一种垃圾检测方法以及装置与流程

技术特征：
1.一种垃圾检测方法，其特征在于，所述方法包括：获取待识别图像，并将所述待识别图像输入已训练的垃圾检测模型；所述垃圾检测模型对所述待识别图像进行特征提取，得到多个不同尺度的特征图；所述垃圾检测模型对所述多个特征图分别进行垃圾检测，得到所述多个特征图各自对应的垃圾检测结果以及结果置信度；所述垃圾检测模型根据所述多个特征图各自对应的垃圾检测结果以及结果置信度，输出所述待识别图像的垃圾检测结果；所述垃圾检测模型的生成方式包括：获取训练样本数据集；所述训练样本数据集包括若干组训练样本数据，其中，每组训练样本数据包括训练样本图像以及所述训练样本图像对应的垃圾位置信息标签和垃圾类别标签；将训练样本图像输入预设的网络模型，得到所述训练样本图像对应的预测垃圾位置信息、预测垃圾类别标签以及预测置信度；根据训练样本对应的预测垃圾位置信息、预测垃圾类别标签、预测置信度，以及所述训练样本图像对应的垃圾位置信息标签和垃圾类别标签，确定总损失值；根据所述总损失值对所述网络模型的模型参数进行调整，直至所述网络模型满足训练条件，并将所述网络模型作为所述垃圾检测模型。2.根据权利要求1所述的方法，其特征在于，所述垃圾检测结果包括垃圾位置信息和垃圾类别；所述垃圾位置信息包括标注有垃圾区域的待识别图像以及垃圾的坐标信息。3.根据权利要求1或者2所述的方法，其特征在于，所述根据训练样本对应的预测垃圾位置信息、预测垃圾类别标签、预测置信度，以及所述训练样本图像对应的垃圾位置信息标签和垃圾类别标签，确定总损失值，包括：根据训练样本对应的预测垃圾位置信息、预测垃圾类别标签、预测置信度，以及所述训练样本图像对应的垃圾位置信息标签和垃圾类别标签，确定边框损失值lbox、类别损失值lcls和置信度损失值lobj：lcls和置信度损失值lobj：lcls和置信度损失值lobj：其中，s表示预测网格尺度，b表示预测坐标，表示如果在i，j处的预测坐标有目标，则其值为1，否则为0；表示如果在i，j处的预测坐标没有目标则其值为1，否则为0；c表示置信度，p表示类别概率；λ
coord
、λ
class
、λ
nobj
、λ
opj
是为了增加边界框的损失并减少不包含对象的框的置信度预测的损失而存在的参数；x
i
，y
i
表示中心点坐标，w
i
，h
i
分别表示宽和高；分别表示期望中心点坐标，分别表示期望宽和高，为期望置信度；
根据所述边框损失值lbox、所述类别损失值lcls和所述置信度损失值lobj，确定总损失值loss，loss＝lbox lobj lcls。4.根据权利要求3所述的方法，其特征在于，所述获取训练样本数据集，包括：获取原始采集图像；对所述原始采集图像进行矫正处理，得到矫正后的图像；获取所述矫正后的图像对应的垃圾位置信息标签和垃圾类别标签；将所述矫正后的图像作为训练样本数据中的训练样本图像，以及，将所述矫正后的图像对应的垃圾位置信息标签和垃圾类别标签作为所述训练样本图像对应的垃圾位置信息标签和垃圾类别标签。5.根据权利要求3所述的方法，其特征在于，在所述获取训练样本数据集的步骤之后，所述方法还包括：对所述训练样本数据集中的训练样本图像进行数据增强处理，得到数据增加图像；将所述数据增强图像以及所述数据增强图像对应的垃圾位置信息标签和垃圾类别标签，作为所述训练样本数据集中的一组训练样本数据；其中，所述数据增强处理方式包括以下至少一种：翻转变换、随机修剪、色彩抖动、平移变换、尺度变换、对比度变换、噪声扰动、旋转变换/反射变换。6.根据权利要求3所述的方法，其特征在于，在所述获取训练样本数据集的步骤之后，所述方法还包括：将所述训练样本数据集中的任意多张训练样本图像进行拼接处理，得到一张拼接训练样本图像；将所述拼接训练样本图像以及所述多张训练样本图像对应的垃圾位置信息标签和垃圾类别标签，作为所述训练样本数据集中的一组训练样本数据。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述待识别图像的垃圾检测结果中包括垃圾位置信息和垃圾类别，则输出垃圾清理提示信息。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述待识别图像的垃圾检测结果的核对结果为负样本，则利用所述待识别图像以及所述待识别图像的纠正垃圾检测结果，对所述垃圾检测模型进行模型训练。

技术总结
本申请公开一种垃圾检测方法，该方法包括：获取待识别图像，将待识别图像输入已训练的垃圾检测模型；垃圾检测模型可对待识别图像进行特征提取，得到多个不同尺度的特征图；垃圾检测模型对多个特征图分别进行垃圾检测，得到多个特征图各自对应的垃圾检测结果以及结果置信度；垃圾检测模型根据多个特征图各自对应的垃圾检测结果以及结果置信度，输出待识别图像的垃圾检测结果。可见，本申请利用垃圾检测模型对图像中的垃圾进行识别，而不需要和现有技术一样，需要人工从图像中识别垃圾，从而可避免出现人工识别垃圾过程中容易出现由于操作错误所导致的识别遗漏、效率低下、耗时费力的问题，提高从图像中识别垃圾的效率和精准度，进而提高用户体验。进而提高用户体验。进而提高用户体验。


技术研发人员：黄笑
受保护的技术使用者：中电云数智科技有限公司
技术研发日：2021.11.11
技术公布日：2022/2/8