CN110633771A - 垃圾分类处理方法及装置 - Google Patents

垃圾分类处理方法及装置 Download PDF

Info

Publication number
CN110633771A
CN110633771A CN201910897549.8A CN201910897549A CN110633771A CN 110633771 A CN110633771 A CN 110633771A CN 201910897549 A CN201910897549 A CN 201910897549A CN 110633771 A CN110633771 A CN 110633771A
Authority
CN
China
Prior art keywords
garbage
user
user account
category
integral value
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
CN201910897549.8A
Other languages
English (en)
Inventor
梁涛
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.)
Guangzhou tengyunjia Trade Co.,Ltd.
Original Assignee
Guangzhou Recreation Cloud Internet Of Things 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 Guangzhou Recreation Cloud Internet Of Things Technology Co Ltd filed Critical Guangzhou Recreation Cloud Internet Of Things Technology Co Ltd
Priority to CN201910897549.8A priority Critical patent/CN110633771A/zh
Publication of CN110633771A publication Critical patent/CN110633771A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F7/00—Mechanisms actuated by objects other than coins to free or to actuate vending, hiring, coin or paper currency dispensing or refunding apparatus

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种垃圾分类处理方法及装置，所述方法包括：对用户投递的垃圾进行图像处理，确定垃圾所属的垃圾类别；将垃圾类别与户选择的投递垃圾的回收区进行匹配；在垃圾类别回收区相匹配时，向与用户相关联的用户终端发送提示信息，并为与用户相关联的用户账号添加积分值；根据用户账号当前所累加的积分值，赋予用户账号对应的环保征信等级。与现有技术相比，本申请通过图像识别来判断用户是否根据垃圾类别进行正确的垃圾投递，并在用户进行正确投递时给予正面反馈，从而实现对垃圾处理的普遍便捷地监管的同时，提高用户对于垃圾分类的积极性，有效督促用户进行正确的垃圾处理。

