CN111591616A - 一种基于互联网的分类回收监管系统 - Google Patents

一种基于互联网的分类回收监管系统 Download PDF

Info

Publication number
CN111591616A
CN111591616A CN202010420936.5A CN202010420936A CN111591616A CN 111591616 A CN111591616 A CN 111591616A CN 202010420936 A CN202010420936 A CN 202010420936A CN 111591616 A CN111591616 A CN 111591616A
Authority
CN
China
Prior art keywords
pixel
garbage
recovery
local
image
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
Application number
CN202010420936.5A
Other languages
English (en)
Other versions
CN111591616B (zh
Inventor
田冠雄
任恺
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.)
Shanghai Ruisco Environmental Protection Technology Co ltd
Original Assignee
Shanghai Ruisco Environmental Protection 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 Shanghai Ruisco Environmental Protection Technology Co ltd filed Critical Shanghai Ruisco Environmental Protection Technology Co ltd
Priority to CN202010420936.5A priority Critical patent/CN111591616B/zh
Publication of CN111591616A publication Critical patent/CN111591616A/zh
Application granted granted Critical
Publication of CN111591616B publication Critical patent/CN111591616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B65F1/0006—Flexible refuse receptables, e.g. bags, sacks
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F7/00—Mechanisms actuated by objects other than coins to free or to actuate vending, hiring, coin or paper currency dispensing or refunding apparatus
    • G07F7/06—Mechanisms actuated by objects other than coins to free or to actuate vending, hiring, coin or paper currency dispensing or refunding apparatus by returnable containers, i.e. reverse vending systems in which a user is rewarded for returning a container that serves as a token of value, e.g. bottles
    • 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
    • B65F2210/112—Coding means to aid in recycling
    • B65F2210/1123—Bar-codes
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Image Processing (AREA)

Abstract

一种基于互联网的分类回收监管系统，包括回收袋、分类回收监管平台和垃圾分拣模块，本发明的有益效果为：以“回收袋”为载体，每个回收袋上印有二维码，用以将会员的身份信息和回收袋绑定在一起，使得用户能够随时随地能够参与到可回收垃圾分类和环保事业中，能够提高用户参与可回收垃圾分类的积极性；此外，利用便捷的互联网平台，引导用户正确的进行垃圾分类，并回收可回收垃圾，使之可以资源再生、循环利用，并在出现可回收垃圾投放错误的时候进行提醒，帮助培养人们的分类意识和准确性。

