方法、系统、电子设备和存储介质技术方案

本发明专利技术公开了一种海洋塑料垃圾材质识别方法、系统、电子设备和存储介质，属于图像识别领域。采集海洋塑料垃圾高光谱图像，标记第一识别标签；训练集成式分类识别模型，获取图像的第二识别标签及识别概率，若识别概率小于预设标准，则标记第三识别标签，并对比图像的第一、二识别标签，若对比结果不一致，则属于误判，存入第二训练集，利用第二训练集对模型进行优化；采用训练好的集成式分类识别模型对待识别的海洋塑料垃圾进行识别。本发明专利技术通过集成式分类识别模型融合一维DNN模型、LS

【技术实现步骤摘要】
海洋塑料垃圾材质识别方法、系统、电子设备和存储介质


[0001]本专利技术涉及图像识别
，尤其涉及一种海洋塑料垃圾材质识别方法、系统、电子设备和存储介质。

技术介绍

[0002]海洋塑料垃圾的治理一直是全球海洋环境亟需解决的问题，对海洋塑料垃圾进行收集后作为原材料，可实现海洋塑料的循环利用。
[0003]由于一些塑料在外观和颜色上非常相似，存在塑料垃圾分选时速度慢、难度大、成本高昂等问题，尤其是针对海洋塑料垃圾，其在海水中经历了一定程度的浸泡，识别难度更大，若要实现海洋塑料的循环利用，不仅要考虑不同种类海洋塑料垃圾的回收精确度，还要考虑回收效率以及成本。
[0004]由于目前常用的分选设备较大不易携带，所以通常应用于塑料回收工厂或实验室，且设备的配置要求较高，在塑料垃圾收集阶段不能很好的推广。此外，目前常用的分选设备通常采用近红外传感器，其根据不同材料所表现的反射光谱进行分选判断识别，为了提高识别精准度，需要对塑料进行清洗、碎片化等预处理，效率较低，不适用于海洋塑料垃圾材质识别。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术公开了一种海洋塑料垃圾材质识别方法、系统、电子设备和存储介质，通过采用集成式分类识别模型融合一维DNN模型、LS
‑
SVM模型、三维CNN模型三种分类模型，随机采样得到多种图像样本集对集成式分类识别模型进行训练，可实现高准确率、高效率的海洋塑料垃圾材质识别。
[0006]本专利技术的第一个目的，提供了一种海洋塑料垃圾材质识别方法，包括：对海洋塑料垃圾进行高光谱图像采集，标记第一识别标签，对高光谱图像预处理后得到第一训练集；利用第一训练集训练集成式分类识别模型，利用集成式分类识别模型获取图像的第二识别标签及对应的识别概率，利用分类筛选模型判断识别概率是否小于预设标准，若是，则标记第三识别标签；所述的集成式分类识别模型分别采用一维DNN模型、LS
‑
SVM模型、三维CNN模型作为第一层中的基学习器；训练阶段，针对带有第三识别标签的图像，对比图像的第一识别标签与第二识别标签的结果，若结果不一致，则将图像标记为误判，存入第二训练集，利用第二训练集对集成式分类识别模型进行优化；采用训练好的集成式分类识别模型对待识别的海洋塑料垃圾进行分类，得到识别结果。
[0007]进一步地，所述的对高光谱图像预处理时，通过替换原始高光谱图像的背景色，对高光谱图像进行校正，公式为：
其中，表示校正后的高光谱图像，(x, y)表示高光谱图像中的像素点坐标位置，表示波长；表示原始高光谱图像；表示黑背景参考图像；表示是白背景参考图像。
[0008]进一步地，所述的第一训练集中包含第一图像样本集、第二图像样本集和第三图像样本集，获取方法为：结合高光谱图像的第一识别标签的类型，针对由多种目标类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第一图像样本集；针对每一种目标类型，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第二图像样本集；在所有的目标类型之外，引入异类标签样本，针对至少包含一种异类标签和一种目标类型标签的多种类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第三图像样本集。
[0009]进一步地，所述的一维DNN模型对高光谱图像进行识别时，通过对高光谱图像进行重建，提取重建后的高光谱图像的颜色特征、纹理特征和边缘特征。
[0010]进一步地，所述的对高光谱图像进行重建的公式为：M=Cr+k其中，M是重建后的高光谱图像，表示为RGB强度的3*1向量；C是原始高光谱图像，r是高光谱图像归一化的反射率强度向量，k代表系统噪声向量。
[0011]进一步地，采用K折交叉验证的方式分别训练一维DNN模型、LS
‑
SVM模型、三维CNN模型共计三种分类模型，针对每一个分类模型，每一次训练均保留1/K数据作为测试集；将训练好的三种分类模型对应的测试集的预测结果作为第二层的元学习器的输入，结合预测集的真实标签完成对第二层的元学习器的训练。
[0012]进一步地，采用训练好的集成式分类识别模型对待识别的海洋塑料垃圾进行分类，得到识别结果后，由分类筛选模型判断识别概率是否小于预设标准，若是，则标记第三识别标签，由人工审核，并将审核后的图像添加第一识别标签后存入第二训练集，用于对集成式分类识别模型进行优化；若否，则反馈识别结果。
