CN111178426A - 垃圾辅助投放方法及系统 - Google Patents
垃圾辅助投放方法及系统 Download PDFInfo
- Publication number
- CN111178426A CN111178426A CN201911368126.3A CN201911368126A CN111178426A CN 111178426 A CN111178426 A CN 111178426A CN 201911368126 A CN201911368126 A CN 201911368126A CN 111178426 A CN111178426 A CN 111178426A
- Authority
- CN
- China
- Prior art keywords
- judgment
- garbage
- judgment result
- image
- mobile phone
- 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
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 24
- 230000001960 triggered effect Effects 0.000 claims description 17
- 229920003023 plastic Polymers 0.000 claims description 9
- 239000004033 plastic Substances 0.000 claims description 9
- 239000011521 glass Substances 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000011176 pooling Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000123 paper Substances 0.000 claims description 4
- 241000234295 Musa Species 0.000 description 9
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000011430 Malus pumila Nutrition 0.000 description 2
- 235000015103 Malus silvestris Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 244000081841 Malus domestica Species 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种垃圾辅助投放方法,包括:手机端根据用户响应进而获取垃圾图像;所述手机端将所述垃圾图像上传至服务器;所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果;所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。本发明能够实现垃圾智能识别,使得业主能完成垃圾的准确投放,提高垃圾的投放准确度。
Description
技术领域
本发明实施例涉及图像检测领域,尤其是垃圾辅助投放方法、系统、计算机设备及存储介质。
背景技术
生活垃圾排出量日益增大,成分复杂多样,具有污染性、资源性和社会性等特点。“垃圾分类”是现行我国为改善环境所实施的一项利民政策,然而在实际实施中,市民对各种垃圾各种分类所包含物并不清楚,政府科普宣传也存在覆盖不完全等情况,市民若需要完成正确的垃圾投放往往需要记忆大量的垃圾归属类别信息。
目前,市场上有出现一些依据图像识别等软件来帮助市民完成垃圾投放,但是其识别率低下并且计算量高,需耗费大量的计算资源。
发明内容
为解决上述问题,本发明实施例提供了一种垃圾辅助投放方法方法,包括以下步骤:
手机端根据用户响应进而获取垃圾图像;
所述手机端将所述垃圾图像上传至服务器;
所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;
所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序;
所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
优选的,手机端根据用户响应进而获取垃圾图像的步骤还包括:
手机端监测界面中预置的触发区域是否被用户触发,若是,则手机端调用摄像头权限,通过摄像头获取垃圾图像。
优选的,所述第一判断步骤为:
所述服务器将所述垃圾图像与预置的标准图像进行对比,将所述预置的标准图像覆盖于所述垃圾图像,根据标准图像的像素值与所述垃圾图像被覆盖区域的像素值进行相似度计算,计算完成后将标准图像沿预置的步长进行移动,重新执行相似度的计算步骤,直至标准图像完成对所述垃圾图像所有区域的相似度计算,得到相似度数组;
对相似度数组中的所有元素进行遍历,并逐个进行阈值对比,若有大于阈值的元素,则将标准图像所关联的标签赋予所述垃圾图像,将所述标签作为第一判断结果。
优选的,所述相似度计算设置有相似度函数,如下:
优选的,所述第二判断步骤为:
所述服务器将所述垃圾图像作为原始输入图像,输入至由二十三个卷积层与六个池化层交织形成的特征提取结构,得到由所述原始输入图像提取而成的第一输出层;
将所述第一输出层输入至全连接层,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予;
所述服务器端将所述原始输入图像的标签作为第二判断结果。
优选的,所述全连接层的输出层拥有五个节点,所述五个节点分别对应五个类别,所述五个类别为纸类、塑料、金属、玻璃以及其他。
优选的,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予的步骤包括:
所述全连接层的每个节点输出对所述原始输入图像的所述类别打分,所述服务器选取所述最高打分的类别,获取其类别对应的标签,将所述标签赋予值所述原始输入图像。
优选的,所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端的步骤包括:
提取所述第二判断结果与所述第一判断结果的结果值字段,判断所述第二判断结果值字段是否从属于所述第一判断结果的结果值字段,若是,则所述第二判断结果对所述第一判断结果进行核销成功,返回所述第二判断结果至所述手机端,若核销不成功,则返回所述第一判断结果至手机端,其中,所述服务器预置由关系表,用于存储所述第一判断结果值字段与所述第一判断结果值字段之间的从属关系。
本发明实施例还提供一种垃圾辅助投放系统,包括:
获取模块,用于手机端根据用户响应进而获取垃圾图像;
传输模块,用于所述手机端将所述垃圾图像上传至服务器;
第一判断模块,用于所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;
第二判断模块,用于所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序;
核销模块,用于所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
本发明实施例还提供一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序能够被至少一个处理器所执行如上述的一种垃圾辅助投放方法。
本发明实施例所提供的垃圾辅助投放方法、系统、计算机设备及存储介质,能够实现垃圾智能识别,并且较于现有市场上的图像识别方法拥有更高的精确度并能够在不增加计算量的前提下完成对非常见垃圾的识别。
附图说明
图1为本发明一种垃圾辅助投放方法的步骤流程图;
图2为本发明一垃圾辅助投放系统的程序模块示意图;
图3为本发明计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅处于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字,但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一指定关键字也可以被称为第二指定关键字,类似地,第二指定关键字也可以被称为第一指定关键字。
取决于语境,如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
请参考图1,本发明实施例提供一种垃圾辅助投放方法,包括:
步骤S100手机端根据用户响应进而获取垃圾图像。
具体的,手机端运行软件程序时,软件程序相应的显示预置由可交互的区域,用于用户触发垃圾识别的启动,优选的,触发区域为一触发按钮,当监测到用户点击触发按钮后,软件程序开始相应第一判断、第二判断以及核销步骤。
步骤S200所述手机端将所述垃圾图像上传至服务器。
具体的,接续上述步骤内容,软件程序开始垃圾识别步骤,调取摄像头获取垃圾图像,此时,用户需要将手中垃圾进行位置调整,使其对准摄像头,方便采集到包含待识别垃圾完整内容的图像,手机端将其上传至服务器,借由服务器进行识别对比。
步骤S300所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果。
步骤S400所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序。
具体的,所述第一判断程序为图像模板匹配进而计算待识别垃圾图像与预置的模板图像相似度,以相似度的大小是否超过阈值来判断所述待识别垃圾图像其垃圾类别,第一判断程序计算量小,计算时长小,快捷度高,但是如果碰到部分非常见物品,例如最新出产的电子产品或者拥有非常见包装或外形的垃圾,第一判断程序会由于模板图像的缺乏进而无法对该类垃圾进行识别,从而输出的垃圾判断类别可能对实际正在识别的垃圾的正确可能性不高,因此,本发明专门在此设计第二判断程序,对正在识别的垃圾进行二次识别,以第二判断程序的结果对第一判断程序的结果进行核销,若核销成功,则证明二次判断结果归属以同一类别,判断结果正确。
另外,由于第一判断程序与第二判断程序的计算量不同,所述第二判断程序的计算量远大于第一判断程序,因此,只有在第一判断程序中,被模板图像覆盖的所有区域图像相似度均不满足预置阈值时,才开启第二判断程序,该设计能够减少不必要的计算量,节省整体的计算资源,进而对设备中计算单元减少了使用度从而提高使用年限。
