CN110694934A - 智能干垃圾分类云端系统及其工作方法 - Google Patents

智能干垃圾分类云端系统及其工作方法 Download PDF

Info

Publication number
CN110694934A
CN110694934A CN201910820984.0A CN201910820984A CN110694934A CN 110694934 A CN110694934 A CN 110694934A CN 201910820984 A CN201910820984 A CN 201910820984A CN 110694934 A CN110694934 A CN 110694934A
Authority
CN
China
Prior art keywords
garbage
model
picture
cloud system
classification
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
CN201910820984.0A
Other languages
English (en)
Inventor
秦迎梅
曹子龙
陈思豪
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.)
Alphonse Kunshan Intelligent Iot Technology Co Ltd
Original Assignee
Alphonse Kunshan Intelligent Iot 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 Alphonse Kunshan Intelligent Iot Technology Co Ltd filed Critical Alphonse Kunshan Intelligent Iot Technology Co Ltd
Priority to CN201910820984.0A priority Critical patent/CN110694934A/zh
Publication of CN110694934A publication Critical patent/CN110694934A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054—Sorting of waste or refuse

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种智能干垃圾分类云端系统及其工作方法，云端系统包括图像接收与处理模块、深度学习模型、模型结果处理与返回模块，所述图像接收与处理模块用于接收网络传输的图片信息并对图片进行预处理，所述深度学习模型连接图像接收与处理模块，该深度学习模型用于识别垃圾图片信息，模型结果处理与返回模块连接深度学习模型，用于将将映射垃圾类别并传输返回。本发明通过前端拍照设备传输的垃圾图片可以预测出该垃圾属于可回收垃圾还是其他垃圾，准确度超过95％，提高了分类精度；该云端系统无需在每一台前端智能垃圾分类装置上部署，通过远程图片传输实现分类，降低了开发成本和系统成本。

