生活垃圾是放錯位置的資源,有效的垃圾分類不僅能夠保護環(huán)境,更能實現(xiàn)資源的再利用。我國有著位居世界前列的總?cè)丝跀?shù),因此,人們每年會產(chǎn)生相當(dāng)龐大的垃圾數(shù)量,故而我國一直面臨著垃圾處理的難題。建國以來,我國對垃圾處理問題一直給予著較高的關(guān)注,近年我國出臺相關(guān)政策,以2020年全國垃圾回收率達到35%為目標(biāo),有關(guān)部門在全國范圍內(nèi)選取了將近50個城市先行開展生活垃圾強制分類的試點工作,為今后在全國范圍內(nèi)開展垃圾分類工作做好充分的準(zhǔn)備。由于強制性的垃圾分類未曾在我國實施過,生活垃圾的分類處理在源頭和回收兩方面都面臨著諸多難題,例如居民垃圾分類意思薄弱,垃圾分類錯誤率高。而集中垃圾分類則多采用流水線人工分揀存在工作量大、分揀效率低等問題。隨著經(jīng)濟的高速發(fā)展,人工智能領(lǐng)域的出現(xiàn),垃圾分類問題也應(yīng)該與先進的科學(xué)技術(shù)相結(jié)合才能更好的實現(xiàn)垃圾的回收和利用。對我國垃圾分類面臨的現(xiàn)狀,垃圾分類的智能化、高效化逐漸成為我國亟待解決的問題。本文研究的內(nèi)容是將優(yōu)化后的深度學(xué)習(xí)目標(biāo)檢測模型應(yīng)用于垃圾分類的問題上,從而實現(xiàn)準(zhǔn)確高效的自動化的生活垃圾分類。本文主要將深度學(xué)習(xí)目標(biāo)檢測模型應(yīng)用于生活垃圾分類,為提高生活垃圾分類... 

【文章來源】：山西大學(xué)山西省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

HSV顏色空間

基于深度學(xué)習(xí)的生活垃圾分類和檢測10TN：實際為負(fù)例，預(yù)測為負(fù)例FN：實際為正例，預(yù)測為負(fù)例精度：召回率：如圖2.2所示IOU（IntersectionOverUnion）表示預(yù)測框與真實框重疊區(qū)域的面積占兩個框總面積的比例。一般以0.5作為IOU的閾值[29]。圖2.2IOU計算方法首先需要明確，模型在進行驗證時會得出預(yù)測精度，當(dāng)預(yù)測精度大于設(shè)定的預(yù)測精度的閾值就會將預(yù)測框作為輸出，預(yù)測精度閾值直接決定了輸出哪些預(yù)測框，只有超過閾值并輸出的預(yù)測框才能與真實框計算IOU，進而確定TP、FP的值，另外為了計算recall，目標(biāo)檢測中直接將漏檢的數(shù)目當(dāng)做FN。有了TP、FP、FN即可計算出一組精度和召回率分別用P,R表示。根據(jù)預(yù)測精度閾值可以計算出多組P、R值。以召回率為橫坐標(biāo)，精度為縱坐標(biāo)建立坐標(biāo)系，將P、R值繪制到坐標(biāo)系中就得了PR曲線，在每個PR坐標(biāo)點向左畫一條直線，和前一個PR坐標(biāo)點的垂線相交，這樣得到與坐標(biāo)軸圍成的面積就是AP值。AP值是衡量模型對一個類別的檢測能力，將所有類別的AP加起來取平均就得到了mAP。2.3單步多框目標(biāo)檢測SSD是一種一階段目標(biāo)檢測模型，具有檢測準(zhǔn)確率高、檢測速度快等特點，SSD512的mAP值高達80%，每秒鐘可檢測19張圖片，而SSD300的mAP值為77%，但是檢測速度提高到了46fps。這樣高的準(zhǔn)確率和檢測速度足

