CN110516625A - 一种垃圾识别分类的方法、系统、终端及存储介质 - Google Patents
一种垃圾识别分类的方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN110516625A CN110516625A CN201910810539.6A CN201910810539A CN110516625A CN 110516625 A CN110516625 A CN 110516625A CN 201910810539 A CN201910810539 A CN 201910810539A CN 110516625 A CN110516625 A CN 110516625A
- Authority
- CN
- China
- Prior art keywords
- rubbish
- picture
- training data
- real time
- module
- 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
Links
Classifications
-
- 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
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明公开了一种垃圾识别分类的方法,该方法包括如下步骤:采集待识别垃圾的实时图片信息;将实时图片信息输入到模型中,所述模型由多组训练数据训练而成,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息;从模型中输出实时图片信息符合该种垃圾的图片;获取符合该种垃圾所在实时图片信息的相对位置;按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置;对该种垃圾进行精确分拣。本发明提供一种垃圾识别分类的方法,可以高效又准确的垃圾分类识别。
Description
技术领域
本发明涉及垃圾分类技术领域,尤其涉及一种垃圾识别分类的方法、系统、终端及存储介质。
背景技术
随着社会的进步,人们的生活水平和质量逐渐提高,能够消费的东西也日益增多,因此产生的垃圾也越来越多,垃圾主要采用填埋和焚烧等办法进行处理。为了有效地减少垃圾的处理量,减缓对地球资源的消耗,可以对垃圾中可回收的垃圾进行分类回收再利用。目前,可回收垃圾的分类回收方法主要包括人工拣选等手段,其人工成本高、处理速度慢、效率低,并且极易出现分拣失误,造成某些有害垃圾混入可回收垃圾中,以至于造成可怕的后果。
目前,较为智能的垃圾识别分类的方法如中国专利CN201410596554.2一种垃圾分类回收方法,包含以下步骤:1)如果垃圾中包含任何类型的自动识别ID,根据此ID,从制造商数据库中获取该物品的必要信息,然后将其分类存储,并添加一条记录到物联网识别数据库中;2)如果垃圾中不包含任何类型的自动识别ID,通过物理空间相关性扫描,搜索垃圾桶周边的拥有自动识别ID的物品,如果有必要还能够在整个生活区或工业区中的垃圾桶中搜索;如果不能发现任何自动识别ID,跳至步骤3。采用了普适计算下的识别和搜索技术,极大提高了垃圾分类的效率。而在日常生活中,有害垃圾将夹杂在其他垃圾之间,此时有害垃圾与数据库中对比物的相似度将会受到影响,以至于影响垃圾分类。
又如中国专利CN201811137854.9公开了一种基于多传感器融合和深度学习的垃圾分类识别方法,包括步骤:S1:获取学习样本数据,样本数据包括已知分类垃圾的图像和物理参量,所述物理参量包括介电常数、磁导率、光电参数和重量;S2:采用深度学习神经网络方法训练分类模型,分类模型的输入为上述样本数据,输出为预测的垃圾种类;S3:拍摄待分类垃圾的图像,采集待分类发垃圾的物理参量,然后将信息输入到步骤S2中的分类模型,得到预测的垃圾种类。利用训练分类模型能够高速且准确地将用户投放的生活垃圾分类,做到尽可能成功分类常见的生活垃圾,并同时将垃圾种类等信息反馈回来,进而提高垃圾的回收率。该种方法依旧是结合定义参照物进行扫描对比的方法,其相对的识别率也相对不高。
因此,研究一种既高效又准确的垃圾分类识别方法具有重要意义。
发明内容
本发明的目的在于提供一种垃圾识别分类的方法,可以高效又准确的垃圾分类识别。
本发明公开的一种垃圾识别分类的方法所采用的技术方案是:
一种垃圾识别分类的方法,该方法包括如下步骤:
采集待识别垃圾的实时图片信息;
将实时图片信息输入到模型中,所述模型由多组训练数据训练而成,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息;
从模型中输出实时图片信息符合该种垃圾的图片;
获取符合该种垃圾所在实时图片信息的相对位置;
按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置;
对该种垃圾进行精确分拣。
作为优选方案,所述训练数据均包括第二类训练数据,所述第二类训练数据包括未含有某一种垃圾的图片和用于标识未含有该种垃圾对应图片的标识信息。
作为优选方案,所述采集待识别垃圾的实时图片信息步骤之前需要对待识别的垃圾进行平铺处理。
作为优选方案,所述采集待识别垃圾的实时图片信息中,所述实时图片信息为多采集装置采集的多张不同角度的图片信息。
作为优选方案,所述对该种垃圾进行精确分拣时需要获取模型运算时间以及预设垃圾的运行速度,以确定该种垃圾运动的距离。
