極端降水時空分布特征研究—以江蘇省為例

周羽鑫

摘? ?要：目前垃圾分類主要依靠人工來進行，存在效率低、對人體健康有害的問題，文章提出了基于YOLO V3的垃圾自動定位及分類方法。首先，采集公共場所的廢棄物圖像并進行標注;其次，通過K-mean++確定先驗框大小;最后，加載ImageNet數據集上預訓練的權重進行遷移訓練。結果顯示：該方法能夠有效完成垃圾的定位及分類，mAP可達82.87%。

關鍵詞：YOLO V3;K-mean++;數據增強;垃圾分類

隨著我國經濟的發展和城鎮化道路的實施，城市中產生的垃圾數量也在與日俱增，垃圾處理問題受到人們越來越多的關注。2019年4月26日，我國住房和城鄉建設部等部門發布了《關于在全國地級及以上城市全面開展生活垃圾分類工作的通知》，決定從2019年開始按要求啟動生活垃圾分類工作，所列的重點城市兩年后需具備垃圾分類處理系統。對垃圾分類處理首先需要進行分類，而人工分類效率低，尤其在面對大量垃圾時，會由于分類環境惡劣、任務繁重對人的健康產生不利影響。如果垃圾數量過多，則可能無法完成對其的分類，而將剩余部分視為其他垃圾處理掉，對環境造成污染的同時，也浪費了可回收的資源。如今，伴隨著人工智能，尤其是卷積神經網絡在圖像處理方面跨越式的發展，智能機器通過攝像頭自動識別和定位不同種類的垃圾成為可能，進而可以實現對垃圾的自動分類投放，在減輕人工勞動量、提高分類效率的同時能夠降低對環境的污染，減少對資源的浪費。

目標檢測的方法有兩種：（1）基于區域建議的兩階段法，主流的算法包括Fast R-CNN[1]和Faster R-CNN[2]。（2）無區域建議的一階段法，主流的算法包括SSD[3]和YOLO V3。其中，YOLO V3不僅有較高的檢測精度，而且檢測速度也較快。本文選用YOLO V3對垃圾進行分類和定位，并根據公共場所垃圾圖像的特點，重新選定了先驗框大小及其他超參數。

1? ? 試驗數據

1.1? 圖像數據采集

本次試驗的垃圾圖像數據于2019年6—7月采集自太谷城區的公共場所。采集時從平視、俯視、斜視3個角度對垃圾進行圖像采集，用手機作為采集設備，型號為紅米note7，圖像分辨率為4 000×3 000像素。圖像數據中既有只含一種垃圾的圖片，也有含兩種或兩種以上垃圾的圖片。

1.2? 數據集建立

本次試驗共采集各類垃圾圖像6 107張。其中僅含一類垃圾的圖像有可回收物887張、濕垃圾873張、有害垃圾829張和干垃圾867張，含兩類及兩類以上垃圾的圖像有2 651張。考慮到模型訓練的速度及計算機內存和顯存的占用情況，這里將所有圖像在保證原始圖像長寬比的前提下，壓縮為416×416像素，空白部分用灰色（128，128，128）填充。從采集的各類垃圾圖像6 107張中隨機抽取1 220張作為測試集，剩余的作為訓練集和驗證集。使用LabelImg工具對圖像進行目標位置及類別標注，生成XML文件，隨后將其轉為TXT文件，內含垃圾所屬類別、中心坐標以及最小外接矩形框的長和寬。

為使最終的訓練結果有較好的泛化性能，對訓練集進行了數據增強，主要包括：水平翻轉、垂直翻轉、旋轉180°、隨機縮放寬高比例、隨機剪切、亮度變化和飽和度變化。以一張垃圾圖像為例，其圖像數據增強結果如圖1所示。經數據增強后，作為訓練集和驗證集的圖像數量變為39 096張，后續訓練時采用10折交叉驗證。

2? ? 檢測方法

2.1? YOLO? V3模型

YOLO V3模型是對YOLO V1和YOLO V2的改進。YOLO V3以Darknet-53為骨干網絡，相對于YOLO V2中的Darknet-19去掉了池化層，改為用步長為2的卷積層，實現特征圖的尺寸變換。除最后一個卷積層外，其余卷積層和Leaky ReLU之間都有一個BN層。Darknet-53網絡通過對Resnet網絡的借鑒使之擁有更深的網絡深度，更好的分類效果。

