CN111439500A - 垃圾自动分类方法及垃圾自动分类装置 - Google Patents
垃圾自动分类方法及垃圾自动分类装置 Download PDFInfo
- Publication number
- CN111439500A CN111439500A CN202010299668.6A CN202010299668A CN111439500A CN 111439500 A CN111439500 A CN 111439500A CN 202010299668 A CN202010299668 A CN 202010299668A CN 111439500 A CN111439500 A CN 111439500A
- Authority
- CN
- China
- Prior art keywords
- garbage
- real
- type
- time single
- dimensional model
- 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.)
- Granted
Links
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 537
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 22
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 3
- 238000012795 verification Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 235000015895 biscuits Nutrition 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 235000021190 leftovers Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000010893 paper waste Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 239000010926 waste battery Substances 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
- B65F1/14—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
- B65F1/0033—Refuse receptacles; Accessories therefor specially adapted for segregated refuse collecting, e.g. receptacles with several compartments; Combination of receptacles
- B65F1/0053—Combination of several 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
- B65F1/16—Lids or covers
- B65F1/1623—Lids or covers with means for assisting the opening or closing thereof, e.g. springs
- B65F1/1638—Electromechanically operated lids
-
- 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
- B65F2001/008—Means for automatically selecting the receptacle in which refuse should be placed
-
- 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
-
- 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
- B65F2210/176—Sorting 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
- B65F2210/184—Weighing means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Abstract
本发明公开一种垃圾自动分类方法及自动分类装置,方法包括:将所有垃圾划分成若干种类,采集每种垃圾中包含的若干个单一垃圾的第一图像合成单一垃圾三维模型形成垃圾种类训练集;对单一垃圾三维模型进行学习训练构建单一垃圾三维模型分类器;识别实时单一垃圾并拍摄实时单一垃圾的第二图像辅助定位抓取;拍摄实时单一垃圾的第一图像合成实时单一垃圾三维模型并通过单一垃圾三维模型分类器分类,获得实时单一垃圾的种类;将实时单一垃圾投放至对应种类垃圾桶;第一图像为二维六面图像,第二图像为二维单面图像;若干种类垃圾至少包括待定垃圾。解决人工手动分类不准确的问题,无需人工手动分类即可垃圾精确识别与自动精确分类,提高分拣效率。
Description
技术领域
本发明涉及垃圾分类技术领域,更具体地说,本发明涉及一种垃圾自动分类方法及垃圾自动分类装置。
背景技术
随着我国城市化进程的推进,生活垃圾的处理成为一个不可忽视的问题。目前处理垃圾的方式主要为集中填埋或焚烧。垃圾填埋的费用是高昂的,不论是垃圾填埋或者焚烧,都会对环境造成不可忽略的污染,同时也是对垃圾中有用资源的浪费。
垃圾处理一个行而有效的方法是垃圾分类,通过分类投放、分类收集,把有用物资如纸张、塑料、橡胶、玻璃等从垃圾中分离出来重新回收、利用,把有害物资如电池、医学垃圾等分类收集、集中处理,既可以提高资源的利用水平,变废为宝,又可避免二次污染。
