技术特征：
1.一种垃圾异物识别方法，其特征在于，所述方法包括以下步骤：获取目标垃圾图像，并识别所述目标垃圾图像中的目标垃圾异物；对所述目标垃圾异物进行标注，用以建立所述目标垃圾异物数据集；利用所述目标垃圾异物数据集，对预设模型进行迭代优化训练，当所述预设模型达到预设标准时，确认所述预设模型为异物识别模型；获取待检测的垃圾图像，并将所述待检测的垃圾图像输入到所述异物识别模型中，输出识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述目标垃圾异物进行标注，用以建立所述目标垃圾异物数据集之前，所述方法还包括：通过随机裁剪、垂直翻转、水平翻转和随机旋转一定角度的方式对所述目标垃圾异物进行数据增强。3.根据权利要求1所述的方法，其特征在于，所述对所述目标垃圾异物进行标注，用以建立所述目标垃圾异物数据集，包括：利用标注工具，标注出所述目标垃圾异物的位置坐标信息、尺寸信息以及所属类别信息，用以建立所述目标垃圾异物数据集。4.根据权利要求1所述的方法，其特征在于，所述预设模型以ssd网络为基础网络，以多分支深度卷积神经网络替换ssd中的vgg16网络，并去除所述多分支深度卷积神经网络的全局池化层以及全连接层，保留全部的卷积层。5.根据权利要求4所述的方法，其特征在于，所述预设模型还添加通道注意力机制。6.根据权利要求4所述的方法，其特征在于，所述预设模型的损失函数为focalloss。7.根据权利要求1所述的方法，其特征在于，所述利用所述目标垃圾异物数据集，对预设模型进行迭代优化训练，当所述预设模型达到预设标准时，确认所述预设模型为异物识别模型，包括：将所述目标垃圾异物数据集输入到所述预设模型中进行迭代优化训练，获得训练结果；当所述训练结果低于预设平均精度阈值时，修改所述预设模型参数，直至所述训练结果等于或大于预设平均精度阈值时，结束迭代，确认所述预设模型为异物识别模型。8.一种垃圾异物识别装置，其特征在于，所述装置包括：第一图像采集模块，用于获取目标垃圾图像；第一图像识别模块，用于识别所述目标垃圾图像中的目标垃圾异物；标注模块，用于对所述目标垃圾异物进行标注，用以建立所述目标垃圾异物数据集；训练模块，利用所述目标垃圾异物数据集，对预设模型进行迭代优化训练，当所述预设模型达到预设标准时，确认所述预设模型为异物识别模型；第二图像采集模块，用于获取待检测的垃圾图像；第二图像识别模块，用于并将所述待检测的垃圾图像输入到所述异物识别模型中，输出识别结果。9.一种电子设备，其特征在于，所述电子设备承载所述资源调度系统，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一项所述的一种垃圾异物识别方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种垃圾异物识别方法。
技术总结
本发明公开了一种垃圾异物识别方法、装置、电子设备及存储介质，该方法包括获取目标垃圾图像，并识别目标垃圾图像中的目标垃圾异物；对目标垃圾异物进行标注，用以建立目标垃圾异物数据集；利用目标垃圾异物数据集，对预设模型进行迭代优化训练，当预设模型达到预设标准时，确认预设模型为异物识别模型；获取待检测的垃圾图像，并将待检测的垃圾图像输入到异物识别模型中，输出识别结果。针对复杂环境下遮挡目标，可以更好提取目标特征，进一步提高目标识别的准确率和识别速度，解决了机械分选精度低的问题，同时在恶劣作业环境下，智能识别代替人工识别，实现了餐厨垃圾分选阶段的无人化或者少人化，解决了招工难、工人工作环境差的问题。境差的问题。境差的问题。
技术研发人员：赵骥 李松柏 齐晓锐 吴教丰
受保护的技术使用者：浙江清华长三角研究院
技术研发日：2022.09.02
技术公布日：2022/11/25