CN111753844B - 一种干湿垃圾分类方法、分类箱和分拣系统 - Google Patents

一种干湿垃圾分类方法、分类箱和分拣系统 Download PDF

Info

Publication number
CN111753844B
CN111753844B CN202010614463.2A CN202010614463A CN111753844B CN 111753844 B CN111753844 B CN 111753844B CN 202010614463 A CN202010614463 A CN 202010614463A CN 111753844 B CN111753844 B CN 111753844B
Authority
CN
China
Prior art keywords
garbage
dry
image
wet
determining
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.)
Active
Application number
CN202010614463.2A
Other languages
English (en)
Other versions
CN111753844A (zh
Inventor
王水根
康萌萌
王宏臣
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.)
Iray Technology Co Ltd
Original Assignee
Iray 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 Iray Technology Co Ltd filed Critical Iray Technology Co Ltd
Priority to CN202010614463.2A priority Critical patent/CN111753844B/zh
Publication of CN111753844A publication Critical patent/CN111753844A/zh
Application granted granted Critical
Publication of CN111753844B publication Critical patent/CN111753844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/38—Collecting or arranging articles in groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本申请公开了一种干湿垃圾分类方法，包括获取垃圾包裹的灰度图像，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例；确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别。可见，本申请中的分类方法可以自动实现对垃圾包裹的干湿垃圾分类，非常简单方便。此外，本申请还提供一种具有上述优点的干湿垃圾分类箱和干湿垃圾分拣系统。

