面向开放环境应用的全分离式智能分类垃圾桶.pdfVIP

摘要

全面推行垃圾分类是有效缓解我国大中城市普通存在的“垃圾围城”困境的

重大战略举措。但因为不同城市垃圾分类标准不完全统一且城市垃圾的品类众多，

民众很难全面掌握垃圾分类知识，导致推行过程中困难重重。智能垃圾桶能有效

帮助用户准确分类，但在开放环境应用中将面临各种挑战：大规模垃圾图像的标

注成本高；无法准确地区分已知类别和未知类别。另外，在装备研制方面，需要

针对现有的“一体化封闭式”智能垃圾桶存在的诸多不足，研制体验+教育引导

效果突出的智能垃圾分类装备。本课题针对以上问题和需求，创新研制一套面向

开放环境应用的“全分离式”智能垃圾桶。本文的主要工作内容如下：

一、针对存在样本不均衡问题的半监督垃圾图像分类数据集，提出改进的

Flexmatch垃圾图像分类算法。首先，结合伪标签与重采样技术设计一种伪平衡

策略，降低数据集无标签样本的不均衡程度。其次，提出一种新的类别学习难度

评估标准，提高模型对于样本不均衡问题的鲁棒性。随后，引入FocalLoss策略，

算法的卷积神经网络替换为卷积原型网络，使得增强模型对于学习难度较高的无

标签样本的关注程度。最终，经过实验验证，本文算法在半监督垃圾图像分类数

据集上的性能普遍优于传统的全监督学习、Fixmatch与Flexmatch算法。

二、针对开放环境下未知类样本影响闭集模型分类精度的现实性难题，提出

一种融合开集识别和半监督的垃圾图像原型分类算法。首先，本文将半监督学习

模型具备对未知类样本的判别能力。其次，设计原型自适应挑选策略为每个类别

挑选合适的类原型，更好的拟合垃圾图像分类数据集不同类别样本的特征。随后，

提出伪已知样本的概念并设计伪已知样本约束损失，充分利用半监督学习的大量

无标注样本提升模型对于未知类样本的判别性能。最终，本文算法在开放环境应

用中取得了优良的实验结果。

三、针对现有“一体化”封闭式智能分类垃圾桶分类数少、不方便转运、可

视化效果差等缺陷，创新性设计出一款“全分离式”智能分类垃圾桶。视觉检测

与智能桶分离的设计不仅让分类垃圾种类数不受限制，而且实现了垃圾分类过程

可视化，具备很好的分类知识教育和分类行为引导效果。桶身与智能桶盖分离的

设计以及配套APP方便了垃圾桶溢满后的回收转运流程。除此之外，本文提出

了区域级垃圾分类数据集动态更新策略，针对性的拟合不同区域的垃圾种类分布，

提升垃圾分类模型的实际应用效果。

关键词：垃圾图像分类，半监督学习，开集识别，智能分类垃圾桶

I

II

ABSTRACT

Thefullimplementationofgarbageclassificationisamajorstrategicmeasureto

effectivelyalleviatetheproblemofgarbagesiege,thatcommonlyexistsinlargeand

medium-sizedcitiesinourcountry.However,becausethewasteclassification

standardsindifferentcitiesarenotcompletelyunifiedandtherearemanytypesof

garbage,itisdifficultforthepublictofullygrasptheknowledgeofgarbage

classification.Itleadstomanydifficultiesintheimplementationprocess.Intelligent

classifiedgarbagecanscaneffectivelyhelpusersclassifyaccurately,butthereare

manychallengesinopenenvironmentapplications:thehighcostoflabeling

large-scalegarbageimages;thedifficulttoaccuratelydistinguishbetweenknownand

unknowncategories.In