CN112215147A - 垃圾投放位置的溯源方法、装置、设备及存储介质 - Google Patents
垃圾投放位置的溯源方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112215147A CN112215147A CN202011086329.6A CN202011086329A CN112215147A CN 112215147 A CN112215147 A CN 112215147A CN 202011086329 A CN202011086329 A CN 202011086329A CN 112215147 A CN112215147 A CN 112215147A
- Authority
- CN
- China
- Prior art keywords
- garbage
- image
- classification
- images
- unqualified
- 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 433
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000012549 training Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000010806 kitchen waste Substances 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及数据处理和人工智能，提供一种垃圾投放位置的溯源方法、装置、设备及存储介质，该方法包括：获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。本申请能够有效地进行垃圾投放位置的溯源。
Description
技术领域
本申请涉及数据处理的技术领域，尤其涉及一种垃圾投放位置的溯源方法、装置、设备及存储介质。
背景技术
目前，许多地区都实行了垃圾分类，但通过实践发现，进入垃圾处理厂的生活垃圾由于分类不合格，导致垃圾处理效果不好。例如进入垃圾处理厂的厨余垃圾中经常参杂塑料袋、餐具等其他类型的垃圾，容易造成厨余垃圾的相关处理设施运行效率低、设备故障率高等问题。
为了解决上述问题，提高市民对垃圾进行分类的正确率，需要对分类不正确的垃圾进行投放位置的溯源，以便政务管理部门能够针对性地在投放位置进行宣导和监管。目前的垃圾溯源方案主要是在垃圾袋上设置二维码，并通过该二维码来追溯垃圾的源头，这种垃圾溯源方案在市民不使用带有二维码的垃圾袋时无法适用，实用性不强。因此，如何有效地进行垃圾投放位置的溯源成为了亟需解决的问题。
发明内容
本申请的主要目的在于提供一种垃圾投放位置的溯源方法、装置、设备及存储介质，旨在有效地对分类不合格的垃圾的投放位置进行溯源，便于政务管理部门能够针对性地在垃圾的投放位置进行宣导和监管，从而提高市民对垃圾进行分类的正确率。本申请可应用于智慧城市的智慧政务领域，从而推动智慧城市的建设。
第一方面，本申请提供一种垃圾投放位置的溯源方法，包括：
获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
第二方面，本申请还提供一种垃圾投放位置的溯源装置，所述垃圾投放位置的溯源装置包括：
第一图像处理模块，用于获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
获取模块，用于若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
第二图像处理模块，用于根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的垃圾投放位置的溯源方法的步骤。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的垃圾投放位置的溯源方法的步骤。
本申请提供一种垃圾投放位置的溯源方法、装置、设备及存储介质，本申请通过获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，根据多个第一图像确定垃圾的分类是否合格，若是确定倾倒的垃圾的分类不合格，则获取在该垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像，然后根据该多个第二图像确定分类不合格的垃圾的初始投放位置。能够有效地对分类不合格的垃圾的投放位置进行溯源，便于政务管理部门能够针对性地在垃圾的投放位置进行宣导和监管，从而提高市民对垃圾进行分类的正确率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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为本申请实施例提供的一种垃圾投放位置的溯源方法的流程示意图；
