一种基于图像识别的垃圾分类系统及方法与流程

本发明属于垃圾自动分类，具体涉及一种基于图像识别的垃圾分类系统及方法。

背景技术：

1、随着现代社会生活节奏的加快，垃圾分类问题愈发成为城市管理和环境保护的重要环节。然而，传统的人工垃圾分类方式不仅效率低下，而且容易出错，无法满足大规模、高效率的垃圾分类需求，因此，基于图像识别的垃圾分类系统便应运而生，其旨在通过计算机视觉技术实现对垃圾图像的自动识别和分类，提高垃圾分类的准确性和效率。

2、在现有技术中，基于图像识别的垃圾分类系统在处理垃圾图像时，通常依赖于复杂的图像处理和机器学习算法，然而，这些系统往往面临着识别准确率不高以及泛化能力有限等问题，从而就会导致垃圾分类识别结果频繁错误的问题出现，这时需要大量的人力介入干预来处理识别错误的垃圾，这显然是不符合提高垃圾分类效率的需求，基于此，本方案提供了一种基于图像识别的垃圾分类方法，以解决上述问题。

技术实现思路

1、本发明的目的是提供一种基于图像识别的垃圾分类系统及方法，能够对待分类垃圾图像进行高效、准确的识别和分类，减少人工干预，提高垃圾分类的效率和准确性。

2、本发明采取的技术方案具体如下：

3、一种基于图像识别的垃圾分类方法，包括：

4、获取垃圾图像，并对所述垃圾图像进行预处理，且将预处理后的垃圾图像标定为基准图像，再将所有所述基准图像汇总为基底数据库；

5、实时获取待分类垃圾图像，并与所述基底数据库中的基准图像进行比较，并根据比较结果输出待分类垃圾图像的识别状态，其中，所述识别状态包括可识别状态和非可识别状态；

6、所述可识别状态下，输出所述待分类垃圾图像与基准图像的匹配度，再根据所述匹配度输出待分类垃圾的分类类别；

7、所述非可识别状态下，对所述待分类垃圾图像进行特征提取，得到多个待识别特征，并将所述待识别特征与基准图像进行比较，且根据该比较结果输出所述待识别特征与基准图像的适配度；

