CN110910174A - 一种典型城市再生资源智能识别与定价方法 - Google Patents

一种典型城市再生资源智能识别与定价方法 Download PDF

Info

Publication number
CN110910174A
CN110910174A CN201911169485.6A CN201911169485A CN110910174A CN 110910174 A CN110910174 A CN 110910174A CN 201911169485 A CN201911169485 A CN 201911169485A CN 110910174 A CN110910174 A CN 110910174A
Authority
CN
China
Prior art keywords
local
remote
typical urban
pricing
renewable resources
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
CN201911169485.6A
Other languages
English (en)
Inventor
汤健
王子轩
徐喆
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201911169485.6A priority Critical patent/CN110910174A/zh
Publication of CN110910174A publication Critical patent/CN110910174A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明公开一种融合本地/远程机制的典型城市再生资源智能识别与定价方法，首先，回收装备对典型城市再生资源图像、条码、形状、重量多元特征信息进行提取，同时对回收终端当前网络状况进行获取；接着，融合所提取的多元特征并结合当前回收装备网络状况对典型城市再生资源进行本地/远程识别；最后，根据识别结果和网络状况进行典型城市再生资源的本地/远程定价。

Description

一种典型城市再生资源智能识别与定价方法
技术领域
本发明属于再生资源回收技术领域，尤其涉及一种融合本地/远程机制的典型城市再生资源智能识别与定价方法。
背景技术
随着经济社会的发展，城市内的各类废弃物与日俱增。联合国发布的《全球固体废弃物治理展望》指出：全球每年约产生70～100亿吨固体废弃物，并呈现出不断上升的趋势，但当前固体废弃物的综合利用率不足40％。环境污染、资源短缺、能源危机等问题严重威胁着国民经济社会的可持续发展，大力发展典型城市再生资源产业的趋势日益显著[1]。商务部发布的《中国再生资源回收行业发展报告2019》，去年我国废钢铁、废有色金属、废塑料、废轮胎、废纸、废弃电器电子产品、报废机动车、废旧纺织品、废玻璃、废电池等十大类别的再生资源回收总量为32218.2亿吨，同比增长14.2％[2]。虽然目前典型城市再生资源的回收事业取得了明显成效,但还存在如组织化程度低、自动化程度低、部分品种回收率低等较为突出的问题[3]。
近年来，“互联网+回收”的新型回收模式在典型城市再生资源回收领域逐渐占据主导地位，如何利用回收装备完成典型城市再生资源的回收成为当前首要难题。在典型再生资源的回收过程中，资源的智能识别与定价有利于提升用户的交投意愿和良好体验，是研发具备智能化、自主化功能回收装备的关键技术。按照所回收资源的种类不同，可将回收装备分为饮料瓶回收装备、书刊杂志回收装备、废旧电子移动终端回收装备等多种。
目前，已有多种类型传感器用于典型城市再生资源的识别，但各有优缺点。在饮料瓶回收装备方面，专利[4]提出条码识别滚筒式回收装置，通过滚筒带动塑料瓶扫描条形码实现回收，但该方法在条码处变形或条码破损时难以有效识别，并且对套瓶标、仅投瓶标和投半个瓶子等欺诈投瓶问题难以识别；专利[5]提出基于图像采集和处理的典型再生资源识别装置，通过回收时拍摄的包装物图像与数据库中存储的标准包装物图像特征进行匹配和识别，其存在的不足包括对摄像设备、光源和工况，以及进行图像实时处理等方面的要求造成生产和维护成本高，光照、背景颜色、噪声对图像的影响导致识别系统鲁棒性差，典型再生资源的变形、标识丢失等差异造成图像的轮廓、颜色等特征提取难度增加，进而难以保持较高识别率；专利[6]提出基于红外光栅检测的回收机包装物形状识别方法和系统，其采用条码枪扫描包装物条码数据，采用红外光栅采集典型再生资源整体和特定部位的形状特征数据，通过这些形状特征数据组成的特征与数据库中形状特征配置文件的匹配实现识别，优点是计算量相对图像识别减少，提高识别的实时性和经济性，并且能够依据变形接受度和常见品类的包装物分布进行回收，但其本质是基于典型再生资源的关键部位形状特征进行的识别，对待回收资源存在严重变形、破损等情况时仍然难以回收。