Description

一种干湿垃圾分类方法、分类箱和分拣系统
技术领域
本申请涉及垃圾分类技术领域，特别是涉及一种干湿垃圾分类方法、分类箱和分拣系统。
背景技术
自2019年7月上海率先开始实施垃圾分类以来，全国掀起了垃圾分类浪潮，垃圾分类可提高垃圾的资源价值和经济价值，同时能减少环境污染。
绝大部分城市垃圾都是由社区产生，干湿垃圾占据很大的比例，并且居民几乎都是将垃圾以垃圾袋的形式扔出。现有的垃圾分类方法通过采集垃圾的可见光图像进行识别，判断垃圾是可回收垃圾还是不可回收垃圾，不能对干湿垃圾进行有效识别，并且只能对单个的垃圾进行识别分类，所以现有的垃圾分类方法并不适用。
因此，如何解决上述技术问题应是本领域技术人员重点关注的。
发明内容
本申请的目的是提供一种干湿垃圾分类方法、分类箱和分拣系统，以实现对垃圾包裹的干湿垃圾分类。
为解决上述技术问题，本申请提供一种干湿垃圾分类方法，包括：
获取垃圾包裹的灰度图像，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例；
确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别。
可选的，确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别包括：
当所述目标比例大于或等于第一比例阈值时，确定所述垃圾包裹为湿垃圾包裹；
当所述目标比例小于或等于第二比例阈值时，确定所述垃圾包裹为干垃圾包裹；
当所述目标比例大于所述第二比例阈值且小于所述第一比例阈值时，确定所述垃圾包裹为需要再分类包裹。
可选的，确定所述垃圾包裹为需要再分类包裹之后，还包括：
发送提示指令至提示器，使所述提示器发出分类不规范的提示信息。
可选的，获取垃圾包裹的灰度图像包括：
获取所述垃圾包裹的多个不同表面的所述灰度图像；
相应的，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例包括：
确定每个表面的所述灰度图像中像素值小于所述干湿垃圾像素分割阈值的像素点的第二数量，并确定所述第二数量占所有像素点数量的比例；
确定所有所述比例的均值为所述目标比例。
可选的，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
发送旋转指令至垃圾包裹旋转设备，以便所述垃圾包裹旋转设备旋转所述垃圾包裹；
获取所述垃圾包裹在每次旋转后的所述灰度图像，得到多个不同表面的所述灰度图像。
可选的，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
获取第一图像采集设备采集的包括所述垃圾包裹的上表面和正面的灰度图像；
获取第二图像采集设备采集的包括所述垃圾包裹的背面的灰度图像。
可选的，所述干湿垃圾像素分割阈值的确定过程为：
采用大津法对所述灰度图像进行自适应计算，得到所述干湿垃圾像素分割阈值。
可选的，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点的目标比例包括：
判断所述灰度图像中每个像素点的像素值与所述干湿垃圾像素分割阈值的大小；
当像素值小于所述干湿垃圾像素分割阈值，则将像素值重置为0，否则将像素值重置为255，得到二值图像；
确定所述二值图像中像素值为0的像素点占所有像素点的比例为所述目标比例。
本申请还提供一种干湿垃圾分类箱，包括设置有投放口的箱体、干垃圾收集桶、湿垃圾收集桶、位于所述干垃圾收集桶和所述湿垃圾收集桶上方的垃圾置物分类板、旋转电机、图像采集器、处理器；
所述图像采集器用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器用于执行上述任一种所述的干湿垃圾分类方法的步骤。
本申请还提供一种干湿垃圾分拣系统，包括传输带、机械臂、干垃圾收集桶、湿垃圾收集桶、图像采集器、处理器；
所述图像采集器用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器用于执行上述任一种所述的干湿垃圾分类方法的步骤。
本申请所提供的干湿垃圾分类方法，包括获取垃圾包裹的灰度图像，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例；确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别。
可见，本申请中的分类方法通过获取垃圾包裹的短波红外灰度图像或太赫兹灰度图像，不含水或含水少的干垃圾对短波红外和太赫兹射线的吸收特性差，含水量高的湿垃圾对短波红外和太赫兹射线的吸收特性较强，干垃圾、湿垃圾在短波红外灰度图像或太赫兹灰度图像中分别呈灰白色、黑色，像素值有明显的区别，确定像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并根据第一数量确定目标比例，即得到湿垃圾所占比例，进而根据目标比例所在的比例范围完成对垃圾包裹的分类。
此外，本申请还提供一种具有上述优点的干湿垃圾分类箱和干湿垃圾分拣系统。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种干湿垃圾分类方法的流程图；
图2为本申请实施例所提供的一种获取垃圾包裹的多个不同表面的灰度图像的流程图；