Description

垃圾分类处理方法及装置
技术领域
本申请涉及数据处理技术领域，尤其涉及一种垃圾分类处理方法及装置。
背景技术
近年来，随着人们可消费的物品种类越来越多，所产生的垃圾种类也越来越多，导致传统的填埋或焚烧等垃圾处理方式已无法高效地对这些垃圾进行处理，且传统的垃圾处理方式亦会浪费很多可回收利用的资源。
为有效解决上述问题，现有技术中，采用垃圾分类的方式对垃圾进行处理，从而在有效提高垃圾处理效率的同时，减缓资源消耗。现有的垃圾分类方式通常采用人工分类的方式，即用户自行判断其所要投递的垃圾属于哪种分类并投放到相应的垃圾柜内。但这种方式完全依赖于用户的自觉性，无法对垃圾分类进行有效的监管，且随着社会的发展，需要分类的垃圾种类越来越多，导致用户的工作量也变大，进而影响了用户进行垃圾分类的积极性。
发明内容
本申请实施例所要解决的技术问题在于，提供一种垃圾分类处理方法及装置，实现对垃圾处理的普遍便捷地监管，提高用户进行正确的垃圾处理的积极性。
为解决上述问题，本申请实施例提供一种垃圾分类处理方法，适于在计算设备中执行，至少包括如下步骤：
对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别；
将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配；
在所述垃圾类别所述回收区相匹配时，向与所述用户相关联的用户终端发送第一提示信息，并为与所述用户相关联的用户账号添加预设的第一积分值；
根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级。
进一步的，所述对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别，包括：
获取所述垃圾的多个检测图像，通过深度学习神经网络对多个所述检测图像进行处理，确定所述垃圾所属的垃圾类别；其中，各所述检测图像的拍摄角度互不相同。
进一步的，还包括：
在所述垃圾类别与所述回收区不匹配时，向与所述用户相关联的用户终端发送第二提示信息，并为与所述用户相关联的用户账号减去所述第一积分值。
进一步的，将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配，包括：
将所述垃圾类别与所述用户选择的投递所述垃圾的回收区进行匹配，判断所述垃圾类别与所述回收区对应的垃圾类别的当前匹配率是否大于预设的第一匹配率；若是，则判断所述垃圾类别与所述回收区相匹配；
否则，判断所述垃圾类别与所述回收区不匹配。
进一步的，还包括：
在判断所述垃圾类别与所述回收区不匹配后，判断所述当前匹配率是否大于预设的第二匹配率，并在所述匹配率大于所述第二匹配率时，为与所述用户相关联的用户账号添加预设的第二积分值；其中，所述第二匹配率小于所述第一匹配率。
进一步的，所述根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级，包括：
在所述用户账号当前所累加的积分值处于第一积分区间时，赋予所述用户账号的环保征信等级为一级；
在所述用户账号当前所累加的积分值处于第二积分区间时，赋予所述用户账号的环保征信等级为二级；
在所述用户账号当前所累加的积分值处于第三积分区间时，赋予所述用户账号的环保征信等级为三级；其中，所述第一积分区间小于所述第二积分区间，所述第二积分区间小于所述第三积分区间。
进一步的，还包括：在所述用户账号当前所累加的积分值小于预设分值时，向所述用户终端推送用于指导垃圾分类的学习信息。
进一步的，还包括：
在所述环保征信等级达到指定等级时，向所述用户终端推送优惠信息。
进一步的，还提供一种垃圾分类处理装置，包括：
分类确定模块，用于对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别；
类别匹配模块，用于将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配；
积分修改模块，用于在所述垃圾类别所述回收区相匹配时，向与所述用户相关联的用户终端发送第一提示信息，并为与所述用户相关联的用户账号添加预设的第一积分值；
等级赋予模块，用于根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级。
进一步的，还包括：
优惠推送模块，用于在所述环保征信等级达到指定等级时，向所述用户终端推送优惠信息。
实施本申请实施例，具有如下有益效果：
与现有技术相比，本申请通过图像识别来判断用户是否根据垃圾类别进行正确的垃圾投递，并在用户进行正确投递时给予正面反馈，从而实现对垃圾处理的普遍便捷地监管的同时，提高用户对于垃圾分类的积极性，有效督促用户进行正确的垃圾处理。
附图说明
图1是本申请的实施例一提供的垃圾分类处理方法的流程示意图；
图2是本申请的实施例二提供的垃圾分类处理方法的流程示意图；
图3是本申请的实施例三提供的垃圾分类处理方法的流程示意图；
图4是本申请的实施例四提供的垃圾分类处理方法的流程示意图；
图5是本申请的实施例五提供的垃圾分类处理装置的结构示意图；
图6是本申请的实施例六提供的垃圾分类处理装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，是本申请的实施例一提供的垃圾分类处理方法的流程示意图，如图1所示，包括：
步骤S11，对用户投递的垃圾进行图像处理，确定垃圾所属的垃圾类别。
具体的，获取垃圾的多个检测图像，通过深度学习神经网络对多个检测图像进行处理，确定垃圾所属的垃圾类别。其中，各检测图像的拍摄角度互不相同。
在本实施例中，用户在投递垃圾之前，需先登录与其对应的用户账号，再通过扫描位于回收区上方的二维码后才可进行投递，从而使后续所产生的信息可关联到用户的用户账号和对应的用户终端。
在本实施例中，深度学习神经网络可以包括卷积神经网络(CNN)、栈式自编码网络、稀疏编码网络、循环神经网络、深度信念网络等神经网络。深度学习神经网络可以采用上述神经网络中的一种或几种的组合对垃圾分类的训练图像进行训练。
在本实施例中，为确保图像识别的准确度，在网络训练阶段，采用从多个角度拍摄的图像对深度学习神经网络进行训练。同样的，采用从多个角度获取到的垃圾图像通过训练好的深度学习神经网络进行分类，从而确保在实际运用阶段能够准确确认垃圾的类别。
步骤S12，将垃圾类别与户选择的投递垃圾的回收区进行匹配。