在书刊杂志回收装备方面，专利[7]通过线上登记图书信息，线下扫描图书条形码的方式对二手图书进行回收，该项专利通过线上线下相结合的方式登记交投用户信息，验证待回收图书信息真实性，但对条码信息残缺的图书仍难以回收。专利[8]将扫码识别技术与称重测量技术相结合，用户可选择线上登记、线下通过回收装备等方式对二手图书进行条码识别，也可选择通过称重方式直接进行回收；该项专利将条码识别与称重识别相结合，但对未进行线上登记的图书和条码破损的图书只能进行称重回收，在回收模式上仍有欠缺。
在废旧电子移动终端回收装备方面，专利[9]通过图像技术识别废旧手机的型号和品牌，专利[10]在图像传感的基础上加入扫描设备，利用手机背部的扫描图像提高识别率。但目前图像识别技术在废旧移动终端的识别应用方面还处于发展阶段，成功率较低，还未出现仅依靠图像对废旧移动终端进行识别的回收装备。如何基于废旧移动终端的多视角信息提高图像识别效率仍是现阶段亟需解决的难题。专利[11]设计了一种手持IMEI码识别器，通过输入或扫描方式获得IMEI码并与数据库中存储信息进行匹配，若不能匹配，该识别器通过访问互联网获取IMEI码；该种方法的局限性在于采用CDMA等其他协议的移动终端采用MEID 码进行标识，并无IMEI码，不能基于该识别器予以识别[12]。文献[13]提出通过控制箱体内部机械手，使用废旧手机前置、后置摄像头拍照以检验手机摄像头功能，对手机进行触控、按压操作进而检验手机的触控灵敏程度；但这种方法只能对手机的部分硬件进行检测。专利 [14]通过USB数据线将废旧移动终端与识别装置相连，检测手机内置配置参数与数据库中已有信息匹配完成识别；但该种方法对接口已经损坏的废旧移动终端不能识别，其对数据库中未包含的废旧移动终端也难以识别；此外，若对废旧移动终端的内部配置进行修改，该方式也会产生错误判断。进一步，专利[15]将图像识别与数据线连接方式相结合获得废旧移动终端的品牌、型号等信息，但未考虑回收装备中本地/远程数据库中所存储的识别信息存在的差异性，以及废旧移动终端不能开机和接口异常等情况。
在典型城市再生资源回收过程中，定价的不合理、不透明等现状使得回收装备的回收效率难以显著地提升。目前，我国并未制定有关典型城市再生资源回收定价的相关标准，各回收公司对典型城市再生资源的定价标准各不相同，使得再生资源定价难以统一和透明，用户很难放心进行交投。目前国内回收装备大多将定价数据和定价策略储存至远程云端，当本地回收装备端出现网络波动或断网情况时，无法对待回收典型城市再生资源进行估价回收，使得回收效率难以提高。
发明内容
目前典型城市再生资源存在组织化程度低、自动化程度低、部分品种回收率低等问题。基于“互联网+回收”的典型城市再生资源的回收模式因缺乏可靠的智能识别和定价方式使其难以在典型城市再生资源回收中占据主导地位。针对上述问题，本申请提出了一种融合本地/远程机制的典型城市再生资源智能识别与定价方法。首先，通过多元特征获取与网络状态检测模块，对典型城市再生资源的图像、条码、重量及其内部信息等多元特征进行提取，并获取回收装备当前的网络状态；接着，通过典型城市再生资源本地/远程识别模块，将各项特征信息进行融合，并根据当前网络状态对待回收典型城市再生资源进行本地/远程识别；最后，通过典型城市再生资源本地/远程定价模块，根据识别后的待回收典型城市再生资源结合当前网络状态对其进行本地/远程定价；特别的，在网络状态良好的情况下，将远程云端识别与定价数据传输至本地回收装备端，实现本地识别和定价数据的更新。
附图说明
图1总体策略图；
图2多元特征获取与网络状态检测模块流程图；
图3典型城市再生资源的本地/远程识别流程；
图4典型城市再生资源的本地/远程定价流程。
具体实施方式
本发明提供一种融合本地/远程机制的典型城市再生资源智能识别与定价方法，由多元特征获取与网络状态检测模块、典型城市再生资源本地/远程识别模块、典型城市再生资源本地/远程定价模块共三部分组成，总体策略如图1下所示。
(1)多元特征获取与网络状态检测模块
该模块的输入为待回收典型城市再生资源X、交投用户所提供的交互信息KHMI和当前回收装备网络信号
Figure BDA0002286549170000031
输出为待回收典型城市再生资源的多元特征
Figure BDA0002286549170000032
以及回收装备网络状态
Figure BDA0002286549170000033
其目的是对用户所交投的典型城市再生资源进行特征提取以及对当前回收装备的网络状态进行检测，其对应的映射关系为，
Figure BDA0002286549170000034
其中，
Figure BDA0002286549170000035
表示用于典型城市再生资源多元特征提取和回收装备网络状态检测的过程。
(2)典型城市再生资源本地/远程识别模块
该模块的输入为待回收典型城市再生资源的多元特征
Figure BDA0002286549170000036
回收装备网络状态
Figure BDA0002286549170000037
本地回收装备端识别数据库
Figure BDA0002286549170000038
以及远程云端识别数据库