YOLO V3采用多尺度檢測，本文中圖片大小為416× 416像素，所以多尺度對應的特征圖大小分別為13×13像素，26×26像素和52×52像素。其中，13×13像素用于檢測較大的物體，26×26像素用于檢測中等大小的物體，52×52像素用于檢測較小的物體，每種尺度對應3種先驗框，共9種先驗框。在對較小的物體進行檢測時，將原圖分為52×52個格子，當小物體的中心處于某個格子時，該格子對該物體進行檢測。該格子輸出的信息中包括物體預測框中心坐標（x，y）、預測框的寬與高（w，h）、物體而非背景的置信度C以及物體屬于各類的可能性。對于像素為416×416的圖片，YOLO V3可產生10 647個預測框，后期通過判斷是否超過閾值和采用非極大值抑制來篩選預測框。

2.2? 先驗框計算

先驗框參數不僅對YOLO V3在訓練時的收斂速度有影響，而且對檢測精度也會有一定程度的影響。為使YOLO V3對垃圾檢測擁有較高的檢測精度，本文對垃圾目標框采用聚類的方法來確定先驗框參數。

K-means是一種常用的聚類方法，但K-means的聚類中心在初始時是隨機選擇的，這會導致最終的聚類結果存在較大的隨機性。為盡量減小聚類結果的隨機性，本文采用改進后的K-means++來確定先驗框參數，并使用1-IOU代替歐氏距離作為聚類指標，其中IOU為垃圾目標框與先驗框之間的交并比。經K-means++聚類確定的k=9時的先驗框參數為（15，9）、（17，20）、（24，35）、（37，50）、（49，63）、（64，90）、（109，87）、（172，101）和（381，355）。

3? ? 實驗

3.1? 評價指標

為評價本方法對垃圾進行定位及分類的性能優劣，本文使用平均精度均值（mean Average Precision，mAP）作為評價指標。平均精度均值可以通過計算精確度（Precision）和查全率（Recall）得到，具體計算公式為：

其中，TP為將某類垃圾正確預測為某類垃圾的個數，FP為將非某類垃圾錯誤預測為某類垃圾的個數，FN為將某類垃圾錯誤預測為不是某類垃圾的個數，AP為某類垃圾的平均精度。mAP是4類垃圾各自計算的AP的平均值。

3.2? 訓練設置

本文依靠遷移學習用經ImageNet數據集訓練的Darknet-53參數進行初始化，訓練時設置批次大小為16，最大訓練次數為120 000，激活函數選用Leaky ReLU，優化器采用隨機梯度下降算法（Stochastic Gradient Descent，SGD），初始學習率為0.001，動量為0.9，權重衰減正則系數為0.000 5，迭代至63 000次時，將學習率改為0.000 1，迭代至99 000次時，將學習率再改為0.000 01，迭代至120 000次或損失收斂時停止訓練。在訓練過程中通過比較損失大小，保存損失最小的模型參數。

3.3? 識別結果

使用訓練好的模型對測試集中4類共1 220張垃圾圖片進行檢測，其mAP可達82.87%，對測試集檢測的部分結果如圖2所示，其中，rec_w為可回收垃圾（recyclable waste），resi_w為干垃圾（residual waste），hou_f_w為濕垃圾（household food waste），haz_w為有害垃圾（hazardous waste），從圖2可以看出本方法能對垃圾進行有效的分類和定位。

4? ? 結語

基于對垃圾分類的要求，本文提出了一種基于YOLO V3的檢測方法。該方法采用K-means++算法對先驗框的大小進行了優化，利用YOLO V3完成了對垃圾的定位及分類，其最終的mAP可達82.87%，另外，得益于YOLO V3在目標檢測速度上的優勢，本文所提方法能夠滿足垃圾分類任務的要求，在城市垃圾分類方面有廣闊的應用前景。

[參考文獻]

[1]GIRSHICK R.Fast R-CNN[C].Washington：IEEE Conference on Computer Vision and Pattern Recognition，2015.

[2]REN S，HE K，GIRSHICK R，et al.Faster R-CNN：towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis&Machine Intelligence，2017（6）：1137-1149.

[3]LIU W，ANGUELOV D，ERHAN D，et al.SSD：single shot multiBox detector[J].European Conference on Computer Vision，2016（6）：21-37.