Description

智能干垃圾分类云端系统及其工作方法
技术领域
本发明涉及垃圾分类计数领域，具体涉及一种智能干垃圾分类云端系统及其工作方法。
背景技术
中国大陆目前90％以上可以利用的废弃物被填埋或焚烧掉。比如每年15亿多吨建筑垃圾，再生利用的仅有几千吨，而实现最大利用的前提便是垃圾分类。在北京、杭州等城市，垃圾分类试点已经推行了14年，却未见明显实效，尽管小区门口放了不同颜色的垃圾桶，但仍然各种垃圾混杂、免费发放的可降解垃圾袋也被用来装其他垃圾。
没有解决精确的分类正确率问题，前端二次混合、转运二次混合使得后端设备处理能力无法满足处理要求。对于居民、清运者的奖励刺激较小，无法促动年青一代主动分类，公共场合的垃圾分类无法实行有效的奖励刺激。
如果前端不分类，或者在转运过程中混合，后端的处理效率和污染水平指数级上升，生活垃圾在后端分类，转运成本极大，前端分类可以把需转运的生活垃圾减量30-50％。因此，智能的垃圾分类的研发具有重要意义。
发明内容
本发明的目的在于提供一种智能干垃圾分类云端系统及其工作方法，用以解决现有技术中的前端垃圾分类难的问题。
本发明一方面提供了一种智能干垃圾分类云端系统，包括图像接收与处理模块、深度学习模型、模型结果处理与返回模块，所述图像接收与处理模块用于接收网络传输的图片信息并对图片进行预处理，所述深度学习模型连接图像接收与处理模块，该深度学习模型用于识别垃圾图片信息，模型结果处理与返回模块连接深度学习模型，用于将将映射垃圾类别并传输返回。
进一步的，所述深度学习模型为DenseNet压缩深度模型。
本发明另一方面提供一种智能干垃圾分类云端系统的工作方法，包括如下步骤：
(1)图像接收和处理模块通过http服务接收网络传输过来的图片信息并对图片进行预处理；
(2)图像接收和处理模块将预处理过的图片信息输送至DenseNet压缩深度模型，DenseNet压缩深度模型通过图像特征在channel上的连接来实现特征重用，并将结果输出至模型结果处理与返回模块；
(3)模型结果处理与返回模块把DenseNet压缩深度模型输出的结果映射到可回收垃圾或其他垃圾类别，并将结果通过http服务的post方式返回分类结果。
进一步的，所述步骤(1)中对图片进行预处理具体为：基于opencv框架对网络传输过来的图片进行预处理，处理成299*299像素大小的图片，然后进行归一化操作，对应图片的每个像素上减去RGB的均值。
进一步的，在所述步骤(1)之前，还包括深度学习模型载入用户级自定义词典，自定义可回收类别的垃圾模型和其他类别的垃圾模型，其中自定义的垃圾模型的样本数大于50W。
采用上述本发明技术方案的有益效果是：
本发明通过前端拍照设备传输的垃圾图片可以预测出该垃圾属于可回收垃圾还是其他垃圾，准确度超过95％，提高了分类精度；该云端系统无需在每一台前端智能垃圾分类装置上部署，通过远程图片传输实现分类，降低了开发成本和系统成本。
附图说明
图1为本发明智能干垃圾分类云端系统结构示意图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本发明智能干垃圾分类云端系统，包括图像接收与处理模块、深度学习模型、模型结果处理与返回模块，所述图像接收与处理模块用于接收网络传输的图片信息并对图片进行预处理，所述深度学习模型连接图像接收与处理模块，该深度学习模型用于识别垃圾图片信息，模型结果处理与返回模块连接深度学习模型，用于将将映射垃圾类别并传输返回。
具体的，所述深度学习模型为DenseNet压缩深度模型，DenseNet是一种具有密集连接的卷积神经网络，在该网络中，任何两层之间都有直接的连接，DenseNet通过图像特征在channel上的连接来实现特征重用，让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能。
该智能干垃圾分类云端系统的工作方法，包括如下步骤：
首先，深度学习模型载入用户级自定义词典，自定义可回收类别的垃圾模型和其他类别的垃圾模型，其中自定义的垃圾模型的样本数大于50W；
图像接收和处理模块通过http服务接收前端拍照设备网络传输过来的垃圾的图片信息并基于opencv框架对网络传输过来的图片进行预处理，处理成299*299像素大小的图片，然后进行归一化操作，对应图片的每个像素上减去RGB的均值，通过网络传输图片，避免在每台垃圾分类设备上安装此云端系统，节约成本；
图像接收和处理模块将预处理过的图片信息输送至DenseNet压缩深度模型，DenseNet压缩深度模型通过图像特征在channel上的连接来实现特征重用，并将结果输出至模型结果处理与返回模块，应用图片缓存技术，可以让深度学习模型同时识别多个图片，提升效率；
模型结果处理与返回模块把DenseNet压缩深度模型输出的结果映射到可回收垃圾或其他垃圾类别，并将结果通过http服务的post方式返回分类结果。
综上，本发明通过前端拍照设备传输的垃圾图片可以预测出该垃圾属于可回收垃圾还是其他垃圾，准确度超过95％，提高了分类精度；该云端系统无需在每一台前端智能垃圾分类装置上部署，通过远程图片传输实现分类，降低了开发成本和系统成本。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种智能干垃圾分类云端系统，其特征在于，包括图像接收与处理模块、深度学习模型、模型结果处理与返回模块，所述图像接收与处理模块用于接收网络传输的图片信息并对图片进行预处理，所述深度学习模型连接图像接收与处理模块，该深度学习模型用于识别垃圾图片信息，模型结果处理与返回模块连接深度学习模型，用于将将映射垃圾类别并传输返回。
2.根据权利要求1所述的智能干垃圾分类云端系统，其特征在于，所述深度学习模型为DenseNet压缩深度模型。
3.一种智能干垃圾分类云端系统的工作方法，其特征在于，包括如下步骤：
(1)图像接收和处理模块通过http服务接收网络传输过来的垃圾图片信息并对图片进行预处理；
(2)图像接收和处理模块将预处理过的图片信息输送至DenseNet压缩深度模型，DenseNet压缩深度模型通过图像特征在channel上的连接来实现特征重用，并将结果输出至模型结果处理与返回模块；
(3)模型结果处理与返回模块把DenseNet压缩深度模型输出的结果映射到可回收垃圾或其他垃圾类别，并将结果通过http服务的post方式返回分类结果。
4.根据权利要求3所述的智能干垃圾分类云端系统的工作方法，其特征在于，所述步骤(1)中对图片进行预处理具体为：基于opencv框架对网络传输过来的图片进行预处理，处理成299*299像素大小的图片，然后进行归一化操作，对应图片的每个像素上减去RGB的均值。
5.根据权利要求3所述的智能干垃圾分类云端系统的工作方法，其特征在于，在所述步骤(1)之前，还包括深度学习模型载入用户级自定义词典，自定义可回收类别的垃圾模型和其他类别的垃圾模型，其中自定义的垃圾模型的样本数大于50W。
CN201910820984.0A 2019-09-01 2019-09-01 智能干垃圾分类云端系统及其工作方法 Pending CN110694934A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910820984.0A CN110694934A (zh) 2019-09-01 2019-09-01 智能干垃圾分类云端系统及其工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910820984.0A CN110694934A (zh) 2019-09-01 2019-09-01 智能干垃圾分类云端系统及其工作方法