2019年7月1日起,上海正式实施垃圾分类;根据住建部公布,2020年将在全国46个重点城市推行垃圾分类。目前的垃圾分类方式是让市民先分类,再对垃圾进行投放。这种分类方式虽说可行,但实际运作中,垃圾种类繁多,短时间内,人们还很难学会垃圾分类、适应垃圾分类,人们会将大约30%以上的垃圾扔错地方,准确率低的同时也给投放者造成诸多不便,增大垃圾后续处理的人力、物力的投入,因此迫切需要一种可自动对各种垃圾进行精确识别并完成自动分类投放的垃圾自动分类方法。
发明内容
针对上述技术中存在的不足之处,本发明提供一种垃圾自动分类方法和垃圾自动分类装置,解决因垃圾种类繁多而人工手动分类不准确的问题,实现垃圾的精确识别与自动精确分类。
为了实现根据本发明的这些目的和其它优点,本发明通过以下技术方案实现:
本发明所述的垃圾自动分类方法,其运用在至少包括控制板、机械臂、摄像头、智能垃圾桶以及若干种传感器的垃圾自动分类控制系统中,包括以下步骤:
构建垃圾种类的训练集和单一垃圾三维模型分类器:将所有垃圾划分成若干种类,采集每种垃圾中包含的若干个单一垃圾的第一图像合成单一垃圾三维模型形成垃圾种类训练集;对单一垃圾三维模型进行学习训练构建单一垃圾三维模型分类器;
实时单一垃圾识别与定位:识别实时单一垃圾并拍摄实时单一垃圾的第二图像辅助定位抓取;
实时单一垃圾种类判断:拍摄实时单一垃圾的第一图像合成实时单一垃圾三维模型,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类;
实时单一垃圾投放:根据获得的实时单一垃圾种类,将实时单一垃圾投放至对应种类的垃圾桶;
其中,所述第一图像为二维的六面图像,所述第二图像为二维的单面图像;所有垃圾划分成的若干种类中至少包括待定垃圾种类。
优选的是,采集单一垃圾的第一图像包括以下步骤:
依次采集单一垃圾使用前状态以及若干种使用后状态的二维六面图像;
其中,若干种使用后状态至少包括变形、破损、变色、掺杂;所述掺杂至少包括掺杂液体、掺杂固体。
优选的是,实时单一垃圾种类判断后,还包括人工输入辅助实时单一垃圾种类验证的步骤,其包括:
实时单一垃圾种类判断前,分别构建单一垃圾六个面的图像分类器:对单一垃圾的第一图像进行学习训练分别构建单一垃圾六个面的图像分类器;
实时单一垃圾一种类判断前,人工提供垃圾信息:人工通过语音或文字形式提供输入性实时单一垃圾种类;
实时单一垃圾种类判断后,比较单一垃圾三维模型分类器分类出的实时单一垃圾种类与人工提供的输入性实时单一垃圾种类是否相同;
相同时,判定单一垃圾三维模型分类器分类出的结果为实时单一垃圾种类;
不同时,通过单一垃圾六个面的图像分类器对实时单一垃圾的第一图像进行二次分类,二次分类后任一面图像分类器的分类结果与所述输入性实时单一垃圾种类相同,判定二次分类后相同面图像分类器分类后的结果为实时单一垃圾种类;二次分类结果不相同,将实时单一垃圾划分为待定垃圾种类内进行投放。
优选的是,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类,包括以下步骤:
判断获得的实时单一垃圾种类是否为有害垃圾种类;若是,直接输出获得的实时单一垃圾种类为有害垃圾;若否,
进一步判断获得的实时单一垃圾的种类是否为湿垃圾种类;若是,直接输出获得的实时单一垃圾种类为湿垃圾;若否,则直接输出通过单一垃圾三维模型分类器分类获得的实时单一垃圾种类。
优选的是,进一步判断获得的实时单一垃圾的种类是否为湿垃圾种类,还包括湿垃圾种类验证的步骤:
抓取垃圾时采集实时单一垃圾的湿度信息,若实时单一垃圾的湿度值高于湿垃圾种类的湿度值,则直接输出获得的实时单一垃圾种类为湿垃圾;若实时单一垃圾的湿度值低于湿垃圾种类的湿度值,将实时单一垃圾划分为待定垃圾种类内进行投放。
优选的是,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类,还包括以下步骤:
单一垃圾三维模型分类器对所述实时单一垃圾三维模型进行分类时近似概率高于70%,则该实时单一垃圾三维模型的分类认定为对应单一垃圾三维模型分类器的分类。
优选的是,构建垃圾种类的训练集包括以下步骤:
采集每种垃圾中包含的单一垃圾的第一图像,依次进行灰度化、裁剪、三维合成处理,形成单一垃圾三维模型;
根据垃圾种类的分类,建立对应数量的垃圾种类文件夹,并将所述文件夹标记对应垃圾种类的标签;
将合成后的单一垃圾三维模型划分至对应种类标签的文件夹内。
优选的是,识别实时单一垃圾包括以下步骤:
通过传感器感应或摄像头拍摄图片来识别实时单一垃圾是否存在;
其中,所述传感器包括称重传感器或激光传感器或超声传感器或光电对射传感器。
优选的是,实时垃圾投放后,还包括垃圾满载预警的步骤,其包括:
检测垃圾桶内的实时垃圾高度,所述实时垃圾高度大于警戒高度时,发出预警信息,垃圾桶盖封闭,停止投放。
一种适用于上述垃圾自动分类方法的垃圾自动分类装置,其包括:
放置台,其表面设有感应垃圾的第一传感器;
若干个垃圾桶,其排布在所述放置台两侧;每个所述垃圾桶设有桶体和朝向所述放置台转动启闭的桶盖;
采集装置,其水平架设在所述放置台上方;所述采集装置设有通信连接到所述桶盖控制所述桶盖启闭的控制板以及对应朝向所述放置台的摄像头;
机械臂装置,其位于所述放置台的一端;
其中,所述控制板通信连接到所述机械臂装置,控制所述机械臂装置夹取所述放置台上的垃圾放置于所述桶体中;
所述控制板分别通信连接到所述摄像头和所述第一传感器。
本发明至少包括以下有益效果:
(1)本发明提供的垃圾自动分类方法,借助机器学习,通过构建垃圾种类的训练集和单一垃圾三维模型分类器,在机械臂和摄像头的帮助下,完成实时单一垃圾的定位、抓取、自动分类和投放,从而解决因垃圾种类繁多而人工手动分类不准确的问题,无需人工手动分类即可实现垃圾精确识别、自动精确分类与投放,提高分拣效率,降低垃圾分类的劳动量;
(2)依次采集单一垃圾使用前状态以及若干种使用后状态的二维六面图像,若干种使用后状态至少包括变形、破损、变色、掺杂,掺杂至少包括掺杂液体、掺杂固体等措施,可有效提高单一垃圾三维模型分类器对实时单一垃圾分类的精确性;