在本实施例中，将垃圾类别与户选择的投递垃圾的回收区进行匹配，包括：将垃圾类别与用户选择的投递垃圾的回收区进行匹配，判断垃圾类别与回收区对应的垃圾类别的当前匹配率是否大于预设的第一匹配率。若是，则判断垃圾类别与回收区相匹配；否则，判断垃圾类别与回收区不匹配。
步骤S13，在垃圾类别回收区相匹配时，向与用户相关联的用户终端发送第一提示信息，并为与用户相关联的用户账号添加预设的第一积分值。
在本实施例中，第一提示信息包括对用户投递正确的提示以及用户当前总共投递正确的次数。
在本实施例中，还包括，在判断垃圾类别与回收区不匹配后，判断当前匹配率是否大于预设的第二匹配率，并在匹配率大于第二匹配率时，为与用户相关联的用户账号添加预设的第二积分值。其中，第二匹配率小于第一匹配率。
由于存在有些垃圾的类别较为相似导致分类较为困难的问题，因此为避免打击进行垃圾分类的积极性，通过在匹配率大于第二匹配率时为用户增加一定积分值的方法，来鼓励用户进行垃圾分类。
步骤S14，根据用户账号当前所累加的积分值，赋予用户账号对应的环保征信等级。
具体的，在用户账号当前所累加的积分值处于第一积分区间时，赋予用户账号的环保征信等级为一级；在用户账号当前所累加的积分值处于第二积分区间时，赋予用户账号的环保征信等级为二级；在用户账号当前所累加的积分值处于第三积分区间时，赋予用户账号的环保征信等级为三级。其中，第一积分区间小于第二积分区间，第二积分区间小于第三积分区间。
通过赋予用户相应的征信等级，从而督促用户进行正确垃圾分类。
通过图像识别来判断用户是否根据垃圾类别进行正确的垃圾投递，并在用户进行正确投递时给予正面反馈，从而实现对垃圾处理的普遍便捷地监管的同时，提高用户对于垃圾分类的积极性，有效督促用户进行正确的垃圾处理。
进一步的，参见图2，是本申请的实施例二提供的垃圾分类处理方法的流程示意图。包括：
步骤S21，对用户投递的垃圾进行图像处理，确定垃圾所属的垃圾类别。
在本实施例中，步骤S21与实施例一中步骤S11的实施过程相似，在此不多赘述。
步骤S22，将垃圾类别与户选择的投递垃圾的回收区进行匹配。
在本实施例中，步骤S22与实施例一中步骤S12的实施过程相似，在此不多赘述。
步骤S23，在垃圾类别回收区相匹配时，向与用户相关联的用户终端发送第一提示信息，并为与用户相关联的用户账号添加预设的第一积分值。
在本实施例中，步骤S23与实施例一中步骤S13的实施过程相似，在此不多赘述。
步骤S24，在垃圾类别与回收区不匹配时，向与用户相关联的用户终端发送第二提示信息，并为与用户相关联的用户账号减去第一积分值。
在本实施例中，第二提示信息包括对用户投递错误的提示、对该垃圾所属的正确类别的提示以及用户当前总共投递错误的次数。
步骤S25，根据用户账号当前所累加的积分值，赋予用户账号对应的环保征信等级。
在本实施例中，步骤S25与实施例一中步骤S14的实施过程相似，在此不多赘述。
除给予正面反馈外，本实施例还通过在用户进行错误投递是给予负面反馈，从而确保加强对用户的督促效果。
进一步的，参见图3，是本申请的实施例三提供的垃圾分类处理方法的流程示意图。除图2所示流程外，还包括：
步骤S26，在用户账号当前所累加的积分值小于预设分值时，向用户终端推送用于指导垃圾分类的学习信息。
在本实施例中，学习信息可以但不限于为垃圾分类的学习视频，使得用户能够根据推送的学习视频来学习垃圾分类的相关知识、进行垃圾分类的好处以及不进行垃圾分类所造成的后果，从而提高用户进行垃圾分类的意识。
进一步的，参见图4，是本申请的实施例四提供的垃圾分类处理方法的流程示意图。除图1所示步骤外，还包括：
步骤S15，在环保征信等级达到指定等级时，向用户终端推送优惠信息。
在本实施例中，指定等级可以为二级和三级，优惠信息可以是购物券、现金红包等。不同征信等级获得的优惠信息不同。具体的，用户的征信等级越高，其获得的优惠信息很好。如：若征信等级为二级时，推送的优惠信息为5元购物券或其他相似优惠信息等；若征信等级为三级时，推送的优惠信息为10元购物券或其他相似优惠信息等。通过给予适当的优惠反馈，从而进一步的提高用户进行正确的垃圾分类的积极性。
进一步的，参见图5，是本申请的实施例五提供的垃圾分类处理装置的结构示意图。包括：
分类确定模块101，用于对用户投递的垃圾进行图像处理，确定垃圾所属的垃圾类别。
在本实施例中，分类确定模块101具体用于，获取垃圾的多个检测图像，通过深度学习神经网络对多个检测图像进行处理，确定垃圾所属的垃圾类别；其中，各检测图像的拍摄角度互不相同。
类别匹配模块102，用于将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配。
在本实施例中，类别匹配模块102具体用于，将垃圾类别与用户选择的投递垃圾的回收区进行匹配，判断垃圾类别与回收区对应的垃圾类别的当前匹配率是否大于预设的第一匹配率。若是，则判断垃圾类别与回收区相匹配；否则，判断垃圾类别与回收区不匹配。
积分修改模块103，用于在垃圾类别回收区相匹配时，向与用户相关联的用户终端发送第一提示信息，并为与用户相关联的用户账号添加预设的第一积分值。
在本实施例中，积分修改模块103还用于，在判断垃圾类别与回收区不匹配后，判断当前匹配率是否大于预设的第二匹配率，并在匹配率大于第二匹配率时，为与用户相关联的用户账号添加预设的第二积分值。其中，第二匹配率小于第一匹配率。以及，在垃圾类别与回收区不匹配时，向与用户相关联的用户终端发送第二提示信息，并为与用户相关联的用户账号减去第一积分值。
等级赋予模块104，用于根据用户账号当前所累加的积分值，赋予用户账号对应的环保征信等级。
实施例通过图像识别来判断用户是否根据垃圾类别进行正确的垃圾投递，并在用户进行正确投递时给予正面反馈，进行错误投递时给予负面反馈，从而实现对垃圾处理的普遍便捷地监管的同时，提高用户对于垃圾分类的积极性，以及督促用户进行正确的垃圾处理。
除此之外，还通过向错误投递过多的用户推送学习视频的方式，提高用户进行垃圾分类的意识，进一步督促用户进行正确的垃圾处理。
进一步的，参见图6，是本申请的实施例五提供的垃圾分类处理装置的结构示意图。除图5所示结构外，还包括：
优惠推送模块105，用于在环保征信等级达到指定等级时，向用户终端推送优惠信息。
本申请的又一实施例还提供了一种垃圾分类处理终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例所述的垃圾分类处理方法。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本申请的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