图3为本申请实施例所提供的一种干湿垃圾分类箱的结构示意图；
图4为本申请实施例所提供的一种干湿垃圾分拣系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
正如背景技术部分所述，现有的垃圾分类方法通过采集垃圾的可见光图像进行识别，判断垃圾是可回收垃圾还是不可回收垃圾，不能对干湿垃圾进行有效识别，并且只能对单个的垃圾进行识别分类，所以现有的垃圾分类方法并不适用。
有鉴于此，本申请提供了一种干湿垃圾分类方法，请参考图1，图1为本申请实施例所提供的一种干湿垃圾分类方法的流程图，该方法包括：
步骤S101：获取垃圾包裹的灰度图像，所述灰度图像为短波红外灰度图像或太赫兹灰度图像。
垃圾包裹即为装有垃圾的垃圾袋。
短波红外(Short Wave Infrared，SWIR)是一种波长在1～2.5μm范围内的电磁波谱，短波红外成像是通过接收室温景物反射环境中普遍存在的短波红外辐射来进行成像，该种成像方式使得图像具有阴影反差，利于物体识别。短波红外和太赫兹射线对常见的垃圾袋具有良好的穿透能力，可以穿透垃圾袋对垃圾进行成像。
短波红外灰度图像可直接获取由短波红外摄像头直接采集的灰度图像，太赫兹灰度图像的获取可由获得的太赫兹图像进行灰度转化后得到，也可以直接获取由成像设备直接采集的灰度图像。
步骤S102：确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例。
可选的，在本申请的一个实施例中，所述干湿垃圾像素分割阈值的确定过程为：采用大津法对所述灰度图像进行自适应计算，得到所述干湿垃圾像素分割阈值。在本申请的其他实施例中像素阈值的确定还可以对多个不同的垃圾包裹的灰度图像进行直方图统计分析，确定出干湿垃圾像素分割阈值。
可以理解的是，本步骤中所有像素点数量为该灰度图像的像素点的数量，设定灰度图像的大小为M×N，也即所有像素点的数量为M×N，像素值小于干湿垃圾像素分割阈值的像素点的第一数量为A，则目标比例为A/(M×N)×100％，也即为湿垃圾所占的比例，进一步地，像素值不小于干湿垃圾像素分割阈值的像素点的数量为M×N-A，相应的比例为(M×N-A)/M×N，也即为干垃圾所占的比例。
步骤S103：确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别。
可选的，在本申请的一个实施例中，确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别包括：
当所述目标比例大于或等于第一比例阈值时，确定所述垃圾包裹为湿垃圾包裹；
当所述目标比例小于或等于第二比例阈值时，确定所述垃圾包裹为干垃圾包裹；
当所述目标比例大于所述第二比例阈值且小于所述第一比例阈值时，确定所述垃圾包裹为需要再分类包裹。
第一比例阈值大于第二比例阈值，本申请中对第一比例阈值、第二比例阈值不做具体限定，可视情况而定。例如，第一比例阈值可以为70％，80％等等，第二比例阈值可以为30％，20％等等。
可以理解的是，本实施中的目标比例为湿垃圾所占比例，在本申请的其他实施例中，还可以利用干垃圾所占比例进行分类，相应的，干垃圾所占比例大于或等于第一比例阈值时，确定垃圾包裹为干垃圾包裹；干垃圾所占比例小于或等于第二比例阈值时，确定垃圾包裹为湿垃圾包裹；干垃圾所占比例大于第二比例阈值且小于第一比例阈值时，确定垃圾包裹为需要再分类包裹。
本申请中的分类方法通过获取垃圾包裹的短波红外灰度图像或太赫兹灰度图像，不含水或含水少的干垃圾对短波红外和太赫兹射线的吸收特性差，含水量高的湿垃圾对短波红外和太赫兹射线的吸收特性较强，干垃圾、湿垃圾在短波红外灰度图像或太赫兹灰度图像中分别呈灰白色、黑色，像素值有明显的区别，确定像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并根据第一数量确定目标比例，即得到湿垃圾所占比例，进而根据目标比例所在的比例范围完成对垃圾包裹的分类。
优选地，在本申请的一个实施例中，确定所述垃圾包裹为需要再分类包裹之后，还包括：
发送提示指令至提示器，使所述提示器发出分类不规范的提示信息，以便对扔垃圾的人进行提醒，重新分类后再扔。
在上述实施例的基础上，在本申请的一个实施例中，获取垃圾包裹的灰度图像包括：
获取所述垃圾包裹的多个不同表面的所述灰度图像；
相应的，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例包括：
确定每个表面的所述灰度图像中像素值小于所述干湿垃圾像素分割阈值的像素点的第二数量，并确定所述第二数量占所有像素点数量的比例；
确定所有所述比例的均值为所述目标比例。
可以理解的是，本实施例中的所有像素点数量为当前表面的灰度图像的像素点数量，并不是多个不同表面的灰度图像的像素点数量之和。
请参考图2，作为一种可实施的方式，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
步骤S201：发送旋转指令至垃圾包裹旋转设备，以便所述垃圾包裹旋转设备旋转所述垃圾包裹。
步骤S202：获取所述垃圾包裹在每次旋转后的所述灰度图像，得到多个不同表面的所述灰度图像。
需要说明的是，本实施中对旋转次数不做限定，视情况而定，旋转次数越多，得到的灰度图像的数量越多，也即得到垃圾包裹不同面的灰度图像数量越多，越利于提升垃圾包裹干湿垃圾分类的准确性。
