基于CNN网络和Transformer模型的智能垃圾分类方法技术

本发明专利技术属于智能垃圾分类领域，公开了一种基于CNN和Transformer智能垃圾分类方法，包括如下步骤：步骤1、在智能垃圾箱内设置摄像头和传送带；步骤2、用摄像头采集不同类型的垃圾，并进行标记；步骤3、基于Diffusion模型对分类后的垃圾图片进行样本增广；步骤4、基于CNN网络和Transformer模型建立垃圾分类模型，对垃圾分类模型进行训练和调优；步骤5、将训练得到的垃圾分类模型部署于云端，智能垃圾箱通过实时发送摄像头拍摄的垃圾图片到云端服务器，实现垃圾的智能分类。本发明专利技术将Diffusion模型运用到垃圾图片的生成，解决了某些类别垃圾数据少、样本不均衡的问题；将垃圾分类模型部署于云端，大大降低了模型的部署、以及后续的更新成本，且维护更为简单。且维护更为简单。且维护更为简单。

【技术实现步骤摘要】
基于CNN网络和Transformer模型的智能垃圾分类方法


[0001]本专利技术属于垃圾分类领域，具体是一种基于CNN网络和Transformer模型的智能垃圾分类方法。

技术介绍

[0002]随着全球人口的增长和城市化进程的加速，垃圾数量不断增加，垃圾处理已成为全球面临的重要问题之一。同时，垃圾的分类处理也日益受到重视，因为有效的垃圾分类可以降低处理成本，减少对环境的污染，提高资源利用率。但传统的垃圾分类方法通常需要大量的人力和时间，分类效率和准确性较低，难以满足日益增长的垃圾处理需求。因此，基于人工智能的垃圾分类技术应运而生，以解决传统垃圾分类存在的问题。
[0003]基于人工智能的垃圾分类技术利用计算机视觉、 深度学习等技术，对垃圾进行自动化、 智能化的分类。这种技术具有分类准确性高、处理效率高、成本低等优点，可以提高垃圾分类的效率和准确性，同时减轻人力负担和保护环境。因此，基于人工智能的拉圾分类技术已经被广泛应用于垃圾分类相关的设备及软件中，并具有广泛的应用前景。

