【技术实现步骤摘要】
本专利技术属于多模态电数字数据处理模型识别，具体而言，涉及一种口岸货物固体废物快速识别方法、介质及系统。
技术介绍
1、传统的固体废物识别方法主要依赖人工目视检查和简单的机械分选。这种方法不仅耗时耗力，而且容易受到人为因素的影响，导致识别结果的准确性和一致性难以保证。随着科技的进步，一些自动化识别技术逐渐应用于固体废物管理领域。
2、图像识别技术是当前应用较为广泛的方法之一。通过采集固体废物的高分辨率图像，并结合计算机视觉算法，可以实现对废物类型的初步识别。然而，为了得到准确的识别结果，只能采集高分辨率图像，高分辨率图像的获取和处理需要大量的计算资源，这在实际应用中可能会导致识别效率低下。
技术实现思路
1、有鉴于此，本专利技术提供一种口岸货物固体废物快速识别方法、介质及系统，能够解决现有技术存在的只能基于高分辨率图像进行识别，消耗计算资源大识别效率低的技术问题。
2、本专利技术是这样实现的：
3、本专利技术的第一方面提供一种口岸货物固体废物快速识别方法，包括以下步骤：
4、s10、采集多组大面积区域内的固体废弃物的不同分辨率组的多模态数据以及对应的固体废弃物人工标注，所述多模态数据包括图像数据、红外光谱数据及不同色彩激光的反射数据；
5、s20、对所述图像数据、红外光谱数据及不同色彩激光的反射数据分别进行预处理和特征提取，得到图像特征、红外光谱特征以及反射特征；
6、s30、对于每一种分辨率组的多模态数据对应
7、s40、以分辨率组最高的多模态数据对应的融合特征以及对应的固体废弃物人工标注作为训练集，训练一个教师模型，记为最高分辨率固废识别模型；
8、s50、按照分辨率组由高到低的顺序，从分辨率组第二高的多模态数据开始，直到分辨率组最低的多模态数据结束，依次进行蒸馏训练，具体是，以上一层分辨率组的对应的固废识别模型为教师模型，以当前分辨率组对应的融合特征以及对应的固体废弃物人工标注作为训练集，训练一个学生模型，最终得到每一个分辨率的固废识别模型；
9、s60、对于待识别的口岸货物，采集其多模态数据，并对采集到的多模态数据进行预处理和特征提取，得到图像特征、红外光谱特征以及反射特征；
10、s70、根据所述待识别口岸货物的多模态数据分辨率组，选择分辨率组最接近的固废识别模型，将提取的特征输入所选择的固废识别模型，得到固体废物的识别结果。
11、所述大面积区域，具体是面积超过1公顷的区域。
12、所述分辨率组的排序方法，具体是按照图像数据分辨率由高到低排序。
13、在上述技术方案的基础上，本专利技术的一种口岸货物固体废物快速识别方法还可以做如下改进:
14、所述步骤s20，具体包括：
15、步骤201、对图像数据进行色彩校正、去噪、直方图均衡化等预处理操作；
16、步骤202、从预处理后的图像数据中提取颜色特征、纹理特征和形状特征；
17、步骤203、对红外光谱数据进行波段校正、基线校正、光谱归一化等预处理；
18、步骤204、从预处理后的红外光谱数据中提取光谱反射率、吸收峰位置及强度等特征；
19、步骤205、对反射数据进行噪声滤波、信号校正等预处理；
20、步骤206、从预处理后的反射数据中提取红、绿、蓝三种激光的反射强度及反射时间特征。
