基于优化改进的Xception模型的垃圾图片分类

刘后胜，张 洋，陶健林

（安庆职业技术学院 信息技术学院，安徽 安庆 246003）

1 引 言

21 世纪以来，人民的生活水平有了质的飞跃，对美好舒适生活的向往更加渴望。随着经济的快速增长，各式各样的垃圾也在快速增长。如何处理海量的垃圾，保持洁净的城市与乡村，取得一个舒适美好的生态环境，以满足人民生活的需要，已经成为城市和乡村发展必须面对的一大难题。

一般的垃圾处理过程是先由环卫公司统一回收，再运送到工厂，根据材料自身特性使用机器进行初步挑选，然后再由人工对可回收垃圾进行详细分类。尽管有机器帮忙，大大减少了劳动强度，但人工还是面临着工作效率低下等问题，其中玻璃等尖锐物品和垃圾中病毒细菌，时刻威胁着工作人员的健康安全。因此急需利用现有成熟的深度学习技术与计算机视觉技术，以实现智能化、自动化、无人化分拣。

近年来，有许多的学者对垃圾图片分类做了研究和实践，文灿华利用目标检测技术对垃圾图片进行处理识别[1]；潘唯一提出了基于YOLOv3 的垃圾分类识别的方法[2]；和泽提出基于预训练模型MobileNetV2 网络,运用迁移学习方法进行垃圾图片分类[3]；梅书枰采用基于MobileNetv3 的深度学习分类模型以对垃圾图片进行分类[4]；袁建野等提出使用最大平均组合池化，使用深度可分离卷积方法对垃圾图片进行分类[5]；齐鑫宇在ResNet101模型的基础上，设计并构建了基于CNN 算法的新模型框架,对垃圾图片实时识别[6]。

为了解决自动化、智能化垃圾分类问题，本文设计了一种对垃圾图片进行分类处理的模型，采用了深度学习算法结合计算机视觉技术。改进了传统深度学习模型（Xception）的结构设计，在提升模型识别准确率的同时，也减轻了过拟合问题。我们在新模型中增加了全新的分类器，并采用了数据增强技术、正则化等算法，与原模型相比，识别准确率平均提升1.95%。在30 次的初步训练过程中，训练模型训练精度达到95%，新数据的预测精度已经达到90.67%。可见新模型已经实现了生活中大多数的垃圾图片分类，具备了实际应用价值，解决过拟合的方法和思路适用于其它同类型问题。

2 基于深度学习的计算机视觉图像处理技术

2.1 卷积神经网络

卷积神经网络是包含卷积运算以提取数据特征，其原理是利用卷积核不断对图像的特征进行卷积提取，再利用池化减少图片因卷积而产生的冗余数据。

2.1.1 卷积运算

卷积运算的基本原理是通过卷积核对输入图像数据进行卷积操作，是拿一个卷积核在原图上滑动窗口，每次卷积核元素乘以对应的元素再求和，最终得到输出特征图上一个像素值。

2.1.2 最大池化

最大池化运算的结果，不仅仅是要将经过卷积运算后的特征图的尺寸规模数量进行减半，更重要的是对局部特征进行筛选和过滤，以此实现对特征图进行采样，削减无用的数据，以提高模型的运行速度，减少算力的浪费。最大池化是对输入的特征图进行滑动窗口式提取，并在每次窗口提取最大值，其基础理论概念与卷积有异曲同工之妙。

2.1.3 激活函数

此次模型主要使用的激活函数有Relu 和Softmax 两大类，Relu 主要使用在卷积神经网络的中间层，Softmax 主要用在最后一层的分类器。Relu 是一种非线性的激活函数，当x＞0时，取其本身，当x≤0时，取值为0。其特点是克服了梯度消失问题，且大大简化了计算过程，因此在训练速度方面有了很大的提升。Softmax 函数就是把一个N 维向量归一化为一个和为1的（0，1）之间的数值，其采用指数运算，使N维向量中的数值较大的量更加突出。