(3)实时单一垃圾种类判断后,人工输入辅助实时单一垃圾种类验证的步骤,是通过扔垃圾时,人工只提供文字或语音形式的输入性垃圾信息,不需要主动进行垃圾分类,来验证单一垃圾三维模型分类器对实施单一垃圾分类的准确性。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述的垃圾自动分类的方法流程图;
图2为本发明所述的垃圾自动分类后增加垃圾种类验证的方法流程图;
图3为本发明所述的垃圾种类验证的方法流程图;
图4为本发明所述的单一垃圾三维模型分类器对实时单一垃圾三维模型进行分类的方法流程图;
图5为本发明所述的垃圾自动分类装置。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
<实施例1>
如图1所示,本发明提供一种垃圾自动分类方法,其运用在至少包括控制板、机械臂、摄像头、智能垃圾桶以及若干种传感器的垃圾自动分类控制系统中。垃圾自动分类方法包括以下步骤:
S10,构建垃圾种类的训练集和单一垃圾三维模型分类器:
S20,实时单一垃圾识别与定位:
S30,实时单一垃圾种类判断:
S40,实时单一垃圾投放。
具体地,上述步骤S10中,构建训练集和分类器之前,必须先将所有垃圾划分成若干种类,比如常见的分类是四类,干垃圾、湿垃圾、有害垃圾以及可回收垃圾。划分后,每种垃圾均包含多种单一垃圾,例如干垃圾至少包括食品袋、尘土、纸巾、陶瓷等等,湿垃圾至少包括剩饭剩菜、果皮、菜叶、骨头等等,有害垃圾至少包括废电池、废温度计、废弃医疗物品等等,可回收垃圾至少包括废纸、废塑料、废旧纺织品等等。但是,存在有些本身分类界定不清晰的垃圾,比如湿纸巾,是属于湿垃圾,还是干垃圾。针对这种情况,本发明设置所有垃圾划分成的若干种类中至少包括待定垃圾种类,将这些本身分类界定不清晰的垃圾划分成待定垃圾,集中收纳,后期通过人工处理,提高分类的准确性。
确定垃圾分类种类后,可通过摄像头辅助拍摄采集每种垃圾中包含的若干个单一垃圾的第一图像。这里的第一图像为单一垃圾的二维的六面图像,即包括上、下、左、右、前、后六面视图,再通过软件合成即可获得单一垃圾三维模型并进一步形成垃圾种类训练集。至于图像处理与识别采用的系统和平台,不发明不做具体限定,满足图像处理功能即可。例如本发明可优选采用树莓派Raspberry Pi搭载OpenCV库来完成。Raspberry Pi可满足图像处理需要的强大运算能力,可用于在需要与用户交互的项目中,以低成本构建web浏览设备,还可满足后期项目优化,进行联网。OpenCV有400多个免费的图像处理函数,涉及面广,从图像处理到模式识别、从静态图像到运动视频、从二维平面到相机的三维标定以及三维重建,覆盖了机器视觉的大多应用领域,许多算法做了很好的优化,处理能力更好,可以更好进行数据量大或者实时性要求高的图像处理。至于三维合成软件,可以采用SFM、MS等,本发明不做具体限定,满足合成功能即可。
单一垃圾三维模型建模后,可通过机器学习对单一垃圾三维模型进行学习训练,构建单一垃圾三维模型分类器。至于机器学习的特征学习方式,本发明不做具体限定,满足高性能学习与分类即可,例如本发明可优选采用CNN。CNN的强大之处在于它的多层结构能自动学习特征,并且可学习到多个层次的特征:较浅的卷积层感知域较小,学习到一些局部区域的特征;较深的卷积层具有较大的感知域,能够学习到更加抽象一些的特征。这些抽象特征对物体的大小、位置和方向等敏感性更低,从而有助于识别性能的提高。
具体地,上述步骤S20中,对于实时单一垃圾的自动分类,首先第一步是自动识别。一旦识别到实时单一垃圾存在后,再拍摄实时单一垃圾的第二图像辅助定位与抓取。这里,拍摄通过控制系统控制摄像头来完成,定位和抓取分别通过控制系统控制机械臂来完成。需要说明的是,拍摄的第二图像与第一图像性质不同,为普通的二维的单面图像,满足辅助控制系统控制机械臂实现定位和抓取即可。
具体地,上述步骤S30主要是对实时单一垃圾种类判断。判断分两个步骤:首先,拍摄实时单一垃圾的第一图像合成实时单一垃圾三维模型;其次,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类。
具体地,上述步骤S40主要是对实时单一垃圾进行自动投放。根据步骤S30获得的实时单一垃圾的种类,控制系统控制机械臂将实时单一垃圾投放至对应种类的垃圾桶。这里,垃圾桶必须是智能垃圾桶,具体指的是,控制系统可控制垃圾桶桶盖的自动开启与关闭。实时单一垃圾的种类确定后,控制系统控制对应种类的垃圾桶桶盖开启,同时控制机械臂将实时单一垃圾投放至该垃圾桶,控制系统进一步控制垃圾桶桶盖关闭,完成自动投放动作。
本发明实施例提供的垃圾自动分类方法,借助机器学习,通过构建垃圾种类的训练集和单一垃圾三维模型分类器,在机械臂和摄像头的帮助下,完成实时单一垃圾的定位、抓取、自动分类和投放,从而解决因垃圾种类繁多而人工手动分类不准确的问题,实现无需人工即可垃圾精确识别、自动精确分类与投放,提高分拣效率,降低垃圾分类的劳动量;同时设置的待定垃圾种类,对本身分类界定不清晰的垃圾划集中收纳,后期通过人工处理,进一步提高分类的准确性。
<实施例2>
在实施例1的基础上,本发明实施例主要用于对实时单一垃圾的第一图像精确采集进行补充说明。
人们扔垃圾时,通常垃圾已经残卷、破损或者挤压变形等等,如果在建立垃圾种类训练集和对单一垃圾三维模型进行学习训练构建单一垃圾三维模型分类器时,仅仅采集每种垃圾中包含的若干个单一垃圾完好状态的第一图像,是不够完善和准确的,甚至会导致完全不能通过建立的单一垃圾三维模型分类器将垃圾进行分类。因此,作为本发明优选的实施例,在采集实时单一垃圾的第一图像时,设置包括以下步骤:依次采集单一垃圾使用前状态以及若干种使用后状态的二维六面图像。使用前状态主要是指垃圾使用前完好的状态,比如未开封的饼干等等,若干种使用后状态至少包括变形、破损、变色、掺杂,变形、破损、变色,比如喝完的牛奶盒、拆开的便利袋、腐烂的水果;掺杂至少包括掺杂液体、掺杂固体,比如湿的纸巾等等。通过依次采集单一垃圾使用前状态以及若干种使用后状态的二维六面图像,可明显有效提高单一垃圾三维模型分类器对实时单一垃圾分类的精确性。