作为另一种可实施的方式，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
获取第一图像采集设备采集的包括所述垃圾包裹的上表面和正面的灰度图像；
获取第二图像采集设备采集的包括所述垃圾包裹的背面的灰度图像。
通过获取在不同位置的第一图像采集设备、第二图像采集设备采集的灰度图像得到垃圾包裹不同表面的灰度图像，利于提升垃圾包裹干湿垃圾分类的准确性。
在上述任一实施例的基础上，在本申请的一个实施例中，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点的目标比例包括：
判断所述灰度图像中每个像素点的像素值与所述干湿垃圾像素分割阈值的大小；
当像素值小于所述干湿垃圾像素分割阈值，则将像素值重置为0，否则将像素值重置为255，得到二值图像；
确定所述二值图像中像素值为0的像素点占所有像素点的比例为所述目标比例。
由于不含水或含水少的干垃圾对短波红外和太赫兹射线的吸收特性差，含水量高的湿垃圾对短波红外和太赫兹射线的吸收特性较强，所以干垃圾、湿垃圾在灰度图像中分别呈灰白色、黑色，将像素值小于干湿垃圾像素分割阈值的像素值设置为0(黑色)，将像素值不小于像素阈值的像素值设置为255(白色)，在二值图像中可以清晰地显示出干垃圾和湿垃圾所占的范围大小，进而根据二值图像确定出像素值为0的像素点占所有像素点的比例。
请参见图3，本申请还提供一种干湿垃圾分类箱，包括设置有投放口2的箱体1、干垃圾收集桶3、湿垃圾收集桶4、位于所述干垃圾收集桶3和所述湿垃圾收集桶4上方的垃圾置物分类板5、旋转电机6、图像采集器7、处理器8；
所述图像采集器7用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器8，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器8用于执行上述任一实施例所述的干湿垃圾分类方法的步骤。
进一步地，当识别出垃圾包裹类别后，处理器8发送向干垃圾收集桶3倾斜指令或者向湿垃圾收集桶4倾斜指令至旋转电机6，以便旋转电机6控制垃圾置物分类板5向干垃圾收集桶3或者向湿垃圾收集桶4倾斜，使垃圾包裹因为重力作用自动滑落到对应进入干垃圾收集桶3或者向湿垃圾收集桶4，实现自动分类。
可选的，处理器8安装在箱体1内部顶部。
优选地，图像采集器7为短波红外摄像头，成本低，但是本申请对比并不做具体限定，还可以为可以采集太赫兹图像的摄像头。
需要说明的是，本实例中对图像采集器7的数量不做具体限定，可以为一个或者多个。作为一种具体实施方式，当数量为一个时，图像采集器7可以安装在箱体1内部顶部；作为另一种具体实施方式，图像采集器7包括第一图像采集设备和第二图像采集设备，第一图像采集设备可以设置在箱体1内部顶部靠近箱体1正面的位置，以采集垃圾包裹的上表面和正面的灰度图像；第二图像采集设备可以设置在箱体1内部背面，以采集垃圾包裹的背面的灰度图像。
进一步地，干湿垃圾分类箱还包括：垃圾包裹旋转设备，用于旋转垃圾包裹。
优选地，干湿垃圾分类箱还包括用于接收提示指令的提示器，当垃圾包裹分类不规范时发出分类不规范的提示信息，对扔垃圾的人进行提醒。可以理解的是，当垃圾包裹分类不规范时，旋转电机6并不会控制垃圾置物分类板5倾斜。
本实施例中的干湿垃圾分类箱通过获取垃圾包裹的短波红外灰度图像或太赫兹灰度图像，不含水或含水少的干垃圾对短波红外和太赫兹射线的吸收特性差，含水量高的湿垃圾对短波红外和太赫兹射线的吸收特性较强，干垃圾、湿垃圾在短波红外灰度图像或太赫兹灰度图像中分别呈灰白色、黑色，像素值有明显的区别，确定像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并根据第一数量确定目标比例，即得到湿垃圾所占比例，进而根据目标比例所在的比例范围完成对垃圾包裹的分类。
本申请还提供一种干湿垃圾分拣系统，请参考图4，该系统包括传输带9、机械臂10、干垃圾收集桶3、湿垃圾收集桶4、图像采集器7、处理器8；
所述图像采集器7用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器8，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器8用于执行上述任一实施例所述的干湿垃圾分类方法的步骤。
干湿垃圾分拣系统还包括用于固定处理器8的固定板11。
优选地，图像采集器7为短波红外摄像头，成本低，但是本申请对比并不做具体限定，还可以为可以采集太赫兹图像的摄像头。
传输带9用于传输垃圾包裹，需要说明的是，干湿垃圾分拣系统中还可以将垃圾包裹中的垃圾分离开，将垃圾一件一件的由传输带9运输。当每件垃圾被传送到图像采集器7可以采集到图像的区域时，图像采集器7启动拍照。由于垃圾在传送带上一直处于运动状态，刚开始进入图像采集器7视野时可能只出现了一小部分，不是完整的，因此，图像采集器7可以连续拍摄多张图像进行识别以提高干湿垃圾识别准确率。
进一步地，当识别出干垃圾或者湿垃圾后，处理器8发送抓取指令至机械臂10，并控制机械臂10将垃圾投放到对应的干垃圾收集桶3或者湿垃圾收集桶4内。