本技术方案还提供一种垃圾识别分类的系统,该系统包括传送模块、图片采集模块、数据存储模块、模型算法模块、驱动模块和分拣模块;
其中模型算法模块首先从数据存储模块内获取多组训练数据进行训练,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。
所述传送模块将待识别的垃圾传送至图片采集模块下方;
所述图像采集模块采集待识别垃圾的实时图片信息传送至模型算法模块;
此时所述模型算法模块将根据已经训练好的模型算法进行筛选特定的垃圾,并进行标识;
将标识信息传递至驱动模块,使驱动模块控制分拣模块对该种垃圾进行分拣处理。
作为优选方案,还包括平铺装置,所述平铺模块,设于传送模块上。
作为优选方案,所述图片采集装置为多台。
本技术方案还提供一种终端,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如前述的垃圾识别分类的方法。
本技术方案还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前述的垃圾识别分类的方法。
本发明公开的一种垃圾识别分类的方法的有益效果是:利用训练数据对模型进行识别的训练,使该模型生成一种可以自主识别某种垃圾图片的能力。换句话说,模型将根据训练数据的共性生成对某种垃圾识别的独有标识。再将采集的实时图片信息输入模型中,根据自身的判断准则来判断垃圾的种类。凭借着模型的高效、精准的运算能力,降低人为分拣的误差,同时又可以快速又准确的垃圾分类识别。
附图说明
图1是本发明一种垃圾识别分类的方法的结构示意图。
具体实施方式
下面结合具体实施例和说明书附图对本发明做进一步阐述和说明:
请参考图1,一种垃圾识别分类的方法,本方法主要针对于高危险垃圾的识别分类,例如电池、医用垃圾。该方法包括如下步骤:
步骤S100:采集待识别垃圾的实时图片信息。
具体的,将待识别垃圾放置于传送带上,同时需要对待识别的垃圾进行平铺处理。以便图片的采集工作。当传送带上的垃圾通过高清摄像头时,高清摄像头对传送带上待识别的垃圾进行拍照,并生成实时图片信息。本实施例中的高清摄像头包括至少两组。分别以先后顺序对待识别垃圾进行图片采集工作;同时每组包括多台不同角度的高清摄像头,多台高清摄像头将对同一区域的待识别垃圾进行同时拍摄。因此,生成的实时图片信息将为两组,且每组包含多个角度的待识别图片。两组图像识别是为了均衡数据,避免某一时刻一组数据中出现极端值影响准确性。
实时图片信息将传入新的存储单元进行保存。
步骤S200:将实时图片信息输入到模型中,模型由多组训练数据训练而成,多组训练数据中每一组训练数据均包括第一类训练数据,第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。
具体的,将实时图片信息传入到模型中,本实施例将以一组多个角度的待识别图片进行解释说明。该模型是利用历史正向训练数据对自身进行识别的训练,(正向数据是指含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息,即第一类训练数据)使该自身生成一种可以自主识别某种垃圾图片的能力。换句话说,模型将根据正向训练数据(即实时图片信息)的共性生成对某种垃圾识别的独有标识。
以垃圾电池为例,将大量含有垃圾电池的图片输入到模型中,并对应输入含有垃圾电池的标识。此时,模型将对所有图片进行分析其中的共性,如都存在电极。因此,模型在识别到实时图片信息存在有与电极相似率较高的图片时,则认定为该图片信息中含有垃圾电池。其中,认为输入的信息仅仅是含有垃圾电池的图片,以及对应该图片含有垃圾电池的标识。并没有对垃圾电池含有电极这一特性输入给模型,而该条判定条件属于模型自身根据众多数据中的共性总结而成的。
为了使训练模型更加精准的识别垃圾种类,还将会对正向训练数据进行细化区分,再结合垃圾电池进行说明。
(1)输入模型内的训练数据依旧是含有垃圾电池的图片,但是其对应的标识将会增加更多的内容。如纽扣电池、AA电池等标识。此时,模型将会对应深度总结出对应类型的垃圾电池的共性,最终生成自己的评判条件。如,纽扣电池含有电极、并且为扁平状;AA电池含有电极、并且为圆柱状。
(2)输入模型内的训练数据依旧是含有垃圾电池的图片,但是其对应的标识将会分为:完整的AA垃圾电池或者破损的AA垃圾电池。此时,模型将会对应深度总结出对应类型的垃圾电池的共性,最终生成自己的评判条件。如,完整的AA垃圾电池含有电极,外表面完整并且其长度和直径比为a;破损的AA垃圾电池含有电极,外表面破损并且其长度和直径比为b。
(3)输入模型内的训练数据依旧是含有垃圾电池的图片,但是其对应添加“包装为品牌M”标识。此时,模型将会对应深度总结出对应类型的垃圾电池的共性,最终生成自己的评判条件。如,含有电极,并且包装为品牌M的垃圾为垃圾电池。
本实施例中训练的模型均采用现有的机器学习框架作为基础进行深度训练而成。
步骤S300:从模型中输出实时图片信息符合该种垃圾的图片。
具体的,对应前述的模型将根据自身的评判标准进行图片信息识别。输出含有垃圾电池的图片。
步骤S400:获取符合该种垃圾所在实时图片信息的相对位置。
具体的,本实施例中的相对位置指代该种垃圾所在图片信息上的位置,即当确认图片信息中含有垃圾电池时,将会按照像素进行区域分割,并且对图片信息进行垃圾电池的标识。
步骤S500:按照实时图片信息与实际图片采集区域的比例尺还原出垃圾电池的实际位置。
具体的,本实施例中的实际位置是垃圾电池实际存在于传送带上的位置。按照图片信息中确定的垃圾电池的相对区域扩大到实际大小,即可确定出垃圾电池实际存在的位置。
