2)对原始垃圾物品分类图片数据进行数据清洗，提取图片的初步特征，去掉不合规的图片，对于合规的图片存储进入数据仓库；
5)将训练集载入到机器学习模型中进行训练，得到模型文件，并将模型做成最终的restful服务上线)用户通过工业机器人或手机公众号拍摄垃圾物品分类图片上传服务器，服务器自动识别上传的垃圾物品分类图片并生成分析结果并传送回工业机器人或手机。
2.根据权利要求1所述的垃圾分类ai图像识别方法，其特征在于：所述的步骤2)数据清洗过程中，首先使用pandas将所有的图片进行进行元信息获取并记录，形成表头包括如下内容：网络来源、文件名称、文件字段、文件路径以及文件的大小；其次去掉不合规的图片时过滤掉分辨率在224*224以下的所有图片。
3.根据权利要求1所述的垃圾分类ai图像识别方法，其特征在于：所述的步骤2)数据清洗过程中，对于垃圾物品的位置并不在正中间的图片，采用canny边缘能检测算法获得图片的边缘数据，并根据边缘数据求得质心来得到垃圾物品的偏差数据，使用偏移截图的方式获取集中于垃圾物品的视野图片。
4.根据权利要求1所述的垃圾分类ai图像识别方法，其特征在于：所述的垃圾物品分类采用如下分类：厨余垃圾、塑料包装纸、废弃纸巾与厕纸、废弃纸盒、废弃玻璃，5类分类数据导入到标注系统作为标签进行标注，同一张图片可以进行多选标注。
5.根据权利要求4所述的垃圾分类ai图像识别方法，其特征在于：所述的步骤5)中，使用卷积神经网络进行机器学习，包括用卷积层进行残差学习，所述的卷积层层数为2层以上，所述的机器学习使用pytorch框架。
6.根据权利要求1所述的垃圾分类ai图像识别方法，其特征在于：所述的步骤6)中，用户将拍摄的厨余垃圾分类照片提交服务器，服务器自动识别分析此照片中含有的厨余垃圾概率、可回收物的概率、有害垃圾概率，服务器综合鉴定分类效果，生成分类结果信息，并根据分类结果信息自动评分。
本发明提出了一种垃圾分类AI图像识别方法，包括如下具体步骤：1)获得垃圾物品分类图片数据：2)对原始垃圾物品分类图片数据进行数据清洗，对于合规的图片存储进入数据仓库；3)对数据仓库的图片进行数据挖掘，挖掘适合送标的图片载入标注系统；4)通过标注系统的标注使得每张图片具有相应的类型，并因此做成训练集；5)将训练集载入到机器学习模型中进行训练；6)垃圾物品图片上传服务器，服务器生成分析结果并传送回。本发明通过学习使得机器不断提高垃圾分类能力，实现在垃圾分类投放、回收、分拣过程中的准确化、智能化、自动化操作，减轻人工操作，使垃圾分类做到减量化、资源化、无害化，确保垃圾分类效果。