本实施例中的干湿垃圾分拣系统通过获取垃圾包裹的短波红外灰度图像或太赫兹灰度图像，不含水或含水少的干垃圾对短波红外和太赫兹射线的吸收特性差，含水量高的湿垃圾对短波红外和太赫兹射线的吸收特性较强，干垃圾、湿垃圾在短波红外灰度图像或太赫兹灰度图像中分别呈灰白色、黑色，像素值有明显的区别，确定像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并根据第一数量确定目标比例，即得到湿垃圾所占比例，进而根据目标比例所在的比例范围完成对垃圾包裹的分类。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上对本申请所提供的干湿垃圾分类方法、分类箱和分拣系统进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种干湿垃圾包裹分类方法，其特征在于，包括：
获取垃圾包裹的灰度图像，所述灰度图像为短波红外灰度图像或太赫兹灰度图像，所述短波红外灰度图像通过短波红外穿透垃圾袋对垃圾进行成像，所述太赫兹灰度图像通过太赫兹射线穿透垃圾袋对垃圾进行成像；
确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例；
确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹为湿垃圾包裹或干垃圾包裹。
2.如权利要求1所述的干湿垃圾包裹分类方法，其特征在于，确定所述目标比例所在的比例范围，并根据所述比例范围确定所述垃圾包裹的类别包括：
当所述目标比例大于或等于第一比例阈值时，确定所述垃圾包裹为湿垃圾包裹；
当所述目标比例小于或等于第二比例阈值时，确定所述垃圾包裹为干垃圾包裹；
当所述目标比例大于所述第二比例阈值且小于所述第一比例阈值时，确定所述垃圾包裹为需要再分类包裹。
3.如权利要求2所述的干湿垃圾包裹分类方法，其特征在于，确定所述垃圾包裹为需要再分类包裹之后，还包括：
发送提示指令至提示器，使所述提示器发出分类不规范的提示信息。
4.如权利要求1所述的干湿垃圾包裹分类方法，其特征在于，获取垃圾包裹的灰度图像包括：
获取所述垃圾包裹的多个不同表面的所述灰度图像；
相应的，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点数量的目标比例包括：
确定每个表面的所述灰度图像中像素值小于所述干湿垃圾像素分割阈值的像素点的第二数量，并确定所述第二数量占所有像素点数量的比例；
确定所有所述比例的均值为所述目标比例。
5.如权利要求4所述的干湿垃圾包裹分类方法，其特征在于，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
发送旋转指令至垃圾包裹旋转设备，以便所述垃圾包裹旋转设备旋转所述垃圾包裹；
获取所述垃圾包裹在每次旋转后的所述灰度图像，得到多个不同表面的所述灰度图像。
6.如权利要求4所述的干湿垃圾包裹分类方法，其特征在于，获取所述垃圾包裹的多个不同表面的所述灰度图像包括：
获取第一图像采集设备采集的包括所述垃圾包裹的上表面和正面的灰度图像；
获取第二图像采集设备采集的包括所述垃圾包裹的背面的灰度图像。
7.如权利要求1所述的干湿垃圾包裹分类方法，其特征在于，所述干湿垃圾像素分割阈值的确定过程为：
采用大津法对所述灰度图像进行自适应计算，得到所述干湿垃圾像素分割阈值。
8.如权利要求1至7任一项所述的干湿垃圾包裹分类方法，其特征在于，确定所述灰度图像中像素值小于干湿垃圾像素分割阈值的像素点的第一数量，并确定所述第一数量占所有像素点的目标比例包括：
判断所述灰度图像中每个像素点的像素值与所述干湿垃圾像素分割阈值的大小；
当像素值小于所述干湿垃圾像素分割阈值，则将像素值重置为0，否则将像素值重置为255，得到二值图像；
确定所述二值图像中像素值为0的像素点占所有像素点的比例为所述目标比例。
9.一种干湿垃圾包裹分类箱，其特征在于，包括设置有投放口的箱体、干垃圾收集桶、湿垃圾收集桶、位于所述干垃圾收集桶和所述湿垃圾收集桶上方的垃圾置物分类板、旋转电机、图像采集器、处理器；
所述图像采集器用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器用于执行如权利要求1至8任一项所述的干湿垃圾包裹分类方法的步骤。
10.一种干湿垃圾包裹分拣系统，其特征在于，包括传输带、机械臂、干垃圾收集桶、湿垃圾收集桶、图像采集器、处理器；
所述图像采集器用于采集垃圾包裹的灰度图像并发送所述灰度图像至所述处理器，所述灰度图像为短波红外灰度图像或太赫兹灰度图像；
所述处理器用于执行如权利要求1至8任一项所述的干湿垃圾包裹分类方法的步骤。
CN202010614463.2A 2020-06-30 2020-06-30 一种干湿垃圾分类方法、分类箱和分拣系统 Active CN111753844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010614463.2A CN111753844B (zh) 2020-06-30 2020-06-30 一种干湿垃圾分类方法、分类箱和分拣系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010614463.2A CN111753844B (zh) 2020-06-30 2020-06-30 一种干湿垃圾分类方法、分类箱和分拣系统