Figure BDA0002286549170000039
输出为识别后的典型城市再生资源{
Figure BDA00022865491700000310
或
Figure BDA00022865491700000311
}，其目的是根据所提取的典型城市再生资源特征及当前网络状态对再生资源进行本地/远程识别，获取其识别后的描述参数，其对应的映射关系为，
Figure BDA00022865491700000312
其中，
Figure BDA00022865491700000313
表示根据回收装备当前网络状态对典型城市再生资源进行本地/远程识别的过程；再生资源本地/远程识别可以采用神经网络、模板推理、案例推理等算法予以实现。
(3)典型城市再生资源本地/远程定价模块
该模块的输入为本地或远程识别后的典型城市再生资源{
Figure BDA00022865491700000314
或
Figure BDA00022865491700000315
}、回收装备网络状态
Figure BDA00022865491700000316
本地回收装备端定价数据库
Figure BDA00022865491700000317
以及远程云端定价数据库
Figure BDA00022865491700000318
输出为本地或远程定价后的典型城市再生资源{
Figure BDA00022865491700000319
或
Figure BDA00022865491700000320
}，其目的是根据识别后的典型城市再生资源及当前回收装备网络状况进行本地/远程定价，其对应的映射关系为，
Figure BDA00022865491700000321
其中，
Figure BDA00022865491700000322
表示根据回收装备当前网络状态对典型城市再生资源进行本地/远程定价的过程；再生资源本地/远程定价模型可采用神经网络、模板推理、案例推理等算法予以实现。
本申请提出了一种融合本地/远程机制的典型城市再生资源智能识别与定价方法。首先，通过多元特征获取与网络状态检测模块，对典型城市再生资源的图像、条码、重量及其内部信息等多元特征进行提取，并获取回收装备当前的网络状态；接着，通过典型城市再生资源本地/远程识别模块，将各项特征信息进行融合，并根据当前网络状态对待回收典型城市再生资源进行本地/远程识别；最后，通过典型城市再生资源本地/远程定价模块，根据识别后的待回收典型城市再生资源结合当前网络状态对其进行本地/远程定价；特别的，在网络状态良好的情况下将远程云端识别与定价数据传输至本地回收装备端，实现本地回收装备端识别和定价数据的更新。
多元特征获取与网络状态检测模块，具体过程为：
该模块的输入为待回收典型城市再生资源X、交投用户与回收装备间的交互信息KHMI和当前回收装备网络信号
Figure BDA0002286549170000041
输出为待回收典型城市再生资源的多元特征
Figure BDA0002286549170000042
以及回收装备网络状态
Figure BDA0002286549170000043
中间过程包括待回收典型城市再生资源多元特征获取，多元特征融合，回收装备网络状态检测等子模块。
针对待回收典型城市再生资源X执行如下过程：
首先，对待回收典型城市再生资源的图像、条码、重量、内部信息等多元特征进行获取，该过程可以表示为，
Figure BDA0002286549170000044
其中，fextract(·)表示对典型城市再生资源特征提取的过程，
Figure BDA0002286549170000045
表示待识别典型城市再生资源的图像特征，
Figure BDA0002286549170000046
表示其条码特征，
Figure BDA0002286549170000047
表示其重量特征，
Figure BDA0002286549170000048
表示其内部信息。
接着，对所提取的特征信息进行融合，按照每项特征在识别过程中所占权重的不同，对各项特征进行整合，该过程可以表示为，
Figure BDA0002286549170000049
其中，
Figure BDA00022865491700000410
表示整合后的多元特征；λ1、λ2、λ3、λ4分别表示权重系数；fintegration(·) 表示对多元特征的权重进行分配的过程，该过程参考案例推理模型进行权重分配，
本文中所提案例推理均基于案例推理算法的参考文献：“严爱军,钱丽敏,王普.案例推理属性权重的分配模型比较研究[J].自动化学报,2014,40(09):1896-1902.”；
最后，基于回收装备进行其网络状态的检测，该过程可表示为，
Figure BDA00022865491700000411
其中，
Figure BDA00022865491700000412
表示回收装备网络状态，
Figure BDA00022865491700000413
表示回收装备中内置的因特网包探索器测试网络连接量的过程，
Figure BDA0002286549170000051