21、其中，所述不同分辨率组，对于不同模态，具体是图像数据分辨率为10米至0.1米、红外光谱数据分辨率为100波段至1000波段、不同色彩激光的反射数据分辨率为5纳米至0.5纳米，每个分辨率组采用向量表示，具体是[图像分辨率，红外分辨率，激光分辨率]。
22、进一步的，所述不同分辨率组至少包含10种序列分辨率组，具体是[0.1米,1000波段,0.5纳米]、[0.2米,900波段,1纳米]、[0.5米,800波段,1.5纳米]、[1米,700波段,2纳米]、[2米,600波段,2.5纳米]、[3米,500波段,3纳米]、[4米,400波段,3.5纳米]、[5米,300波段,4纳米]、[7米,200波段,4.5纳米]、[10米,100波段,5纳米]。
23、进一步的，还包括对不同分辨率的固废识别模型进行交叉验证的步骤，具体是使用一个分辨率组的数据对其他分辨率组训练得到的模型进行测试，评估模型在不同分辨率数据上的泛化能力。
24、进一步的，所述图像数据，具体是包括可见光波段和近红外波段的多光谱图像，获取方式具体是通过多光谱相机拍摄获得；所述红外光谱数据，具体是包括短波红外、中波红外和长波红外波段的光谱数据，获取方式具体是通过高光谱成像仪扫描获得；所述不同色彩激光的反射数据，具体是包括红、绿、蓝三种激光照射后的反射强度数据，获取方式具体是通过激光雷达系统发射激光并接收反射信号获得。
25、进一步的，所述图像特征包括颜色特征、纹理特征及形状特征；所述红外光谱特征包括光谱反射率、吸收峰位置及强度；所述反射特征包括不同色彩激光的反射强度及反射时间。
26、进一步的，所述教师模型，采用深度卷积神经网络结构，包括多层卷积层、池化层、特征提取模块、注意力机制模块以及分类模块；所述特征提取模块使用残差连接以提高特征提取能力；所述注意力机制模块采用空间和通道注意力相结合的方式；所述分类模块使用全连接层实现最终分类；
27、所述学生模型，具体包括嵌入式方程组模块、特征提取模块、注意力机制模块、分类模块，所述嵌入式方程组模块包括尺度方程、平滑方程、边缘增强方程、以及特征融合方程；所述特征提取模块采用轻量级卷积神经网络结构；所述注意力机制模块使用自注意力机制；所述分类模块采用带有dropout的全连接层；
28、所述特征提取模块用于提取深层特征，输入是融合后的特征，输出是深层特征；
29、所述注意力机制模块用于关注重要特征，输入是深层特征，输出是加权后的特征；
30、所述分类模块用于进行固体废物分类，输入是加权后的特征，输出是分类结果。
31、所述蒸馏训练，具体是通过最小化教师模型和学生模型输出的交叉熵损失以及特征表示的l2距离来实现知识迁移。
32、进一步的，所述尺度方程用于调整特征的尺度，输入是原始特征，输出是调整尺度后的特征；
33、所述平滑方程用于降低噪声影响，输入是调整尺度后的特征，输出是平滑后的特征；
34、所述边缘增强方程用于突出目标边缘，输入是平滑后的特征，输出是边缘增强后的特征；
35、所述特征融合方程用于融合多模态特征，输入是边缘增强后的特征，输出是融合后的特征。
36、所述嵌入式方程组模块中的每个方程的公式表达如下：
37、1.所述尺度方程具体表示如下：
38、;...