步骤S500所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
具体的,核销指的是利用第二判断结果去对第一判断结果进行消除的过程,其中消除的判定规则是判断第二判断结果字段属于第一判断结果的子分类或者相同分类,若第二判断结果字段属于第一判断结果的子分类或者相同分类,则消除成功,其中分类从属关系通过对服务器总预置关系表进行服务器再执行消除步骤时拉取该关系表进而完成消除的判定步骤,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
另外,第二判断结果卷积神经网络的设计,为识别部分非常见外形或新型产品,所输出的结果类别通常比所述第一判断程序所输出的结果类别要更加下位,例如,第一判断程序所判断的结果为果皮,而第二判断结果所判断的结果为香蕉果皮,“香蕉果皮”从属与“果皮”的类别,第一判断程序结果正确,进而返回“果皮”返回手机端,若第一判断程序锁判断的结果为果皮,而第二判断结果为香蕉玩具,则需查找香蕉玩具的上位垃圾类别“塑料类”,则生成字段“塑料类”返回至客户端,第二判断程序的触发设计能够减少计量量,而第二判断程序的自身设计能够使得第一判断程序在无法满足相似度阈值的情况下,计算第二判断程序结果进而综合第一判断程序与第二判断程序的结果进行综合判定,从而提高垃圾识别的准确度。
本发明实施例所提供的垃圾辅助投放方法、系统、计算机设备及存储介质,能够实现垃圾智能识别,并且较于现有市场上的图像识别方法拥有更高的精确度并能够在不增加计算量的前提下完成对非常见垃圾的识别。
可选的,手机端根据用户响应进而获取垃圾图像的步骤还包括:
手机端监测界面中预置的触发区域是否被用户触发,若是,则手机端调用摄像头权限,通过摄像头获取垃圾图像。
手机端监测界面中预置的触发区域是否被用户触发,若是,则手机端调用摄像头权限,通过摄像头获取垃圾图像。
具体的,调取系统中的摄像头接口,并编写好摄像头获取图像的相关参数,例如,设置预览,设置图片为jpg,设置图片质量,自动对焦等。
示例性的代码逻辑层如下:
//设置预览//
//获取摄像头参数//
//设置图片为jpg//
//设置图片质量//
//重新设置摄像头参数//
//开始预览//
//不加的话,预览的图像就是横的//
//自动对焦//
可选的,所述第一判断步骤为:
所述服务器将所述垃圾图像与预置的标准图像进行对比,将所述预置的标准图像覆盖于所述垃圾图像,根据标准图像的像素值与所述垃圾图像被覆盖区域的像素值进行相似度计算,计算完成后将标准图像沿预置的步长进行移动,重新执行相似度的计算步骤,直至标准图像完成对所述垃圾图像所有区域的相似度计算,得到相似度数组;
具体的,接续上述步骤内容,软件程序开始垃圾识别步骤,调取摄像头获取垃圾图像,此时,用户需要将手中垃圾进行位置调整,使其对准摄像头,方便采集到包含待识别垃圾完整内容的图像,手机端将其上传至服务器,借由服务器进行识别对比。
由于识别需要大量的基础样本,如果将对比交付由于手机端进行执行,则会占用手机端大量存储空间去存储基础样本,并且手机端的硬件设备无法满足高速度的对比步骤,因此,将对比步骤放置由服务器进行完成,能够提高整体方案的效率。
对相似度数组中的所有元素进行遍历,并逐个进行阈值对比,若有大于阈值的元素,则将标准图像所关联的标签赋予所述垃圾图像,将所述标签作为第一判断结果。
具体的,接续上述步骤内容,服务器将所述垃圾图像与预置的标准图像进行对比,将所述预置的标准图像覆盖于所述垃圾图像,根据标准图像的像素值与所述垃圾图像被覆盖区域的像素值进行相似度计算,计算完成后将标准图像沿预置的步长进行移动,重新执行相似度的计算步骤,直至标准图像完成对所述垃圾图像所有区域的相似度计算,得到相似度数组;
其中,每个相似度数组中的相似度数值都对应关联着源计算步骤中的被覆盖像素的位置坐标,遍历相似度数组中每个相似度数值,并将其进行数值对比,若存在大于阈值的相似度数值,则寻找其关联的被覆盖像素的位置坐标,并将标准图像所关联的标签赋予相应被覆盖像素,输出标签和被覆盖像素位置坐标作为分析结果。
可选的,所述相似度计算设置有相似度函数,如下:
其中,标准图像为T(m,n),标准图像覆盖下的那款区域称为子图Sij,i,j是这块子图的左上角像素点在S中的坐标。
可选的,所述第二判断步骤为:
所述服务器将所述垃圾图像作为原始输入图像,输入至由二十三个卷积层与六个池化层交织形成的特征提取结构,得到由所述原始输入图像提取而成的第一输出层;
具体的,本发明所设计的特征提取结构,是由二十三个卷积层以及六个池化层交织形成的,输出结果的准确率达到95%。
将所述第一输出层输入至全连接层,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予;
具体的,在使用卷积神经网络进行图像识别时,输入为进行过转换的图片数据,一张宽为w,高为h,深度为d的图片,表示为h*w*d。这里,深度为图像存储每个像素所用的位数,比如彩色图像,其一个像素有RGB三个分量,其深度为3。
从数学的角度来看,h*w*d的图片即为d个h*w的矩阵。例如6x16x3的图片,其对应3个6x16的矩阵。在大部分运用中,输入图片的大小h和w,一般是相等的。
随后,全连接层输出对各类别的一个判定打分,示例性的,纸类,95分;塑料,85分;金属,75分;玻璃,65分;其他,35分。
所述服务器端将所述原始输入图像的标签作为第二判断结果。
