(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156702.X (22)申请日 2022.09.22 (71)申请人 美欣达欣环卫科技有限公司 地址 313000 浙江省湖州市吴兴区织里镇 长安西路207号1楼101室 (72)发明人 沈永琴　张思远　高海翔　余士江　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 杨晶晶 (51)Int.Cl. G06V 20/50(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/46(2022.01) (54)发明名称 智能垃圾分类系统及其分类方法 (57)摘要 本申请涉及智能识别领域， 其具体地 公开了 一种智能垃圾分类系统及其分类方法， 其通过 综 合利用局部二值模式处理和Canny边缘检测提取 待识别垃圾的图像特征， 并将所提取的特征图与 所述待识别垃圾的图像进行沿通道维度的聚合， 通过卷积神经网络进行对聚合后图像的特征提 取以得到检测特征图， 继而将校正后的检测特征 图通过分类器以得到分类结果， 提高了垃圾类别 识别的精准度。 权利要求书2页 说明书10页 附图7页 CN 115471781 A 2022.12.13 CN 115471781 A 1.一种智能垃圾分类系统， 其特 征在于， 包括： 待识别垃圾图像采集模块， 用于获取待识别垃圾的图像； 纹理加强模块， 用于对所述待识别垃圾的图像进行局部二值模式处理和Canny边缘检 测以得到局部二 值模式图和Can ny边缘检测图； 多通道聚合模块， 用于将所述局部二值模式图、 所述Canny边缘检测图和所述待识别垃 圾的图像进行沿通道维度的聚合以得到多通道图像； 卷积编码模块， 用于将所述多通道图像通过使用CBAM注意力机制的卷积神经网络模型 以得到检测特 征图； 特征分布校正模块， 用于对所述检测特征图进行特征分布校正以得到校正后检测特征 图； 以及 垃圾分类结果生成模块， 用于将所述校正后检测特征图通过分类器以得到分类结果， 所述分类结果用于表示待识别垃圾所属的垃圾类别标签。 2.根据权利要求1所述的智能垃圾分类系统， 其特 征在于， 所述卷积编码模块， 包括： 卷积单元， 用于对所述输入数据进行 卷积处理以得到卷积特 征图； 池化单元， 用于对所述卷积特 征图进行池化处 理以得到池化特 征图； 激活单元， 用于对所述池化特 征图进行非线性激活 处理以得到 激活特征图； 通道注意力单元， 用于将所述激活特征图通过通道注意力模块以得到通道注意力特征 图； 以及 空间注意力单元， 用于将所述通道注意力特征图输入空间注意力模块以得到空间注意 力特征图。 3.根据权利要求2所述的智能垃圾分类系统， 其特 征在于， 所述 通道注意力单 元， 包括： 全局均值池化子单元， 用于计算所述激活特征图的沿通道维度的各个特征矩阵的全局 均值以得到通道特 征向量； 非线性激活子单元， 用于将所述通道特征向量输入Softmax激活函数以得到通道注意 力权重特征向量； 以及 通道注意力施加子单元， 用于以所述通道注意力 权重特征向量中各个位置的特征值作 为权重分别对所述激活特征图的沿通道维度的各个特征矩阵进行加权以得到所述通道注 意力特征图。 4.根据权利要求3所述的智能垃圾分类系统， 其特 征在于， 所述空间注意力单 元， 包括： 空间感知子单元， 用于使用所述空间注意力模块的卷积层对所述通道注意力特征图进 行卷积编码以得到空间注意力图； 概率化子单元， 用于将所述空间注意力图输入所述空间注意力模块的Softmax激活函 数以得到空间注意力得分图； 以及 空间注意力施加子单元， 用于计算所述空间注意力得分图和所述通道注意力特征图的 按位置点乘以得到所述空间注意力特 征图。 5.根据权利要求4所述的智能垃圾分类系统， 其特征在于， 所述特征分布校正模块， 进 一步用于： 以如下公式对所述检测特 征图进行 特征分布校正以得到校正后检测特 征图； 其中， 所述公式为： F′＝pp·Fp‑1⊙e‑p·F权　利　要　求　书 1/2 页 2 CN 115471781 A 2其中p是所述检测特 征图F通过分类 器进行预分类获得的概 率值。 6.根据权利要求5所述的智能垃圾分类系统， 其特征在于， 所述垃圾分类结果生成模 块， 展开单元， 用于将所述校正后检测特 征图基于行向量或列向量展开 为分类特 征向量； 全连接编码单元， 用于使用所述分类器的多个全连接层对所述分类特征向量进行全连 接编码以得到编码分类特 征向量； 以及 分类结果生成单元， 用于将所述编码分类特征向量通过所述分类器的Softmax分类函 数以得到所述分类结果。 7.一种智能垃圾分类方法， 其特 征在于， 包括： 获取待识别垃圾的图像； 对所述待识别垃圾的图像进行局部二值模式处理和Canny边缘检测以得到局部二值模 式图和Can ny边缘检测图； 将所述局部二值模式图、 所述Canny边缘检测图和所述待识别垃圾的图像进行沿通道 维度的聚合以得到多通道图像； 将所述多通道图像通过使用CBAM注意力机制的卷积神经网络模型以得到检测特 征图； 对所述检测特 征图进行 特征分布校正以得到校正后检测特 征图； 以及 将所述校正后检测特征图通过分类器以得到分类结果， 所述分类结果用于表示待识别 垃圾所属的垃圾类别标签。 8.根据权利要求7所述的智能垃圾分类方法， 其特征在于， 所述将所述多通道图像通过 使用CBAM注意力机制的卷积神经网络模型以得到检测特 征图， 包括： 对所述输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行池化处 理以得到池化特 征图； 对所述池化特 征图进行非线性激活 处理以得到 激活特征图； 将所述激活特 征图通过通道 注意力模块以得到通道 注意力特 征图； 以及 将所述通道注意力特 征图输入空间注意力模块以得到空间注意力特 征图。 9.根据权利要求8所述的智能垃圾分类方法， 其特征在于， 所述对所述检测特征图进行 特征分布校正以得到校正后检测特征图， 包括： 以如下公式对所述检测特征图进行特征分 布校正以得到校正后检测特 征图； 其中， 所述公式为： F′＝pp·Fp‑1⊙e‑p·F 其中p是所述检测特 征图F通过分类 器进行预分类获得的概 率值。 10.根据权利要求9所述的智能垃圾分类方法， 其特征在于， 所述将所述校正后检测特 征图通过分类 器以得到分类结果， 包括： 将所述校正后检测特 征图基于行向量或列向量展开 为分类特 征向量； 使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分 类特征向量； 以及 将所述编码分类特 征向量通过所述分类 器的Softmax分类函数以得到所述分类结果。权　利　要　求　书 2/2 页 3 CN 115471781 A 3