<实施例3>
在实施例1的基础上,本发明实施例主要提供一种自动分类后垃圾种类验证的实施方式。即实时单一垃圾种类判断后,如图2所示,还设置步骤:
S50,通过人工输入辅助实时单一垃圾种类验证。
具体地,如图3所示,该验证包括以下步骤:
S51,实时单一垃圾种类判断前,分别构建单一垃圾六个面的图像分类器;
S52,实时单一垃圾一种类判断前,人工提供垃圾信息;
S53,实时单一垃圾种类判断后,比较单一垃圾三维模型分类器分类出的实时单一垃圾种类与人工提供的输入性实时单一垃圾种类是否相同。
上述步骤S51中,具体通过对单一垃圾的第一图像进行学习训练分别构建单一垃圾六个面的图像分类器。
上述步骤S52中,人工提供垃圾信息的形式可以是多种,本发明优选的实施例为人工通过语音或文字形式提供输入性实时单一垃圾种类。比如,人们在扔垃圾前,可以通过手机端开发的app,通过语音输入或文字输入的形式,将待扔垃圾的种类进行输入,到达垃圾桶旁时,通过手机端扫码将人工提供的输入性实时单一垃圾种类输入至垃圾桶控制系统中,或者,人工达到垃圾桶控制系统后,通过垃圾桶控制系统上的触摸屏等设备进行语音采集或人工输入。
上述步骤S53主要用于分类验证。单一垃圾三维模型分类器分类出的实时单一垃圾种类与人工提供的输入性实时单一垃圾种类相同时,则可判定单一垃圾三维模型分类器分类出的结果为实时单一垃圾种类,分类结果准确。单一垃圾三维模型分类器分类出的实时单一垃圾种类与人工提供的输入性实时单一垃圾种类不同时,可能存在两个原因:一是分类不够精确,二是人工输入时对垃圾种类判断出错。针对第一种情况,我们通过二次分类验证来解决,具体地,通过单一垃圾六个面的图像分类器对实时单一垃圾的第一图像进行二次分类,二次分类后任一面图像分类器的分类结果与输入性实时单一垃圾种类相同,判定二次分类后相同面图像分类器分类后的结果为实时单一垃圾种类,则单一垃圾六个面的图像分类器对实时单一垃圾的第一图像的二次分类,很好地对单一垃圾三维模型分类器的分类不精确做了补充验证。如果二次分类后任一面图像分类器的分类结果与输入性实时单一垃圾种类仍不相同,则属于第二种情况,即人工输入时对垃圾种类的误判,为了消除这种误判对单一垃圾三维模型分类器的分类精度造成不利影响,系统将实时单一垃圾划分为待定垃圾种类内进行投放,后续通过人工再分类,避免垃圾分类出错。
<实施例4>
在实施例1的基础上,本发明实施例主要提供单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类的过程。众所周知,几种垃圾分类中,有害垃圾收集后是需要进行特殊处理,避免对环境造成伤害,最好先判断;湿垃圾也可通过检测湿度快速判断。因此,为了提高分类的准确性和效率。如图4所示,单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类的步骤如下所示:
判断获得的实时单一垃圾种类是否为有害垃圾种类;若是,直接输出获得的实时单一垃圾种类为有害垃圾;若否,
进一步判断获得的实时单一垃圾的种类是否为湿垃圾种类;若是,直接输出获得的实时单一垃圾种类为湿垃圾;若否,则直接输出通过单一垃圾三维模型分类器分类获得的实时单一垃圾种类。
通过有害垃圾、湿垃圾、其他种类垃圾的依次分类,可有效提高垃圾分类的准确性和效率。
<实施例5>
在实施例4进行是否为湿垃圾种类的判断后,本发明实施例还进一步提供一种通过湿垃圾种类验证以证明分类结果准确性的实施方式。具体地,湿垃圾种类验证包括以下步骤:
抓取垃圾时采集实时单一垃圾的湿度信息,若实时单一垃圾的湿度值高于湿垃圾种类的湿度值,则直接输出获得的实时单一垃圾种类为湿垃圾,说明验证成功;若实时单一垃圾的湿度值低于湿垃圾种类的湿度值,验证出现错误,为了消除这种错误对单一垃圾三维模型分类器的分类精度造成不利影响,系统将实时单一垃圾划分为待定垃圾种类内进行投放,后续通过人工再分类,避免垃圾分类出错。
<实施例6>
在实施例1或实施例4的基础上,本发明实施例提供单一垃圾三维模型分类器进行分类的标准。单一垃圾三维模型分类器毕竟是通过三维合成模型通过机器学习经大量数据学习训练获得,和实时单一垃圾不可避免出现误差,此时,需要确定分类的标准。具体地,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类,还包括以下步骤:
单一垃圾三维模型分类器对所述实时单一垃圾三维模型进行分类时近似概率高于70%,则该实时单一垃圾三维模型的分类认定为对应单一垃圾三维模型分类器的分类。通过近似概率高于70%的分类阈值标准设置,单一垃圾三维模型分类器的分类精度仍可达到98%。
<实施例7>
在实施例1的基础上,本发明实施例提供构建垃圾种类训练集的实施方式。具体地,构建垃圾种类训练集包括以下步骤:
S11,采集每种垃圾中包含的单一垃圾的第一图像,依次进行灰度化、裁剪、三维合成处理,形成单一垃圾三维模型;
S12,根据垃圾种类的分类,建立对应数量的垃圾种类文件夹,并将文件夹标记对应垃圾种类的标签;
S13,将合成后的单一垃圾三维模型划分至对应种类标签的文件夹内。
步骤S11中,第一图像的灰度化可批量进行。图片裁剪的尺寸可自定义,本发明优选为固定尺寸40*40。至于裁剪的方式,考虑图片质量和拍摄角度,可通过PS进行裁剪和调整。步骤S13将合成后的单一垃圾三维模型划分至对应种类标签的文件夹内后,可使用OpenCV提供的opencv_createsamples.exe程序生成样本vec文件,最后再使用OpenCV提供的opencv_traincascade.exe程序训练单一垃圾三维模型分类器,新建xml文件夹,再新建批处理文件。
<实施例8>
在实施例1的基础上,本发明实施例提供识别实时单一垃圾的实施方式。具体是通过传感器感应或摄像头拍摄图片来识别实时单一垃圾是否存在来实现的。具体地,传感器包括称重传感器或激光传感器或超声传感器或光电对射传感器,则对应的识别方式为重量识别、激光识别、超声测距识别或光电对射识别。