Claims (10)

1.一种垃圾分类处理方法，其特征在于，至少包括如下步骤：
对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别；
将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配；
在所述垃圾类别所述回收区相匹配时，向与所述用户相关联的用户终端发送第一提示信息，并为与所述用户相关联的用户账号添加预设的第一积分值；
根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级。
2.根据权利要求1所述的垃圾分类处理方法，其特征在于，所述对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别，包括：
获取所述垃圾的多个检测图像，通过深度学习神经网络对多个所述检测图像进行处理，确定所述垃圾所属的垃圾类别；其中，各所述检测图像的拍摄角度互不相同。
3.根据权利要求1所述的垃圾分类处理方法，其特征在于，还包括：
在所述垃圾类别与所述回收区不匹配时，向与所述用户相关联的用户终端发送第二提示信息，并为与所述用户相关联的用户账号减去所述第一积分值。
4.根据权利要求1所述的垃圾分类处理方法，其特征在于，将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配，包括：
将所述垃圾类别与所述用户选择的投递所述垃圾的回收区进行匹配，判断所述垃圾类别与所述回收区对应的垃圾类别的当前匹配率是否大于预设的第一匹配率；若是，则判断所述垃圾类别与所述回收区相匹配；
否则，判断所述垃圾类别与所述回收区不匹配。
5.根据权利要求4所述的垃圾分类处理方法，其特征在于，还包括：
在判断所述垃圾类别与所述回收区不匹配后，判断所述当前匹配率是否大于预设的第二匹配率，并在所述匹配率大于所述第二匹配率时，为与所述用户相关联的用户账号添加预设的第二积分值；其中，所述第二匹配率小于所述第一匹配率。
6.根据权利要求1所述的垃圾分类处理方法，其特征在于，所述根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级，包括：
在所述用户账号当前所累加的积分值处于第一积分区间时，赋予所述用户账号的环保征信等级为一级；
在所述用户账号当前所累加的积分值处于第二积分区间时，赋予所述用户账号的环保征信等级为二级；
在所述用户账号当前所累加的积分值处于第三积分区间时，赋予所述用户账号的环保征信等级为三级；其中，所述第一积分区间小于所述第二积分区间，所述第二积分区间小于所述第三积分区间。
7.根据权利要求1所述的垃圾分类处理方法，其特征在于，还包括：在所述用户账号当前所累加的积分值小于预设分值时，向所述用户终端推送用于指导垃圾分类的学习信息。
8.根据权利要求1所述的垃圾分类处理方法，其特征在于，还包括：
在所述环保征信等级达到指定等级时，向所述用户终端推送优惠信息。
9.一种垃圾分类处理装置，其特征在于，包括：
分类确定模块，用于对用户投递的垃圾进行图像处理，确定所述垃圾所属的垃圾类别；
类别匹配模块，用于将所述垃圾类别与所述户选择的投递所述垃圾的回收区进行匹配；
积分修改模块，用于在所述垃圾类别所述回收区相匹配时，向与所述用户相关联的用户终端发送第一提示信息，并为与所述用户相关联的用户账号添加预设的第一积分值；
等级赋予模块，用于根据所述用户账号当前所累加的积分值，赋予所述用户账号对应的环保征信等级。
10.根据权利要求9所述的垃圾分类处理装置，其特征在于，还包括：
优惠推送模块，用于在所述环保征信等级达到指定等级时，向所述用户终端推送优惠信息。
CN201910897549.8A 2019-09-20 2019-09-20 垃圾分类处理方法及装置 Pending CN110633771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910897549.8A CN110633771A (zh) 2019-09-20 2019-09-20 垃圾分类处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910897549.8A CN110633771A (zh) 2019-09-20 2019-09-20 垃圾分类处理方法及装置