图2为图1中的垃圾投放位置的溯源方法的子步骤流程示意图；
图3为实施本实施例提供的垃圾投放位置的溯源方法的一场景示意图；
图4为本申请实施例提供的一种垃圾投放位置的溯源装置的示意性框图；
图5为图4中的垃圾投放位置的溯源装置的子模块的示意性框图；
图6为本申请实施例提供的一种计算机设备的结构示意性框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
本申请实施例提供一种垃圾投放位置的溯源方法、装置、设备及存储介质。其中，该垃圾投放位置的溯源方法可应用于服务器中，该服务器可以为单台的服务器，也可以为由多台服务器组成的服务器集群。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请实施例提供的一种垃圾投放位置的溯源方法的流程示意图。
如图1所示，该垃圾投放位置的溯源方法包括步骤S101至步骤S103。
步骤S101、获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格。
由于许多城市实行垃圾分类运动，市民都是将垃圾进行分类投放的。同样的，垃圾车也是分类地收集垃圾，每个垃圾车收集到的垃圾都是市民分类好的垃圾，即每个垃圾车收集到的垃圾都是同一类型的垃圾。其中垃圾的类型包括厨余垃圾、可回收物、有害垃圾和其它垃圾。垃圾车在收集满垃圾后，需要将收集到的垃圾运送到垃圾处理厂，并在垃圾处理厂倾倒垃圾。
在一实施例中，在垃圾处理厂倾倒垃圾的进料口处安装一摄像头，该摄像头例如为高清摄像头、高速抓拍摄像头等。通过安装好的该摄像头可以在垃圾车倾倒垃圾时拍摄包括倾倒的垃圾的多个第一图像，并将该多个第一图像存储于存储器或数据库中。
示例性的，在垃圾车向进料口倾倒垃圾时，服务器接收到用户发送的图像拍摄指令，从而基于该图像拍摄指令控制摄像头以间隔预设时间抓拍包含倾倒的垃圾的第一图像，直至垃圾车停止向进料口倾倒垃圾，得到多个第一图像。或者，服务器通过安装好的摄像头检测到垃圾车向进料口倾倒垃圾时，控制该摄像头拍摄垃圾车向进料口倾倒垃圾时包含垃圾的第一视频，并从该拍摄得到的第一视频中获取多帧图像数据，得到多个第一图像。
在一实施例中，垃圾车的出料口位置安装有一摄像头，该摄像头例如为高清摄像头、高速抓拍摄像头等。垃圾车在检测到自身执行倾倒垃圾的操作时或者在接收到图像拍摄指令时，开启安装好的摄像头，并通过该安装好的摄像头拍摄出料口处倾倒的垃圾的多个第一图像，并将拍摄的到多个第一图像发送至服务器。或者，垃圾车也可以将拍摄的到多个第一图像存储至存储器，并在接收到服务器发送的第一图像获取指令时，将存储在存储器的多个第一图像发送至服务器，以供服务器获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像。
在一实施例中，如图2所示，根据多个第一图像确定垃圾的分类是否合格的步骤可以包括：子步骤S1011至子步骤S1012。
子步骤S1011、基于预设的目标识别模型，对每个所述第一图像进行垃圾类型的识别，得到每个所述第一图像中的垃圾的第一识别结果。
服务器将每个第一图像输入至预设的目标识别模型，可以对每个第一图像进行垃圾类型的识别，从而得到每个第一图像中的垃圾的第一识别结果。其中，垃圾的第一识别结果包括第一图像中存在不同类型的垃圾、第一图像中不存在不同类型的垃圾和/或第一图像中存在不同类型的垃圾的数量。例如，当垃圾车倾倒厨余垃圾时拍摄得到包括倾倒的厨余垃圾的多个第一图像，通过预设的目标识别模型，可以确定每个第一图像是否存在不为厨余垃圾的其他类型的垃圾，或者确定每个第一图像中不为厨余垃圾的其他类型的垃圾的个数。
需要说明的是，预设的目标识别模型可以基于深度学习的神经网络经过模型训练得到，例如基于深度学习的MobileNetv2-SSD网络，或者采用其他网络如VGG-SSD等网络进行训练得到。示例性地，通过训练样本对深度学习的MobileNetv2-SSD网络进行迭代训练，直至MobileNetv2-SSD网络收敛，得到训练好的目标识别模型。其中，训练样本包括多张属于相同垃圾类型的垃圾的图像，例如训练样本为图像中的垃圾都为厨余垃圾的图像，训练样本还包括多张属于不同垃圾类型(参杂其他类型)的垃圾的图像，例如训练样本为图像中的垃圾包括厨余垃圾和其他垃圾(例如餐具、塑料袋)的图像。每个训练样本标注有垃圾类型标签，通过多个训练样本对该目标识别模型进行迭代训练，直至该目标识别模型收敛，即可得到目标识别模型。通过目标识别模型检测多个第一图像，可得到每个第一图像各自对应的垃圾的第一识别结果，并输出多个第一识别结果。