<实施例9>
在实施例1的基础上,本发明实施例提供垃圾高效投放与预警的实施方式,即设置垃圾满载预警的步骤,具体为:控制系统检测垃圾桶内的实时垃圾高度,当实时垃圾高度大于警戒高度时,发出预警信息,提醒工作人员及时进行垃圾清理,同时,控制系统控制垃圾桶盖封闭,控制系统控制机械臂停止投放。至于预警信息的形式,可以是声光、语音等形式,本发明不做具体限定,满足预警功能即可。
<实施例10>
如图5所示,本发明提供一种垃圾自动分类装置,其包括放置台1、排布在放置台1两侧的若干个垃圾桶、水平架设在放置台1上方的采集装置3以及位于放置台1一端的机械臂装置。
放置台1表面设有第一传感器(图5中未示出)。每个垃圾桶设有桶体21和朝向放置台1转动启闭的桶盖22。采集装置3设有控制板31、对应朝向放置台1的摄像头32。控制板31通信连接到桶盖22控制桶盖22启闭。控制板31通信连接到第一传感器,用于感应放置台1是否存在垃圾。控制板31通信连接到摄像头32控制其采集放置台1上的垃圾实时图像。控制板31通信连接到机械臂装置控制其夹取放置台1上的垃圾放置于桶体21中。
需要说明的是,若干个垃圾桶的数量是根据垃圾分类的种类数量来设置的,本发明不做具体限定,满足若干个垃圾桶均匀排布在放置台1两侧方便机械臂装置投放即可。一般情况下,常见的垃圾分类有可回收、有害、湿垃圾、其他等,因此,作为本发明的优选实施例,垃圾桶的数量可以设置为4个,两两对称分布在放置台1的两侧。
需要说明的是,第一传感器主要用于感知放置台1是否存在垃圾,任何可感知垃圾存在的传感器均可,例如光电对射传感器、称重传感器、激光传感器等。作为本发明的优选实施例,第一传感器设置为称重传感器,通过采集放置台1上的重量变化即可感知放置台1上是否存在垃圾,简单方便。
还需要说明的是,为了方便机械臂装置的夹取和放置动作,机械臂装置的位置应设置在人工放置垃圾的对立侧,既不遮挡人工放置垃圾,又可便利机械臂装置向左右侧垃圾桶进行垃圾投放。
本发明提供的垃圾自动分类装置进行垃圾自动分类的过程是:人工将垃圾放置于放置台1,第一传感器采集到垃圾存在的信息反馈给控制板31,控制板31控制摄像头32开启进行垃圾实时图像的拍摄,控制板31对垃圾实时图像进行数据分析和处理,获得该垃圾实时图像对应的垃圾种类;控制板31控制机械臂装置夹取放置台1上的垃圾的同时,控制板31控制对应垃圾种类的垃圾桶桶盖22自动打开,控制板31再控制机械臂装置将夹取的垃圾放入该垃圾种类对应垃圾桶的桶体21内。垃圾投放结束,控制板31依次控制机械臂装置归位、桶盖22关闭以及摄像头32关闭,最终完成垃圾的自动精确识别、自动精确分类与投放,分类和投放过程不需要人工参与,解决因垃圾种类繁多而人工手动分类不准确的问题,提高分拣效率,降低垃圾分类的劳动量。
<实施例11>
在实施例10的基础上,本实施例主要提供垃圾桶内垃圾高效投放的实施方式。本实施例中,采集装置3还包括若干个第二传感器33和报警装置34。若干个第二传感器33沿朝向若干个垃圾桶的方向一一设置,用于测量桶体21内垃圾的实时高度。第二传感器33和报警装置34分别与控制板31通信连接。当第二传感器33测量桶体21内垃圾的实时高度高于控制板31预先设置的高度阈值时,控制板31发出警示信息给报警装置34进行报警,提醒工作人员及时进行垃圾清理。
需要说明的是,至于报警装置34的具体位置和报警形式,本发明不做具体要求,能满足与控制板31通信且达到警示效果即可。图5中给出了报警装置34位于采集装置3一端侧的实施例。
桶体21是一个具有立体容量的容器,控制板31控制机械臂装置投放垃圾到桶体21的位置是否合适,决定了桶体21的填装率,一个桶体21对应一个第二传感器33测量桶体21内垃圾的实时高度必然不够精确。因此,作为更进一步地优选,每个垃圾桶对应不少于一个阵列排布的第二传感器33,阵列均匀排布的几个第二传感器33可以获取桶体21内垃圾的立体高度,该立体高度通过第二传感器33反馈给控制板31后,控制板31可控制机械臂装置调节垃圾在桶体21中的投放位置,从而提高桶体21的填装率,最大化利用垃圾桶。
<实施例12>
在实施例10的基础上,本实施例提供便于控制板31控制机械臂装置精确抓取的实施方式。
该实施方式中,采集装置还设有用于测距的第三传感器35。第三传感器35包括阵列排布在摄像头32周围的若干个;每个第三传感器35对应朝向放置台1;第三传感器35与控制板31通信连接。摄像头32虽然能拍摄垃圾实时图像,但并不能判断垃圾的高度,但是,在若干个阵列排布在摄像头32周围的第三传感器35的测距作用下,可以初步判断垃圾的立体高度情况并将该立体高度反馈给控制板31,则有利于控制板31精确控制机械臂装置找到合适的抓取点。
作为更进一步地优选,机械臂装置包括位于放置台1一端的支架41、竖直设于支架41的第一导轨42、以及滑动连接到第一导轨42的多轴转动机械手43。多轴转动机械手43可多个自由度实现抓取、投放动作,满足抓取垃圾后向放置台1不同侧的垃圾桶完成投放。多轴转动机械手43在第一导轨42上可竖直滑动,方便控制板31调节多轴转动机械手43到合适的抓取高度,提高抓取精确度。
作为更进一步地优选,机械臂装置包括水平设于支架41上的第二导轨44,第一导轨42滑动连接到第二导轨44上。第一导轨42在第二导轨44上水平滑动,方便控制板31调节多轴转动机械手43在竖直平面上到一个合适的抓取位置。
作为更进一步地优选,放置台1的台面呈水平状或中心下凹的锥体状。水平状的放置台1上放置垃圾后比较稳固,有利于机械臂装置快速、稳定抓取。需要说明的是,为了便利摄像头32的精确拍摄和机械臂装置的精确抓取,可在水平状的放置台1中心标注十字的投放区,固定垃圾放置位置。中心下凹的锥体状放置台1,如图5所示,人工放置垃圾后,垃圾自动往放置台1中心聚拢,更有利于摄像头32的精确拍摄和机械臂装置的精确抓取。
<实施例13>
