技術特征：

1.一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，包括：圖像采集模塊、模型構建模塊、危險物檢測模塊和報警模塊；

2.根據(jù)權利要求1所述一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，所述模型構建模塊包括：數(shù)據(jù)集構建單元、模型訓練單元和模型更新單元；

3.根據(jù)權利要求2所述一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，所述數(shù)據(jù)集構建單元的工作流程包括：

4.根據(jù)權利要求2所述一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，所述模型訓練單元的工作流程包括：

5.根據(jù)權利要求4所述一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，所述危險物檢測模型的訓練方法包括：

6.根據(jù)權利要求5所述一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)，其特征在于，所述模型更新單元的工作過程包括：

7.一種基于深度遷移學習的垃圾桶內危險物檢測方法，所述檢測方法應用于權利要求1-6任一項所述的檢測系統(tǒng)，其特征在于，包括以下步驟：

8.根據(jù)權利要求7所述一種基于深度遷移學習的垃圾桶內危險物檢測方法，其特征在于，所述s2包括：

9.根據(jù)權利要求8所述一種基于深度遷移學習的垃圾桶內危險物檢測方法，其特征在于，得到所述訓練用數(shù)據(jù)集的方法包括：

10.根據(jù)權利要求8所述一種基于深度遷移學習的垃圾桶內危險物檢測方法，其特征在于，得到所述危險物檢測模型的方法包括：

技術總結
本發(fā)明公開了一種基于深度遷移學習的垃圾桶內危險物檢測系統(tǒng)及方法，涉及機器學習技術領域，系統(tǒng)包括：圖像采集模塊、模型構建模塊、危險物檢測模塊和報警模塊；圖像采集模塊用于實時采集桶內的實時圖像數(shù)據(jù)；模型構建模塊基于遷移學習訓練基礎的神經網絡模型，通過數(shù)據(jù)增強技術構建訓練用數(shù)據(jù)集，并利用訓練用數(shù)據(jù)集對神經網絡模型中的可訓練層進行訓練及更新，得到危險物檢測模型；危險物檢測模塊利用危險物檢測模型對實時圖像數(shù)據(jù)進行識別檢測，得到危險物檢測結果；報警模塊基于危險物檢測結果發(fā)出警告信息。本發(fā)明能夠有效利用深度學習模型的多分類能力，精確區(qū)分垃圾桶內的各類物體，包括隱藏的危險物，從而提高公共安全。

技術研發(fā)人員：林烈青,徐志軍,傅旸
受保護的技術使用者：廣東工業(yè)大學
技術研發(fā)日：
技術公布日：2025/1/2