基于深度学习的城市固体废物材质识别方法

作者：林柏宏; 杨建红

来源：智能城市, 2023, 9(01): 98-102.

DOI：10.19301/j.cnki.zncs.2023.01.029

• 城市固废分类
• 实例分割
• 无损检测
• 难例样本选择

实现生活垃圾自动化、精细化分拣，可以有效减少环境污染、提高资源回收再利用效益。随着深度学习神经网络的快速发展，其在垃圾识别领域应用越加广泛。利用实例分割网络可以提取物体轮廓与类别信息，完成对生活垃圾的定位与细分。针对生活垃圾不同工况下，神经网络识别效果严重下降问题，文章提出基于实例分割网络模型的难例样本，对模型进行更新的策略，以语义分割网络辅助提取难例样本。在多种实例分割网络BlendMask、MEInst、CondInst、Mask R-CNN、Cascade RCNN上进行更新策略试验。结果表明，更新后的模型在新工况测试集上回收率提升1.47%～4.06%，除了MEInst不适用纯度提升场景外，其余网络得到0.6%～2.41%的提升。在不同工况只补充少量样本的情况下，神经网络更新策略可以较好提高模型对生活垃圾的识别准确率，增强模型泛化能力。

• 单位
  华侨大学