表示回收装备当前网络信号，W表示本文所提的典型城市再生资源回收装备。
其详细流程如图2下所示。
典型城市再生资源本地/远程识别模块，具体过程为：
该模块的输入为待回收典型城市再生资源的多元特征
Figure BDA0002286549170000052
回收装备网络状态
Figure BDA0002286549170000053
本地回收装备端识别数据库
Figure BDA0002286549170000054
以及远程云端识别数据库
Figure BDA0002286549170000055
输出为识别后的本地/远程典型城市再生资源{
Figure BDA0002286549170000056
或
Figure BDA0002286549170000057
}，中间过程包括典型城市再生资源本地识别模式和远程识别模式等子模块。
本地回收装备端的识别数据库
Figure BDA0002286549170000058
的基本结构为：
Figure BDA0002286549170000059
其中，
Figure BDA00022865491700000510
表示本地数据库的典型再生资源的图像、条码、重量、内部信息等多元特征，即存在如下关系式，
Figure BDA00022865491700000511
其中，{Classifylocal,Typelocal,Abrasionlocal,…}表示在本地回收装备端，由类别、型号、磨损程度等组成的典型城市再生资源的识别描述信息，即存在
Figure BDA00022865491700000512
远程云端的识别数据库
Figure BDA00022865491700000513
的基本结构为：
Figure BDA00022865491700000514
其中，
Figure BDA00022865491700000515
表示远程数据库中的典型再生资源的图像、条码、重量、内部信息等多元特征，即存在如下关系式，
Figure BDA00022865491700000516
其中，{Classifyremote,Typeremote,Abrasionremote,…}表示在远程云端，由类别、型号、磨损程度等组成的待回收典型城市再生资源的描述信息，即存在
Figure BDA00022865491700000517
针对已经获取多元特征的待回收典型城市再生资源X，根据当前回收装备网络状况的不同执行如下过程：
首先，对当前网络状态是否良好进行判断，若网络状态良好，则根据待识别的典型城市再生资源特征进行远程云端识别，该过程可以表示为，
Figure BDA0002286549170000061
其中，
Figure BDA0002286549170000062
表示远程云端对典型城市再生资源的识别过程，该过程可采用案例推理算法实现。本文中所提案例推理均基于案例推理算法的参考文献：“严爱军,钱丽敏,王普.案例推理属性权重的分配模型比较研究[J].自动化学报,2014,40(09):1896-1902.”；
若网络连接断开，则根据待识别的典型城市再生资源特征在本地回收装备端进行识别，该过程可以表示为，
Figure BDA0002286549170000063
其中
Figure BDA0002286549170000064
表示本地回收装备端识别过程，该过程采用案例推理算法实现。本文中所提案例推理均基于案例推理算法的参考文献：“严爱军,钱丽敏,王普.案例推理属性权重的分配模型比较研究[J].自动化学报,2014,40(09):1896-1902.”；
最后，当网络状态良好时并且远程云端数据库存在更新的情况下，远程云端会将最新识别数据传到本地回收装备端，完成识别数据库的更新，该过程可以表示为，
Figure BDA0002286549170000065
其中
Figure BDA0002286549170000066
表示识别数据从远程云端传送至本地回收装备端的过程。
其详细流程如图3下所示。
典型城市再生资源本地/远程定价模块，具过程为：
该模块的输入为识别后的典型城市再生资源{
Figure BDA0002286549170000067
或
Figure BDA0002286549170000068
}、回收装备网络状态
Figure BDA0002286549170000069
本地回收装备端定价数据库
Figure BDA00022865491700000610
以及远程云端定价数据库
Figure BDA00022865491700000611
输出为本地/远程定价后的典型城市再生资源
Figure BDA00022865491700000612
中间过程包括典型城市再生资源本地定价和远程定价等子模块。
本地回收装备端的定价数据库
Figure BDA00022865491700000613
的基本结构为：
Figure BDA00022865491700000614
远程云端的定价数据库
Figure BDA00022865491700000615
的基本结构为：