技术实现思路

[0004]为了解决现有技术中存在的上述技术问题，本专利技术的目的在于提供一种基于CNN网络和Transformer模型的智能垃圾分类方法。通过该方法可以实现全自动不同种类垃圾的智能分类，在保证运算速度的同时，能够取得极高的精度。其具体技术方案如下：一种基于CNN和Transformer智能垃圾分类方法，包括如下步骤：步骤1、在智能垃圾箱内设置摄像头和传送带；步骤2、用摄像头采集不同类型的垃圾，并进行标记；步骤3、基于Diffusion模型对分类后的垃圾图片进行样本增广；步骤4、基于CNN网络和Transformer模型建立垃圾分类模型，对垃圾分类模型进行训练和调优；步骤5、将训练得到的垃圾分类模型部署于云端，智能垃圾箱通过实时发送摄像头拍摄的垃圾图片到云端服务器，实现垃圾的智能分类。
[0005]进一步的，所述步骤2中将智能垃圾箱部署到各个小区，获得垃圾箱内摄像头拍摄的不同类型的垃圾图片，对采集的垃圾图片进行人工分类标记。
[0006]进一步的，所述步骤3具体包括如下步骤：步骤3.1、利用步骤2得到垃圾图片训练Diffusion模型，得到垃圾图片生成模型；步骤3.2、统计步骤2搜集的图片种类及数量，调用所述垃圾图片生成模型进行数据增广，得到更多的垃圾图片，并且使得各种类的垃圾图片的数量均衡。
[0007]进一步的，步骤3.2中将高斯噪声输入训练后得到的垃圾图片生成模型，生成更多的垃圾图片。
[0008]进一步的，所述Diffusion模型的训练过程通过不断加高斯噪声再一步步恢复成
原图，然后利用训练好的后半部分网络，在垃圾图片上随机添加高斯噪声生成新的垃圾图片。
[0009]进一步的，所述步骤4具体包括如下步骤：步骤4.1、基于CNN网络和Transformer模块建立垃圾分类模型；步骤4.2、将步骤3中得到的各种类垃圾图片分为训练集和测试集，对垃圾分类模型进行训练和调优。
[0010]进一步的，步骤5具体包括如下步骤：步骤5.1、将步骤4训练得到的垃圾分类模型部署到云端服务器；步骤5.2、智能垃圾箱通过NB协议把拍摄的垃圾图片实时发送到云端服务器，所述垃圾分类模型给出垃圾分类结果，并将垃圾分类结果返回给智能垃圾箱；步骤5.3、智能垃圾箱的传送带将垃圾送到对应类别的垃圾箱中。
有益效果
[0011]1、本专利技术将Diffusion模型运用到垃圾图片的生成，很好的解决了某些类别垃圾数据少、样本不均衡的问题。
[0012]2、本专利技术利用了CNN网络+Transformer模型进行垃圾分类，做到了运算速度快、分类精度高。
[0013]3、本专利技术将垃圾分类模型部署于云端，大大降低了模型的部署、以及后续的更新成本，且维护更为简单。
[0014]4、本专利技术实用性强，在实际生活中可以大大降低垃圾分类的人工成本。
附图说明
[0015]图1是本专利技术的基于CNN和Transformer智能垃圾分类方法流程图；图2是Diffusion模型训练示意图；图3是基于CNN和transformer的垃圾分类网络结构示意图。
实施方式
[0016]下面结合附图对本专利技术作进一步说明。
[0017]本专利技术的基于CNN和Transformer智能垃圾分类方法，包括如下步骤：步骤1、在智能垃圾箱内设置摄像头和传送带；其中摄像头安装在垃圾投入口和传送带的上方，传送带用于将分类后的垃圾送到对应类别的智能垃圾箱中。智能垃圾箱的硬件结构才可以采用现有的常规结构。
[0018]步骤2、用摄像头采集不同类型的垃圾，并进行标记；将智能垃圾箱部署到各个小区，获得垃圾箱内摄像头拍摄的不同类型的垃圾图片，对采集的垃圾图片进行人工分类标记。
[0019]步骤3、基于Diffusion模型对分类后的垃圾图片进行样本增广；具体包括如下步骤：步骤3.1、利用步骤2得到垃圾图片训练Diffusion（扩散）模型，得到垃圾图片生成模型；
步骤3.2、统计步骤2搜集的图片种类及数量，调用所述垃圾图片生成模型进行数据增广，得到更多的垃圾图片，并且使得各种类的垃圾图片的数量均衡。
[0020]如图2所示，X0表示输入的垃圾图片，X
t
表示前向传播生成的高斯噪声图片，具体步骤如下：将人工标记后的垃圾图像进行统计，获得每一类垃圾图片的数量；将垃圾图像resize到224
×
224
×
3，并归一化；训练Diffusion模型得到垃圾图片生成模型；将高斯噪声输入训练后得到的垃圾图片生成模型，生成更多的垃圾图片。
[0021]Diffusion模型的训练过程通过不断加高斯噪声再一步步恢复成原图，然后利用训练好的后半部分网络，在垃圾图片上随机添加高斯噪声生成新的垃圾图片。
[0022]步骤4、基于CNN网络和Transformer模型建立垃圾分类模型，对垃圾分类模型进行训练和调优；如图3所示，其中n表示特征图的通道数，N表示垃圾分类的类别数。具体包括如下步骤：步骤4.1、基于CNN网络和Transformer模块建立垃圾分类模型；步骤4.2、将步骤3中得到的各种类垃圾图片分为训练集和测试集，对垃圾分类模型进行训练和调优，在保证运算速度的同时，使得垃圾分类的精度达到部署的要求。
[0023]其中垃圾分类模型的训练过程如下：将收集的垃圾图片和垃圾图片生成模型生成的垃圾图片统一resize到224
×
224
×
3，并归一化；用CNN网络（例如ResNet、DenseNet、EfficientNet等）进行图像特征提取，对最后的图像特征图用transformer模型进行多有注意力机制运算，最后输出相应的垃圾类别。
[0024]步骤5、将训练得到的垃圾分类模型部署于云端，智能垃圾箱通过实时发送摄像头拍摄的垃圾图片到云端服务器，最终实现垃圾的智能分类。具体包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN和Transformer智能垃圾分类方法，其特征在于包括如下步骤：步骤1、在智能垃圾箱内设置摄像头和传送带；步骤2、用摄像头采集不同类型的垃圾，并进行标记；步骤3、基于Diffusion模型对分类后的垃圾图片进行样本增广；步骤4、基于CNN网络和Transformer模型建立垃圾分类模型，对垃圾分类模型进行训练和调优；步骤5、将训练得到的垃圾分类模型部署于云端，智能垃圾箱通过实时发送摄像头拍摄的垃圾图片到云端服务器，实现垃圾的智能分类。2.根据权利要求1所述的基于CNN和Transformer智能垃圾分类方法，其特征在于：所述步骤2中将智能垃圾箱部署到各个小区，获得垃圾箱内摄像头拍摄的不同类型的垃圾图片，对采集的垃圾图片进行人工分类标记。3.根据权利要求1所述的基于CNN和Transformer智能垃圾分类方法，其特征在于：所述步骤3具体包括如下步骤：步骤3.1、利用步骤2得到垃圾图片训练Diffusion模型，得到垃圾图片生成模型；步骤3.2、统计步骤2搜集的图片种类及数量，调用所述垃圾图片生成模型进行数据增广，得到更多的垃圾图片，并且使得各种类的垃圾图片的数量均衡。4.根据权利要求1所述的基于CN...

【专利技术属性】
技术研发人员：陈铁英，洪源，汪东旗，
申请(专利权)人：浙江梧斯源通信科技股份有限公司，
类型：发明
国别省市：