其中，垃圾的第一识别结果也包括第一图像中存在的垃圾的垃圾类型，该第一图像中存在的垃圾的垃圾类型可以为一个或多个。例如，垃圾的第一识别结果为第一图像中存在厨余垃圾和不可回收垃圾等，本申请实施例不做具体限制。
在一实施例中，目标识别模型包括预处理子层、特征识别子层和输出层，通过预处理子层，对第一图像进行预处理，得到经过预处理后的第一图像；基于特征提取子层，对经过预处理后的第一图像中的垃圾进行特征识别，得到第一图像中的垃圾的第一识别结果；通过输出层输出第一图像中的垃圾的第一识别结果。其中，预处理子层用于对第一图像进行预处理，预处理的过程包括平滑去噪、腐蚀、膨胀等。同时，也可以根据采用的特征识别方法对第一图像进一步加工，例如边缘检测、灰度变化、斑点检测、深度检测等。特征提取子层用于对经过预处理后的第一图像中的垃圾进行特征识别，以提取出第一图像中的垃圾的特征数据来识别图像中是否参杂其他类型垃圾，其中，所识别的特征数据可以是形状、颜色、纹理等，通过输出层输出的第一识别结果可以是一个或者多个。通过目标识别模型可以准确地识别出第一图像中存在不同类型的垃圾、第一图像中不存在不同类型的垃圾和/或第一图像中存在不同类型的垃圾的数量。
可以理解的是，也可以采用其他适当的目标识别方法来确定第一图像的识别结果，例如，得到第一图像之后，可以采用诸如尺度不变特征变换算法、基于角点的图像特征提取与匹配算法、基于局部特征的图像匹配与识别、基于视觉信息的图像特征提取算法等各种不同的方法，对每个第一图像进行处理，以确定第一图像的第一识别结果，本实施例不作具体限定。
子步骤S1012、根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格。
在一实施例中，将第一图像中存在不同类型的垃圾的第一识别结果，或者第一图像中存在不同类型的垃圾的数量大于等于预设数量的第一识别结果作为目标识别结果；确定目标识别结果的数量是否大于或者等于预设数量阈值；若目标识别结果的数量大于或者等于预设数量阈值，则确定倾倒的垃圾的分类不合格；若目标识别结果的数量小于预设数量阈值，则确定倾倒的垃圾的分类合格。其中，预设数量和预设数量阈值可以根据实际情况进行设置，可选的，预设数量为2，预设数量阈值为5。
在一实施例中，将第一图像中存在不同类型的垃圾的第一识别结果，或者第一图像中存在不同类型的垃圾的数量大于等于预设数量的第一识别结果作为目标识别结果；根据目标识别结果的数量和第一识别结果的总数量，对垃圾车倾倒的垃圾进行分类质量的评分；当评分得到的分数大于或者等于预设分数时，确定倾倒的垃圾的分类合格；当评分得到的分数小于预设分数时，确定倾倒的垃圾的分类不合格。
其中，对垃圾车倾倒的垃圾进行分类质量的评分的步骤包括：计算目标识别结果的数量占第一识别结果的总数量的比例，得到目标占比；基于预设公式和该目标占比，对垃圾的分类质量进行评分，得到评分的分数。例如，第一识别结果的总数量为100，目标识别结果的数量为5，则目标占比为0.05，预设公式为(1-目标占比)*100％，得到评分的分数为95％，当预设分数为92％时，评分得到的分数大于预设分数，则垃圾车倾倒的该批次垃圾的分类合格。
在一实施例中，当确定目标识别结果的数量大于或者等于预设数量，或者当评分得到的分数小于预设分数时，通过显示装置输出多个第一图像；接收用户输入的确认指令，并根据确认指令确定倾倒的垃圾的分类是否合格。需要说明的是，通过显示装置输出多个第一图像，以供用户查看多个第一图像，若用户输入的确认指令为确认合格，则倾倒的垃圾的分类合格，若用户输入的确认指令为确认不合格，则倾倒的垃圾的分类不合格。通过用户的确认，对垃圾分类品质进行判断，补充目标识别不准确部分。
在一实施例中，根据每个第一图像中的垃圾的第一识别结果，确定每个第一图像中的垃圾的垃圾分类结果；根据每个第一图像中的垃圾的垃圾分类结果，确定倾倒的垃圾的分类是否合格。
示例性的，确定第一图像中不存在不同类型的垃圾的第一目标识别结果，则每个第一目标识别结果各自对应的第一图像中的垃圾的垃圾分类结果为分类合格；确定第一图像中存在不同类型的垃圾的第二目标识别结果，则每个第二目标识别结果各自对应的第一图像中的垃圾的垃圾分类结果为分类不合格；确定垃圾的垃圾分类结果为分类不合格的第一数量，当该第一数量大于等于预设数量阈值时，确定倾倒的垃圾的分类不合格；当该第一数量小于预设数量阈值时，确定倾倒的垃圾的分类合格。
