CN111196454A - 一种基于机器学习的垃圾分类系统 - Google Patents
一种基于机器学习的垃圾分类系统 Download PDFInfo
- Publication number
- CN111196454A CN111196454A CN202010115877.0A CN202010115877A CN111196454A CN 111196454 A CN111196454 A CN 111196454A CN 202010115877 A CN202010115877 A CN 202010115877A CN 111196454 A CN111196454 A CN 111196454A
- Authority
- CN
- China
- Prior art keywords
- garbage
- result
- module
- image
- machine learning
- 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 127
- 238000010801 machine learning Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/0033—Refuse receptacles; Accessories therefor specially adapted for segregated refuse collecting, e.g. receptacles with several compartments; Combination of receptacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/14—Other constructional features; Accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/14—Other constructional features; Accessories
- B65F1/1484—Other constructional features; Accessories relating to the adaptation of receptacles to carry identification means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2210/00—Equipment of refuse receptacles
- B65F2210/138—Identification means
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于机器学习的垃圾分类系统，包括：垃圾桶主体、摄像头、图像识别模块和结果处理模块；摄像头获取目标垃圾的图像，图像识别模块对图像进行识别得出垃圾种类，结果处理模块对垃圾种类结果进行处理并将结果显示在显示屏上，并进行语音播报垃圾种类结果，并控制垃圾桶开关打开相应种类的垃圾投放口进行垃圾投递。实现智能垃圾分类，识别准确，误差小，效率高；本发明可用于垃圾桶。
Description
技术领域
本发明涉及垃圾桶技术领域，尤其涉及一种基于机器学习的垃圾分类系统。
背景技术
垃圾桶是我们生活中必不可少的必需品，传统垃圾桶垃圾利用率和回收率低，造成垃圾污染和资源浪费，同时传统垃圾桶的功能较为单一，没有进行垃圾分类，对垃圾进行垃圾分类是生活发展的潮流，现今垃圾分类需要人工进行分类，效率低，且经常不能正确判断出垃圾种类，垃圾分类存在较多问题。
发明内容
本发明的目的在于提出一种基于机器学习的垃圾分类系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
本发明的目的采用如下技术方案实现：一种基于机器学习的垃圾分类系统，包括：垃圾桶主体、摄像头、图像识别模块和结果处理模块；所述垃圾桶主体包括：若干个垃圾投放口；若干个垃圾放置空间，与所述垃圾投放口相连通；所述摄像头用于获取目标垃圾的图像；所述图像识别模块，用于接收摄像头的图像，基于卷积神经网络，识别图像特征并与存储的垃圾分类数据库进行对比分析，得出垃圾种类；所述结果处理模块包括：微处理器，连接并控制显示屏、扬声器喇叭和垃圾桶开关，用于接收图像识别模块的结果并进行处理；显示屏，对垃圾种类结果进行显示；扬声器喇叭，对垃圾种类结果进行语音播报；垃圾桶开关，接收垃圾种类结果并打开对应垃圾种类投放口的开关。
摄像头获取目标垃圾的图像，图像识别模块对图像进行识别得出垃圾种类，结果处理模块对垃圾种类结果进行处理并将结果显示在显示屏上，并进行语音播报垃圾种类结果，并控制垃圾桶开关打开相应种类的垃圾投放口进行垃圾投递。实现智能垃圾分类，识别准确，误差小，效率高。
作为上述技术方案的进一步改进，所述结果处理模块还包括存储器，用于存储所述结果处理模块接收和处理的结果。
作为上述技术方案的进一步改进，还包括GPS模块，所述GPS模块和所述微处理器连接，用于定位位置。
作为上述技术方案的进一步改进，还包括异味检测模块，与所述结果处理模块连接，用于检测所述垃圾放置空间内垃圾的异味。
作为上述技术方案的进一步改进，还包括容量检测模块，与所述结果处理模块连接，用于检测所述垃圾桶内垃圾的容量。
作为上述技术方案的进一步改进，还包括报警模块和后台管理系统，用于根据所述检测结果发出报警提醒并发送报警信号到后台管理系统。便于调动人员对垃圾桶进行及时处理。
本发明的有益效果是：本发明摄像头获取目标垃圾的图像，图像识别模块对图像进行识别得出垃圾种类，结果处理模块对垃圾种类结果进行处理并将结果显示在显示屏上，并进行语音播报垃圾种类结果，并控制垃圾桶开关打开相应种类的垃圾投放口进行垃圾投递。实现智能垃圾分类，识别准确，误差小，效率高。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明提供的一种基于机器学习的垃圾分类系统的电路模块结构示意图；