Figure BDA00022865491700000616
针对已识别的待回收典型城市再生资源，根据当前回收装备网络状况的不同执行如下过程：
首先，对当前网络状态是否良好进行判断，若网络状态良好，则根据远程识别后的典型城市再生资源进行远程云端定价，该过程可以表示为，
Figure BDA0002286549170000071
其中，
Figure BDA0002286549170000072
表示远程定价过程，该过程采用案例推理算法实现。本文中所提案例推理均基于案例推理算法的参考文献：“严爱军,钱丽敏,王普.案例推理属性权重的分配模型比较研究[J].自动化学报,2014,40(09):1896-1902.”；
若网络连接断开，则根据本地识别后的典型城市再生资源进行本地回收装备端定价，该过程可以表示为，
Figure BDA0002286549170000073
其中，
Figure BDA0002286549170000074
表示本地回收装备端的定价过程，该过程采用案例推理算法实现。本文中所提案例推理模型均基于案例推理算法的参考文献：“严爱军,钱丽敏,王普.案例推理属性权重的分配模型比较研究[J].自动化学报,2014,40(09):1896-1902.”；
接着，当网络状态良好并且远程云端数据库存在更新的情况下，，远程云端端会将最新定价数据传到本地数据库中，完成定价数据更新，该过程可以表示为，
Figure BDA0002286549170000075
其中
Figure BDA0002286549170000076
表示定价数据从远程云端传送至本地回收装备端的过程。
其详细流程如图4下所示。
面向典型城市再生资源，本申请提出了由多元特征获取与网络状态检测模块、典型城市再生资源本地/远程识别模块、典型城市再生资源本地/远程定价模块构成的融合本地/远程机制的典型城市再生资源智能识别与定价方法。创新性体现在：综合考虑典型城市再生资源的图像特征、条码信息、重量、内部信息等多元特征进行自动识别和定价；识别和定价方式均采用本地/远程两种模式，保证典型城市再生资源回收装备在脱网状态下也能够正常运行，有助于提升回收效率。
参考文献
[1]郗永勤,张大涛.再生资源“互联网+回收”模式的构建[J].科技管理研究,2018,38(23):260-267.
[2]中国再生资源回收行业发展报告2019[EB/OL].https://mp.weixin.qq.com/s？src＝11&ti mestamp＝1573178574&ver＝1961&signature＝XR-yBJQsJds86vUqD82NrZh78MCVG5PUo4BK a1vJ7FRoO*mgUY-8DvNt74q3My3nYij-SICmcJCyLgyTKqpNMAC2ubSG4dyogS8i2Og6KMw v2Z0U8*djOgnea*Oxxpic&new＝1.2019-10-25
[3]张天龙,黄蓉,张燕琴.再生资源“互联网+回收”标准体系构建初探[J].中国标准化,2018(24):219-221.
[4]杭州步展科技有限公司.一种智能饮料瓶回收机:CN201520994990.5[P].2016-05-18.
[5]吴方.基于图像识别装置的回收装置:CN201220226902.3[P].2012-11-21.
[6]北京盈创高科新技术发展有限公司.基于红外光栅检测的回收机包装物形状识别方法和系统:CN201710517274.1[P].2017-12-26.
[7]凡学(上海)教育科技有限公司.一种与线上图书馆互联的图书回收方法:CN201810077657.6[P].2019-08-02.
[8]天津倡享无限文化传播有限公司.移动二手图书回收筒:CN201920183093.4[P].2019-07-23.
[9]湘潭大学.一种高效、智能的废旧手机回置:CN201610216914.0[P].2016-07-20.
[10]广州绿怡信息科技有限公司.手机识别结构及回收装置：CN201821791989.2[P]. 2019-05-03.
[11]深圳淘绿信息科技有限公司.一种手机智能回收系统及其方法:CN201510130830.0[P].2015-06-17.
[12]M.Stutz,V.M.Thomas,S.Saar.Linking bar codes to recyclinginformation for mobile phones[J].IEEE International Symposium on Electronicsand the Environment,2004,24May 2004.
[13]鸿富锦精密电子(郑州)有限公司,鸿海精密工业股份有限公司.手机回收设备及方法: 中国,CN201710158605.7[P].2018-10-9.
[14]北京友宝在线科技股份有限公司.手机智能回收机:CN201621491524.6[P].2017-08-11.
[15]广州绿怡信息科技有限公司.手机回收装置:CN201320803180.8[P].2014-05-07。