8、根据所述待识别特征与基准图像的适配度输出对应待分类垃圾图像的识别状态，并在所述识别状态为非可识别状态时，将该待分类垃圾图像添加为新增分类类别。

9、在一种优选方案中，所述获取垃圾图像，并对所述垃圾图像进行预处理，且将预处理后的垃圾图像标定为基准图像的步骤，包括；

10、获取多个来源的垃圾图像，并进行去噪处理，得到去噪后的垃圾图像；

11、对所述去噪后的垃圾图像进行颜色空间转换，将所有所述去噪后的垃圾图像转换为同一色彩空间下的标准图像；

12、对各个所述标准图像进行标注处理，确定每个所述标准图像中垃圾的种类，并将其输出为基准图像。

13、在一种优选方案中，所述实时获取待分类垃圾图像，并与所述基底数据库中的基准图像进行比较，并根据比较结果输出待分类垃圾图像的识别状态的步骤，包括：

14、获取所述待分类垃圾图像，并将所述待分类垃圾图像转换至与基准图像格式一致；

15、将格式转换后的待分类垃圾图像和基准图像进行向量化处理，得到待分类图像向量和基准图像向量；

16、获取第一识别函数，并将所述待分类图像向量和基准图像向量一同输入至第一识别函数中，且将所述第一识别函数的输出结果记录为第一识别评分；

17、获取识别评估阈值，并将所述识别评估阈值与第一识别评分进行比较；

18、若所述第一识别评分大于或等于识别评估阈值，则表明所述待分类图像识别成功，并将所述待分类图像的识别状态输出为可识别状态；

19、若所述第一识别评分小于识别评估阈值，则表明所述待分类图像识别失败，并将所述待分类图像的识别状态输出为非可识别状态。

20、在一种优选方案中，所述输出所述待分类垃圾图像与基准图像的匹配度，再根据所述匹配度输出待分类垃圾的分类类别的步骤，包括：

21、获取所述待分类垃圾图像与各个基准图像比较后的第一识别评分，并按照由大至小的顺序进行排列；

22、获取匹配度分类区间，并将所述第一识别评分与匹配度分类区间进行逐一比对，其中，所述匹配度分类区间设置有多个，且每个所述匹配度分类区间分别对应一个匹配度评分；

23、采集取值最大的所述匹配度评分下的第一识别评分数量，并标定为评价条件参数；

24、若所述评价条件参数为一，则将所述待分类垃圾图像匹配至与对应基准图像一致的垃圾分类类别；

25、若所述评价条件参数大于一，则表明所述待分类垃圾图像同时对应多个垃圾分类类别，并将其识别状态由可识别状态转换为继续识别状态。

26、在一种优选方案中，所述继续识别状态下，获取所述待分类垃圾图像对应的多个垃圾分类类别的主要特征和次要特征；

27、采集所述主要特征和次要特征在待分类垃圾图像中的面积占比，并分别标定为第一条件参数和第二条件参数；

28、获取校验函数，并将所述第一条件参数和第二条件参数一同输入至校验函数中，且将所述校验函数的输出结果记录为分类条件参数；

29、将所述分类条件参数按照由大至小的顺序进行排列，并将取值最大的分类条件参数对应的垃圾分类类别输出为待分类垃圾的分类类别。

30、在一种优选方案中，所述对所述待分类垃圾图像进行特征提取，得到多个待识别特征的步骤，包括：

31、获取所述待分类垃圾图像的轮廓信息，并提取所述待分类垃圾图像的边界几何特征；

32、对所述待分类垃圾图像进行背景分离，并统计背景分离后的所述待分类垃圾图像中的前景区域，以及各个所述前景区域的面积占比，并记录为前景分布特征；

33、将所述边界结合特征和前景分布特征汇总为待识别特征。

34、在一种优选方案中，所述根据所述待识别特征与基准图像的适配度输出对应待分类垃圾图像的识别状态的步骤，包括：

35、获取所述基准图像与待分类垃圾图像中对应的边界几何特征和前景分布特征，并分别标定为第一基准特征和第二基准特征；

36、获取第二识别函数，将所述边界几何特征、前景分布特征、第一基准特征和第二基准特征一同输出至第二识别函数中，且将所述第二识别函数的输出结果标定为第二识别评分；

37、获取适配度分类区间，并将所述第二识别评分与适配度分类区间进行逐一比对，其中，所述适配度分类区间设置有多个，且每个所述适配度分类区间分别对应一个适配度评分；

38、若所述第二识别评分落入到适配度分类区间中，则输出与适配度分类区间对应的适配度评分，并将所述待分类垃圾图像转换为可识别状态；

39、若所述第二识别评分未落入到适配度分类区间中，则保留所述待分类垃圾图像的非可识别状态，并直接将所述待分类垃圾图像添加为新增分类类别。

40、在一种优选方案中，所述适配度评分输出后，依据所述适配度评分的排列顺序，对首位和次位下的适配度评分进行做差处理，得到适配差异量；

41、获取适配差异阈值，并将所述适配差异量与适配差异阈值进行比较；

42、若所述适配差异量大于或等于适配差异阈值，则表明首位和次位下的适配度评分存在显著差异，并将待分类垃圾分类至首位适配度评分下基准图像的分类类别中；

43、若所述适配差异量小于适配差异阈值，则表明首位和次位下的适配度评分相近，并将待分类垃圾图像标记为疑似分类，并上传至管理员审核。

44、本发明还提供了，一种基于图像识别的垃圾分类系统，应用于上述的基于图像识别的垃圾分类方法，包括：

45、图像采集模块，所述图像采集模块用于获取垃圾图像，并对所述垃圾图像进行预处理，且将预处理后的垃圾图像标定为基准图像，再将所有所述基准图像汇总为基底数据库；

46、第一状态识别模块，所述状态识别模块用于实时获取待分类垃圾图像，并与所述基底数据库中的基准图像进行比较，并根据比较结果输出待分类垃圾图像的识别状态，其中，所述识别状态包括可识别状态和非可识别状态；

47、第一分类模块，所述第一分类模块用于在所述可识别状态下，输出所述待分类垃圾图像与基准图像的匹配度，再根据所述匹配度输出待分类垃圾的分类类别；

48、第二分类模块，所述第二分类模块用于在所述非可识别状态下，对所述待分类垃圾图像进行特征提取，得到多个待识别特征，并将所述待识别特征与基准图像进行比较，且根据该比较结果输出所述待识别特征与基准图像的适配度；

49、第二状态识别模块根据所述待识别特征与基准图像的适配度输出对应待分类垃圾图像的识别状态，并在所述识别状态为非可识别状态时，将该待分类垃圾图像添加为新增分类类别。

50、以及，一种电子设备，所述电子设备包括：

51、至少一个处理器；

52、以及与所述至少一个处理器通信连接的存储器；

53、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于图像识别的垃圾分类方法。

54、本发明取得的技术效果为：

55、本发明通过对垃圾图像进行高效、准确的分类，不仅提高了垃圾分类的效率和准确率，而且大大减轻了人工分类的负担，通过实时采集待分类垃圾图像，并与基底数据库中的基准图像进行比对，本发明能够快速判断待分类垃圾图像的识别状态，并根据不同的识别状态采取相应的分类策略，当待分类垃圾图像处于非可识别状态时，本发明并不直接将其丢弃或简单归类，而是进一步提取其待识别特征，并与基准图像进行适配度分析，这种处理方式不仅提高了系统的包容性，使得即使是未知的垃圾类别也能得到合理的处理，而且为后续的垃圾类别扩展提供了可能。