示例性的，确定第一图像中存在不同类型的垃圾的数量小于预设数量的第三目标识别结果，则每个第三目标识别结果各自对应的第一图像中的垃圾的垃圾分类结果为分类合格；确定第一图像中存在不同类型的垃圾的数量大于等于预设数量的第四目标识别结果，则每个第四目标识别结果各自对应的第一图像中的垃圾的垃圾分类结果为分类不合格；确定垃圾的垃圾分类结果为分类不合格的第二数量，当该第二数量大于等于预设数量阈值时，确定倾倒的垃圾的分类不合格；当该第二数量小于预设数量阈值时，确定倾倒的垃圾的分类合格。
步骤S102、若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。
在一实施例中，若确定垃圾车倾倒的垃圾的分类不合格，则服务器发出垃圾分类不合格指示，基于该垃圾分类不合格指示可提醒管理员该批次的垃圾的分类质量较差，即该批次的垃圾掺杂有其他类型的垃圾，比如厨余垃圾中包括有多个餐具、纸盒等垃圾，而餐具、纸盒等垃圾不属于厨余垃圾的范畴。便于管理员收集分类垃圾的相关信息，能够更好地进行管理。
在一实施例中，确定倾倒的垃圾的分类不合格之后，确定垃圾车收运倾倒的垃圾的目标收运路线；调取垃圾车在目标收运路线上收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。需要说明的是，每个垃圾车在收运垃圾时，会实时采集垃圾车的收运路线，并将每个垃圾车收运垃圾的收运路线存储在数据库中。确定倾倒的垃圾的分类不合格之后，服务器获取垃圾倾倒时间，以及获取倾倒垃圾的垃圾车的车牌信息，根据该垃圾倾倒时间和垃圾车的车牌信息，从数据库中获取该垃圾车收运该倾倒的垃圾的目标收运路线，并调取该垃圾车在目标收运路线上收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。
在一实施例中，垃圾车可为侧装式垃圾车，在该垃圾车进料口的前部车顶位置，可安装一摄像头。该摄像头例如为高清摄像头或高速抓拍摄像头。在垃圾车开始进行倾倒垃圾的操作时，控制开启安装的摄像头，以获取包括收集的垃圾的多个第二图像，并将拍摄得到的多个第二图像存储至存储器。当垃圾车倾倒垃圾的操作结束，控制关闭摄像头。需要说明的是，每次控制开启摄像头拍摄得到多个第二图像时，垃圾车会记录拍摄第二图像的位置信息，以便后续发现垃圾分类不合格时进行投放位置的溯源。
步骤S103、根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
在一实施例中，基于预设的目标识别模型，对每个第二图像进行垃圾类型的识别，得到每个第二图像中的垃圾的第二识别结果；根据多个垃圾的第二识别结果，从多个第二图像中确定垃圾分类结果为分类不合格的目标图像；确定拍摄目标图像时所记录的位置信息，得到分类不合格的垃圾的初始投放位置。其中，垃圾的第二识别结果包括第二图像中存在不同类型的垃圾、第二图像中不存在不同类型的垃圾、第二图像中存在不同类型的垃圾的数量和/或第二图像中存在的垃圾的垃圾类型。每个目标图像各自对应有在拍摄时所记录的位置信息，该位置信息可以为地理坐标位置、垃圾站点标志或者街道地址等，本实施例不做具体限定。
需要说明的是，对每个第二图像进行垃圾类型的识别，得到每个第二图像中的垃圾的第二识别结果的具体过程可参考上述实施例对每个第一图像进行垃圾类型的识别，得到每个第一图像中的垃圾的第一识别结果的对应过程，本实施例在此不再赘述。
在一实施例中，根据多个垃圾的第二识别结果，从多个第二图像中确定垃圾分类结果为分类不合格的目标图像，包括：将第二图像中存在不同类型的垃圾的第二识别结果，或者第二图像中存在不同类型的垃圾的数量大于等于预设数量的第二识别结果作为候选识别结果；确定每个候选识别结果各自对应的第二图像的垃圾分类结果为分类不合格，得到多个垃圾分类结果为分类不合格的目标图像。需要说明的是，预设数量和预设数量阈值可以根据实际情况进行设置，可选的，预设数量为2，预设数量阈值为5。
在一实施例中，根据每个第二图像中的垃圾的第二识别结果，确定每个第二图像中的垃圾的垃圾分类结果；确定垃圾分类结果为不合格的目标垃圾分类结果，并将与目标垃圾分类结果对应的第二图像作为目标图像。例如，从多个第二识别结果中确定第二图像中存在不同类型的垃圾的候选识别结果，每个候选识别结果各自对应的第二图像中的垃圾的垃圾分类结果为分类不合格，则每个候选识别结果各自对应的第二图像即为目标图像。
在一实施例中，根据多个第二图像和多个第一图像，确定分类不合格的垃圾的初始投放位置。具体地，从多个第一图像中确定垃圾分类结果为分类不合格的第一目标图像，并获取该第一目标图像中的垃圾的第一识别结果；对每个第二图像进行垃圾类型的识别，得到每个第二图像中的垃圾的第二识别结果；根据第一识别结果和第二识别结果，确定分类不合格的垃圾的初始投放位置。其中，第一识别结果包括第一目标图像中存在的不同类型的目标垃圾，基于多个第二图像识别结果，确定包括该目标垃圾的第二目标图像；确定拍摄该第二目标图像所记录的位置信息，得到分类不合格的垃圾的初始投放位置。