Description

一种基于互联网的分类回收监管系统
技术领域
本发明创造涉及垃圾分类领域，具体涉及一种基于互联网的分类回收监管系统。
背景技术
近年来，垃圾处理问题已成为全球共同面临的挑战，庞大的垃圾数量使得土壤、地下水、空气在不同程度上被垃圾所带来的有害物质污染。面对日益增长的垃圾产量和全球环境不断恶化的现状，许多地区通过垃圾分类使得垃圾得到减量化、资源化、无害化，尤其是针对可回收物的回收，资源循环利用，这样更有利于垃圾减量。
我国在此趋势下做出响应，但由于我国实行垃圾分类起步较晚，且人口数量庞大，落实难度高，因此，为了使垃圾分类工作更高效，智能垃圾分类系统营运而生。
发明内容
针对上述问题，本发明旨在提供一种基于互联网的分类回收监管系统。
本发明创造的目的通过以下技术方案实现：
一种基于互联网的分类回收监管系统，包括回收袋、分类回收监管平台和垃圾分拣模块，所述回收袋用于存储可回收垃圾，所述分类回收监管平台包括用户注册单元、预约回收单元、垃圾分拣监控单元、错误提醒单元、数据库和积分激励单元，用户通过用户注册单元注册成为分类回收监管平台的会员，所述分类回收监管平台将回收袋配发给会员，所述回收袋上印有二维码，会员通过扫描所述二维码将所述回收袋和会员进行绑定，会员通过预约回收单元选取垃圾回收工作人员上门收取回收袋的时间，分类回收监管平台根据会员选取的回收时间令垃圾回收工作人员上门收取回收袋，并配发给会员新的回收袋，所述垃圾分拣模块包括视频采集单元、图像采集单元和垃圾称重单元，所述视频采集单元采用摄像头采集垃圾分拣人员对所述回收袋中的垃圾进行分拣的视频图像，并将采集的视频图像传输至垃圾分拣监控单元进行显示，所述图像采集单元用于在垃圾分拣人员在回收袋中发现非可回收垃圾时，对所述非可回收垃圾进行图像采集，并将采集的非可回收垃圾的图像传输至错误提醒单元进行显示，所述垃圾称重单元用于对垃圾分拣人员分拣所得的各种类的可回收垃圾进行称重，并将获取的回收袋中各种类的可回收垃圾的重量传输至积分激励单元，所述数据库中存储有根据各种类的可回收垃圾的重量进行奖励积分兑换的规则，所述积分激励单元用于根据接收到的回收袋中各种类的可回收垃圾的重量和数据库中存储的奖励积分的兑换规则计算所述回收袋中各种类的可回收垃圾兑换所得的奖励积分，并将兑换所得的奖励积分的总和传输至积分激励单元进行显示。
本发明创造的有益效果：本发明以“回收袋”为载体，每个回收袋上印有二维码，用以将会员的身份信息和回收袋绑定在一起，使得用户能够随时随地能够参与到可回收垃圾分类和环保事业中，能够提高用户参与可回收垃圾分类的积极性；此外，利用便捷的互联网平台，引导用户正确的进行垃圾分类，并回收可回收垃圾，使之可以资源再生、循环利用，并在出现可回收垃圾投放错误的时候进行提醒，帮助培养人们的分类意识和准确性。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例一种基于互联网的分类回收监管系统，包括回收袋、分类回收监管平台和垃圾分拣模块，所述回收袋用于存储可回收垃圾，所述分类回收监管平台包括用户注册单元、预约回收单元、垃圾分拣监控单元、错误提醒单元、数据库和积分激励单元，用户通过用户注册单元注册成为分类回收监管平台的会员，注册成功后，所述分类回收监管平台将回收袋配发给会员，所述回收袋上印有二维码，会员通过扫描所述二维码将所述回收袋和会员进行绑定，会员将可回收垃圾投入回收袋后，可以通过预约回收单元选取垃圾回收工作人员上门收取回收袋的时间，分类回收监管平台根据会员选取的回收时间令垃圾回收工作人员上门收取回收袋，并配发给会员新的回收袋，所述垃圾分拣模块包括视频采集单元、图像采集单元和垃圾称重单元，所述视频采集单元采用摄像头采集垃圾分拣人员对所述回收袋中的垃圾进行分拣的视频图像，并将采集的视频图像传输至垃圾分拣监控单元进行显示，所述图像采集单元用于在垃圾分拣人员在回收袋中发现非可回收垃圾时，对所述非可回收垃圾进行图像采集，并将采集的非可回收垃圾的图像传输至错误提醒单元进行显示，所述垃圾称重单元用于对垃圾分拣人员分拣所得的各种类的可回收垃圾进行称重，并将获取的回收袋中各种类的可回收垃圾的重量传输至积分激励单元，所述数据库中存储有根据各种类的可回收垃圾的重量进行奖励积分兑换的规则，所述积分激励单元用于根据接收到的回收袋中各种类的可回收垃圾的重量和数据库中存储的奖励积分的兑换规则计算所述回收袋中各种类的可回收垃圾兑换所得的奖励积分，并将兑换所得的奖励积分的总和传输至积分激励单元进行显示。
优选地，用户通过用户注册单元进行注册时，需要填写姓名、电话和居住地址。
优选地，所述垃圾分拣模块采用GPRS通信方式将信息传输至分类回收监管平台。