在实施例10的基础上,本实施例提供信息显示的实施方式。垃圾自动分类装置还设置有位于采集装置3上方的显示屏5,显示屏5与控制板31通信连接。控制板31可以将垃圾分类的种类、垃圾桶桶体21内垃圾高度、预警信息、垃圾分类知识等信息发送到显示屏5显示,供人们了解和学习。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种垃圾自动分类方法,其特征在于,其运用在至少包括控制板、机械臂、摄像头、智能垃圾桶以及若干种传感器的垃圾自动分类控制系统中,包括以下步骤:
构建垃圾种类的训练集和单一垃圾三维模型分类器:将所有垃圾划分成若干种类,采集每种垃圾中包含的若干个单一垃圾的第一图像合成单一垃圾三维模型形成垃圾种类训练集;对单一垃圾三维模型进行学习训练构建单一垃圾三维模型分类器;
实时单一垃圾识别与定位:识别实时单一垃圾并拍摄实时单一垃圾的第二图像辅助定位抓取;
实时单一垃圾种类判断:拍摄实时单一垃圾的第一图像合成实时单一垃圾三维模型,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类;
实时单一垃圾投放:根据获得的实时单一垃圾种类,将实时单一垃圾投放至对应种类的垃圾桶;
其中,所述第一图像为二维的六面图像,所述第二图像为二维的单面图像;所有垃圾划分成的若干种类中至少包括待定垃圾种类。
2.如权利要求1所述的垃圾自动分类方法,其特征在于,采集单一垃圾的第一图像包括以下步骤:
依次采集单一垃圾使用前状态以及若干种使用后状态的二维六面图像;
其中,若干种使用后状态至少包括变形、破损、变色、掺杂;所述掺杂至少包括掺杂液体、掺杂固体。
3.如权利要求1所述的垃圾自动分类方法,其特征在于,实时单一垃圾种类判断后,还包括人工输入辅助实时单一垃圾种类验证的步骤,其包括:
实时单一垃圾种类判断前,分别构建单一垃圾六个面的图像分类器:对单一垃圾的第一图像进行学习训练分别构建单一垃圾六个面的图像分类器;
实时单一垃圾一种类判断前,人工提供垃圾信息:人工通过语音或文字形式提供输入性实时单一垃圾种类;
实时单一垃圾种类判断后,比较单一垃圾三维模型分类器分类出的实时单一垃圾种类与人工提供的输入性实时单一垃圾种类是否相同;
相同时,判定单一垃圾三维模型分类器分类出的结果为实时单一垃圾种类;
不同时,通过单一垃圾六个面的图像分类器对实时单一垃圾的第一图像进行二次分类,二次分类后任一面图像分类器的分类结果与所述输入性实时单一垃圾种类相同,判定二次分类后相同面图像分类器分类后的结果为实时单一垃圾种类;二次分类结果不相同,将实时单一垃圾划分为待定垃圾种类内进行投放。
4.如权利要求1所述的垃圾自动分类方法,其特征在于,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类,包括以下步骤:
判断获得的实时单一垃圾种类是否为有害垃圾种类;若是,直接输出获得的实时单一垃圾种类为有害垃圾;若否,
进一步判断获得的实时单一垃圾的种类是否为湿垃圾种类;若是,直接输出获得的实时单一垃圾种类为湿垃圾;若否,则直接输出通过单一垃圾三维模型分类器分类获得的实时单一垃圾种类。
5.如权利要求4所述的垃圾自动分类方法,其特征在于,进一步判断获得的实时单一垃圾的种类是否为湿垃圾种类,还包括湿垃圾种类验证的步骤:
抓取垃圾时采集实时单一垃圾的湿度信息,若实时单一垃圾的湿度值高于湿垃圾种类的湿度值,则直接输出获得的实时单一垃圾种类为湿垃圾;若实时单一垃圾的湿度值低于湿垃圾种类的湿度值,将实时单一垃圾划分为待定垃圾种类内进行投放。
6.如权利要求1或4所述的垃圾自动分类方法,其特征在于,通过单一垃圾三维模型分类器对合成的实时单一垃圾三维模型进行分类,获得实时单一垃圾的种类,还包括以下步骤:
单一垃圾三维模型分类器对所述实时单一垃圾三维模型进行分类时近似概率高于70%,则该实时单一垃圾三维模型的分类认定为对应单一垃圾三维模型分类器的分类。
7.如权利要求1所述的垃圾自动分类方法,其特征在于,构建垃圾种类的训练集包括以下步骤:
采集每种垃圾中包含的单一垃圾的第一图像,依次进行灰度化、裁剪、三维合成处理,形成单一垃圾三维模型;
根据垃圾种类的分类,建立对应数量的垃圾种类文件夹,并将所述文件夹标记对应垃圾种类的标签;
将合成后的单一垃圾三维模型划分至对应种类标签的文件夹内。
8.如权利要求1所述的垃圾自动分类方法,其特征在于,识别实时单一垃圾包括以下步骤:
通过传感器感应或摄像头拍摄图片来识别实时单一垃圾是否存在;
其中,所述传感器包括称重传感器或激光传感器或超声传感器或光电对射传感器。
9.如权利要求1所述的垃圾自动分类方法,其特征在于,实时垃圾投放后,还包括垃圾满载预警的步骤,其包括:
检测垃圾桶内的实时垃圾高度,所述实时垃圾高度大于警戒高度时,发出预警信息,垃圾桶盖封闭,停止投放。
10.一种适用于权利要求1-9任意一项垃圾自动分类方法的垃圾自动分类装置,其特征在于,其包括:
放置台,其表面设有感应垃圾的第一传感器;
若干个垃圾桶,其排布在所述放置台两侧;每个所述垃圾桶设有桶体和朝向所述放置台转动启闭的桶盖;
采集装置,其水平架设在所述放置台上方;所述采集装置设有通信连接到所述桶盖控制所述桶盖启闭的控制板以及对应朝向所述放置台的摄像头;
机械臂装置,其位于所述放置台的一端;
其中,所述控制板通信连接到所述机械臂装置,控制所述机械臂装置夹取所述放置台上的垃圾放置于所述桶体中;
所述控制板分别通信连接到所述摄像头和所述第一传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010299668.6A CN111439500B (zh) | 2020-04-16 | 2020-04-16 | 垃圾自动分类方法及垃圾自动分类装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010299668.6A CN111439500B (zh) | 2020-04-16 | 2020-04-16 | 垃圾自动分类方法及垃圾自动分类装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111439500A true CN111439500A (zh) | 2020-07-24 |