图2是本发明提供的一种基于机器学习的垃圾分类系统的垃圾桶外形结构示意图；
图3是本发明提供的一种基于机器学习的垃圾分类系统的垃圾桶内部模块结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
实施例1，参照图1至图3，一种基于机器学习的垃圾分类系统，包括：垃圾桶主体100、摄像头201、图像识别模块202、结果处理模块、GPS模块、异味检测模块、容量检测模块、报警模块和后台管理系统；垃圾桶主体100包括：若干个垃圾投放口101和若干个垃圾放置空间102；结果处理模块包括：微处理器203、显示屏204、扬声器喇叭206、垃圾桶开关205和存储器。
垃圾放置空间102与垃圾投放口101相连通；摄像头201、结果处理模块分别与图像识别模块202连接；异味检测模块、容量检测模块和报警模块分别与结果处理模块连接；微处理器203分别与显示屏204、扬声器喇叭206、垃圾桶开关205、存储器和GPS模块连接。
摄像头201用于获取目标垃圾的图像。
图像识别模块202用于接收摄像头201的图像，基于卷积神经网络，识别图像特征并与存储的垃圾分类数据库进行对比分析，得出垃圾种类；垃圾分类数据包括各类垃圾图片以及图片特征数据。卷积神经网络可用于构建阶层分类器，也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习，特征提取可以人为地将图像的不同部分分别输入卷积神经网络，也可以由卷积神经网络通过非监督学习自行提取，从而实现图像识别。
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络。卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。
微处理器203，用于接收图像识别模块202的结果并进行处理，将垃圾种类结果发送到显示进行显示，发送到扬声器喇叭206进行语音播报；并控制垃圾桶开关205打开对应垃圾种类投放口的开关。
存储器，用于存储结果处理模块接收和处理的结果。
异味检测模块用于检测所述垃圾放置空间102内垃圾的异味并发送到结果处理模块，容量检测模块用于检测所述垃圾桶内垃圾的容量并发送到结果处理模块，微处理器203对检测结果进行分析并根据检测结果通过报警模块发出报警提醒并发送报警信号到后台管理系统。便于调动人员对垃圾桶进行及时处理。
具体地，摄像头201获取目标垃圾的图像，图像识别模块202对图像进行识别得出垃圾种类，结果处理模块对垃圾种类结果进行处理并将结果显示在显示屏204上，并进行语音播报垃圾种类结果，并控制垃圾桶开关205打开相应种类的垃圾投放口101进行垃圾投递。实现智能垃圾分类，识别准确，误差小，效率高。
优选地，垃圾数据库图片分类包括干垃圾、湿垃圾、可回收物、有害垃圾。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (6)
1.一种基于机器学习的垃圾分类系统，其特征在于：包括：
垃圾桶主体，包括：
若干个垃圾投放口；
若干个垃圾放置空间，与所述垃圾投放口相连通；
摄像头，用于获取目标垃圾的图像；
图像识别模块，用于接收摄像头的图像，基于卷积神经网络，识别图像特征并与存储的垃圾分类数据库进行对比分析，得到垃圾种类结果；结果处理模块，包括：
微处理器，连接并控制显示屏、扬声器喇叭和垃圾桶开关，
用于接收图像识别模块的结果并进行处理；
显示屏，对垃圾种类结果进行显示；
扬声器喇叭，对垃圾种类结果进行语音播报；
垃圾桶开关，接收垃圾种类结果并打开对应垃圾种类投放口的开关。
2.根据权利要求1所述的一种基于机器学习的垃圾分类系统，其特征在于：所述结果处理模块还包括存储器，用于存储所述结果处理模块接收和处理的结果。
3.根据权利要求1所述的一种基于机器学习的垃圾分类系统，其特征在于：还包括GPS模块，所述GPS模块和所述微处理器连接，用于定位位置。
4.根据权利要求1所述的一种基于机器学习的垃圾分类系统，其特征在于：还包括异味检测模块，与所述结果处理模块连接，用于检测所述垃圾放置空间内垃圾的异味。
5.根据权利要求1所述的一种基于机器学习的垃圾分类系统，其特征在于：还包括容量检测模块，与所述结果处理模块连接，用于检测所述垃圾桶内垃圾的容量。
6.根据权利要求4或5任一项所述的一种基于机器学习的垃圾分类系统，其特征在于：还包括报警模块和后台管理系统，用于根据检测结果发出报警提醒并发送报警信号到后台管理系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010115877.0A CN111196454A (zh) | 2020-02-25 | 2020-02-25 | 一种基于机器学习的垃圾分类系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010115877.0A CN111196454A (zh) | 2020-02-25 | 2020-02-25 | 一种基于机器学习的垃圾分类系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111196454A true CN111196454A (zh) | 2020-05-26 |
Family
ID=70742588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010115877.0A Pending CN111196454A (zh) | 2020-02-25 | 2020-02-25 | 一种基于机器学习的垃圾分类系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111196454A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112742729A (zh) * | 2020-12-30 | 2021-05-04 | 浙江金实乐环境工程有限公司 | 一种基于大数据图像处理技术的生活垃圾分类装置 |