在一实施例中，确定分类不合格的垃圾的初始投放位置之后，服务器获取预设的违规记录模板，该违规记录模板包括但不限于违规时间、违规源名称、违规源地址、违规问题、违规照片等信息，基于预设的违规记录模板和初始投放位置等相关信息，输出违规记录，并将所述违规记录发送至违规管理平台，以供政务管理部门基于该违规记录对垃圾分类不合格的现象进行有效管理。
请参照图3，图3为实施本实施例提供的垃圾投放位置的溯源方法的一场景示意图。
如图3所示，在垃圾车10向垃圾处理设备20的进料口倾倒垃圾时，服务器30控制垃圾处理设备20上安装的摄像头21开启，以拍摄垃圾车10倾倒垃圾的多个第一图像，从而得到在垃圾车10倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像。服务器根据多个第一图像确定倾倒的垃圾的分类是否合格，若是确定倾倒的垃圾的分类不合格，则获取在该垃圾车10收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像，可以理解的是，该垃圾车10收集垃圾时通过摄像头11采集包括收集的垃圾的多个第二图像，并将采集得到的多个第二图像发送至服务器30，以供服务器30根据该多个第二图像确定分类不合格的垃圾的初始投放位置。
上述实施例提供的垃圾投放位置的溯源方法，通过获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，根据多个第一图像确定垃圾的分类是否合格，若是确定倾倒的垃圾的分类不合格，则获取在该垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像，然后根据该多个第二图像确定分类不合格的垃圾的初始投放位置。能够有效地对分类不合格的垃圾的投放位置进行溯源，便于政务管理部门能够针对性地在垃圾的投放位置进行宣导和监管，从而提高市民对垃圾进行分类的正确率。
请参照图4，图4为本申请实施例提供的一种垃圾投放位置的溯源装置的示意性框图。
如图4所示，该垃圾投放位置的溯源装置200，包括：第一图像处理模块201、获取模块202和第二图像处理模块203。
第一图像处理模块201，用于获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
获取模块202，用于若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
第二图像处理模块203，用于根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
在一个实施例中，如图5所示，第一图像处理模块201包括：
垃圾类型识别子模块2011，用于基于预设的目标识别模型，对每个所述第一图像进行垃圾类型的识别，得到每个所述第一图像中的垃圾的第一识别结果；
垃圾分类合格确认子模块2012，用于根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格。
在一个实施例中，所述垃圾的第一识别结果包括第一图像中存在不同类型的垃圾、第一图像中不存在不同类型的垃圾和/或第一图像中存在不同类型的垃圾的数量。
在一个实施例中，垃圾分类合格确认子模块2012还用于：
将所述第一图像中存在不同类型的垃圾的第一识别结果，或者所述第一图像中存在不同类型的垃圾的数量大于等于预设数量的第一识别结果作为目标识别结果；
确定所述目标识别结果的数量是否大于或者等于预设数量阈值；
若所述目标识别结果的数量大于或者等于预设数量阈值，则确定所述垃圾的分类不合格；
若所述目标识别结果的数量小于预设数量阈值，则确定所述垃圾的分类合格。
在一个实施例中，获取模块202还用于：
确定所述垃圾车收运所述倾倒的垃圾的目标收运路线；
调取所述垃圾车在所述目标收运路线上收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。
在一个实施例中，第二图像处理模块203还用于：
基于预设的目标识别模型，对每个所述第二图像进行垃圾类型的识别，得到每个所述第二图像中的垃圾的第二识别结果；
根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像；
确定拍摄所述目标图像时所记录的位置信息，得到分类不合格的所述垃圾的初始投放位置。
在一个实施例中，所述垃圾的第二识别结果包括第二图像中存在不同类型的垃圾、第二图像中不存在不同类型的垃圾和/或第二图像中存在不同类型的垃圾的数量；第二图像处理模块203还用于：