本优选实施例以“回收袋”为载体，每个回收袋上印有二维码，用以将会员的身份信息和回收袋绑定在一起，使得用户能够随时随地能够参与到可回收垃圾分类和环保事业中，能够提高用户参与可回收垃圾分类的积极性；此外，利用便捷的互联网平台，引导用户正确的进行垃圾分类，并回收可回收垃圾，使之可以资源再生、循环利用，并在出现可回收垃圾投放错误的时候进行提醒，帮助培养人们的分类意识和准确性。
优选地，错误提醒单元用于对接收到的非可回收垃圾的图像进行处理，并对处理后的非可回收垃圾的图像进行显示，包括图像滤波部分、图像分割部分和图像显示部分，所述图像滤波部分用于对接收到的图像进行滤波处理，所述图像分割部分用于在滤波处理后的图像中分割出非可回收垃圾的区域图像，所述图像显示部分用于显示分割所得的非可回收垃圾的区域图像。
优选地，所述图像滤波部分用于对接收到的图像进行滤波处理，设I表示接收到的大小为M×N的图像，I(x，y)表示图像I中坐标(x，y)处的像素，B(x，y)表示以像素I(x，y)为中心的C(x，y)×K(x，y)的局部参考区域，所述局部参考区域B(x，y)为矩形，C(x，y)表示局部参考区域B(x，y)的长，K(x，y)表示局部参考区域B(x，y)的宽，局部参考区域B(x，y)的宽K(x，y)采用下列方式确定：
给定一个以像素I(x，y)为中心的K×K的局部邻域Ω(x，y)，其中，K＜M且K＜N，K可以取值为10，设L(x，y)为像素I(x，y)的相邻像素集合，且L(x，y)＝{I(e，o)|Δl(e，o)＝1}，其中，I(e，o)为相邻像素集合L(x，y)中坐标(e，o)处的像素，Δl(e，o)表示像素I(e，o)和像素I(x，y)之间的空间距离，且
Figure BDA0002496840690000031
设
Figure BDA0002496840690000032
表示像素I(x，y)在相邻像素集合L(x，y)中的均值，且
Figure BDA0002496840690000033
其中，f(e，o)表示像素I(e，o)的灰度值，f(x，y)表示像素I(x，y)的灰度值，N(L(x，y))表示相邻像素集合L(x，y)中的像素数；设I(i，j)表示局部邻域Ω(x，y)中坐标(i，j)处的像素，Δd(i，j)表示像素I(i，j)和像素I(x，y)之间的灰度距离，且令
Figure BDA0002496840690000034
当Δd(i，j)满足
Figure BDA0002496840690000035
时，将像素I(i，j)标记为候选参考像素，其中，N(Ω(x，y))表示局部邻域Ω(x，y)中的像素数，f(i，j)表示像素I(i，j)的灰度值；将局部邻域Ω(x，y)中标记为候选参考像素的像素组成集合F(x，y)，对集合F(x，y)中的候选参考像素定义检测系数，设I(m，n)为集合F(x，y)中坐标(m，n)处的候选参考像素，则候选参考像素I(m，n)对应的检测系数为β(m，n)，且β(m，n)的表达式为：
Figure BDA0002496840690000041
式中，δ(i，j)为判断函数，将以像素I(x，y)为起点同时包含候选参考像素I(m，n)的射线记为l((m，n)，(x，y))，当像素I(i，j)处于射线l((m，n)，(x，y))上时，则δ(i，j)＝1，否则，δ(i，j)＝0，s(m，n)为条件系数，当射线l((m，n)，(x，y))上的候选参考像素数大于1时，则s(m，n)＝1，当射线l((m，n)，(x，y))上的候选参考像素数等于1时，则s(m，n)＝0，Δl(m，n)表示候选参考像素I(m，n)和像素I(x，y)之间的空间距离，且
Figure BDA0002496840690000042
Δlmax(x，y)表示集合F(x，y)中候选参考像素和像素I(x，y)之间的空间距离的最大值；
选取集合F(x，y)中具有最大检测系数的候选参考像素为局部参考区域B(x，y)的参考像素，设I(a，b)为选取的局部参考区域B(x，y)的参考像素，将以像素I(x，y)为起点同时包含参考像素I(a，b)的射线记为l((a，b)，(x，y))，则局部参考区域B(x，y)的宽K(x，y)所在的直线和射线l((a，b)，(x，y))平行，且K(x，y)的值为：
Figure BDA0002496840690000043
式中，Δl(a，b)为参考像素I(a，b)和像素I(a，y)之间的空间距离，且
Figure BDA0002496840690000044
Figure BDA0002496840690000045
I(r，u)表示局部邻域Ω(x，y)中坐标(r，u)处的像素，f(r，u)为像素I(r，u)的灰度值，η(r，u)为像素I(r，u)对应的判断函数，当像素I(r，u)处于射线l((a，b)，(x，y))上时，则η(r，u)＝1，否则，η(r，u)＝0，f(max)和f(min)为图像I中的最大和最小灰度值，
