CN110427869A - 一种用于垃圾处理的远端视觉分选识别方法 - Google Patents

一种用于垃圾处理的远端视觉分选识别方法 Download PDF

Info

Publication number
CN110427869A
CN110427869A CN201910695476.4A CN201910695476A CN110427869A CN 110427869 A CN110427869 A CN 110427869A CN 201910695476 A CN201910695476 A CN 201910695476A CN 110427869 A CN110427869 A CN 110427869A
Authority
CN
China
Prior art keywords
model
far end
end device
picture
cloud
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910695476.4A
Other languages
English (en)
Inventor
莫卓亚
彭创权
刘涛
刘元路
罗海城
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Gongye Interconnection Technology Co Ltd
Original Assignee
Dongguan Gongye Interconnection Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan Gongye Interconnection Technology Co Ltd filed Critical Dongguan Gongye Interconnection Technology Co Ltd
Priority to CN201910695476.4A priority Critical patent/CN110427869A/zh
Publication of CN110427869A publication Critical patent/CN110427869A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
    • H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD

Abstract

本发明涉及垃圾分类技术领域，尤其是指一种用于垃圾处理的远端视觉分选识别方法，通过采用云端来收集远端装置中待识别的图片，然后由工作人员对图片进行标识后，采用该图片对模型进行再训练，最后由远端装置下载并更新模型，从而实现了一个工作人员即可管理多套远端装置效果，减少了人工成本；同时，由于是把多个远端装置的照片收集至云端，因此减少了重复照片所带来的人工成本的浪费，有利于提升训练效率。