所述根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像，包括：
将所述第二图像中存在不同类型的垃圾的第二识别结果，或者所述第二图像中存在不同类型的垃圾的数量大于等于预设数量的第二识别结果作为候选识别结果；
确定每个所述候选识别结果各自对应的第二图像的垃圾分类结果为分类不合格，得到多个垃圾分类结果为分类不合格的目标图像。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述垃圾投放位置的溯源方法实施例中的对应过程，在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6，图6为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器。
如图6所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种垃圾投放位置的溯源方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种垃圾投放位置的溯源方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
在一个实施例中，所述处理器在实现所述根据所述多个第一图像确定所述垃圾的分类是否合格时，用于实现：
基于预设的目标识别模型，对每个所述第一图像进行垃圾类型的识别，得到每个所述第一图像中的垃圾的第一识别结果；
根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格。
在一个实施例中，所述垃圾的第一识别结果包括第一图像中存在不同类型的垃圾、第一图像中不存在不同类型的垃圾和/或第一图像中存在不同类型的垃圾的数量。
在一个实施例中，所述处理器在实现所述根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格时，用于实现：
将所述第一图像中存在不同类型的垃圾的第一识别结果，或者所述第一图像中存在不同类型的垃圾的数量大于等于预设数量的第一识别结果作为目标识别结果；
确定所述目标识别结果的数量是否大于或者等于预设数量阈值；
若所述目标识别结果的数量大于或者等于预设数量阈值，则确定所述垃圾的分类不合格；
若所述目标识别结果的数量小于预设数量阈值，则确定所述垃圾的分类合格。
在一个实施例中，所述处理器在实现所述获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像时，用于实现：
确定所述垃圾车收运所述倾倒的垃圾的目标收运路线；
调取所述垃圾车在所述目标收运路线上收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。
在一个实施例中，所述处理器在实现所述根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置时，用于实现：
基于预设的目标识别模型，对每个所述第二图像进行垃圾类型的识别，得到每个所述第二图像中的垃圾的第二识别结果；
根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像；
确定拍摄所述目标图像时所记录的位置信息，得到分类不合格的所述垃圾的初始投放位置。
在一个实施例中，所述垃圾的第二识别结果包括第二图像中存在不同类型的垃圾、第二图像中不存在不同类型的垃圾和/或第二图像中存在不同类型的垃圾的数量；
所述处理器在实现所述根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像时，用于实现：
将所述第二图像中存在不同类型的垃圾的第二识别结果，或者所述第二图像中存在不同类型的垃圾的数量大于等于预设数量的第二识别结果作为候选识别结果；
确定每个所述候选识别结果各自对应的第二图像的垃圾分类结果为分类不合格，得到多个垃圾分类结果为分类不合格的目标图像。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述计算机设备的具体工作过程，可以参考前述垃圾投放位置的溯源方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请垃圾投放位置的溯源方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种垃圾投放位置的溯源方法，其特征在于，包括：
获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