Figure BDA0002496840690000046
表示同时处于局部邻域Ω(x，y)和射线l(a，b)，(x，y)上的像素的灰度值均值，且
Figure BDA0002496840690000047
局部参考区域B(x，y)的长C(x，y)所在的直线和射线l((a，b)，(x，y))垂直，且C(x，y)的值为：
Figure BDA0002496840690000048
式中，σ(x，y)表示像素I(x，y)的局部邻域Ω(x，y)中像素灰度值的方差，σ(max)表示图像I中像素的局部邻域中像素灰度值的方差的最大值，所述像素的局部邻域为以该像素为中心的K×K的局部邻域。
本优选实施例用于确定待滤波像素的局部参考区域，给定一个固定大小的局部区域用于对待滤波像素的区域特性进行检测，在所述局部区域中选取一个参考像素用于确定待滤波像素的局部参考区域的宽和长，在选取参考像素的过程中，将局部区域中和待滤波像素的灰度距离较大的像素标记为候选参考像素，对候选参考像素定义检测系数，最终选取具有最大检测系数的候选参考像素为参考像素，所述候选参考像素对应的检测系数将以待滤波像素为起点同时包含所述候选参考像素的射线为检测基础，通过统计所述射线上像素和待滤波像素之间的灰度距离的均值来从灰度值方面衡量所述候选参考像素和待滤波像素之间性质的差异，所述射线上像素和待滤波像素之间的灰度距离越大，越表明该候选参考像素和待滤波像素之间处于不同性质的图像区域，进一步地，在检测系数中引入所述候选参考像素和待滤波像素之间的空间距离和条件系数，当候选参考像素和待滤波像素处于不同性质的图像区域时，空间距离越小越能保证根据选取的参考像素确定的局部参考区域中像素性质的统一性，为了有效的避免因候选参考像素为噪声像素而影响参考像素的选取精度的情况，在检测系数中引入了条件系数，所述条件系数通过统计所述射线上存在的候选参考像素的数量，能够有效的避免噪声像素被选取为参考像素的情况；根据选取的参考像素确定所述局部参考区域的宽和长的值，以及所述局部参考区域的方向分布，使得最终确定的局部参考区域中的像素和待滤波像素无论在灰度值方面还是在结构方面都最为相似，从而增加了待滤波像素的滤波准确性。
优选地，对局部参考区域B(x，y)进行检测，给定局部参考区域B(x，y)的第一区域统计函数h1(x，y)和第二区域统计函数h2(x，y)，且
Figure BDA0002496840690000051
其中，N(B(x，y))为局部参考区域B(x，y)中的像素数，I(iB，jB)为局部参考邻域B(x，y)中坐标(iB，jB)处的像素，f(iB，jB)为像素I(iB，jB)的灰度值，θ1(iB，jB)为像素I(iB，jB)对应的第一取值函数，当像素I(iB，jB)的灰度值f(iB，jB)满足f(iB，jB)＜M1(x，y)时，则θ1(iB，jB)＝1，否则，θ1(iB，jB)＝0；
Figure BDA0002496840690000052
Figure BDA0002496840690000053
其中，θ2(iB，jB)为像素I(iB，jB)对应的第二取值函数，当像素I(iB，jB)的灰度值f(iB，jB)满足f(iB，jB)＞M2(i，j)时，则θ2(iB，jB)＝1，否则θ2(iB，jB)＝0，M1(x，y)和M2(x，y)分别为给定的局部参考区域B(x，y)的第一像素检测阈值和第二像素检测阈值，且M1(x，y)＝u(B(x，y))-σ(B(x，y))，M2(x，y)＝u(B(x，y))+σ(B(x，y))，其中，u(B(x，y))为局部参考区域B(x，y)中像素灰度值的均值，σ(B(x，y))为局部参考区域B(x，y)中像素灰度值的方差；
设f′(x，y)为对像素I(x，y)进行滤波处理后的灰度值，则f′(x，y)采用下列方式确定：
当像素I(x，y)的灰度值f(x，y)满足M1(x，y)≤f(x，y)≤M2(x，y)时，则f′(x，y)＝f(x，y)；
当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M1(x，y)且
Figure BDA0002496840690000061
时，则判定像素I(x，y)为噪声像素，则
Figure BDA0002496840690000062
β(h2(x，y)，f(iB，jB))为第二区域统计函数h2(x，y)和像素I(iB，jB)对应的判断函数，当f(iB，jB)＞M2(x，y)且
Figure BDA0002496840690000063
时，则β(h2(x，y)，f(iB，jB))＝0，否则β(h2(x，y)，f(iB，jB))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M1(x，y)且
Figure BDA0002496840690000064
