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.
End