Publications (2)

Publication Number Publication Date
CN111753844A CN111753844A (zh) 2020-10-09
CN111753844B true CN111753844B (zh) 2022-10-04

Family

ID=72678278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010614463.2A Active CN111753844B (zh) 2020-06-30 2020-06-30 一种干湿垃圾分类方法、分类箱和分拣系统

Country Status (1)

Country Link
CN (1) CN111753844B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051989A (zh) * 2020-11-04 2021-06-29 泰州镭昇光电科技有限公司 桶内目标类型鉴定系统
CN112364758B (zh) * 2020-11-10 2024-06-25 北京呈创科技股份有限公司 基于多目标图像识别的垃圾分类回收方法及系统
CN112588610A (zh) * 2020-12-14 2021-04-02 广东烟草广州市有限公司 一种用于识别和分拣真假香烟的装置
CN113362333A (zh) * 2021-07-07 2021-09-07 李有俊 一种垃圾分类箱管理方法、装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013088772A1 (ja) * 2011-12-16 2013-06-20 独立行政法人科学技術振興機構 特徴量抽出方法、被写体分類方法、被写体判別方法、特徴量抽出装置、被写体分類装置、被写体判別装置、特徴量抽出・被写体分類及び被写体判別プログラム及び該プログラムを記録した記録媒体
CN107985838A (zh) * 2017-11-29 2018-05-04 杨晶 一种垃圾物品运输系统
CN109684979B (zh) * 2018-12-18 2021-11-30 深圳云天励飞技术有限公司 一种基于图像识别技术的垃圾分类方法、装置及电子设备
CN110426351B (zh) * 2019-08-28 2024-04-30 广东成丰环保工程有限公司 一种基于太赫兹的材料识别装置和垃圾分选系统
CN111017429B (zh) * 2019-11-20 2021-05-25 重庆特斯联智慧科技股份有限公司 一种基于多因素融合的社区垃圾分类方法及系统
CN111266315A (zh) * 2020-02-20 2020-06-12 南京工程学院 基于视觉分析的矿石物料在线分拣系统及其方法

Also Published As

Publication number Publication date
CN111753844A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111753844B (zh) 一种干湿垃圾分类方法、分类箱和分拣系统
CN110053903B (zh) 生活垃圾分类回收管理系统及方法
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
CN112830129A (zh) 一种景区垃圾智能分类系统
CN110795999B (zh) 垃圾投递行为分析方法及相关产品
CN112777169B (zh) 应用于垃圾分类投放点的物联网监控方法和系统
CN110479638B (zh) 一种垃圾分类的方法及系统
CN110577037A (zh) 用于生活垃圾分类检查回收的方法
CN110064602B (zh) 一种有膜和无膜废弃纸箱自动分拣系统及分拣方法
CN111056191A (zh) 一种能够多垃圾分类及投递的智能垃圾收集系统
CN111532628A (zh) 基于智能透视分类垃圾桶的垃圾回收实现方法及装置
CN110276300B (zh) 用于识别垃圾品质的方法和装置
CN109573396A (zh) 一种图像自动分类垃圾箱
CN107127160A (zh) 一种用于生活垃圾分类处理的系统和方法
CN110065746B (zh) 一种基于物联网的航运垃圾分类系统
CN110921154A (zh) 一种控制垃圾回收巡逻车的方法、装置及垃圾回收巡逻车
CN107472768A (zh) 一种垃圾分类识别器
CN113705638A (zh) 一种移动车载式智能垃圾信息管理方法及系统
CN113255550A (zh) 一种基于视频的行人垃圾扔投次数统计方法
CN114506591A (zh) 一种基于图像分类技术的智能垃圾桶设计方法
CN112455614A (zh) 水面垃圾收集与分类装置、控制方法和垃圾清理船
CN215964918U (zh) 一种图书馆用图书分拣装置
CN111889393A (zh) 一种具有监察功能的垃圾分类前置装置
CN216188131U (zh) 一种社区袋装垃圾处理设备及监控系统
CN201111221Y (zh) 应用条码识别技术的饮料容器回收装置

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20201009

Assignee: INFIRAY TECHNOLOGIES CO.,LTD.

Assignor: Yantai Airui Photo-Electric Technology Co.,Ltd.

Contract record no.: X2024980006380

Denomination of invention: A dry and wet garbage classification method, classification box, and sorting system

Granted publication date: 20221004

License type: Common License

Record date: 20240530

EE01 Entry into force of recordation of patent licensing contract