Claims (5)

1.一种融合本地/远程机制的典型城市再生资源智能识别与定价方法，其特征在于，
步骤1、通过多元特征获取与网络状态检测模块，对典型城市再生资源的图像、条码、重量及其内部信息多元特征进行提取，并获取回收装备当前的网络状态；
步骤2、通过典型城市再生资源本地/远程识别模块，将各项特征信息进行融合，并根据当前网络状态对待回收典型城市再生资源进行本地/远程识别；
步骤3、通过典型城市再生资源本地/远程定价模块，结合当前网络状态对识别后的典型城市再生资源其进行本地/远程定价。
2.如权利要求1所述的融合本地/远程机制的典型城市再生资源智能识别与定价方法，，其特征在于，所述通过典型城市再生资源本地/远程定价模块，用于在网络状态良好的情况下将远程云端识别与定价数据传输至本地回收装备端，实现本地识别和定价数据的更新。
3.如权利要求1所述融合本地/远程机制的典型城市再生资源智能识别与定价方法，其特征在于，多元特征获取与网络状态检测模块，具体过程为：
该模块的输入为待回收典型城市再生资源X、交投用户与回收装备间的交互信息KHMI和当前回收装备网络信号
Figure FDA0002286549160000011
输出为待回收典型城市再生资源的多元特征
Figure FDA0002286549160000012
以及回收装备网络状态
Figure FDA0002286549160000013
针对待回收典型城市再生资源X执行如下过程：
首先，对待回收典型城市再生资源的图像、条码、重量、内部信息多元特征进行获取，该过程可以表示为，
Figure FDA0002286549160000014
其中，
Figure FDA0002286549160000015
表示对典型城市再生资源特征进行提取的过程，
Figure FDA0002286549160000016
表示待识别典型城市再生资源的图像特征，
Figure FDA0002286549160000017
表示其条码特征，
Figure FDA0002286549160000018
表示其重量特征，
Figure FDA0002286549160000019
表示其内部信息；
接着，对所提取的特征信息进行融合，按照每项特征在识别过程中所占权重的不同，对各项特征进行整合，该过程可以表示为，
Figure FDA00022865491600000110
其中，
Figure FDA00022865491600000111
表示整合后的多元特征；λ1、λ2、λ3、λ4分别表示权重系数；fintegration(·)表示对多元特征的权重进行分配的过程，该过程参考案例推理模型进行权重分配；
最后，基于回收装备进行其网络状态的检测，该过程可表示为，
Figure FDA0002286549160000021
其中，
Figure FDA0002286549160000022
表示回收装备网络状态，
Figure FDA0002286549160000023
表示回收装备中内置的因特网包探索器测试网络连接量的过程，
Figure FDA0002286549160000024
表示回收装备当前网络信号，W表示典型城市再生资源的回收装备。
4.如权利要求3所述融合本地/远程机制的典型城市再生资源智能识别与定价方法，其特征在于，典型城市再生资源本地/远程识别模块，具体过程为：
该模块的输入为待回收典型城市再生资源的多元特征
Figure FDA0002286549160000025
回收装备网络状态
Figure FDA0002286549160000026
本地回收装备端识别数据库
Figure FDA0002286549160000027
以及远程云端识别数据库
Figure FDA0002286549160000028
输出为识别后的本地/远程典型城市再生资源
Figure FDA0002286549160000029
本地回收装备端的识别数据库
Figure FDA00022865491600000210
的基本结构为：
Figure FDA00022865491600000211
其中，
Figure FDA00022865491600000212
表示本地数据库的典型再生资源的图像、条码、重量、内部信息多元特征，即存在如下关系式，
Figure FDA00022865491600000213
其中，{Classifylocal,Typelocal,Abrasionlocal,…}表示在本地回收装备端，由类别、型号、磨损程度组成的典型城市再生资源的识别描述信息，即存在
Figure FDA00022865491600000214
远程云端的识别数据库
Figure FDA00022865491600000215
的基本结构为：
Figure FDA00022865491600000216