时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)；
当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M2(x，y)且
Figure BDA0002496840690000065
时，则判定像素I(x，y)为噪声像素，则
Figure BDA0002496840690000066
β(h1(x，y)，f(iB，jB))为第一区域统计函数h1(x，y)和像素I(iB，jB)对应的判断函数，当f(iB，jB)＜M1(x，y)且
Figure BDA0002496840690000067
时，则β(h1(x，y)，f(iB，jB))＝0，否则β(h1(x，y)，f(iB，jB))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M2(x，y)且
Figure BDA0002496840690000068
时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)。
本优选实施例用于将待滤波像素在其局部参考区域中进行滤波处理，根据局部参考区域的像素性质给定所述局部参考区域的第一像素检测阈值和第二像素检测阈值，相较于传统的仅仅通过阈值对待滤波像素进行判断的方式，本优选实施例进一步通过第一区域统计函数和第二区域统计函数对局部参考区域中的像素进行统计，当待滤波像素的灰度值小于第一像素检测阈值，但是所述局部参考区域中灰度值小于第一像素检测阈值的像素数较多时，表明所述待滤波像素为图像中的有用信息，对该待滤波像素进行保留，而当所述局部参考区域中灰度值小于第一像素检测阈值的像素数较少时，才判定所述待滤波像素为噪声像素，相同的，当待滤波像素的灰度值大于第二像素检测阈值，但是所述局部参考区域中灰度值大于第二像素检测阈值的像素数较多时，表明所述待滤波像素为图像中的有用信息，对该滤波像素进行保留，而当所述局部参考区域中灰度值大于第二像素检测阈值的像素数较少时，判定所述待滤波像素为噪声像素，采用该种判断方法能够有效的提高噪声像素的判断准确性，避免将非噪声像素错认为噪声像素进行处理，从而破坏图像中的有用信息；当待滤波像素被判定为噪声像素并进行处理时，当局部参考区域中灰度值小于第一像素检测阈值的像素数据较少时，所述灰度值小于第一像素检测阈值的像素不参与噪声像素的滤波处理，相同的，当局部参考区域中灰度值大于第二像素检测阈值的像素数较少时，所述灰度值大于第二像素检测阈值的像素不参与所述待检测像素的滤波，从而能够有效的减少噪声像素对滤波结果准确性的影响。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种基于互联网的分类回收监管系统，其特征是，包括回收袋、分类回收监管平台和垃圾分拣模块，所述回收袋用于存储可回收垃圾，所述分类回收监管平台包括用户注册单元、预约回收单元、垃圾分拣监控单元、错误提醒单元、数据库和积分激励单元，用户通过用户注册单元注册成为分类回收监管平台的会员，所述分类回收监管平台将回收袋配发给会员，所述回收袋上印有二维码，会员通过扫描所述二维码将所述回收袋和会员进行绑定，会员通过预约回收单元选取垃圾回收工作人员上门收取回收袋的时间，分类回收监管平台根据会员选取的回收时间令垃圾回收工作人员上门收取回收袋，并配发给会员新的回收袋，所述垃圾分拣模块包括视频采集单元、图像采集单元和垃圾称重单元，所述视频采集单元采用摄像头采集垃圾分拣人员对所述回收袋中的垃圾进行分拣的视频图像，并将采集的视频图像传输至垃圾分拣监控单元进行显示，所述图像采集单元用于在垃圾分拣人员在回收袋中发现非可回收垃圾时，对所述非可回收垃圾进行图像采集，并将采集的非可回收垃圾的图像传输至错误提醒单元进行显示，所述垃圾称重单元用于对垃圾分拣人员分拣所得的各种类的可回收垃圾进行称重，并将获取的回收袋中各种类的可回收垃圾的重量传输至积分激励单元，所述数据库中存储有根据各种类的可回收垃圾的重量进行奖励积分兑换的规则，所述积分激励单元用于根据接收到的回收袋中各种类的可回收垃圾的重量和数据库中存储的奖励积分的兑换规则计算所述回收袋中各种类的可回收垃圾兑换所得的奖励积分，并将兑换所得的奖励积分的总和传输至积分激励单元进行显示。
2.根据权利要求1所述的一种基于互联网的分类回收监管系统，其特征是，所述垃圾分拣模块采用GPRS通信方式将信息传输至分类回收监管平台。
3.根据权利要求2所述的一种基于互联网的分类回收监管系统，其特征是，错误提醒单元用于对接收到的非可回收垃圾的图像进行处理，并对处理后的非可回收垃圾的图像进行显示，包括图像滤波部分、图像分割部分和图像显示部分，所述图像滤波部分用于对接收到的图像进行滤波处理，所述图像分割部分用于在滤波处理后的图像中分割出非可回收垃圾的区域图像，所述图像显示部分用于显示分割所得的非可回收垃圾的区域图像。