[0013]本专利技术的第一个目的，提供了一种海洋塑料垃圾材质识别系统，包括：高光谱图像采集模块，其用于对海洋塑料垃圾进行高光谱图像采集；云平台，其用于对采样得到的高光谱图像进行预处理并输出海洋塑料材质类型的识别结果；所述的云平台包括：高光谱图像预处理模块，其用于替换原始高光谱图像的背景色，对高光谱图像进行校正；第一训练集模块，其用于对预处理后的高光谱图像样本随机采样，并标记第一识别标签，构建第一训练集；集成式分类识别模型模块，其分别采用一维DNN模型、LS
‑
SVM模型、三维CNN模型作
为集成式分类识别模型第一层中的基学习器，用于对预处理后的高光谱图像进行材质类型识别，输出第二识别标签及对应的识别概率；分类筛选模型模块，其用于在集成式分类识别模型训练阶段，判断集成式分类识别模型输出的识别概率是否小于预设标准，若是，则标记第三识别标签；第二训练集模块，其用于获取带有第三识别标签的图像，对比图像的第一识别标签与第二识别标签的结果，若结果不一致，则将图像标记为误判，存入第二训练集；训练模块，其用于对集成式分类识别模型模块进行训练和优化。
[0014]进一步地，所述的第一训练集模块中，对预处理后的高光谱图像样本随机采样时，分别采样得到第一图像样本集、第二图像样本集和第三图像样本集；具体为：结合高光谱图像的第一识别标签的类型，针对由多种目标类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第一图像样本集；针对每一种目标类型，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第二图像样本集；在所有的目标类型之外，引入异类标签样本，针对至少包含一种异类标签和一种目标类型标签的多种类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第三图像样本集。
[0015]本专利技术的第三个目的，提供了一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现上述的海洋塑料垃圾材质识别方法。
[0016]本专利技术的第四个目的，提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，用于实现上述的海洋塑料垃圾材质识别方法。
[0017]与现有技术相比，本专利技术具有以下有益效果：（1）本专利技术通过对采集的高光谱图像进行反射率校正，降低背景色的干扰，基于DNN的频谱重构算法原理，对校正后的图像进行重建光谱，提高了光谱中心波长平均定位的精度，保证了识别准确性。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海洋塑料垃圾材质识别方法，其特征在于，包括：对海洋塑料垃圾进行高光谱图像采集，标记第一识别标签，对高光谱图像预处理后得到第一训练集；利用第一训练集对集成式分类识别模型进行训练，利用集成式分类识别模型获取图像的第二识别标签及对应的识别概率，利用分类筛选模型判断识别概率是否小于预设标准，若是，则标记第三识别标签；所述的集成式分类识别模型分别采用一维DNN模型、LS
‑
SVM模型、三维CNN模型作为第一层中的基学习器；训练阶段，针对带有第三识别标签的图像，对比图像的第一识别标签与第二识别标签的结果，若结果不一致，则将图像标记为误判，存入第二训练集，利用第二训练集对集成式分类识别模型进行优化；采用训练好的集成式分类识别模型对待识别的海洋塑料垃圾进行分类，得到识别结果。2.根据权利要求1所述的一种海洋塑料垃圾材质识别方法，其特征在于，所述的对高光谱图像预处理时，通过替换原始高光谱图像的背景色，对高光谱图像进行校正，公式为：其中，表示校正后的高光谱图像，(x, y)表示高光谱图像中的像素点坐标位置，表示波长；表示原始高光谱图像；表示黑背景参考图像；表示是白背景参考图像。3.根据权利要求1所述的一种海洋塑料垃圾材质识别方法，其特征在于，所述的第一训练集中包含第一图像样本集、第二图像样本集和第三图像样本集，获取方法为：结合高光谱图像的第一识别标签的类型，针对由多种目标类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第一图像样本集；针对每一种目标类型，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第二图像样本集；在所有的目标类型之外，引入异类标签样本，针对至少包含一种异类标签和一种目标类型标签的多种类型的组合方式，从预处理后的高光谱图像中随机取出不同数量的样本图像，构成第三图像样本集。4.根据权利要求1所述的一种海洋塑料垃圾材质识别方法，其特征在于，所述的一维DNN模型对高光谱图像进行识别时，通过对高光谱图像进行重建，提取重建后的高光谱图像的颜色特征、纹理特征和边缘特征。5.根据权利要求4所述的一种海洋塑料垃圾材质识别方法，其特征在于，所述的对高光谱图像进行重建的公式为：M=Cr+k其中，M是重建后的高光谱图像，代表RGB强度的3*1向量；C是原始高光谱图像，r是高光谱图像归一化的反射率强度向量，k代表系统噪声向量。6.根据权利要求1所述的一种海洋塑料垃圾材质识别方法，其特征在于，采用K折交叉
验证的方式分别训练一维DNN模型、LS
‑
SVM模型、三维CNN模型共...

【专利技术属性】
技术研发人员：陈光辉，贺玮，方敏，陈亚红，周一帆，
申请(专利权)人：浙江蓝景科技有限公司，
类型：发明
国别省市：