【技术保护点】
1.一种口岸货物固体废物快速识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种口岸货物固体废物快速识别方法，其特征在于，所述不同分辨率组，对于不同模态，具体是图像数据分辨率为10米至0.1米、红外光谱数据分辨率为100波段至1000波段、不同色彩激光的反射数据分辨率为5纳米至0.5纳米，每个分辨率组采用向量表示，具体是[图像分辨率，红外分辨率，激光分辨率]。
3.根据权利要求2所述的一种口岸货物固体废物快速识别方法，其特征在于，所述不同分辨率组至少包含10种序列分辨率组，具体是[0.1米, 1000波段, 0.5纳米]、[0.2米, 900波段, 1纳米]、[0.5米, 800波段, 1.5纳米]、[1米, 700波段, 2纳米]、[2米, 600波段,2.5纳米]、[3米, 500波段, 3纳米]、[4米, 400波段, 3.5纳米]、[5米, 300波段, 4纳米]、[7米, 200波段, 4.5纳米]、[10米, 100波段, 5纳米]。
4.根据权利要求3所述的一种口岸货物固体废物快速识别方法，其特征在于，还包括对不同分
5.根据权利要求4所述的一种口岸货物固体废物快速识别方法，其特征在于，所述图像数据，具体是包括可见光波段和近红外波段的多光谱图像，获取方式具体是通过多光谱相机拍摄获得；所述红外光谱数据，具体是包括短波红外、中波红外和长波红外波段的光谱数据，获取方式具体是通过高光谱成像仪扫描获得；所述不同色彩激光的反射数据，具体是包括红、绿、蓝三种激光照射后的反射强度数据，获取方式具体是通过激光雷达系统发射激光并接收反射信号获得。
6.根据权利要求5所述的一种口岸货物固体废物快速识别方法，其特征在于，所述图像特征包括颜色特征、纹理特征及形状特征；所述红外光谱特征包括光谱反射率、吸收峰位置及强度；所述反射特征包括不同色彩激光的反射强度及反射时间。
7.根据权利要求6所述的一种口岸货物固体废物快速识别方法，其特征在于，所述教师模型，采用深度卷积神经网络结构，包括多层卷积层、池化层、特征提取模块、注意力机制模块以及分类模块；所述特征提取模块使用残差连接以提高特征提取能力；所述注意力机制模块采用空间和通道注意力相结合的方式；所述分类模块使用全连接层实现最终分类；
8.根据权利要求7所述的一种口岸货物固体废物快速识别方法，其特征在于，所述尺度方程用于调整特征的尺度，输入是原始特征，输出是调整尺度后的特征；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令在计算机中运行时，用于执行权利要求1-8任一项所述的一种口岸货物固体废物快速识别方法。
10.一种口岸货物固体废物快速识别系统，其特征在于，包含权利要求9所述的计算机可读存储介质，以及多光谱相机、高光谱成像仪，红、绿、蓝三种激光发射器以及激光雷达。
...【技术特征摘要】
1.一种口岸货物固体废物快速识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种口岸货物固体废物快速识别方法，其特征在于，所述不同分辨率组，对于不同模态，具体是图像数据分辨率为10米至0.1米、红外光谱数据分辨率为100波段至1000波段、不同色彩激光的反射数据分辨率为5纳米至0.5纳米，每个分辨率组采用向量表示，具体是[图像分辨率，红外分辨率，激光分辨率]。
3.根据权利要求2所述的一种口岸货物固体废物快速识别方法，其特征在于，所述不同分辨率组至少包含10种序列分辨率组，具体是[0.1米, 1000波段, 0.5纳米]、[0.2米, 900波段, 1纳米]、[0.5米, 800波段, 1.5纳米]、[1米, 700波段, 2纳米]、[2米, 600波段,2.5纳米]、[3米, 500波段, 3纳米]、[4米, 400波段, 3.5纳米]、[5米, 300波段, 4纳米]、[7米, 200波段, 4.5纳米]、[10米, 100波段, 5纳米]。
4.根据权利要求3所述的一种口岸货物固体废物快速识别方法，其特征在于，还包括对不同分辨率的固废识别模型进行交叉验证的步骤，具体是使用一个分辨率组的数据对其他分辨率组训练得到的模型进行测试，评估模型在不同分辨率数据上的泛化能力。
5.根据权利要求4所述的一种口岸货物固体废物快速识别方法，其特征在于，所述图像数据，具体是包括可见光波段和近红外波段的多光谱图像，获取方式具体是通过多光谱相机拍摄获得；所述红...
【专利技术属性】
技术研发人员：冯真真，郭兵，岳春雷，何化，丁仕兵，万敏，孙博，王晓萌，李案锦，杜军，叶曦雯，陈贺海，唐梦奇，徐兆锋，
申请(专利权)人：青岛海关技术中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。