基于孪生卷积神经网络的手机型号识别方法

韩红桂，甄 琪，任柯燕，伍小龙，杜永萍，乔俊飞

(北京工业大学信息学部，计算智能与智能系统北京市重点实验室，北京 100124)

随着智能手机行业的快速发展，产生了越来越多的废旧手机，为了减少废旧手机闲置造成的资源浪费和环境污染，提高废旧手机的循环利用率，废旧手机回收已成为我国电子信息产业发展中无法忽视的重要问题[1-2]. 然而，目前回收过程中分拣识别效率已成为限制回收的主要瓶颈. 在废旧手机回收分拣过程中，需要将手机按品牌及型号分类处理以获得更大的经济效益[3]. 因此，快速识别手机型号成为影响废旧手机回收效率的重要因素，目前普遍的废旧手机识别方法是通过人工方式辨认手机外观并确定型号，该过程极为烦琐和耗时，且长时间生产线工作易导致误操作，造成误检率较高. 此外，较低的识别效率也难以满足回收大量废旧手机的需求. 因此，设计一种快速准确识别手机型号的方法成为实现废旧手机高效自动化回收的关键，不仅可以极大提升手机回收效率，减小误检率，同时还能提升废旧手机回收企业经济效益.

为了提高废旧手机回收效率，废旧手机型号的快速识别成为实现工业自动化回收的重要保障[4]. 目前，工业自动化回收过程的废旧手机型号识别方法主要是利用数理统计和支持向量机(support vector machine,SVM)等分类器提取废旧手机外观图像中的纹理、形状和颜色等局部特征，并依据提取到的特征……