其中，
Figure FDA00022865491600000217
表示远程数据库中的典型再生资源的图像、条码、重量、内部信息多元特征，即存在如下关系式，
Figure FDA00022865491600000218
其中，{Classifyremote,Typeremote,Abrasionremote,…}表示在远程云端，由类别、型号、磨损程度组成的待回收典型城市再生资源的描述信息，即存在
Figure FDA0002286549160000031
针对已经获取多元特征的待回收典型城市再生资源X，据当前回收装备网络状况的不同执行如下过程：
首先，对当前网络状态是否良好进行判断，若网络状态良好，则根据待识别的典型城市再生资源特征进行远程云端识别，该过程可以表示为，
Figure FDA0002286549160000032
其中，
Figure FDA0002286549160000033
表示远程云端对典型城市再生资源进行识别的过程，该过程可采用案例推理算法实现；
若网络连接断开，则根据待识别的典型城市再生资源特征在本地回收装备端进行识别，该过程可以表示为，
Figure FDA0002286549160000034
其中，
Figure FDA0002286549160000035
表示本地回收装备端识别过程，该过程采用案例推理算法实现；
最后，当网络状态良好时并且远程云端数据库存在更新的情况下，远程云端会将最新识别数据传到本地回收装备端完成识别数据库的更新，该过程可以表示为，
Figure FDA0002286549160000036
其中，
Figure FDA0002286549160000037
表示识别数据从远程云端传送至本地回收装备端的过程。
5.如权利要求4所述融合本地/远程机制的典型城市再生资源智能识别与定价方法，其特征在于，典型城市再生资源本地/远程定价模块，具过程为：
该模块的输入为识别后的典型城市再生资源
Figure FDA0002286549160000038
回收装备网络状态
Figure FDA0002286549160000039
本地回收装备端定价数据库
Figure FDA00022865491600000310
以及远程云端定价数据库
Figure FDA00022865491600000311
输出为本地/远程定价后的典型城市再生资源
Figure FDA00022865491600000312
本地回收装备端的定价数据库
Figure FDA00022865491600000313
的基本结构为：
Figure FDA00022865491600000314
远程云端的定价数据库
Figure FDA00022865491600000315
的基本结构为：
Figure FDA0002286549160000041
针对已识别的待回收典型城市再生资源，根据当前回收装备网络状况的不同执行如下过程：
首先，对当前网络状态是否良好进行判断，若网络状态良好，则根据远程识别后的典型城市再生资源进行远程云端定价，该过程可以表示为，
Figure FDA0002286549160000042
其中，
Figure FDA0002286549160000043
表示远程定价过程，该过程采用案例推理算法实现；
若网络连接断开，则根据本地识别后的典型城市再生资源进行本地回收装备端定价，该过程可以表示为，
Figure FDA0002286549160000044
其中，
Figure FDA0002286549160000045
表示本地回收装备端的定价过程，该过程采用案例推理算法实现；
接着，当网络状态良好时当网络状态良好时并且远程云端数据库存在更新的情况下，远程云端会将最新定价数据传到本地数据库中，完成定价数据的更新，该过程可以表示为，
Figure FDA0002286549160000046
其中
Figure FDA0002286549160000047
表示定价数据从远程云端传送至本地回收装备端的过程。
CN201911169485.6A 2019-11-25 2019-11-25 一种典型城市再生资源智能识别与定价方法 Pending CN110910174A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911169485.6A CN110910174A (zh) 2019-11-25 2019-11-25 一种典型城市再生资源智能识别与定价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911169485.6A CN110910174A (zh) 2019-11-25 2019-11-25 一种典型城市再生资源智能识别与定价方法

