基于多传感器融合和深度学习的垃圾分类识别方法及装置

摘要

本发明公开了一种基于多传感器融合和深度学习的垃圾分类识别方法，包括步骤：S1：获取学习样本数据，样本数据包括已知分类垃圾的图像和物理参量，所述物理参量包括介电常数、磁导率、光电参数和重量；S2：采用深度学习神经网络方法训练分类模型，分类模型的输入为上述样本数据，输出为预测的垃圾种类；S3：拍摄待分类垃圾的图像，采集待分类发垃圾的物理参量，然后将信息输入到步骤S2中的分类模型，得到预测的垃圾种类。本发明还提供一种用于实现上述方法的装置。本发明能够高速且准确地将用户投放的生活垃圾分类，做到尽可能成功分类常见的生活垃圾，并同时将垃圾种类等信息反馈回来，进而提高垃圾的回收率。