基于VGGNet的垃圾分类识别APP实施方法

梁 炜

(重庆邮电大学 计算机科学与技术学院，重庆 400065)

0 引言

随着科技和经济的迅速发展，人们的生活水平逐渐提高，产生的垃圾日益增多，总体来看，我国生活垃圾产生量在4亿吨以上[1]，对垃圾的分类处理带来了极大的挑战。为了实现快捷的垃圾回收利用，2019年6月，《关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》提出，自2019年起，全国地级及以上城市要全面启动生活垃圾分类工作；2020年年底，46个重点城市要基本建成垃圾分类处理系统；2022年前，各地级城市至少有一个区实现生活垃圾分类全覆盖；2025年年底前，全国地级及以上城市要基本建成垃圾分类处理系统[2]。以上的数据表明，垃圾分类正在快速实施和落实，让居民不得不去了解并且努力牢记垃圾的所属种类。所以，如何确保垃圾正确投放，正是居民们关注的问题。

本文结合深度学习和安卓开发，实现APP的垃圾分类识别功能，既保障了居民从源头上能准确掌握垃圾分类，又保障了垃圾场在后期回收、焚烧等工作的简洁性。

1 系统算法设计

1.1 卷积神经网络

卷积神经网络(Convolutional Neural Networks，CNN)是一种可对人类视觉神经进行深层抽象的模型，主要特点是深度前馈和权值共享，无须人工设计特征以及特征提取，只需经过卷积和映射，便可直接得到识别结果，在复杂环境下具有一定的高效性和鲁棒性[3]。在2012年以前，卷积神经网络由于在一般的实际任务中表现不如SVM，Boosting等算法好，一直处于学术界边缘的地位。直到2012年的Imagenet图像识别大赛中，Hinton组提到的Alexnet引入了全新的深层结构和dropout方法，把错误率从25%以上降到了15%，颠覆了图像识别领域对CNN的认识。此后，CNN重新得到图像识别领域的重视，并在之后几年又依次引入了ZFNet，GoogleNet，VGGNet等。卷积神经网络的结构为输入层、隐藏层和输出层，其中，隐藏层又包括卷积层、池化层和全连接层3类常见构筑。在卷积层中对输入的垃圾图像进行矩阵运算，主要目的是对图像特征进行逐层学习；池化层主要负责对卷积层中输出的特征值进行降维处理，在整幅图像像素中强化图像的特征值；全连接层主要对上述步骤中提取的特征值进行分类运算，完成分类结果的输出。

1.2 安卓APP开发工具

由于Android开发是基于Java语言，所以需要先安装JDK，并在此基础上选择合适的Android开发平台，主要平台为Eclipse和Android studio。Eclipse是老牌的开发工具，早期开发Android程序基本都使用该软件；Android Studio是后来由开发了Android的Google亲自开发的、用来开发Android项目的工具，相比eclipse的性能更加强大。对比之下，本文选择使用Android Studio。

2 VGGNet模型

在2014年，在IamgeNet 大规模视觉识别挑战赛(ImageNet Large Scale Visual Recognition Challenge，ILSVRC)的网络结构中，为了解决ImageNet中的1 000类图像分类和定位问题，牛津大学计算机视觉实验室提出了VGGNet网络模型，并取得了分类第二、定位第一的好成绩。

2.1 VGGNet网络模型结构选取及参数设计

对于类别个数多、样本个数多的数据集来说，一个较浅的网络无法训练出很好的效果，而VGGNet探索的是神经网络的深度与其性能之间的关系，通过反复堆叠3×3的小型卷积核和2×2的最大池化层，成功构建了11-19层的卷积神经网络[4]。本文基于常用的VGG16模型，搭建垃圾分类识别模型。VGG16的模型如图1所示。