Publications (1)

Publication Number Publication Date
CN110910174A true CN110910174A (zh) 2020-03-24

Family

ID=69819493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911169485.6A Pending CN110910174A (zh) 2019-11-25 2019-11-25 一种典型城市再生资源智能识别与定价方法

Country Status (1)

Country Link
CN (1) CN110910174A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215371A (zh) * 2020-10-13 2021-01-12 北京工业大学 一种典型城市再生资源智能回收方法
CN113344459A (zh) * 2021-07-07 2021-09-03 象无形电子商务唐山有限公司 一种废钢资源的回收信息管理系统及方法
CN113642839A (zh) * 2021-07-05 2021-11-12 华录科技文化(大连)有限公司 一种基于流程重构的工作流自适应再生资源回收系统
CN114888795A (zh) * 2022-04-25 2022-08-12 重庆市科学技术研究院 未来教学空间场景建模与认知理解方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004066493A (ja) * 2002-08-01 2004-03-04 Canon Inc リサイクル支援システム、データベース・システム、リサイクル支援方法、コンピュータプログラム及びコンピュータ読み取り可能な記憶媒体
CN105224066A (zh) * 2014-06-03 2016-01-06 北京创思博德科技有限公司 一种基于云端处理的手势识别方法
WO2016048403A1 (en) * 2014-09-26 2016-03-31 ecoATM, Inc. Methods and systems for pricing and performing other processes associated with recycling mobile phones and other electronic devices
CN106022588A (zh) * 2016-05-13 2016-10-12 清华大学 建立再生资源回收信息数据库信息方法及系统
CN107481412A (zh) * 2017-06-29 2017-12-15 北京盈创高科新技术发展有限公司 基于押金制度的标准包装物回收方法及系统
CN110263952A (zh) * 2019-06-25 2019-09-20 吴昶炜 一种电子产品智能回收系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004066493A (ja) * 2002-08-01 2004-03-04 Canon Inc リサイクル支援システム、データベース・システム、リサイクル支援方法、コンピュータプログラム及びコンピュータ読み取り可能な記憶媒体
CN105224066A (zh) * 2014-06-03 2016-01-06 北京创思博德科技有限公司 一种基于云端处理的手势识别方法
WO2016048403A1 (en) * 2014-09-26 2016-03-31 ecoATM, Inc. Methods and systems for pricing and performing other processes associated with recycling mobile phones and other electronic devices
CN106022588A (zh) * 2016-05-13 2016-10-12 清华大学 建立再生资源回收信息数据库信息方法及系统
CN107481412A (zh) * 2017-06-29 2017-12-15 北京盈创高科新技术发展有限公司 基于押金制度的标准包装物回收方法及系统
CN110263952A (zh) * 2019-06-25 2019-09-20 吴昶炜 一种电子产品智能回收系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215371A (zh) * 2020-10-13 2021-01-12 北京工业大学 一种典型城市再生资源智能回收方法
CN113642839A (zh) * 2021-07-05 2021-11-12 华录科技文化(大连)有限公司 一种基于流程重构的工作流自适应再生资源回收系统
CN113642839B (zh) * 2021-07-05 2023-10-24 华录科技文化(大连)有限公司 一种基于流程重构的工作流自适应再生资源回收系统
CN113344459A (zh) * 2021-07-07 2021-09-03 象无形电子商务唐山有限公司 一种废钢资源的回收信息管理系统及方法
CN114888795A (zh) * 2022-04-25 2022-08-12 重庆市科学技术研究院 未来教学空间场景建模与认知理解方法及系统
CN114888795B (zh) * 2022-04-25 2023-08-18 重庆市科学技术研究院 未来教学空间场景建模与认知理解方法及系统

Similar Documents

Publication Publication Date Title
CN110910174A (zh) 一种典型城市再生资源智能识别与定价方法
CN106600422A (zh) 一种车险智能定损方法和系统
CN101449280B (zh) 验证引擎
CN109359697A (zh) 一种电力设备巡检中使用的图形图像识别方法及巡查系统
CN110577037A (zh) 用于生活垃圾分类检查回收的方法
CN111222949A (zh) 一种基于深度学习的社区废旧资源共享方法和系统
CN110626662A (zh) 一种基于图像识别的垃圾自分类方法及设备
CN110929893B (zh) 一种回收业务管理的方法及装置
CN116049454A (zh) 一种基于多源异构数据的智能搜索方法及系统
CN111715559A (zh) 一种基于机器视觉的垃圾分拣系统
CN111047387B (zh) 一种回收管理的方法及装置
CN112215371A (zh) 一种典型城市再生资源智能回收方法
CN114049368A (zh) 一种“iid+参树网”智能工业设计软件
CN105959388A (zh) 基于网络实现垃圾回收的方法及系统
CN112849850A (zh) 垃圾治理系统、方法、装置和存储介质
CN105800198A (zh) 一种基于网络云平台的智能分类垃圾桶
CN112132519A (zh) 一种基于物联网大数据的瓶装燃气交叉网络系统
CN112434726A (zh) —种基于深度学习的垃圾识别分类方法
CN110909682A (zh) 一种基于回收装备的废旧移动终端智能识别方法
CN107042230A (zh) 一种生活垃圾分类溯源回收方法
CN116011998A (zh) 一种退役电池回收分类处理方法及装置
Wang et al. Review of used mobile phone recognition method for recycling equipment
CN112668678A (zh) 一种垃圾智能分类回收处理系统平台
Cui et al. Review of waste plastic bottle recycling equipment research status
CN113051234A (zh) 移动式现场大数据分析平台

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200324

RJ01 Rejection of invention patent application after publication