可选的,所述全连接层的输出层拥有五个节点,所述五个节点分别对应五个类别,所述五个类别为纸类、塑料、金属、玻璃以及其他。
接续上述示例内容,选取最高分值的类别,纸类作为原始输入图像的标签,将纸类与所述原始输入图像进行关联存储,并把“纸类”转换成文本信息发送至手机端进行显示。
可选的,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予的步骤包括:
所述全连接层的每个节点输出对所述原始输入图像的所述类别打分,所述服务器选取所述最高打分的类别,获取其类别对应的标签,将所述标签赋予值所述原始输入图像。
示例性的,纸类,95分;塑料,85分;金属,75分;玻璃,65分;其他,35分,随后选取最高分值的类别,纸类作为原始输入图像的标签,将纸类与所述原始输入图像进行关联存储,并把“纸类”转换成文本信息发送至手机端进行显示。
可选的,所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端的步骤包括:
提取所述第二判断结果与所述第一判断结果的结果值字段,判断所述第二判断结果值字段是否从属于所述第一判断结果的结果值字段,若是,则所述第二判断结果对所述第一判断结果进行核销成功,返回所述第二判断结果至所述手机端,若核销不成功,则返回所述第一判断结果至手机端,其中,所述服务器预置由关系表,用于存储所述第一判断结果值字段与所述第一判断结果值字段之间的从属关系
示例性的,关系表可以如下:
果皮类 | 塑料类 | |
从属类1 | 香蕉 | 可口可乐易拉罐 |
从属类2 | 苹果 | 雪碧瓶 |
从属类3 | 例子 | 王老吉 |
本发明实施例还提供一种垃圾辅助投放系统,包括:
获取模块100,用于手机端根据用户响应进而获取垃圾图像;
传输模块200,用于所述手机端将所述垃圾图像上传至服务器;
第一判断模块300,用于所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;
第二判断模块400,所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序;
核销模块500,用于所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
可选的,获取模块100还用于:
手机端监测界面中预置的触发区域是否被用户触发,若是,则手机端调用摄像头权限,通过摄像头获取垃圾图像。
可选的,所述第一判断模块300还用于:
所述服务器将所述垃圾图像与预置的标准图像进行对比,将所述预置的标准图像覆盖于所述垃圾图像,根据标准图像的像素值与所述垃圾图像被覆盖区域的像素值进行相似度计算,计算完成后将标准图像沿预置的步长进行移动,重新执行相似度的计算步骤,直至标准图像完成对所述垃圾图像所有区域的相似度计算,得到相似度数组;
对相似度数组中的所有元素进行遍历,并逐个进行阈值对比,若有大于阈值的元素,则将标准图像所关联的标签赋予所述垃圾图像,将所述标签作为第一判断结果。
可选的,所述第一判断模块300还设置有相似度函数,如下:
可选的,所述第二判断模块400还用于:
所述服务器将所述垃圾图像作为原始输入图像,输入至由二十三个卷积层与六个池化层交织形成的特征提取结构,得到由所述原始输入图像提取而成的第一输出层;
将所述第一输出层输入至全连接层,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予;
所述服务器端将所述原始输入图像的标签作为第二判断结果。
可选的,所述第二判断模块400中的所述全连接层的输出层拥有五个节点,所述五个节点分别对应五个类别,所述五个类别为纸类、塑料、金属、玻璃以及其他。
可选的,所述第二判断模块400还用于:
所述全连接层的每个节点输出对所述原始输入图像的所述类别打分,所述服务器选取所述最高打分的类别,获取其类别对应的标签,将所述标签赋予值所述原始输入图像。
请参考图3,是本发明实施例之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是个人计算机、平板计算机、移动电话及智能手机,也可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等用于提供虚拟客户端的运设备。如图所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及垃圾辅助投放系统20,其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以使计算机设备2的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital)SD卡,闪存卡(FlashCard)等,当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21用于存储安装于计算机设备2的操作系统和各类应用软件,例如垃圾辅助投放系统20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(CentralProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如垃圾辅助投放系统20,