CN111439500B CN111439500B (zh) | 2022-04-29 |
Family
ID=71653170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010299668.6A Expired - Fee Related CN111439500B (zh) | 2020-04-16 | 2020-04-16 | 垃圾自动分类方法及垃圾自动分类装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111439500B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329587A (zh) * | 2020-10-30 | 2021-02-05 | 苏州中科先进技术研究院有限公司 | 饮料瓶的分类方法、装置及电子设备 |
CN112478538A (zh) * | 2020-12-22 | 2021-03-12 | 南京井余言贸易有限公司 | 一种基于垃圾分类数据库的垃圾自分类机器人 |
CN112811044A (zh) * | 2021-02-09 | 2021-05-18 | 深圳市耀美环保有限公司 | 智能分类垃圾箱及分类识别方法 |
CN113070235A (zh) * | 2021-03-10 | 2021-07-06 | 浙江博城机器人科技有限公司 | 一种垃圾分拣机器人基于多视角的垃圾识别方法 |
CN113083732A (zh) * | 2021-03-19 | 2021-07-09 | 浙江博城机器人科技有限公司 | 一种机器人分拣垃圾中大尺寸有机轻质物的方法 |
CN113933300A (zh) * | 2021-10-13 | 2022-01-14 | 福州大学 | 一种基于机器视觉的垃圾误投检测方法、装置及系统 |
CN113953205A (zh) * | 2021-09-23 | 2022-01-21 | 安徽省天助纺织科技集团股份有限公司 | 基于废旧纺织品生产的分类收拣设备及其方法 |
CN113955343A (zh) * | 2021-10-26 | 2022-01-21 | 中南大学 | 基于三维视觉的无序垃圾智能分类设备及其分类方法 |
CN114772098A (zh) * | 2022-04-22 | 2022-07-22 | 广州城建职业学院 | 垃圾分类方法、系统及装置 |
CN114937179A (zh) * | 2022-07-27 | 2022-08-23 | 深圳市海清视讯科技有限公司 | 垃圾图像分类方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003231086A1 (en) * | 2002-05-10 | 2003-11-11 | Taylor, Craig V | Stackable lid for large solid waste containers |
CN109767283A (zh) * | 2018-11-26 | 2019-05-17 | 深圳市赛亿科技开发有限公司 | 智能垃圾桶及其控制方法、计算机可读存储介质 |
CN110329672A (zh) * | 2019-07-29 | 2019-10-15 | 北京绿博伟业环保科技有限责任公司 | 一种垃圾分类装置及分类方法 |
CN110428817A (zh) * | 2019-08-06 | 2019-11-08 | 上海上班族电子商务有限公司 | 一种基于人工智能的垃圾分类语音识别系统 |
CN110599593A (zh) * | 2019-09-12 | 2019-12-20 | 北京三快在线科技有限公司 | 数据合成的方法、装置、设备及存储介质 |
CN110606292A (zh) * | 2019-09-17 | 2019-12-24 | 蔡亦圣 | 基于人工智能的自动分类垃圾桶及分类方法 |
CN110817187A (zh) * | 2019-12-13 | 2020-02-21 | 曾庆斌 | 垃圾智能分类收集设备和系统 |
CN110861854A (zh) * | 2019-11-29 | 2020-03-06 | 三峡大学 | 智能垃圾分类装置及智能垃圾分类方法 |
CN110921146A (zh) * | 2019-11-28 | 2020-03-27 | 蚌埠学院 | 基于互联网大数据和图像处理技术的生活垃圾分类方法及其系统 |
-
2020
- 2020-04-16 CN CN202010299668.6A patent/CN111439500B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003231086A1 (en) * | 2002-05-10 | 2003-11-11 | Taylor, Craig V | Stackable lid for large solid waste containers |
CN109767283A (zh) * | 2018-11-26 | 2019-05-17 | 深圳市赛亿科技开发有限公司 | 智能垃圾桶及其控制方法、计算机可读存储介质 |
CN110329672A (zh) * | 2019-07-29 | 2019-10-15 | 北京绿博伟业环保科技有限责任公司 | 一种垃圾分类装置及分类方法 |
CN110428817A (zh) * | 2019-08-06 | 2019-11-08 | 上海上班族电子商务有限公司 | 一种基于人工智能的垃圾分类语音识别系统 |
CN110599593A (zh) * | 2019-09-12 | 2019-12-20 | 北京三快在线科技有限公司 | 数据合成的方法、装置、设备及存储介质 |
CN110606292A (zh) * | 2019-09-17 | 2019-12-24 | 蔡亦圣 | 基于人工智能的自动分类垃圾桶及分类方法 |