步骤S600:对该种垃圾进行精确分拣。
具体的,对该种垃圾进行精确分拣时需要获取模型运算时间以及预设垃圾的运行速度,以确定该种垃圾运动的距离,最终保证机械手对垃圾电池进行精确分拣。
上述方法凭借着机器模型的高效、精准的运算能力,可以有效降低人为分拣的误差,同时又可以快速、准确的垃圾分类识别。
较佳的,训练数据均包括第二类训练数据,第二类训练数据包括未含有某一种垃圾的图片和用于标识未含有该种垃圾对应图片的标识信息。此种数据为反向数据。通过正反数据可以使模型快速总结出较为精准的判定条件。
较佳的,本方法中判定概率将会依照该垃圾的危害程度以及模型运行时间进行概率划分,如垃圾电池或者医用垃圾将会降低判定概率(垃圾电池或者医用垃圾相似度为百分之八十即可判定);普通垃圾将会提示识别概率(普通垃圾相似度需要达到百分之九十五以上才可以进行判定)。随着模型运行时间的推移,其对应判定条件的逐步完善,将会逐步对所有概率进行提升。
本方法将以分布式的形式进行执行分布。
本技术方案还提供一种垃圾识别分类的系统,该系统包括平铺装置、传送模块、图片采集模块、数据存储模块、模型算法模块、驱动模块和分拣模块。
其中模型算法模块首先从数据存储模块内获取多组训练数据进行训练,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。
平铺模块设于传送模块上。传送模块将待识别的垃圾传送至图片采集模块下方。
图像采集模块采集待识别垃圾的实时图片信息传送至模型算法模块。本实施例中图片采集装置为多台高清摄像头,包括至少两组,前后设置于传送带的延伸方向上。同时每组包含多台不同角度的高清摄像头。
此时模型算法模块将根据已经训练好的模型算法进行筛选特定的垃圾,并进行标识。
将标识信息传递至驱动模块,使驱动模块控制分拣模块对该种垃圾进行分拣处理。
本实施例还提供一种终端,所述终端包括:
一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如前述的垃圾识别分类的方法。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前述的垃圾识别分类的方法。
本发明提供一种垃圾识别分类的方法,利用训练数据对模型进行识别的训练,使该模型生成一种可以自主识别某种垃圾图片的能力。换句话说,模型将根据训练数据的共性生成对某种垃圾识别的独有标识。再将采集的实时图片信息输入模型中,根据自身的判断准则来判断垃圾的种类。凭借着模型的高效、精准的运算能力,降低人为分拣的误差,同时又可以快速又准确的垃圾分类识别。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种垃圾识别分类的方法,其特征在于,包括如下步骤:
采集待识别垃圾的实时图片信息;
将所述实时图片信息输入到模型中,所述模型由多组训练数据训练而成,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息;
从所述模型中输出实时图片信息符合该种垃圾的图片;
获取符合该种垃圾所在实时图片信息的相对位置;
按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置;
对该种垃圾进行精确分拣。
2.如权利要求1所述的一种垃圾识别分类的方法,其特征在于,所述训练数据均包括第二类训练数据,所述第二类训练数据包括未含有某一种垃圾的图片和用于标识未含有该种垃圾对应图片的标识信息。
3.如权利要求1或2任一项所述的一种垃圾识别分类的方法,其特征在于,所述采集待识别垃圾的实时图片信息步骤之前需要对待识别的垃圾进行平铺处理。
4.如权利要求3所述的一种垃圾识别分类的方法,其特征在于,所述采集待识别垃圾的实时图片信息中,所述实时图片信息为多采集装置采集的多张不同角度的图片信息。
5.如权利要求1或2任一项所述的一种垃圾识别分类的方法,其特征在于,所述对该种垃圾进行精确分拣时需要获取模型运算时间以及预设垃圾的运行速度,以确定该种垃圾运动的距离。
6.一种垃圾识别分类的系统,其特征在于,包括传送模块、图片采集模块、数据存储模块、模型算法模块、驱动模块和分拣模块;
其中模型算法模块首先从数据存储模块内获取多组训练数据进行训练,多组所述训练数据中每一组训练数据均包括第一类训练数据,所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。
所述传送模块将待识别的垃圾传送至图片采集模块下方;
所述图像采集模块采集待识别垃圾的实时图片信息传送至模型算法模块;
此时所述模型算法模块将根据已经训练好的模型算法进行筛选特定的垃圾,并进行标识;
将标识信息传递至驱动模块,使驱动模块控制分拣模块对该种垃圾进行分拣处理。
7.如权利要求6所述的一种垃圾识别分类的系统,其特征在于,还包括平铺装置,所述平铺模块,设于传送模块上。
8.如权利要求6所述的一种垃圾识别分类的系统,其特征在于,所述图片采集装置为多台。