所述网络接口23可包括无线网络接口或有限网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端项链,在计算机设备2与外部中断之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystemofMobilecommunication,GSM)、宽带码分多址(WidebandCodeDivisionMultipleAccess,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
在本实施例中,存储于存储器21中的所述物品提醒系统20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
另外,本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于垃圾辅助投放系统20,被处理器执行时实现本发明的垃圾辅助投放方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种垃圾辅助投放方法,其特征在于,包括:
手机端根据用户响应进而获取垃圾图像;
所述手机端将所述垃圾图像上传至服务器;
所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;
所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序;
所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
2.根据权利要求1所述的垃圾辅助投放方法,其特征在于,手机端根据用户响应进而获取垃圾图像的步骤还包括:
手机端监测界面中预置的触发区域是否被用户触发,若是,则手机端调用摄像头权限,通过摄像头获取垃圾图像。
3.根据权利要求1所述的垃圾辅助投放方法,其特征在于,所述第一判断步骤为:
所述服务器将所述垃圾图像与预置的标准图像进行对比,将所述预置的标准图像覆盖于所述垃圾图像,根据标准图像的像素值与所述垃圾图像被覆盖区域的像素值进行相似度计算,计算完成后将标准图像沿预置的步长进行移动,重新执行相似度的计算步骤,直至标准图像完成对所述垃圾图像所有区域的相似度计算,得到相似度数组;
对相似度数组中的所有元素进行遍历,并逐个进行阈值对比,若有大于阈值的元素,则将标准图像所关联的标签赋予所述垃圾图像,将所述标签作为第一判断结果。
5.根据权利要求1所述的垃圾辅助投放方法,其特征在于,所述第二判断步骤为:
所述服务器将所述垃圾图像作为原始输入图像,输入至由二十三个卷积层与六个池化层交织形成的特征提取结构,得到由所述原始输入图像提取而成的第一输出层;
将所述第一输出层输入至全连接层,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予;
所述服务器端将所述原始输入图像的标签作为第二判断结果。
6.根据权利要求5所述的垃圾辅助投放方法,其特征在于,所述全连接层的输出层拥有五个节点,所述五个节点分别对应五个类别,所述五个类别为纸类、塑料、金属、玻璃以及其他。
7.根据权利要求5所述的垃圾辅助投放方法,其特征在于,所述全连接层输出所述原始输入图像针对各预置类别的打分,根据所述各类别的打分分值进而对所述原始输入图像进行标签赋予的步骤包括:
所述全连接层的每个节点输出对所述原始输入图像的所述类别打分,所述服务器选取所述最高打分的类别,获取其类别对应的标签,将所述标签赋予值所述原始输入图像。
8.根据权利要求1所述的垃圾辅助投放方法,其特征在于,所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端的步骤包括:
提取所述第二判断结果与所述第一判断结果的结果值字段,判断所述第二判断结果值字段是否从属于所述第一判断结果的结果值字段,若是,则所述第二判断结果对所述第一判断结果进行核销成功,返回所述第二判断结果至所述手机端,若核销不成功,则返回所述第一判断结果至手机端,其中,所述服务器预置由关系表,用于存储所述第一判断结果值字段与所述第一判断结果值字段之间的从属关系。
9.一种垃圾辅助投放系统,其特征在于,包括:
获取模块,用于手机端根据用户响应进而获取垃圾图像;
传输模块,用于所述手机端将所述垃圾图像上传至服务器;
第一判断模块,用于所述服务器接收到所述垃圾图像,根据预置的第一判断程序,进行所述第一判断步骤,得到第一判断结果;
第二判断模块,用于所述服务器根据预置的第二判断程序,进行所述第二判断步骤,得到第二判断结果,其中,所述第二判断程序的触发取决于所述第一判断结果中的相似值是否达到预设阈值,若达到预设阈值,则不触发所述第二判断程序,若为达到预设阈值,则触发第二判断程序;
核销模块,用于所述服务器根据所述第二判断结果对所述第一判断结果进行核销,若核销成功,则返回第二判断结果至所述手机端,若核销不成功,则返回第一判断结果至手机端。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序能够被至少一个处理器所执行如权利要求1至7的一种垃圾辅助投放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911368126.3A CN111178426A (zh) | 2019-12-26 | 2019-12-26 | 垃圾辅助投放方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911368126.3A CN111178426A (zh) | 2019-12-26 | 2019-12-26 | 垃圾辅助投放方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178426A true CN111178426A (zh) | 2020-05-19 |
