(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 202210361995.9 (22)申请日 2022.04.07 (71)申请人 厦门陆海环保股份有限公司 地址 361000 福建省厦门火炬高新区新丰 三路16号(日华国际大厦3 02-I单元) 申请人 漳州市陆海环保产业 开发有限公司 (72)发明人 江凤凤　杨建红　房怀英　王智峰　 杨天成　计天晨　谢奕斌　王正　 (74)专利代理 机构 厦门加减专利代理事务所 (普通合伙) 35234 专利代理师 杨泽奇 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01)G06N 20/00(2019.01) G06F 17/18(2006.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种用于饮料瓶分类回收的识别方法及系 统 (57)摘要 本发明提供一种用于饮料瓶分类回收的识 别方法， 其包括采集饮料瓶的原始图像， 对原始 图像依次进行预处理、 标注处理和数据增强处 理， 将处理后的原始图像划分为训练集和测试 集， 然后使用训练集和测试集对实例分割模型进 行微调阶段参数训练得到训练好的实例分割模 型， 使用训练好的实例分割模型预测原始图像， 得到每个饮料瓶的轮廓， 再根据各饮料瓶的轮廓 对各饮料瓶的原始图像进行抠图处理， 得到各饮 料瓶的特征图像， 提取各特征图像上的各特征的 平均值， 并以平均值作为输入特征来训练机器学 习模型， 得到训练好的机器学习模型。 借此， 可以 实现饮料瓶的准确分类回收， 解决相近颜色的饮 料瓶在回收过程 容易混淆识别的问题。 权利要求书2页 说明书6页 附图3页 CN 114821159 A 2022.07.29 CN 114821159 A 1.一种用于饮料瓶分类回收的识别方法， 其特 征在于： 所述识别方法包括下列步骤： S100： 采集所述饮料瓶的原 始图像； S200： 对采集到的所述原 始图像进行 预处理； S300： 对预处 理后的所述原 始图像进行 标注处理； S400： 对标注后的所述原 始图像进行 数据增强处 理； S500： 将数据增 强处理后的所述原始图像划分为训练集和测试集， 基于迁移学习的方 式加载实例分割模型， 然后使用所述训练集和所述测试集对所述 实例分割模型进 行微调阶 段参数训练， 接着以平均 精度均值为指标评价所述实例分割模型以得到训练好的实例分割 模型； S600： 使用所述训练好的实例分割模型预测所述原始图像， 得到每个饮料瓶的轮廓， 再 根据各饮料瓶的轮廓对各饮料瓶的原始图像进行抠图处理， 得到各饮料瓶的特征图像， 并 存储所述特 征图像； S700： 提取各所述特征图像上的各特征的平均值， 并以所述平均值作为输入特征来训 练机器学习模型； S800： 评价所述机器学习模型以得到训练好的机器学习模型。 2.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在完成步骤 S800之后还包括下列步骤： S900： 将所述训练好的实例 分割模型和所述训练好的机器学习模型导出， 再对所述训 练好的实例分割模型和所述训练好的机器学习模型进行部署。 3.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S100中， 是通过工业相机采集脱标饮料瓶的原 始图像。 4.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S200中， 所述预处 理包括图像裁 剪处理和图像缩放处 理。 5.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S300中， 所述标注处 理为语义标注处 理， 标注格式为COCO格式。 6.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S400中， 所述数据增强处 理包括图像翻转和图像复制。 7.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S500中， 所述训练集和所述测试集的数量比例为7： 3， 加载的实例分割模型采用Mask  R‑CNN 架构。 8.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S700中， 先分别提取各所述特征图像上的红色、 绿色和蓝 色三个颜色的平均值， 然后将所述 特征图像的格式转换为HSV格式， 再分别计算色调、 饱和度和明度三个数值的平均值,并以 红色、 绿色、 蓝色、 色调、 饱和度和明度六个数值的平均值作为输入特征来训练机器学习模 型。 9.根据权利要求1所述的用于饮料瓶分类回收的识别方法， 其特征在于： 在所述步骤 S800中， 是以回收率和纯度为指标来评价所述机器学习模型。 10.一种用于饮料瓶分类回收的识别系统， 其特 征在于： 所述识别系统包括： 采集单元， 用于采集所述饮料瓶的原 始图像；权　利　要　求　书 1/2 页 2 CN 114821159 A 2预处理单元， 用于对 采集到的所述原 始图像进行 预处理； 标注单元， 用于对 采集到的所述原 始图像进行 标注处理； 数据增强单 元， 用于对标注后的所述原 始图像进行 数据增强处 理； 划分单元， 用于将数据增强处 理后的所述原 始图像划分为训练集和 测试集； 加载单元， 用于加载实例分割模型， 然后使用所述训练集和所述测试集对所述实例分 割模型进 行微调阶段参数训练， 接着以平均 精度均值为指标评价所述实例分割模型以得到 训练好的实例分割模型； 特征提取单元， 用于使用所述训练好的实例分割模型预测所述原始图像， 得到每个饮 料瓶的轮廓， 再根据各饮料瓶的轮廓对各饮料瓶的原始图像进行抠图处理， 得到各饮料瓶 的特征图像， 并存 储所述特 征图像； 训练单元， 用于提取各所述特征图像上的各特征的平均值， 并以所述平均值作为输入 特征来训练机器学习模型； 评价单元， 用于评价所述机器学习模型以得到训练好的机器学习模型。权　利　要　求　书 2/2 页 3 CN 114821159 A 3