图1 VGG16的模型

VGG16模型工作过程：(1)模型的输入图像大小为固定的224×224的RGB图像，输入时的唯一一个数据预处理就是各自减去 RGB 3个通道的均值。(2)VGG各种级别的结构都采用了5段卷积，每一段有一个或多个卷积层。同时，每一段的尾部都接着一个最大池化层，来缩小图片尺寸。总的来说，包含13个卷积层，5个最大池化层，3个全连接层和一个SoftMax分类器层。(3)卷积核为3×3，池化窗口为2×2。(4)连接3个全连接层，前两个全连接都是4 096，最后一个根据imagenet1 000类定为1 000个输出。(5)所有隐藏都进行ReLU激活。

2.2 激活函数与损失函数的选择

本文选用ReLU函数作为激活函数，对卷积层和全连接层进行激活。计算速度非常快，只需要判断输入是否大于0，并且收敛速度远快于sigmoid和tanh。其函数解析式：

ReLU=max(0,x)

(1)

求损失值时，需要使用到两个函数。

第一步，先对网络最后一层的输出做一个softmax，通常是求取输出属于某一类的概率，即对输出的值归一化为概率值。假设在进入softmax函数之前，已经有模型输出C值，其中，C是要预测的类别数，模型可以是全连接网络的输出a，其输出个数为C，即输出为a1,a2,a3, ...,ac。所以，每个样本属于类别i的概率为：

(2)

第二步，将输出的yi和实际标签值都采用onehot(独热编码)形式，再使用softmax公式对输出向量[y1,y2,y3…]和样本的实际标签做一个交叉熵，具体如下：

(3)

其中，zi指代实际的标签中第i个的值，yi就是softmax的输出向量[y1,y2,y3…]中，第i个元素的值。

2.3 图片的选取及标签设置

将垃圾分为可回收垃圾、厨余垃圾、有害垃圾和其他垃圾4大类，每种选择常见的20种RGB三通道图片各200张。对于垃圾的标签本文，采用垃圾种类/垃圾具体名称进行命名，如可回收垃圾/矿泉水瓶，以便在模型的输出中知道该垃圾属于的类别和具体的名称。

2.4 模型的微调与训练

首先，基于原始的VGG16模型进行微调，原先的输出结果是对1 000个不同的类别进行判定，而在此是对80个图像，也就是垃圾种类的判断，因此，第一步是修改输出层的全连接数据。最后一层的输出通道设置成80，而对于其他部分，定义创建卷积层和全连接层的方法则无须做出太大改动。需要注意的是，VGG模型需要增加一个额外的参数trainable=False，其直接解释为在模型进行微调时，不需要变动权重值的层就可以通过设置trainable=False来确保权值不会改变。

其次，需要载入权重文件，注意应该将需要重新学习与调整的层进行剔除，除此之外的层都载入相应的权值。完成模型的微调后，需要通过分批的形式对输入的图像数据进行训练。对此，循环载入具有参数batch_size大小而定的图片数量，读取相应的图片标签作为数据标签一同进行训练，注意，在分批时，应对图像采取VGGNet在ImageNet上一样的图像预处理方式。

3 安卓APP框架设计

考虑到APP使用的便利性和居民对软件中存在垃圾广告等的厌恶程度，该APP采用极简模式，主界面只有显示屏和一个按钮，点击按钮，调用模型函数进行处理，并返回到显示界面。

将VGG16微调后的模型和其标签放入加载到内存当中去，当居民使用该APP进行拍照时，将手机拍摄的照片经过压缩和归一化处理，再输入到VGG16模型中，识别出相关的结果，并映射到对应的垃圾类别，最后，返回识别结果到界面。

4 结语

连续不断的环境污染问题，让人们对环境重视了起来，开始提倡垃圾分类。本文基于VGGNet中的VGG16模型，制作了一个垃圾分类APP，让居民不再为垃圾所属种类所烦恼。由于本文数据集种类和图片样本还不完善，有可能会遇到不在训练集里的垃圾，所以，在以后的模型优化中，数据集的分类还需更加详细，种类应更加全面，也可以通过微调VGG16模型中其他层的权重值得到准确率更高的模型。