环境垃圾的检测方法、电子设备、计算机可读介质技术

本公开提供了一种环境垃圾的检测方法，包括：采集目标场景的待检测图像；将所述待检测图像输入环境垃圾检测模型，对所述目标场景中的垃圾进行检测；其中，所述环境垃圾检测模型包括三个特征提取层，所述特征提取层基于深度可分离卷积提取特征图参数，所述特征提取层的输入特征矩阵的尺寸等于输出特征矩阵的尺寸；根据对所述目标场景中的垃圾进行检测的检测结果生成反馈信息。本公开还提供一种电子设备、一种计算机可读介质。一种计算机可读介质。一种计算机可读介质。

【技术实现步骤摘要】
环境垃圾的检测方法、电子设备、计算机可读介质


[0001]本公开涉及计算机视觉
，特别涉及一种环境垃圾的检测方法、一种电子设备、一种计算机可读介质。

技术介绍

[0002]目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。目标检测还可以用于环境垃圾的检测，相比于依赖环卫工人人工排查，检测效率更高，有助于环境垃圾高效及时的清理。
[0003]但是，利用传统的大型网络模型进行环境垃圾的目标检测，虽然检测精度能够满足检测标准，但是由于大型网络模型计算量大、内存消耗高，会导致目标检测的效率低下，无法满足及时性要求。

技术实现思路

[0004]本公开实施例提供一种环境垃圾的检测方法、一种电子设备、一种计算机可读介质。
[0005]第一方面，本公开实施例提供一种环境垃圾的检测方法，包括：
[0006]采集目标场景的待检测图像；
[0007]将所述待检测图像输入环境垃圾检测模型，对所述目标场景中的垃圾进行检测；其中，所述环境垃圾检测模型包括三个特征提取层，所述特征提取层基于深度可分离卷积提取特征图参数，所述特征提取层的输入特征矩阵的尺寸等于输出特征矩阵的尺寸；
[0008]根据对所述目标场景中的垃圾进行检测的检测结果生成反馈信息。
[0009]在一些实施例中，所述环境垃圾检测模型的三个特征提取层包括第一特征提取层、第二特征提取层、第三特征提取层；所述环境垃圾检测模型还包括SPPNet层和PANet层，所述PANet层对应第一分支、第二分支、第三分支；其中，
[0010]所述第一特征提取层的输出作为所述第二特征提取层的输入；
[0011]所述第二特征提取层的输出与所述第一特征提取层的输出的和，作为所述第三特征提取层的输入和所述第二分支的输入；
[0012]所述第三特征提取层的输出作为所述SPPNet层的输入和所述第三分支的输入；
[0013]所述SPPNet层的输出作为所述第一分支的输入。
[0014]在一些实施例中，所述第一特征提取层包括MobileNetV1网络，所述MobileNetV1网络包括第一深度可分离卷积子层。
[0015]在一些实施例中，所述第二特征提取层包括MobileNetV2网络，所述MobileNetV2网络包括第一残差块，所述第一残差块的步距为1，所述第一残差块包括第二深度可分离卷积子层。
[0016]在一些实施例中，所述第三特征提取层包括两个并列的第二残差块，所述第二残差块的步距为2，所述第二残差块包括第三深度可分离卷积子层。
[0017]在一些实施例中，根据对所述目标场景中的垃圾进行检测的检测结果生成反馈信息，包括：
[0018]根据所述检测结果按照预设划分标准进行统计，确定汇总结果。
[0019]在一些实施例中，根据对所述目标场景中的垃圾进行检测的检测结果生成反馈信息，还包括：
[0020]根据所述汇总结果生成清理路线规划信息和清理人员规划信息。
[0021]在一些实施例中，所述检测方法还包括：
[0022]采集多个样本图像；
[0023]为所述样本图像添加标签，得到训练样本集，其中，所述标签用于对所述样本图像中垃圾进行标识；
[0024]利用所述训练样本集对所述环境垃圾检测模型进行训练。
[0025]第二方面，本公开实施例提供一种电子设备，其包括：
[0026]一个或多个处理器；
[0027]存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本公开实施例第一方面所述的环境垃圾的检测方法；
[0028]一个或多个I/O接口，连接在所述处理器与存储器之间，配置为实现所述处理器与存储器的信息交互。
[0029]第三方面，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开实施例第一方面所述的环境垃圾的检测方法。
[0030]本公开实施例中，构建了用于对目标场景中的垃圾进行检测的环境垃圾检测模型，环境垃圾检测模型包括三个特征提取层，特征提取层基于深度可分离卷积进行特征提取，能够减少网络模型的参数和网络模型的计算量；而特征提取层的输入特征矩阵的尺寸等于输出特征矩阵的尺寸，能够减少内存消耗，从而提高了环境垃圾检测模型的运行效率，有利于提升环境垃圾的目标检测的效率以满足及时性要求。
附图说明
[0031]附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。
[0032]在附图中：
[0033]图1是本公开实施例中一种环境垃圾的检测方法的流程图；
[0034]图2是一种传统YOLOV4网络模型
[0035]图3是本公开实施例中一种环境垃圾检测模型的结构示意图；
[0036]图4是本公开实施例中一种第一特征提取层的结构示意图；
[0037]图5是本公开实施例中一种第二特征提取层的结构示意图；
[0038]图6是本公开实施例中一种第一残差块的结构示意图；
[0039]图7是本公开实施例中一种第三特征提取层的结构示意图；
[0040]图8是本公开实施例中一种第二残差块的结构示意图；
[0041]图9是本公开实施例中一种电子设备的组成框图；
[0042]图10是本公开实施例中一种计算机可读介质的组成框图。
具体实施方式
[0043]为使本领域的技术人员更好地理解本公开的技术方案，下面结合附图对本公开提供的环境垃圾的检测方法、电子设备、计算机可读介质进行详细描述。
[0044]在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
[0045]在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
[0046]如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
[0047]本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由
……
制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
[0048]除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种环境垃圾的检测方法，包括：采集目标场景的待检测图像；将所述待检测图像输入环境垃圾检测模型，对所述目标场景中的垃圾进行检测；其中，所述环境垃圾检测模型包括三个特征提取层，所述特征提取层基于深度可分离卷积提取特征图参数，所述特征提取层的输入特征矩阵的尺寸等于输出特征矩阵的尺寸；根据对所述目标场景中的垃圾进行检测的检测结果生成反馈信息。2.根据权利要求1所述的检测方法，其中，所述环境垃圾检测模型的三个特征提取层包括第一特征提取层、第二特征提取层、第三特征提取层；所述环境垃圾检测模型还包括SPPNet层和PANet层，所述PANet层对应第一分支、第二分支、第三分支；其中，所述第一特征提取层的输出作为所述第二特征提取层的输入；所述第二特征提取层的输出与所述第一特征提取层的输出的和，作为所述第三特征提取层的输入和所述第二分支的输入；所述第三特征提取层的输出作为所述SPPNet层的输入和所述第三分支的输入；所述SPPNet层的输出作为所述第一分支的输入。3.根据权利要求2所述的检测方法，其中，所述第一特征提取层包括MobileNetV1网络，所述MobileNetV1网络包括第一深度可分离卷积子层。4.根据权利要求2所述的检测方法，其中，所述第二特征提取层包括MobileNetV2网络，所述MobileNetV2网络包括第一残差块，所述第一残差块的步距为1，所述第一残差块包括第二...

【专利技术属性】
技术研发人员：罗静，敦建征，张培，张赛，
申请(专利权)人：通号智慧城市研究设计院有限公司，
类型：发明
国别省市：