Description

一种用于垃圾处理的远端视觉分选识别方法
技术领域
本发明涉及垃圾分类技术领域，尤其是指一种用于垃圾处理的远端视觉分选识别方法。
背景技术
目前垃圾分类已成为了垃圾处理的一种趋势，为了节省人工和提升效率，在垃圾分类时引入自动化设备也是一种必然现象。该自动化设备为垃圾分选设备，具体包括机械手和识别装置(优选为相机)，通过相机拍照来与机械手内部的模型进行对比匹配，匹配成功的则直接进行分类，匹配不成功的则把照片标注为“未知”，并把对应的垃圾集中在一起进行放置；针对无法识别的照片，由工作人员在垃圾分选现场对照片进行统一收集后，再通过线下模型训练设备对模型训练，然后再把模型离线更新至垃圾分选设备中，从而提升垃圾分选设备的识别能力。
但是，这种方式显然具有以下不足：照片收集、模型训练和模型更新都是通过线下进行的，使得每一个垃圾分选现场都必须至少配备有一个工作人员；此外，若不同的垃圾分选设备遇上同一类型的无法识别的垃圾，则会导致工作人员的重复工作，严重影响了效率。
发明内容
本发明针对现有技术的问题提供一种用于垃圾处理的远端视觉分选识别方法，有利于减少工作人员的配备并且提升效率。
为了解决上述技术问题，本发明采用如下技术方案：
本发明提供的一种用于垃圾处理的远端视觉分选识别方法，包括以下步骤：
a.远端装置拍摄垃圾的待识别图片，然后把待识别图片与远端装置的储存模块中所储存的模型进行比对匹配；
b.若匹配成功，远端装置根据所储存的模型的分类来对垃圾进行分类处理并执行d步骤；若匹配不成功，则执行步骤c；
c.待识别图片被进行标识后储存至云端储存系统中，执行d步骤；
d.工作人员对标识后的图片进行人工标注，然后生成标注图片并上传至云端储存系统；
e.云端系统采用标注图片对模型进行再训练，然后把再训练后的模型放入云端的发布库；
f.远端装置自发布库中下载训练后的模型进行更新。
进一步的，在步骤d中，所述标注图片为经Mask效果处理后的图片。
进一步的，在步骤f中，具体包括：
f1.远端装置定时发送更新检测至云端的发布库，若无训练后的模型，则继续执行步骤f1；若有训练后的模型，则执行步骤f2；
f2.远端装置发送确认下载训练后的模型指令至云端；
f3.远端装置下载训练后的模型；
f4.远端装置检测到训练后的模型已下载完成；
f5.远端装置在线把原有的模型采用更新后的模型进行替代。
更进一步的，在步骤f3和步骤f4之间，还包括步骤f34：远端装置定时发送文件进度指令至云端检测下载是否完成。
更进一步的，在步骤f4和步骤f5之间，还包括步骤f45.远端装置校验训练后的模型md5信息，确认md5信息无误后执行步骤f5。
进一步的，在步骤d中，所述人工标注的方式为由人工对标识后的图片中的垃圾图像进行描边处理。
进一步的，远端装置与云端系统通过http协议进行数据交互传输。
本发明的有益效果：本发明通过云端收集远端装置所无法识别的图片，由工作人员进行人工标注以后再对模型进行训练以更新模型，最后让远端装置下载更新模型来实现远端设备的学习，从而实现了一个工作人员即可管理多套远端装置效果，减少了人工成本；同时，由于是把多个远端装置的照片收集至云端，因此减少了重复照片所带来的人工成本的浪费，有利于提升训练效率。
附图说明
图1为本发明的流程图。
图2为本发明的远端装置更新模型的流程图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。以下结合附图1至附图2对本发明进行详细的描述。
本发明提供的一种用于垃圾处理的远端视觉分选识别方法，包括以下步骤：
a.远端装置拍摄垃圾的待识别图片，然后把待识别图片与远端装置的储存模块中所储存的模型进行比对匹配；
b.若匹配成功，远端装置根据所储存的模型的分类来对垃圾进行分类处理并执行d步骤；若匹配不成功，则执行步骤c；
c.待识别图片被进行标识后储存至云端储存系统中，执行d步骤；
d.工作人员对标识后的图片进行人工标注，然后生成标注图片并上传至云端储存系统；
e.云端系统采用标注图片对模型进行再训练，然后把再训练后的模型放入云端的发布库；
f.远端装置自发布库中下载训练后的模型进行更新。
其中，本发明所述的远端装置，为设置在垃圾分选现场中的垃圾分选设备。
本发明通过云端收集远端装置所无法识别的图片，由工作人员进行人工标注以后再对模型进行训练以更新模型，最后让远端装置下载更新模型来实现远端设备的学习，从而实现了一个工作人员即可管理多套远端装置效果，减少了人工成本；同时，由于是把多个远端装置的照片收集至云端，因此减少了重复照片所带来的人工成本的浪费，有利于提升训练效率。
具体的，在步骤d中，所述人工标注的方式为由人工对标识后的图片中的垃圾图像进行描边处理；所述标注图片为经Mask效果处理后的图片。本发明是由工作人员把待识别图片中的垃圾的图像进行描边处理以后，再通过云端进行Mask效果的处理，即通过把垃圾的图像经过遮罩处理而使得垃圾的图像仅剩下一个描边后的框，然后再用来对模型进行再训练，从而避免垃圾的例图线条对于模型训练造成干扰。
具体的，在步骤f中，具体包括：
f1.远端装置定时发送更新检测至云端的发布库，若无训练后的模型，则继续执行步骤f1；若有训练后的模型，则执行步骤f2；
f2.远端装置发送确认下载训练后的模型指令至云端；
f3.远端装置下载训练后的模型；
f4.远端装置检测到训练后的模型已下载完成；
f5.远端装置在线把原有的模型采用更新后的模型进行替代。
即本发明加入自检功能，使得远端装置定时就会发送待识别图片至云端系统，以及定时从云端系统中更新模型，从而保证了远端装置能够及时而快速地更新自身的模型数据库，提升了学习的强度。
更具体的，在步骤f3和步骤f4之间，还包括步骤f34：远端装置定时发送文件进度指令至云端检测下载是否完成，实现了对于下载速度是否正常的监控。
更具体的，在步骤f4和步骤f5之间，还包括步骤f45.远端装置校验训练后的模型md5信息，确认md5信息无误后执行步骤f5，保证了所下载的模型信息的准确性。
在本实施例中，远端装置与云端系统通过http协议进行数据交互传输，也就是通过因特网来实现远端装置与云端系统的信号连接的，保证了数据交互的便捷性和可靠性。
以上所述，仅是本发明较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明以较佳实施例公开如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。

