技术摘要：
本申请涉及垃圾分拣回收技术领域，尤其涉及一种基于图像识别垃圾种类的装置及方法。一定程度上可以解决垃圾分类操作复杂、准确率低、分类不清晰、设备智能化低的问题。基于图像识别垃圾种类的装置，包括：显示屏，被配置为用于显示界面；图像采集装置，被配置为用于获  全部
背景技术：
随着环境污染问题日益严重，垃圾的回收利用也成为了可持续发展战略的重要组 成部分。由于垃圾中往往混合有多种类别的物件，在对垃圾进行回收利用之前，首先需要对 垃圾进行分类，以根据不同类别的垃圾进行分别回收和处理。 随着在大部分地区启动生活垃圾分类工作，通常将垃圾分为四大类别，即可回收 物、厨余垃圾(湿垃圾)、有害垃圾、其他垃圾(干垃圾)，如图1A所示。 在一些垃圾分类的实现中，基于用户的生活经验对垃圾进行分类，但是当用户没 有垃圾分类的经验时，容易导致垃圾分类错误；在另一些垃圾分类的实现中，用户通过在网 站、APP手动输入垃圾名称进行分不是类查询，但是当用户输入对应垃圾的非精确名称、或 别名时，将导致查询垃圾分类错误。
技术实现要素：
本申请提供了一种基于图像识别垃圾种类的装置及方法，通过图像采集装置获取 垃圾图像、构建垃圾分类模型、计算垃圾的小类及大类预测概率、构建垃圾图像标识框，一 定程度上可以解决垃圾分类操作复杂、准确率低、分类不清晰、设备智能化低的问题。 本申请的实施例是这样实现的： 本申请的第一实施例中提供一种基于图像识别垃圾种类的装置，包括： 显示屏，被配置为用于显示界面； 图像采集装置，被配置为用于获取垃圾图像； 处理器，所述处理器被配置为： 基于所述垃圾图像，使用垃圾分类模型计算得到垃圾种类结果信息；以及 将所述垃圾种类结果信息输出至所述显示屏。 本申请的第二实施例中提供一种基于图像识别垃圾种类的装置，其中，所述垃圾 种类结果信息包括：垃圾大类、垃圾小类、标识框。 本申请的第三实施例中提供一种基于图像识别垃圾种类的装置，其中，所述使用 垃圾分类模型计算得到垃圾种类结果信息，具体执行如下：基于所述垃圾图像，使用垃圾分 类模型，得到所述垃圾图像的多任务信息，所述多任务信息包括：小类预测概率、大类预测 概率；对所述多任务信息进行融合计算处理，得到垃圾种类结果信息。 本申请的第四实施例中提供一种基于图像识别垃圾种类的装置，其中，所述多任 务信息还包括：所述垃圾图像标识框的坐标。 本申请的第五实施例中提供一种基于图像识别垃圾种类的装置，其中，所述融合 计算处理，具体执行如下：基于所述多任务信息，将垃圾的小类预测概率分别乘以其对应的 3 CN 111582336 A 说　明　书 2/13 页 大类预测概率得到乘；选择计算值最大的小类、大类构成垃圾种类结果信息。 本申请的第六实施例中提供一种基于图像识别垃圾种类的装置，其中，所述垃圾 分类模型是基于卷积神经网络模型、多层神经元的自编码神经网络模型、深度置信网络模 型中的至少一种构建的。 本申请的第七实施例中提供一种基于图像识别垃圾种类的方法，所述方法包括： 获取垃圾图像； 基于所述垃圾图像，使用垃圾分类模型计算得到垃圾种类结果信息；以及 将所述垃圾种类结果信息输出显示。 本申请的第八实施例中提供一种基于图像识别垃圾种类的方法，其中，所述使用 垃圾分类模型计算得到垃圾种类结果信息，具体执行如下：使用垃圾分类模型，基于所述垃 圾图像，计算得到所述垃圾图像的多任务信息，所述多任务信息包括：小类预测概率、大类 预测概率、垃圾图像标识框的坐标；对所述多任务信息进行融合计算处理，得到垃圾种类结 果信息。 本申请的第九实施例中提供一种基于图像识别垃圾种类的方法，其中，在获取垃 圾图像后，还包括步骤：对所述垃圾图像进行预处理，得到适合于所述垃圾分类模型计算的 无形变垃圾图像。 本申请的第十实施例中提供一种基于图像识别垃圾种类的方法，其中，所述垃圾 图像由图像采集装置获取，所述图像采集设备包括摄像装置、或摄影装置。 本申请提供的技术方案包括以下有益效果：通过图像采集装置获取垃圾图像，可 以实现垃圾图像的智能采集；进一步通过构建垃圾分类模型、可以实现垃圾种类的智能识 别；进一步通过构建垃圾的小类及大类预测概率，可以提高模型中多任务的相互关联；进一 步通过对多任务信息的融合计算处理，可以提高模型计算垃圾分类的准确率；进一步通过 构建垃圾图像标识框，可以实现分类结果与垃圾准确对应，实现垃圾种类的智能识别。 附图说明 为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简 单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下， 还可以根据这些附图获得其他的附图。 图1A示出了本申请实施例垃圾分类中大类别分类示意图； 图1B-图1C示出了本申请实施例一种基于图像识别垃圾种类装置的操作界面示意 图； 图2示出了本申请实施例基于多任务垃圾分类模型的训练流程示意图； 图3A-图3B示出了本申请一实施例中垃圾分类模型的训练数据； 图4A-图4B示出了本申请另一实施例中垃圾分类模型的训练集数据； 图5示出了本申请实施例垃圾通过基础网络模型的示意图； 图6示出了本申请实施例垃圾分类模型中卷积层示意图； 图7示出了本申请实施例垃圾分类模型中激励层示意图； 图8示出了本申请实施例垃圾分类模型输出饮料瓶的深层次特征图； 图9示出了本申请实施例垃圾分类模型子任务输出的深层次特征图； 4 CN 111582336 A 说　明　书 3/13 页 图10示出了本申请实施例基于图像识别垃圾种类的执行流程示意图； 图11A-图11B示出了本申请实施例垃圾图像进行预处理的对比图； 图12示出了本申请实施例基于resnext101垃圾分类模型的前向传播示意图； 图13示出了本申请实施例垃圾分类模型输出的多任务信息输出概率示意图； 图14示出了本申请实施例垃圾种类结果信息输出示意图； 图15示出了本申请实施例计算机环境示例非限制性示意图； 图16示出了本申请实施例计算机实现的示意框图。