9.一种终端,其特征在于,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的垃圾识别分类的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的垃圾识别分类的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910810539.6A CN110516625A (zh) | 2019-08-29 | 2019-08-29 | 一种垃圾识别分类的方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910810539.6A CN110516625A (zh) | 2019-08-29 | 2019-08-29 | 一种垃圾识别分类的方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110516625A true CN110516625A (zh) | 2019-11-29 |
Family
ID=68629207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910810539.6A Pending CN110516625A (zh) | 2019-08-29 | 2019-08-29 | 一种垃圾识别分类的方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516625A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027639A (zh) * | 2019-12-24 | 2020-04-17 | 北华大学 | 一种基于云的垃圾分拣系统、方法、信息处理终端及存储介质 |
CN111242554A (zh) * | 2020-01-17 | 2020-06-05 | 秒针信息技术有限公司 | 拣货方式类型确定方法和装置 |
CN111532628A (zh) * | 2020-05-20 | 2020-08-14 | 海南来个碗网络科技有限公司 | 基于智能透视分类垃圾桶的垃圾回收实现方法及装置 |
CN112320135A (zh) * | 2020-11-25 | 2021-02-05 | 北京轩昂环保科技股份有限公司 | 一种智能分类垃圾箱 |
CN112765193A (zh) * | 2020-12-28 | 2021-05-07 | 苏州信颐系统集成有限公司 | 一种垃圾分类数据采集设备管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107054936A (zh) * | 2017-03-23 | 2017-08-18 | 广东数相智能科技有限公司 | 一种基于图像识别的垃圾分类提示垃圾桶和系统 |
CN108764154A (zh) * | 2018-05-30 | 2018-11-06 | 重庆邮电大学 | 一种基于多特征机器学习的水面垃圾识别方法 |
CN108994855A (zh) * | 2018-08-15 | 2018-12-14 | 深圳市烽焌信息科技有限公司 | 垃圾定期清理方法及机器人 |
CN109447850A (zh) * | 2018-10-09 | 2019-03-08 | 中建水务环保有限公司 | 建筑垃圾处理方法、系统、控制装置及存储介质 |
WO2019056102A1 (en) * | 2017-09-19 | 2019-03-28 | Intuitive Robotics, Inc. | SYSTEMS AND METHODS FOR DETECTION AND RECOGNITION OF WASTE ARTICLES |
CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
CN110116415A (zh) * | 2019-06-12 | 2019-08-13 | 中北大学 | 一种基于深度学习的瓶罐类垃圾识别分类机器人 |
-
2019
- 2019-08-29 CN CN201910810539.6A patent/CN110516625A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107054936A (zh) * | 2017-03-23 | 2017-08-18 | 广东数相智能科技有限公司 | 一种基于图像识别的垃圾分类提示垃圾桶和系统 |
WO2019056102A1 (en) * | 2017-09-19 | 2019-03-28 | Intuitive Robotics, Inc. | SYSTEMS AND METHODS FOR DETECTION AND RECOGNITION OF WASTE ARTICLES |
CN108764154A (zh) * | 2018-05-30 | 2018-11-06 | 重庆邮电大学 | 一种基于多特征机器学习的水面垃圾识别方法 |
CN108994855A (zh) * | 2018-08-15 | 2018-12-14 | 深圳市烽焌信息科技有限公司 | 垃圾定期清理方法及机器人 |
CN109447850A (zh) * | 2018-10-09 | 2019-03-08 | 中建水务环保有限公司 | 建筑垃圾处理方法、系统、控制装置及存储介质 |
CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
CN110116415A (zh) * | 2019-06-12 | 2019-08-13 | 中北大学 | 一种基于深度学习的瓶罐类垃圾识别分类机器人 |
Non-Patent Citations (1)
Title |
---|