Claims (7)

1.一种用于垃圾处理的远端视觉分选识别方法，其特征在于：包括以下步骤：
a.远端装置拍摄垃圾的待识别图片，然后把待识别图片与远端装置的储存模块中所储存的模型进行比对匹配；
b.若匹配成功，远端装置根据所储存的模型的分类来对垃圾进行分类处理并执行d步骤；若匹配不成功，则执行步骤c；
c.待识别图片被进行标识后储存至云端储存系统中，执行d步骤；
d.工作人员对标识后的图片进行人工标注，然后生成标注图片并上传至云端储存系统；
e.云端系统采用标注图片对模型进行再训练，然后把再训练后的模型放入云端的发布库；
f.远端装置自发布库中下载训练后的模型进行更新。
2.根据权利要求1所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：在步骤d中，所述标注图片为经Mask效果处理后的图片。
3.根据权利要求1所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：在步骤f中，具体包括：
f1.远端装置定时发送更新检测至云端的发布库，若无训练后的模型，则继续执行步骤f1；若有训练后的模型，则执行步骤f2；
f2.远端装置发送确认下载训练后的模型指令至云端；
f3.远端装置下载训练后的模型；
f4.远端装置检测到训练后的模型已下载完成；
f5.远端装置在线把原有的模型采用更新后的模型进行替代。
4.根据权利要求3所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：在步骤f3和步骤f4之间，还包括步骤f34：远端装置定时发送文件进度指令至云端检测下载是否完成。
5.根据权利要求3所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：在步骤f4和步骤f5之间，还包括步骤f45.远端装置校验训练后的模型md5信息，确认md5信息无误后执行步骤f5。
6.根据权利要求1所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：在步骤d中，所述人工标注的方式为由人工对标识后的图片中的垃圾图像进行描边处理。
7.根据权利要求1所述的用于垃圾处理的远端视觉分选识别方法，其特征在于：远端装置与云端系统通过http协议进行数据交互传输。
CN201910695476.4A 2019-07-30 2019-07-30 一种用于垃圾处理的远端视觉分选识别方法 Pending CN110427869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910695476.4A CN110427869A (zh) 2019-07-30 2019-07-30 一种用于垃圾处理的远端视觉分选识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910695476.4A CN110427869A (zh) 2019-07-30 2019-07-30 一种用于垃圾处理的远端视觉分选识别方法

Publications (1)

Publication Number Publication Date
CN110427869A true CN110427869A (zh) 2019-11-08

Family

ID=68411379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910695476.4A Pending CN110427869A (zh) 2019-07-30 2019-07-30 一种用于垃圾处理的远端视觉分选识别方法

Country Status (1)

Country Link
CN (1) CN110427869A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126138A (zh) * 2019-11-18 2020-05-08 施博凯 垃圾分类ai图像识别方法
CN111274427A (zh) * 2020-01-08 2020-06-12 上海擎感智能科技有限公司 一种图片处理方法、装置及计算机存储介质
CN113306136A (zh) * 2021-04-20 2021-08-27 安徽工程大学 基于目标检测的3d打印机堆积混乱报警系统及方法
EP4105146A4 (en) * 2021-03-16 2023-08-23 JVCKENWOOD Corporation WASTE DISPOSAL AID DEVICE AND WASTE DISPOSAL AID METHOD