Publications (1)

Publication Number Publication Date
CN110633771A true CN110633771A (zh) 2019-12-31

Family

ID=68972705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910897549.8A Pending CN110633771A (zh) 2019-09-20 2019-09-20 垃圾分类处理方法及装置

Country Status (1)

Country Link
CN (1) CN110633771A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111517035A (zh) * 2020-05-16 2020-08-11 辽宁佳创环保设备有限公司 一种基于物联网的城市生活垃圾分类回收方法
CN111731702A (zh) * 2020-06-30 2020-10-02 滨南城市环境服务集团有限公司 城市垃圾分类处理监管系统
CN112183385A (zh) * 2020-09-29 2021-01-05 支付宝(杭州)信息技术有限公司 目标对象处理方法以及装置
CN112407653A (zh) * 2020-11-16 2021-02-26 深圳市盛邦通信有限公司 一种基于物联网的垃圾分类系统
CN113111769A (zh) * 2021-04-09 2021-07-13 平安国际智慧城市科技股份有限公司 垃圾违规投放行为监控方法、装置和计算机设备
CN113486824A (zh) * 2021-07-12 2021-10-08 常州中科绿塑环保科技有限公司 一种垃圾处理方法及垃圾处理系统
CN113619950A (zh) * 2021-06-21 2021-11-09 长安大学 基于深度学习的垃圾分类投放智能监管系统及方法
CN114529021A (zh) * 2022-02-16 2022-05-24 浙江联运知慧科技有限公司 可溯源的垃圾投递方法
CN117292207A (zh) * 2023-11-24 2023-12-26 杭州臻善信息技术有限公司 一种基于大数据图像处理的垃圾识别方法及系统
CN117315412A (zh) * 2023-10-21 2023-12-29 广州一千河科技有限公司 基于深度学习的垃圾分类投放智能监管方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295965A (zh) * 2016-07-29 2017-01-04 暨南大学 基于互联网的垃圾分类回收方法、系统及垃圾分类终端机
CN108163416A (zh) * 2017-12-26 2018-06-15 武汉理工大学 一种可自动识别未知垃圾种类的智能垃圾箱及垃圾分类方法
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
CN110021109A (zh) * 2019-02-12 2019-07-16 广东沫益清环保科技有限公司 一种智能垃圾分类回收模式
CN110155572A (zh) * 2019-06-25 2019-08-23 杭州电子科技大学 一种智慧社区垃圾分类系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295965A (zh) * 2016-07-29 2017-01-04 暨南大学 基于互联网的垃圾分类回收方法、系统及垃圾分类终端机
CN108163416A (zh) * 2017-12-26 2018-06-15 武汉理工大学 一种可自动识别未知垃圾种类的智能垃圾箱及垃圾分类方法
CN110021109A (zh) * 2019-02-12 2019-07-16 广东沫益清环保科技有限公司 一种智能垃圾分类回收模式
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
CN110155572A (zh) * 2019-06-25 2019-08-23 杭州电子科技大学 一种智慧社区垃圾分类系统及方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111517035A (zh) * 2020-05-16 2020-08-11 辽宁佳创环保设备有限公司 一种基于物联网的城市生活垃圾分类回收方法
CN111731702A (zh) * 2020-06-30 2020-10-02 滨南城市环境服务集团有限公司 城市垃圾分类处理监管系统
CN112183385A (zh) * 2020-09-29 2021-01-05 支付宝(杭州)信息技术有限公司 目标对象处理方法以及装置
CN112407653A (zh) * 2020-11-16 2021-02-26 深圳市盛邦通信有限公司 一种基于物联网的垃圾分类系统
CN112407653B (zh) * 2020-11-16 2021-06-01 深圳市盛邦通信有限公司 一种基于物联网的垃圾分类系统
CN113111769A (zh) * 2021-04-09 2021-07-13 平安国际智慧城市科技股份有限公司 垃圾违规投放行为监控方法、装置和计算机设备
CN113619950A (zh) * 2021-06-21 2021-11-09 长安大学 基于深度学习的垃圾分类投放智能监管系统及方法
CN113486824A (zh) * 2021-07-12 2021-10-08 常州中科绿塑环保科技有限公司 一种垃圾处理方法及垃圾处理系统
CN114529021A (zh) * 2022-02-16 2022-05-24 浙江联运知慧科技有限公司 可溯源的垃圾投递方法
CN114529021B (zh) * 2022-02-16 2022-09-23 浙江联运环境工程股份有限公司 可溯源的垃圾投递方法
CN117315412A (zh) * 2023-10-21 2023-12-29 广州一千河科技有限公司 基于深度学习的垃圾分类投放智能监管方法和系统
CN117292207A (zh) * 2023-11-24 2023-12-26 杭州臻善信息技术有限公司 一种基于大数据图像处理的垃圾识别方法及系统
CN117292207B (zh) * 2023-11-24 2024-03-15 杭州臻善信息技术有限公司 一种基于大数据图像处理的垃圾识别方法及系统