周滢慜: "基于机器视觉的生活垃圾智能分拣系统的设计与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027639A (zh) * | 2019-12-24 | 2020-04-17 | 北华大学 | 一种基于云的垃圾分拣系统、方法、信息处理终端及存储介质 |
CN111242554A (zh) * | 2020-01-17 | 2020-06-05 | 秒针信息技术有限公司 | 拣货方式类型确定方法和装置 |
CN111242554B (zh) * | 2020-01-17 | 2023-10-17 | 秒针信息技术有限公司 | 拣货方式类型确定方法和装置 |
CN111532628A (zh) * | 2020-05-20 | 2020-08-14 | 海南来个碗网络科技有限公司 | 基于智能透视分类垃圾桶的垃圾回收实现方法及装置 |
CN112320135A (zh) * | 2020-11-25 | 2021-02-05 | 北京轩昂环保科技股份有限公司 | 一种智能分类垃圾箱 |
CN112320135B (zh) * | 2020-11-25 | 2021-11-19 | 轩昂环保科技股份有限公司 | 一种智能分类垃圾箱 |
CN112765193A (zh) * | 2020-12-28 | 2021-05-07 | 苏州信颐系统集成有限公司 | 一种垃圾分类数据采集设备管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516625A (zh) | 一种垃圾识别分类的方法、系统、终端及存储介质 | |
Li et al. | Automatic detection and classification system of domestic waste via multimodel cascaded convolutional neural network | |
CN108971190B (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
CN111178197B (zh) | 基于Mask R-CNN和Soft-NMS融合的群养粘连猪实例分割方法 | |
CN111974704A (zh) | 基于计算机视觉的垃圾分类检测系统及方法 | |
CN109948506A (zh) | 一种基于深度学习的多角度垃圾分类云平台 | |
Gyawali et al. | Comparative analysis of multiple deep CNN models for waste classification | |
CN111611970B (zh) | 一种基于城管监控视频的乱扔垃圾行为检测方法 | |
CN113052005B (zh) | 一种用于家居服务的垃圾分拣方法和垃圾分拣装置 | |
CN111186656A (zh) | 一种目标垃圾分类方法及智能垃圾桶 | |
KR102324684B1 (ko) | 무인관측 기반 해양쓰레기 모니터링 시스템 및 이를 이용한 해양쓰레기 모니터링 방법 | |
CN112916416A (zh) | 一种建筑垃圾分拣系统 | |
CN112560576B (zh) | 一种ai识图的垃圾分类与智能回收方法 | |
CN113469264A (zh) | 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统 | |
CN110738131A (zh) | 基于深度学习神经网络的垃圾分类管理方法及装置 | |
Feng et al. | Garbage disposal of complex background based on deep learning with limited hardware resources | |
Mitra | Detection of waste materials using deep learning and image processing | |
Gill et al. | Garbage Classification Utilizing Effective Convolutional Neural Network | |
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 | |
KR102321130B1 (ko) | 이미지 분석 기반 해양쓰레기 모니터링 시스템 및 이를 이용한 해양쓰레기 모니터링 방법 | |
CN115565137A (zh) | 一种基于改进YOLOv5的不安全行为检测与报警方法 | |
CN112620165B (zh) | 垃圾分类方法 | |
Mehedi et al. | A Transfer Learning Approach For Efficient Classification of Waste Materials | |
CN112199572B (zh) | 一种京族图案收集整理系统 | |
Singh et al. | Advanced warning mechanism to reduce man animal conflict on roads using renewable energy |
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: 20191129 |