4.根据权利要求3所述的一种基于互联网的分类回收监管系统，其特征是，所述图像滤波部分用于对接收到的图像进行滤波处理，设I表示接收到的大小为M×N的图像，I(x，y)表示图像I中坐标(x，y)处的像素，B(x，y)表示以像素I(x，y)为中心的C(x，y)×K(x，y)的局部参考区域，所述局部参考区域B(x，y)为矩形，C(x，y)表示局部参考区域B(x，y)的长，K(x，y)表示局部参考区域B(x，y)的宽，局部参考区域B(x，y)的宽K(x，y)采用下列方式确定：
给定一个以像素I(x，y)为中心的K×K的局部邻域Ω(x，y)，其中，K＜M且K＜N，设L(x，y)为像素I(x，y)的相邻像素集合，且L(x，y)＝{I(e，o)|Δl(e，o)＝1}，其中，I(e，o)为相邻像素集合L(x，y)中坐标(e，o)处的像素，Δl(e，o)表示像素I(e，o)和像素I(x，y)之间的空间距离，且
Figure FDA0002496840680000021
设
Figure FDA0002496840680000022
表示像素I(x，y)在相邻像素集合L(x，y)中的均值，且
Figure FDA0002496840680000023
其中，f(e，o)表示像素I(e，o)的灰度值，f(x，y)表示像素I(x，y)的灰度值，N(L(x，y))表示相邻像素集合L(x，y)中的像素数；设I(i，j)表示局部邻域Ω(x，y)中坐标(i，j)处的像素，Δd(i，j)表示像素I(i，j)和像素I(x，y)之间的灰度距离，且令
Figure FDA0002496840680000024
Figure FDA0002496840680000025
当Δd(i，j)满足
Figure FDA0002496840680000026
时，将像素I(i，j)标记为候选参考像素，其中，N(Ω(x，y))表示局部邻域Ω(x，y)中的像素数，f(i，j)表示像素I(i，j)的灰度值；将局部邻域Ω(x，y)中标记为候选参考像素的像素组成集合F(x，y)，对集合F(x，y)中的候选参考像素定义检测系数，设I(m，n)为集合F(x，y)中坐标(m，n)处的候选参考像素，则候选参考像素I(m，n)对应的检测系数为β(m，n)，且β(m，n)的表达式为：
Figure FDA0002496840680000027
式中，δ(i，j)为判断函数，将以像素I(x，y)为起点同时包含候选参考像素I(m，n)的射线记为l((m，n)，(x，y))，当像素I(i，j)处于射线l((m，n)，(x，y))上时，则δ(i，j)＝1，否则，δ(i，j)＝0，s(m，n)为条件系数，当射线l((m，n)，(x，y))上的候选参考像素数大于1时，则s(m，n)＝1，当射线l((m，n)，(x，y))上的候选参考像素数等于1时，则s(m，n)＝0，Δl(m，n)表示候选参考像素I(m，n)和像素I(x，y)之间的空间距离，且
Figure FDA0002496840680000028
Δlmax(x，y)表示集合F(x，y)中候选参考像素和像素I(x，y)之间的空间距离的最大值；
选取集合F(x，y)中具有最大检测系数的候选参考像素为局部参考区域B(x，y)的参考像素，设I(a，b)为选取的局部参考区域B(x，y)的参考像素，将以像素I(x，y)为起点同时包含参考像素I(a，b)的射线记为l((a，b)，(x，y))，则局部参考区域B(x，y)的宽K(x，y)所在的直线和射线l((a，b)，(x，y))平行，且K(x，y)的值为：
Figure FDA0002496840680000029
式中，Δl(a，b)为参考像素I(a，b)和像素I(x，y)之间的空间距离，且
Figure FDA00024968406800000210
Figure FDA00024968406800000211
I(r，u)表示局部邻域Ω(x，y)中坐标(r，u)处的像素，f(r，u)为像素I(r，u)的灰度值，η(r，u)为像素I(r，u)对应的判断函数，当像素I(r，u)处于射线l((a，b)，(x，y))上时，则ηη(r，u)＝1，否则，η(r，u)＝0，f(max)和f(min)为图像I中的最大和最小灰度值，
Figure FDA0002496840680000031
表示同时处于局部邻域Ω(x，y)和射线l(a，b)，(x，y)上的像素的灰度值均值，且
Figure FDA0002496840680000032
局部参考区域B(x，y)的长C(x，y)所在的直线和射线l((a，b)，(x，y))垂直，且C(x，y)的值为：
Figure FDA0002496840680000033
