一种基于深度迁移学习的垃圾桶内危险物检测系统及方法

本发明公开了一种基于深度迁移学习的垃圾桶内危险物检测系统及方法，涉及机器学习技术领域，系统包括：图像采集模块、模型构建模块、危险物检测模块和报警模块；图像采集模块用于实时采集桶内的实时图像数据；模型构建模块基于迁移学习训练基础的神经网络模型，通过数据增强技术构建训练用数据集，并利用训练用数据集对神经网络模型中的可训练层进行训练及更新，得到危险物检测模型；危险物检测模块利用危险物检测模型对实时图像数据进行识别检测，得到危险物检测结果；报警模块基于危险物检测结果发出警告信息。本发明能够有效利用深度学习模型的多分类能力，精确区分垃圾桶内的各类物体，包括隐藏的危险物，从而提高公共安全。