基于卷积神经网络的垃圾图像分类模型

垃圾分类作为资源回收利用的重要环节之一， 可以有效地提高资源回收利用效率， 进一步减轻环境污染带 来的危害。 随着现代工业逐步智能化， 传统的图像分类算法已经不能满足垃圾分拣设备的要求。 本文提出一种基于 卷积神经网络的垃圾图像分类模型 （Garbage Classification Network， GCNet）。 通过构建注意力机制， 模型完成局部 和全局的特征提取， 能够获取到更加完善、有效的特征信息; 同时， 通过特征融合机制， 将不同层级、尺寸的特征进 行融合， 更加有效地利用特征， 避免梯度消失现象。 实验结果证明， GCNet 在相关垃圾分类数据集上取得了优异的 结果， 能够有效地提高垃圾识别精度。

1 引言

垃圾回收利用作为发展循环经济的必经之路， 是 根治污染、提高环境治理效果的关键所在。 随着我国 生产力水平的发展， 生活垃圾、工业垃圾数量不断增 加， 困扰着很多城市。 据统计， 仅 2018 年， 中国垃圾的 清运量已经达到了 2.28 亿吨［1］ 。 在人们将垃圾投放进垃圾箱之后， 垃圾被运送到垃圾处理厂统一处理。 当前 国内的垃圾处理厂， 更多依靠人工在流水线上作业去 分拣垃圾， 对作业者健康不利且分拣效率较低， 已不能 满足大量垃圾处理需求。 此外， 人工分拣的垃圾种类极 为有限， 大部分垃圾无法重新回收利用， 造成很大浪费。 随着深度学习技术的发展， 卷积神经网络使图像分类 算法在精度和速度上得到了巨大的提升， 让我们看到 了借助视觉技术自动分拣垃圾的可能性。 通过摄像头 拍摄垃圾图片， 利用卷积神经网络检测出垃圾的类别， 之后就可以借助机械手或推板自动完成分拣任务， 可 以降低人工成本， 提高分拣效率。 因此， 开展垃圾图像 分类算法的研究， 具有重要的应用价值。

2 相关工作

早期， 学者们只能借助经典的图像分类算法［2–5］ 完 成垃圾图像分类任务， 这要通过手动提取的图像特征 并结合相应的分类器完成。 吴健等［6］ 利用颜色和纹理 特征， 初步完成了废物垃圾识别。 由于不同数据集的图 像背景、尺寸、质量不尽相同， 传统算法需要根据相应数据人工提取不同的特征， 算法的鲁棒性较差， 并且 处理方式复杂， 所需时间较长， 无法达到实时的效果。 随着卷积神经网络 （Convolution Neural Network， CNN） 的飞速发展， 深度学习广泛应用于图像识别领 域。

作为数据驱动的算法， CNN 具有强大的特征拟合 能力， 可以有效、自动地提取图像特征， 并具有较快的 运行速度。 2012 年， AlexNet［7］ 取得了 ImageNet 图像分 类竞赛的冠军， 标志着深度学习的崛起。 随后几年， GoogleNet［8］、VGGNet［9］、ResNet［10］ 等算法提升了图像分类的精度， 并成功应用于人脸识别、车辆检测等 多个领域。 垃圾图像分类， 在深度学习算法的帮助下同 样取得了较大的突破。

斯坦福大学的 Yang 等建立了 TrashNet Dataset 公开数据集， 包含 6 个类别， 共计 2527 张图片。 Ozkaya 等［11］ 通过对比不同 CNN 网络的 分类能力， 搭建神经网络 （本文称之为 TrashNet） 并进 行参数微调， 在数据集 TrashNet Dataset 上取得了 97.86% 的准确率， 是目前这一数据集上最佳分类网络。 在非公开数据集方面， Mittal 等［12］ 自制了 2561 张的垃圾图片 数据集 GINI， 使用 GarbNet 模型， 得到了 87.69% 的准 确率。 国内方面， 郑海龙等［13］ 用 SVM 方法进行了建筑 垃圾分类方面的研究。 向伟等［14］ 使用分类网络 CaffeNet， 调整卷积核尺寸和网络深度， 使其适用于水面垃圾分 类， 在其自制的 1500 张图片数据集上取得了 95.75% 的识别率。 2019 年， 华为举办垃圾图像分类竞赛， 构建 了样本容量为一万余张的数据集， 进一步促进了该领 域的发展。

我国各地区生活垃圾分类标准有所不同， 大致可 分为可回收垃圾、有害垃圾、厨余垃圾和其他垃圾这 4 大类， 且每个类别下又包含若干子类别， 种类繁多且 十分复杂。 按照这样的分类标准做的垃圾图像识别研 究， 国内目前还处于起步阶段。 现有的图形分类算法在 垃圾处理领域的应用较少， 且存在准确率不足、泛化 性能差、处理效率低的缺点。 针对现有方法的不足， 本 文提出一种基于卷积神经网络的垃圾图像分类算法 （Garbage Classification Net， GCNet）， 在网络结构中融合 了注意力机制模块与特征融合模块， 提高了模型在垃 圾分类任务上的准确性与鲁棒性。

3 算法设计

3.1 模型结构

本文构建的 GCNet 模型包括特征提取器、分类 器两部分， 整体结构如图 1 所示。 图中特征提取器由 Resnet101 作为主干部分， 共包括 5 个 bottleneck， 并在 不同的 bottleneck 后加入注意力机制模块， 同时对不同 模块提取到的特征进行特征融合 （如图 1 中虚线所示） 以从输入 中提取图像的特征信息 ：

其中， Me表示特征提取器。 F1 yi 分类器由两层全连接层和一个 Softmax 分类器组 成， 对提取到的特征信息 进行分类， 以得到图像在每 个类别下的最终得分 ：

其中， Mc表示分类器。

3.2 注意力机制

注意力机制源于对人类视觉的研究， 人类会根据 实际需要选择视网膜内特定区域进行集中关注， 可以 将有限的处理资源分配至重要的部分。 由于相同类别 垃圾的特征表征差异性可能较大， 不利于图片的正确 分类， 这就要求准确地关注图像中的显著区域。 受这一 思想的启发， 通过构建注意力机制模块， 使网络模型重 点关注有利于分类的特征区域， 以实现更好的特征提 取功能， 其具体结构如图 2 所示。

5 结论

本文针对垃圾图像分类问题， 构建了一种基于卷 积神经网络的算法 GCNet， 该网络通过构建注意力机 制和特征融合机制， 能够有效地提取图像特征、降低 类别差异性带来的影响， 并在相关数据集上取得了 96.73% 的平均准确率， 相较于现有的分类算法提升了 约 4% 的准确率， 满足了实际的应用需求， 具有良好的 应用前景。

原文标题：基于卷积神经网络的垃圾图像分类算法

文章出处：【微信公众号：新机器视觉】欢迎添加关注！文章转载请注明出处。

责任编辑：haq