式中，σ(x，y)表示像素I(x，y)的局部邻域Ω(x，y)中像素灰度值的方差，σ(max)表示图像I中像素的局部邻域中像素灰度值的方差的最大值，所述像素的局部邻域为以该像素为中心的K×K的局部邻域。
5.根据权利要求4所述的一种基于互联网的分类回收监管系统，其特征是，对局部参考区域B(x，y)进行检测，给定局部参考区域B(x，y)的第一区域统计函数h1(x，y)和第二区域统计函数h2(x，y)，且
Figure FDA0002496840680000034
其中，N(B(x，y))为局部参考区域B(x，y)中的像素数，I(iB，jB)为局部参考邻域B(x，y)中坐标(iB，jB)处的像素，f(iB，jB)为像素I(iB，jB)的灰度值，θ1(iB，jB)为像素I(iB，jB)对应的第一取值函数，当像素I(iB，jB)的灰度值f(iB，jB)满足f(iB，jB)＜M1(x，y)时，则θ1(iB，jB)＝1，否则，θ1(iB，jB)＝0；
Figure FDA0002496840680000035
其中，θ2(iB，jB)为像素I(iB，jB)对应的第二取值函数，当像素I(iB，jB)的灰度值f(iB，jB)满足f(iB，jB)＞M2(i，j)时，则θ2(iB，jB)＝1，否则θ2(iB，jB)＝0，M1(x，y)和M2(x，y)分别为给定的局部参考区域B(x，y)的第一像素检测阈值和第二像素检测阈值，且M1(x，y)＝u(B(x，y))-σ(B(x，y))，M2(x，y)＝u(B(x，y))+σ(B(x，y))，其中，u(B(x，y))为局部参考区域B(x，y)中像素灰度值的均值，σ(B(x，y))为局部参考区域B(x，y)中像素灰度值的方差；
设f′(x，y)为对像素I(x，y)进行滤波处理后的灰度值，则f′(x，y)采用下列方式确定：
当像素I(x，y)的灰度值f(x，y)满足M1(x，y)≤f(x，y)≤M2(x，y)时，则f′(x，y)＝f(x，y)；
当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M1(x，y)且
Figure FDA0002496840680000036
时，则判定像素I(x，y)为噪声像素，则
Figure FDA0002496840680000037
β(h2(x，y)，f(iB，jB))为第二区域统计函数h2(x，y)和像素I(iB，jB)对应的判断函数，当f(iB，jB)＞M2(x，y)且
Figure FDA0002496840680000038
时，则β(h2(x，y)，f(iB，jB))＝0，否则β(h2(x，y)，f(iB，jB))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M1(x，y)且
Figure FDA0002496840680000041
时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)；
当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M2(x，y)且
Figure FDA0002496840680000042
时，则判定像素I(x，y)为噪声像素，则
Figure FDA0002496840680000043
β(h1(x，y)，f(iB，jB))为第一区域统计函数h1(x，y)和像素I(iB，jB)对应的判断函数，当f(iB，jB)＜M1(x，y)且
Figure FDA0002496840680000044
时，则β(h1(x，y)，f(iB，jB))＝0，否则β(h1(x，y)，f(iB，jB))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M2(x，y)且
Figure FDA0002496840680000045
时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)。
CN202010420936.5A 2020-05-18 2020-05-18 一种基于互联网的分类回收监管系统 Active CN111591616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010420936.5A CN111591616B (zh) 2020-05-18 2020-05-18 一种基于互联网的分类回收监管系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010420936.5A CN111591616B (zh) 2020-05-18 2020-05-18 一种基于互联网的分类回收监管系统