2.如权利要求1所述的溯源方法，其特征在于，所述根据所述多个第一图像确定所述垃圾的分类是否合格，包括：
基于预设的目标识别模型，对每个所述第一图像进行垃圾类型的识别，得到每个所述第一图像中的垃圾的第一识别结果；
根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格。
3.如权利要求2所述的溯源方法，其特征在于，所述垃圾的第一识别结果包括第一图像中存在不同类型的垃圾、第一图像中不存在不同类型的垃圾和/或第一图像中存在不同类型的垃圾的数量。
4.如权利要求3所述的溯源方法，其特征在于，所述根据每个所述第一图像中的垃圾的第一识别结果，确定所述垃圾的分类是否合格，包括：
将所述第一图像中存在不同类型的垃圾的第一识别结果，或者所述第一图像中存在不同类型的垃圾的数量大于等于预设数量的第一识别结果作为目标识别结果；
确定所述目标识别结果的数量是否大于或者等于预设数量阈值；
若所述目标识别结果的数量大于或者等于预设数量阈值，则确定所述垃圾的分类不合格；
若所述目标识别结果的数量小于预设数量阈值，则确定所述垃圾的分类合格。
5.如权利要求1-4中任一项所述的溯源方法，其特征在于，所述获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像，包括：
确定所述垃圾车收运所述倾倒的垃圾的目标收运路线；
调取所述垃圾车在所述目标收运路线上收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像。
6.如权利要求1-4中任一项所述的溯源方法，其特征在于，所述根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置，包括：
基于预设的目标识别模型，对每个所述第二图像进行垃圾类型的识别，得到每个所述第二图像中的垃圾的第二识别结果；
根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像；
确定拍摄所述目标图像时所记录的位置信息，得到分类不合格的所述垃圾的初始投放位置。
7.如权利要求6所述的溯源方法，其特征在于，所述垃圾的第二识别结果包括第二图像中存在不同类型的垃圾、第二图像中不存在不同类型的垃圾和/或第二图像中存在不同类型的垃圾的数量；
所述根据多个所述垃圾的第二识别结果，从所述多个第二图像中确定垃圾分类结果为分类不合格的目标图像，包括：
将所述第二图像中存在不同类型的垃圾的第二识别结果，或者所述第二图像中存在不同类型的垃圾的数量大于等于预设数量的第二识别结果作为候选识别结果；
确定每个所述候选识别结果各自对应的第二图像的垃圾分类结果为分类不合格，得到多个垃圾分类结果为分类不合格的目标图像。
8.一种垃圾投放位置的溯源装置，其特征在于，所述垃圾投放位置的溯源装置包括：
第一图像处理模块，用于获取在垃圾车倾倒垃圾时拍摄的包括倾倒的垃圾的多个第一图像，并根据所述多个第一图像确定所述垃圾的分类是否合格；
获取模块，用于若确定所述垃圾的分类不合格，则获取在所述垃圾车收集垃圾时所拍摄到的包括收集的垃圾的多个第二图像；
第二图像处理模块，用于根据所述多个第二图像，确定分类不合格的所述垃圾的初始投放位置。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的垃圾投放位置的溯源方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的垃圾投放位置的溯源方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011086329.6A CN112215147A (zh) | 2020-10-12 | 2020-10-12 | 垃圾投放位置的溯源方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011086329.6A CN112215147A (zh) | 2020-10-12 | 2020-10-12 | 垃圾投放位置的溯源方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112215147A true CN112215147A (zh) | 2021-01-12 |
Family