CN110921146A (zh) * | 2019-11-28 | 2020-03-27 | 蚌埠学院 | 基于互联网大数据和图像处理技术的生活垃圾分类方法及其系统 |
CN110861854A (zh) * | 2019-11-29 | 2020-03-06 | 三峡大学 | 智能垃圾分类装置及智能垃圾分类方法 |
CN110817187A (zh) * | 2019-12-13 | 2020-02-21 | 曾庆斌 | 垃圾智能分类收集设备和系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329587A (zh) * | 2020-10-30 | 2021-02-05 | 苏州中科先进技术研究院有限公司 | 饮料瓶的分类方法、装置及电子设备 |
CN112478538A (zh) * | 2020-12-22 | 2021-03-12 | 南京井余言贸易有限公司 | 一种基于垃圾分类数据库的垃圾自分类机器人 |
CN112811044A (zh) * | 2021-02-09 | 2021-05-18 | 深圳市耀美环保有限公司 | 智能分类垃圾箱及分类识别方法 |
CN113070235A (zh) * | 2021-03-10 | 2021-07-06 | 浙江博城机器人科技有限公司 | 一种垃圾分拣机器人基于多视角的垃圾识别方法 |
CN113083732A (zh) * | 2021-03-19 | 2021-07-09 | 浙江博城机器人科技有限公司 | 一种机器人分拣垃圾中大尺寸有机轻质物的方法 |
CN113953205A (zh) * | 2021-09-23 | 2022-01-21 | 安徽省天助纺织科技集团股份有限公司 | 基于废旧纺织品生产的分类收拣设备及其方法 |
CN113953205B (zh) * | 2021-09-23 | 2023-06-16 | 安徽省天助纺织科技集团股份有限公司 | 基于废旧纺织品生产的分类收拣设备及其方法 |
CN113933300A (zh) * | 2021-10-13 | 2022-01-14 | 福州大学 | 一种基于机器视觉的垃圾误投检测方法、装置及系统 |
CN113955343A (zh) * | 2021-10-26 | 2022-01-21 | 中南大学 | 基于三维视觉的无序垃圾智能分类设备及其分类方法 |
CN113955343B (zh) * | 2021-10-26 | 2022-11-25 | 中南大学 | 基于三维视觉的无序垃圾智能分类设备及其分类方法 |
CN114772098A (zh) * | 2022-04-22 | 2022-07-22 | 广州城建职业学院 | 垃圾分类方法、系统及装置 |
CN114937179A (zh) * | 2022-07-27 | 2022-08-23 | 深圳市海清视讯科技有限公司 | 垃圾图像分类方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111439500B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111439500B (zh) | 垃圾自动分类方法及垃圾自动分类装置 | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
CN108341184A (zh) | 一种智能分拣垃圾桶 | |
CN110861854B (zh) | 智能垃圾分类装置及智能垃圾分类方法 | |
CA3079983A1 (en) | Systems and methods for detecting waste receptacles using convolutional neural networks | |
CN112024424B (zh) | 一种人机协作式垃圾分选系统 | |
KR101779782B1 (ko) | 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 | |
CN110697273A (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 | |
CN110329672B (zh) | 一种垃圾分类装置及分类方法 | |
CN110342134B (zh) | 一种基于双目视觉的垃圾分类识别系统及其方法 | |
CN110861853B (zh) | 视觉与触觉相结合的智能垃圾分类方法 | |
JP2024016293A (ja) | 廃棄物選別装置 | |
CN110466911A (zh) | 自动分类垃圾桶及分类方法 | |
CN111056191A (zh) | 一种能够多垃圾分类及投递的智能垃圾收集系统 | |
CN108357818A (zh) | 自动分拣的垃圾桶 | |
CN113688825A (zh) | 一种ai智能垃圾识别分类系统和方法 | |
CN112651318A (zh) | 基于图像识别的垃圾分类方法、装置和系统 | |
CN112090782A (zh) | 一种人机协同式垃圾分拣系统及方法 | |
CN116682098A (zh) | 一种城市生活垃圾自动识别分类系统及方法 | |
CN111137602B (zh) | 一种基于人工智能的垃圾分类方法及垃圾分类系统 | |
CN114506591A (zh) | 一种基于图像分类技术的智能垃圾桶设计方法 | |
CN212402212U (zh) | 垃圾自动分类装置 | |
CN112046970A (zh) | 一种厨余垃圾分类识别方法 | |
CN113680685A (zh) | 一种基于可回收的垃圾分类处理系统 | |
CN117208432B (zh) | Ai驱动的垃圾分类回收装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220429 |