Similar Documents

Publication Publication Date Title
CN110633771A (zh) 垃圾分类处理方法及装置
CN103336766B (zh) 短文本垃圾识别以及建模方法和装置
CN103324745B (zh) 基于贝叶斯模型的文本垃圾识别方法和系统
CN106855873B (zh) 网络问答系统、方法与计算机可读取记录媒体
CN112818257B (zh) 基于图神经网络的账户检测方法、装置和设备
CN103514174B (zh) 一种文本分类方法和装置
CN109831460B (zh) 一种基于协同训练的Web攻击检测方法
CN110738131A (zh) 基于深度学习神经网络的垃圾分类管理方法及装置
CN110516697B (zh) 基于证据图聚合与推理的声明验证方法及系统
CN107609389B (zh) 一种基于图像内容相关性的验证方法及系统
CN103257957A (zh) 一种基于中文分词的文本相似性识别方法及装置
CN101055621A (zh) 基于内容的敏感网页识别方法
CN110956037B (zh) 多媒体内容重复判断方法及装置
CN113515634A (zh) 基于分层异质图神经网络的社交媒体谣言检测方法及系统
CN112492606B (zh) 垃圾短信的分类识别方法、装置、计算机设备及存储介质
CN109784368A (zh) 一种应用程序分类的确定方法和装置
CN111079184A (zh) 防护数据泄漏的方法、系统、设备以及存储介质
CN115329310A (zh) 一种基于语义规则的图片验证方法及系统
US8825570B2 (en) Active learning with per-case symmetrical importance scores
CN101329668A (zh) 一种信息规则生成方法及装置、信息类型判断方法及系统
CN106557983B (zh) 一种基于模糊多类svm的微博垃圾用户检测方法
CN111027557B (zh) 一种基于题目图像的科目识别方法及电子设备
CN117278512A (zh) 即时通信数据处理方法及装置、存储介质、终端设备
CN115391674B (zh) 网络社区虚假信息高效抑制方法及装置、设备、存储介质
CN110516066B (zh) 一种文本内容安全防护方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210204

Address after: 511400 No.91, Jinyu middle street, Dalong street, Panyu District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou tengyunjia Trade Co.,Ltd.

Address before: 5 / F 8, No. 26, Asian Games Avenue, Dalong street, Panyu District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Recreation Cloud Internet of Things Technology Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20191231

RJ01 Rejection of invention patent application after publication