基于动态原型增量学习的废旧家电识别方法

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：韩红桂, 刘一鸣, 李方昱, 杜永萍

单位：1.北京工业大学信息科学技术学院2.计算智能与智能系统北京市重点实验室3.数字社区教育部工程研究中心4.北京人工智能研究院

摘要：针对废旧家电回收过程中废旧家电识别模型受到不同类别干扰,引起识别结果不稳定的问题,提出了一种基于动态原型增量学习的废旧家电识别方法。首先,建立增量残差聚合结构,获取新旧类家电特征,增强了废旧家电识别模型的扩展能力。其次,设计共享权重动态原型,获取家电代表性特征和区分性特征,降低了识别过程的交叉干扰。最后,设计对比原型方法感知误分类别,结合共享权重动态原型的家电代表性特征,提升了识别精度。将提出的识别方法应用于不同场景下废旧家电分拣,实验结果表明该方法具有较好的识别精度。

关键词：废旧家电识别,动态原型,增量学习,深度神经网络

基金资助：国家重点研发计划资助项目(2022YFB3305800-5);国家自然科学基金资助项目(62125301,62021003,62373014);北京市科技新星计划资助项目(K7058000202402);北京市青年学者资助项目(037)。