2.1.4 正则化

拟合与泛化是深度学习中一对矛盾，正则化就是试图解决此种矛盾。而在众多正则化当中，dropout正则化是最实用的也是最有效果的正则化之一，使用dropout正则化，该层神经网络在每次的训练过程中，会随机将一定比例的输出特征点归零，从而打乱当前维度的学习方向，从其他维度继续对图像特征进行学习。

2.2 图片数据的采集与数据增强

2.2.1 数据的采集

本文数据均来自2020“智海”人工智能技术服务大赛初赛：计算机视觉的垃圾分类项目。该项目数据集包含了已经完成分类的2307 张生活垃圾图片。其中数据集被分成6 个类别，分别是玻璃（glass）、纸（paper）、硬纸板（cardboard）、塑料（plastic）、金属（metal）和一般垃圾（trash）。

2.2.2 数据增强

模型过拟合的主要原因是因为可供学习的样本数据太少，导致深度学习模型无法学习到能够泛化到新数据的特征，如果通过技术将样本进行不重复的微调，每次模型学到的都是新数据新特征，这样就可以大大减少过拟合发生的概率，数据增强是从有限的数据中，通过计算机视觉技术，对有限的样本数据进行随机变换来生成新的训练数据，其方法是随机对图片进行旋转、水平或者垂直的平移、缩放、错切交换、水平翻转、填充等方式增强样本。

3 基于深度学习算法的垃圾分类新模型与模型训练

3.1 新模型的框架结构

在原有模型Xception 的基础上，针对原有模型对垃圾图像数据提取的冗余特征，易出现模型过拟合情况，表现为对新数据泛化效果不佳，预测精度略低。因此我们使用密集连接层构建全新的分类器，让全新的分类器衔接在Xception 模型的卷积基上面。改进的新分类器结构，主要包含了3 个采用Relu 作为激活函数的密集连接层，1 个采用Softmax作为激活函数的分类层，3 个批标准化层，以及3 个正则化层构成。

3.2 模型性能分析

为了更好地验证新模型在原有模型基础上的性能提升效果，对两个模型进行了详细对比，包含在30 次训练情况下的训练精度(Accuracy)、训练损失(Loss)、预测精度(Predict_Accuracy)，如表1 所示。在30 次训练的情况下，原有模型的训练精度在第7次训练的时候就以达到97%，后23 次训练模型精度仅仅提升2.91%左右，最终训练精度为99.13%，如图1所示；训练损失为0.310318，如图2所示；预测精度却仅有88.72%。相较而言新模型虽然起步较晚，但训练精度呈稳步上升达到了94.84%，训练损失稳步下降到1.213363，预测精度达到了90.67%。由此可知新模型不仅在一定程度上解决了原有模型的过拟合问题，而且可以从训练精度和训练损失看出，新模型还有更高的提升空间。

表1 模型性能对比

图1 模型训练精度对比图

图2 模型训练损失对比图

实验环境配置如下：计算机为联想Y7000 笔记本电脑搭配16GB 内存，CPU 为Intel(R) Core(TM)i7-8750H CPU@2.20GHz 2.21GHz，显卡为NVIDIA GeForce GTX 1050 Ti 搭载GeForce Game Ready 457.49驱动。安装的操作系统为Windows 10家庭中文版操作系统，搭建了CUDA9.0+CUDNN7.6.5 深度学习环境。同时使用Python 编程语言和Tensorflow深度学习框架。

4 结 语

本文通过对传统深度学习模型Xception的优化改进，一定程度上解决了模型的过拟合问题，加强了模型对新数据的泛化效果，提高了新数据的预测准确率，最终新模型的预测准确率在90.67%。虽然垃圾分类图片仍然存在错误识别的情况，但由于深度学习模型的学习成本较低，识别准确率高，且在大算力的支持下，模型的预测准确率有望进一步提高。