基于深度學(xué)習(xí)的生活垃圾分類和檢測10TN：實際為負(fù)例，預(yù)測為負(fù)例FN：實際為正例，預(yù)測為負(fù)例精度：召回率：如圖2.2所示IOU（IntersectionOverUnion）表示預(yù)測框與真實框重疊區(qū)域的面積占兩個框總面積的比例。一般以0.5作為IOU的閾值[29]。圖2.2IOU計算方法首先需要明確，模型在進行驗證時會得出預(yù)測精度，當(dāng)預(yù)測精度大于設(shè)定的預(yù)測精度的閾值就會將預(yù)測框作為輸出，預(yù)測精度閾值直接決定了輸出哪些預(yù)測框，只有超過閾值并輸出的預(yù)測框才能與真實框計算IOU，進而確定TP、FP的值，另外為了計算recall，目標(biāo)檢測中直接將漏檢的數(shù)目當(dāng)做FN。有了TP、FP、FN即可計算出一組精度和召回率分別用P,R表示。根據(jù)預(yù)測精度閾值可以計算出多組P、R值。以召回率為橫坐標(biāo)，精度為縱坐標(biāo)建立坐標(biāo)系，將P、R值繪制到坐標(biāo)系中就得了PR曲線，在每個PR坐標(biāo)點向左畫一條直線，和前一個PR坐標(biāo)點的垂線相交，這樣得到與坐標(biāo)軸圍成的面積就是AP值。AP值是衡量模型對一個類別的檢測能力，將所有類別的AP加起來取平均就得到了mAP。2.3單步多框目標(biāo)檢測SSD是一種一階段目標(biāo)檢測模型，具有檢測準(zhǔn)確率高、檢測速度快等特點，SSD512的mAP值高達80%，每秒鐘可檢測19張圖片，而SSD300的mAP值為77%，但是檢測速度提高到了46fps。這樣高的準(zhǔn)確率和檢測速度足

【參考文獻】：
期刊論文
[1]基于視覺感知的智能掃地機器人的垃圾檢測與分類[J]. 寧凱,張東波,印峰,肖慧輝.  中國圖象圖形學(xué)報. 2019(08)
[2]基于優(yōu)化的Inception ResNet A模塊與Gradient Boosting的人群計數(shù)方法[J]. 郭瑞琴,陳雄杰,駱煒,符長虹.  同濟大學(xué)學(xué)報(自然科學(xué)版). 2019(08)
[3]基于改進YOLOv2的快速安全帽佩戴情況檢測[J]. 方明,孫騰騰,邵楨.  光學(xué)精密工程. 2019(05)
[4]一種融合移動邊緣計算和深度學(xué)習(xí)的城市街道垃圾檢測和清潔度評估方法[J]. 張鵬程,趙齊,高澤宇.  小型微型計算機系統(tǒng). 2019(04)
[5]針對文本情感分類任務(wù)的textSE-ResNeXt集成模型[J]. 康雁,李浩,梁文韜,寧浩宇,霍雯.  計算機工程與應(yīng)用. 2020(07)
[6]多尺度卷積特征融合的SSD目標(biāo)檢測算法[J]. 陳幻杰,王琦琦,楊國威,韓佳林,尹成娟,陳雋,王以忠.  計算機科學(xué)與探索. 2019(06)
[7]基于SSD＿MobileNet模型的ROS平臺目標(biāo)檢測[J]. 童星,張激.  計算機系統(tǒng)應(yīng)用. 2019(01)
[8]人工智能在醫(yī)學(xué)影像中的研究與應(yīng)用[J]. 韓冬,李其花,蔡巍,夏雨薇,寧佳,黃峰.  大數(shù)據(jù). 2019(01)
[9]基于Fast RCNN模型的車輛陰影去除[J]. 潘廣貞,孫艷青,王鳳.  計算機工程與設(shè)計. 2018(03)
[10]基于深度學(xué)習(xí)的目標(biāo)檢測算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測量技術(shù). 2017(11)

博士論文
[1]多視圖像增強的RGB-D室內(nèi)高精度三維測圖方法[D]. 湯圣君.武漢大學(xué) 2017

碩士論文
[1]深度神經(jīng)網(wǎng)絡(luò)的歸一化技術(shù)研究[D]. 王巖.南京郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的醫(yī)學(xué)影像檢測算法[D]. 陳云.北京郵電大學(xué) 2019
[3]基于ShuffleNet網(wǎng)絡(luò)模型的圖片內(nèi)容自動分類研究[D]. 劉燁.河南大學(xué) 2018
[4]基于機器視覺的生活垃圾智能分揀系統(tǒng)的設(shè)計與實現(xiàn)[D]. 周瀅慜.哈爾濱工業(yè)大學(xué) 2018
[5]基于深度學(xué)習(xí)的智能汽車自動轉(zhuǎn)向技術(shù)研究[D]. 李超群.武漢理工大學(xué) 2018
[6]基于R-CNN的絕緣子圖像定位研究[D]. 張蕾.華北電力大學(xué) 2018
[7]基于NMF算法的文本聚類研究[D]. 巨瑜芳.中國礦業(yè)大學(xué) 2014



本文編號：3258843