Publications (1)

Publication Number Publication Date
CN110694934A true CN110694934A (zh) 2020-01-17

Family

ID=69194088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910820984.0A Pending CN110694934A (zh) 2019-09-01 2019-09-01 智能干垃圾分类云端系统及其工作方法

Country Status (1)

Country Link
CN (1) CN110694934A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111453247A (zh) * 2020-03-13 2020-07-28 江苏美的清洁电器股份有限公司 垃圾分类方法及智能家电设备
CN112758544A (zh) * 2020-12-31 2021-05-07 江苏理工学院 一种分类识别的智能垃圾桶系统
CN113443296A (zh) * 2020-08-17 2021-09-28 刘炎 基于大数据的垃圾自动分类系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133968A (zh) * 2017-06-07 2017-09-05 武汉洁美雅科技有限公司 一种基于物联网的垃圾处理控制系统
CN108182455A (zh) * 2018-01-18 2018-06-19 齐鲁工业大学 一种垃圾图像智能分类的方法、装置及智能垃圾桶
CN108846334A (zh) * 2018-05-30 2018-11-20 安徽大学 一种云类别自动识别方法及系统
CN109606991A (zh) * 2019-01-11 2019-04-12 郑州大学 智能垃圾桶及基于深度学习的垃圾分类方法
CN109665231A (zh) * 2018-12-18 2019-04-23 南京阿尔飞思智能物联科技有限公司 一种基于人工智能的户外生活垃圾自动分拣的装置
CN109886922A (zh) * 2019-01-17 2019-06-14 丽水市中心医院 基于SE-DenseNet深度学习框架和多模态增强MR图像的肝细胞癌自动分级方法
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
CN110059767A (zh) * 2019-04-28 2019-07-26 宿迁海沁节能科技有限公司 一种基于次卷积超相关的垃圾识别分类处理深度学习方法
CN110119662A (zh) * 2018-03-29 2019-08-13 王胜春 一种基于深度学习的垃圾种类识别系统
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
CN111445368A (zh) * 2020-03-16 2020-07-24 五邑大学 基于机器视觉与深度学习的垃圾分类方法、装置及设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133968A (zh) * 2017-06-07 2017-09-05 武汉洁美雅科技有限公司 一种基于物联网的垃圾处理控制系统
CN108182455A (zh) * 2018-01-18 2018-06-19 齐鲁工业大学 一种垃圾图像智能分类的方法、装置及智能垃圾桶
CN110119662A (zh) * 2018-03-29 2019-08-13 王胜春 一种基于深度学习的垃圾种类识别系统
CN108846334A (zh) * 2018-05-30 2018-11-20 安徽大学 一种云类别自动识别方法及系统
CN109665231A (zh) * 2018-12-18 2019-04-23 南京阿尔飞思智能物联科技有限公司 一种基于人工智能的户外生活垃圾自动分拣的装置
CN109606991A (zh) * 2019-01-11 2019-04-12 郑州大学 智能垃圾桶及基于深度学习的垃圾分类方法
CN109886922A (zh) * 2019-01-17 2019-06-14 丽水市中心医院 基于SE-DenseNet深度学习框架和多模态增强MR图像的肝细胞癌自动分级方法
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
CN110059767A (zh) * 2019-04-28 2019-07-26 宿迁海沁节能科技有限公司 一种基于次卷积超相关的垃圾识别分类处理深度学习方法
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
CN111445368A (zh) * 2020-03-16 2020-07-24 五邑大学 基于机器视觉与深度学习的垃圾分类方法、装置及设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111453247A (zh) * 2020-03-13 2020-07-28 江苏美的清洁电器股份有限公司 垃圾分类方法及智能家电设备
CN113443296A (zh) * 2020-08-17 2021-09-28 刘炎 基于大数据的垃圾自动分类系统
CN112758544A (zh) * 2020-12-31 2021-05-07 江苏理工学院 一种分类识别的智能垃圾桶系统