Publications (2)

Publication Number Publication Date
CN111591616A true CN111591616A (zh) 2020-08-28
CN111591616B CN111591616B (zh) 2020-12-11

Family

ID=72191578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010420936.5A Active CN111591616B (zh) 2020-05-18 2020-05-18 一种基于互联网的分类回收监管系统

Country Status (1)

Country Link
CN (1) CN111591616B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2431568A (en) * 2005-10-28 2007-05-02 Robert Costa Waste recyling unit
CN107913892A (zh) * 2017-10-27 2018-04-17 河北绿色永续环保科技有限公司 一种垃圾分类智慧处理方法及系统
CN109299793A (zh) * 2018-08-21 2019-02-01 杭州复杂美科技有限公司 垃圾分类激励方法及装置、设备和存储介质
CN110155572A (zh) * 2019-06-25 2019-08-23 杭州电子科技大学 一种智慧社区垃圾分类系统及方法
CN110910216A (zh) * 2019-11-15 2020-03-24 上海良韶智能科技有限公司 一种垃圾投放积分互动方法
CN110963209A (zh) * 2019-12-27 2020-04-07 中电海康集团有限公司 一种基于深度强化学习的垃圾分拣装置与方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2431568A (en) * 2005-10-28 2007-05-02 Robert Costa Waste recyling unit
CN107913892A (zh) * 2017-10-27 2018-04-17 河北绿色永续环保科技有限公司 一种垃圾分类智慧处理方法及系统
CN109299793A (zh) * 2018-08-21 2019-02-01 杭州复杂美科技有限公司 垃圾分类激励方法及装置、设备和存储介质
CN110155572A (zh) * 2019-06-25 2019-08-23 杭州电子科技大学 一种智慧社区垃圾分类系统及方法
CN110910216A (zh) * 2019-11-15 2020-03-24 上海良韶智能科技有限公司 一种垃圾投放积分互动方法
CN110963209A (zh) * 2019-12-27 2020-04-07 中电海康集团有限公司 一种基于深度强化学习的垃圾分拣装置与方法

Also Published As

Publication number Publication date
CN111591616B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN102332096B (zh) 一种视频字幕文本提取和识别的方法
Lee et al. Automatic extraction of characters in complex scene images
CN101433075A (zh) 从所扫描的彩色图像生成双色调图像
CN104951784A (zh) 一种车辆无牌及车牌遮挡实时检测方法
US11335086B2 (en) Methods and electronic devices for automated waste management
CN110472524A (zh) 基于深度学习的发票信息管理方法、系统和可读介质
CN101739549B (zh) 人脸检测方法及系统
CN102496001A (zh) 一种视频监控目标自动检测的方法和系统
CN102567744A (zh) 基于机器学习的虹膜图像质量确定方法
CN113469264A (zh) 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统
CN113807347A (zh) 一种基于目标检测技术的厨余垃圾杂质识别方法
Chaabane et al. Color image segmentation using automatic thresholding and the fuzzy C-means techniques
CN111591616B (zh) 一种基于互联网的分类回收监管系统
CN113657143B (zh) 一种基于分类和检测联合判决的垃圾分类方法
CN107516315A (zh) 一种基于机器视觉的掘进机出渣监测方法
CN114419006A (zh) 一种随背景变化的灰度视频文字类水印去除方法及系统
CN113255550A (zh) 一种基于视频的行人垃圾扔投次数统计方法
CN113369155B (zh) 可再生垃圾废品识别检测及自动回收系统及方法
CN114067186A (zh) 一种行人检测方法、装置、电子设备及存储介质
CN112875077A (zh) 一种大型垃圾站用垃圾分类方法和分类系统
CN102087741B (zh) 采用区域架构的图像处理方法及系统
CN111488752A (zh) 二维码识别方法、装置、电子设备及存储介质
CN114022772B (zh) 流动摊贩空间分布的预测方法、系统、装置和存储介质
CN112836779A (zh) 一种一维码格式及其打印装置
JP2003271973A (ja) 画像処理方法および画像処理プログラム

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