| 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 |
Citations (6)
| 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 |
| CN109987364A (zh) * | 2019-05-17 | 2019-07-09 | 贵州大学 | 一种新型智能垃圾桶及其控制方法 |
| CN110228673A (zh) * | 2019-04-17 | 2019-09-13 | 华南师范大学 | 一种智能分类垃圾桶 |
| CN110626662A (zh) * | 2019-10-12 | 2019-12-31 | 张颢宸 | 一种基于图像识别的垃圾自分类方法及设备 |
| CN110697273A (zh) * | 2019-08-27 | 2020-01-17 | 酆雨舟 | 一种基于迭代学习控制的生活垃圾智能识别与自动分类系统及方法 |
| CN212333579U (zh) * | 2020-02-25 | 2021-01-12 | 佛山科学技术学院 | 一种基于机器学习的垃圾分类系统 |
-
2020
- 2020-02-25 CN CN202010115877.0A patent/CN111196454A/zh active Pending
Patent Citations (6)
| 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 |
| CN110228673A (zh) * | 2019-04-17 | 2019-09-13 | 华南师范大学 | 一种智能分类垃圾桶 |
| CN109987364A (zh) * | 2019-05-17 | 2019-07-09 | 贵州大学 | 一种新型智能垃圾桶及其控制方法 |
| CN110697273A (zh) * | 2019-08-27 | 2020-01-17 | 酆雨舟 | 一种基于迭代学习控制的生活垃圾智能识别与自动分类系统及方法 |
| CN110626662A (zh) * | 2019-10-12 | 2019-12-31 | 张颢宸 | 一种基于图像识别的垃圾自分类方法及设备 |
| CN212333579U (zh) * | 2020-02-25 | 2021-01-12 | 佛山科学技术学院 | 一种基于机器学习的垃圾分类系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112742729A (zh) * | 2020-12-30 | 2021-05-04 | 浙江金实乐环境工程有限公司 | 一种基于大数据图像处理技术的生活垃圾分类装置 |
| CN112742729B (zh) * | 2020-12-30 | 2022-08-09 | 浙江金实乐环境工程有限公司 | 一种基于大数据图像处理技术的生活垃圾分类装置 |
| 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 |
|---|---|---|
| CN109684979B (zh) | 一种基于图像识别技术的垃圾分类方法、装置及电子设备 | |
| CN110697273B (zh) | 一种基于迭代学习控制的生活垃圾智能识别与自动分类系统及方法 | |
| CN212333579U (zh) | 一种基于机器学习的垃圾分类系统 | |
| WO2019000929A1 (zh) | 垃圾分类回收方法、垃圾分类设备以及垃圾分类回收系统 | |
| CN111196454A (zh) | 一种基于机器学习的垃圾分类系统 | |
| CN110861851A (zh) | 一种基于物联网的小区垃圾分类系统及方法 | |
| CN111017429B (zh) | 一种基于多因素融合的社区垃圾分类方法及系统 | |
| CN113135368B (zh) | 一种智能垃圾前端分类系统和方法 | |
| US20210295039A1 (en) | Methods and electronic devices for automated waste management | |
| CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
| WO2021179596A1 (zh) | 垃圾分类方法及智能家电设备 | |
| CN112298844A (zh) | 一种垃圾分类监督方法及装置 | |
| CN111723772A (zh) | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 | |
| CN111508129A (zh) | 一种废旧电池智能回收装置及方法 | |
| CN212048939U (zh) | 社区智能垃圾回收装置 | |
| CN112278647A (zh) | 智能垃圾分类系统及其实现方法 | |
| CN113743434A (zh) | 一种目标检测网络的训练方法、图像增广方法及装置 | |
| CN212244726U (zh) | 一种智能分类垃圾桶 | |
| CN113343838A (zh) | 一种基于cnn神经网络的智能垃圾识别方法及装置 | |
| CN212048940U (zh) | 家庭版智能垃圾回收装置 | |
| CN113581690A (zh) | 一种基于图像识别的智能分类垃圾桶控制系统 | |
| CN113636234A (zh) | 一种智能垃圾桶系统及其垃圾自动分类方法 | |
| CN211699074U (zh) | 一种废旧电池智能回收装置 | |
| CN113697316A (zh) | 一种基于物联网的智慧分类系统 | |
| CN117206205A (zh) | 一种垃圾识别分拣系统及其方法 |
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 |