Similar Documents

Publication Publication Date Title
CN110694934A (zh) 智能干垃圾分类云端系统及其工作方法
CN110428019B (zh) 垃圾智能分类方法及模块化智能垃圾分类处理系统
CN110210635A (zh) 一种能识别废弃物的智能分类回收系统
CN110119662A (zh) 一种基于深度学习的垃圾种类识别系统
CN111178182A (zh) 一种丢垃圾行为的实时检测方法
CN111814750A (zh) 基于深度学习目标检测和图像识别的智能垃圾分类方法及系统
CN110781896A (zh) 一种轨道垃圾识别方法、清洁方法、系统、资源配置方法
CN110633638A (zh) 一种垃圾收运监管方法、装置、存储介质和智能设备
CN110648364A (zh) 一种多维度空间固废视觉检测定位及识别方法与系统
KR20170101455A (ko) 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법
CN108861190A (zh) 一种垃圾分类管理系统及用法
CN106645180A (zh) 检查基板玻璃缺陷的方法、现场终端及服务器
CN104609078A (zh) 垃圾监测方法
CN113537405A (zh) 一种采用人工智能技术的蓝藻图像分类识别工具
CN111242909B (zh) 一种基于卷积神经网络的建筑弃土粒度分布快速识别方法
CN115147703B (zh) 一种基于GinTrans网络的垃圾分割方法及系统
CN108288077A (zh) 废纸分类器建立装置及方法、废纸分类系统及方法
CN203410898U (zh) 一种垃圾桶及应用该垃圾桶的智能化垃圾回收系统
CN110135395A (zh) 一种利用深度学习技术识别火车票的方法
CN113470012B (zh) 标线识别方法、装置、存储介质及电子装置
CN105741201A (zh) 一种物业单智能化生成与递交的系统和方法
CN113120461A (zh) 用于智慧城市的垃圾分类识别系统及方法
CN118053048B (zh) 一种基于固废垃圾智能筛选分类统计系统
CN106803252A (zh) 一种输电线路塔号牌污浊定位与自动检测方法
CN112668678A (zh) 一种垃圾智能分类回收处理系统平台

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200117

WD01 Invention patent application deemed withdrawn after publication