Family
ID=70652176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911368126.3A Pending CN111178426A (zh) | 2019-12-26 | 2019-12-26 | 垃圾辅助投放方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178426A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
CN110473130A (zh) * | 2019-07-30 | 2019-11-19 | 五邑大学 | 一种基于深度学习的垃圾分类评价方法、装置和存储介质 |
CN110602446A (zh) * | 2019-08-26 | 2019-12-20 | 恒大智慧科技有限公司 | 垃圾回收提醒方法、系统及存储介质 |
-
2019
- 2019-12-26 CN CN201911368126.3A patent/CN111178426A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
CN110473130A (zh) * | 2019-07-30 | 2019-11-19 | 五邑大学 | 一种基于深度学习的垃圾分类评价方法、装置和存储介质 |
CN110602446A (zh) * | 2019-08-26 | 2019-12-20 | 恒大智慧科技有限公司 | 垃圾回收提醒方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555372A (zh) | 数据录入方法、装置、设备及存储介质 | |
CN106446816B (zh) | 人脸识别方法及装置 | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
US20200004815A1 (en) | Text entity detection and recognition from images | |
WO2018166116A1 (zh) | 车损识别方法、电子装置及计算机可读存储介质 | |
CN112861648B (zh) | 文字识别方法、装置、电子设备及存储介质 | |
CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
CN107835520B (zh) | wifi热点连接方法、装置及存储介质 | |
CN108491866B (zh) | 色情图片鉴定方法、电子装置及可读存储介质 | |
CN111275060A (zh) | 识别模型更新处理方法、装置、电子设备及存储介质 | |
CN112765003B (zh) | 一种基于app行为日志的风险预测方法 | |
CN111178147A (zh) | 屏幕破碎分级方法、装置、设备及计算机可读存储介质 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及系统 | |
CN111340023A (zh) | 文本识别方法及装置、电子设备、存储介质 | |
CN111476275A (zh) | 基于图片识别的目标检测方法、服务器及存储介质 | |
CN111159452A (zh) | 易遗忘性物品提醒方法、系统、计算机设备及存储介质 | |
CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
CN111753608A (zh) | 信息处理方法及装置、电子设备及存储介质 | |
CN112307994A (zh) | 基于扫地机的障碍物识别方法、电子装置及存储介质 | |
CN109086938B (zh) | 产品sku识别方法、装置及计算机可读存储介质 | |
CN113837189A (zh) | 一种单位车辆智能管理方法及系统 | |
CN111178426A (zh) | 垃圾辅助投放方法及系统 | |
CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
CN110852893A (zh) | 基于海量数据的风险识别方法、系统、设备及存储介质 | |
CN110543812A (zh) | 信息提取方法及装置、电子设备及存储介质 |
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: 20200519 |
|
WD01 | Invention patent application deemed withdrawn after publication |