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247291A (zh) * 2013-05-07 2013-08-14 华为终端有限公司 一种语音识别设备的更新方法、装置及系统
US20160078414A1 (en) * 2013-05-03 2016-03-17 Ecowastehub Corp. Solid waste identification and segregation system
CN107369209A (zh) * 2017-07-07 2017-11-21 深圳市华琥技术有限公司 一种数据处理方法
CN109335371A (zh) * 2018-09-30 2019-02-15 上海檀楠信息科技有限公司 智能分类垃圾箱
CN109753890A (zh) * 2018-12-18 2019-05-14 吉林大学 一种路面垃圾物智能识别与感知方法及其实现装置
CN110053897A (zh) * 2019-05-09 2019-07-26 苏州博学智能科技有限公司 一种智能分类垃圾箱

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160078414A1 (en) * 2013-05-03 2016-03-17 Ecowastehub Corp. Solid waste identification and segregation system
CN103247291A (zh) * 2013-05-07 2013-08-14 华为终端有限公司 一种语音识别设备的更新方法、装置及系统
CN107369209A (zh) * 2017-07-07 2017-11-21 深圳市华琥技术有限公司 一种数据处理方法
CN109335371A (zh) * 2018-09-30 2019-02-15 上海檀楠信息科技有限公司 智能分类垃圾箱
CN109753890A (zh) * 2018-12-18 2019-05-14 吉林大学 一种路面垃圾物智能识别与感知方法及其实现装置
CN110053897A (zh) * 2019-05-09 2019-07-26 苏州博学智能科技有限公司 一种智能分类垃圾箱

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126138A (zh) * 2019-11-18 2020-05-08 施博凯 垃圾分类ai图像识别方法
CN111274427A (zh) * 2020-01-08 2020-06-12 上海擎感智能科技有限公司 一种图片处理方法、装置及计算机存储介质
EP4105146A4 (en) * 2021-03-16 2023-08-23 JVCKENWOOD Corporation WASTE DISPOSAL AID DEVICE AND WASTE DISPOSAL AID METHOD
CN113306136A (zh) * 2021-04-20 2021-08-27 安徽工程大学 基于目标检测的3d打印机堆积混乱报警系统及方法

Similar Documents

Publication Publication Date Title
CN110427869A (zh) 一种用于垃圾处理的远端视觉分选识别方法
CN106452903A (zh) 一种基于云辅助的智能仓管机器人系统与方法
CN104036235B (zh) 基于叶片hog特征和智能终端平台的植物物种识别方法
CN104148300A (zh) 基于机器视觉的垃圾分拣方法与系统
CN203629603U (zh) 一种基于图像识别技术的智能电能表检测装置
KR20170101455A (ko) 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법
CN107133592B (zh) 电力变电站采用红外热成像及可见光成像技术融合的人体目标特征检测算法
JP2021030107A (ja) 物品選別装置、物品選別システムおよび物品選別方法
CN211392481U (zh) 一种基于图像识别大数据的垃圾分类系统
CN109299689A (zh) 基于机器视觉的环形生产线模台自动化识别装置及其识别方法
CN111507325A (zh) 基于深度学习的工业视觉ocr识别系统及方法
CN110782484A (zh) 一种无人机视频人员识别追踪的方法
CN207503007U (zh) 一种基于图像识别的轮毂自动输送控制系统
CN113628159A (zh) 一种基于深度学习网络全自动训练方法、装置及存储介质
CN111726576A (zh) 无人机巡检方法、装置、系统及存储介质
CN113971746B (zh) 基于单次人手示教的垃圾分类方法、装置及分拣智能系统
CN209139222U (zh) 一种键盘自动检测分类装置
CN116524166A (zh) 集装箱箱门朝向的识别方法、装置及港口自动化系统
CN204101466U (zh) 一种往复传送式植物成像装置
CN211100232U (zh) 基于视觉及深度学习的垃圾分选系统
CN114532253A (zh) 一种种蛋活性自动智能检测装置
CN212767831U (zh) 多功能垃圾桶
CN207249688U (zh) 一种基于人工智能文字识别技术的计算机阅卷装置
CN106915155B (zh) 通过曲线拖拽进行印刷机相位调整的系统及方法
CN208224816U (zh) 一种基于bim模型的远程操控检测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191108