ID=74052732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011086329.6A Pending CN112215147A (zh) | 2020-10-12 | 2020-10-12 | 垃圾投放位置的溯源方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215147A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112938250A (zh) * | 2021-01-13 | 2021-06-11 | 北京轩昂环保科技股份有限公司 | 一种带有机械手的可分类垃圾车 |
| CN114348487A (zh) * | 2022-01-17 | 2022-04-15 | 东营小蓝桶互联网信息技术有限公司 | 一种基于互联网的垃圾分类方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130141170A (ko) * | 2012-06-15 | 2013-12-26 | 김기진 | 생활쓰레기 통합관리 시스템 및 방법 |
| JP6399324B1 (ja) * | 2017-10-30 | 2018-10-03 | 株式会社Ｂｉｏｉｓｍ | 塵芥収集車における映像管理システム |
| CN110386385A (zh) * | 2019-07-30 | 2019-10-29 | 东莞弓叶互联科技有限公司 | 一种用于智能垃圾桶的垃圾投放信息采集与追溯方法 |
| CN110598604A (zh) * | 2019-08-30 | 2019-12-20 | 深圳市英尔科技有限公司 | 一种垃圾分类投放智能监管方法、装置及计算机存储介质 |
| CN110633638A (zh) * | 2019-08-13 | 2019-12-31 | 深圳市锐明技术股份有限公司 | 一种垃圾收运监管方法、装置、存储介质和智能设备 |
| CN111311178A (zh) * | 2020-01-23 | 2020-06-19 | 杭州睿杨环境科技有限公司 | 一种智能垃圾分类中转可追溯系统 |
| CN111723772A (zh) * | 2020-06-30 | 2020-09-29 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 |
| CN111731702A (zh) * | 2020-06-30 | 2020-10-02 | 滨南城市环境服务集团有限公司 | 城市垃圾分类处理监管系统 |
-
2020
- 2020-10-12 CN CN202011086329.6A patent/CN112215147A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130141170A (ko) * | 2012-06-15 | 2013-12-26 | 김기진 | 생활쓰레기 통합관리 시스템 및 방법 |
| JP6399324B1 (ja) * | 2017-10-30 | 2018-10-03 | 株式会社Ｂｉｏｉｓｍ | 塵芥収集車における映像管理システム |
| CN110386385A (zh) * | 2019-07-30 | 2019-10-29 | 东莞弓叶互联科技有限公司 | 一种用于智能垃圾桶的垃圾投放信息采集与追溯方法 |
| CN110633638A (zh) * | 2019-08-13 | 2019-12-31 | 深圳市锐明技术股份有限公司 | 一种垃圾收运监管方法、装置、存储介质和智能设备 |
| CN110598604A (zh) * | 2019-08-30 | 2019-12-20 | 深圳市英尔科技有限公司 | 一种垃圾分类投放智能监管方法、装置及计算机存储介质 |
| CN111311178A (zh) * | 2020-01-23 | 2020-06-19 | 杭州睿杨环境科技有限公司 | 一种智能垃圾分类中转可追溯系统 |
| CN111723772A (zh) * | 2020-06-30 | 2020-09-29 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 |
| CN111731702A (zh) * | 2020-06-30 | 2020-10-02 | 滨南城市环境服务集团有限公司 | 城市垃圾分类处理监管系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112938250A (zh) * | 2021-01-13 | 2021-06-11 | 北京轩昂环保科技股份有限公司 | 一种带有机械手的可分类垃圾车 |
| CN112938250B (zh) * | 2021-01-13 | 2022-07-12 | 轩昂环保科技股份有限公司 | 一种带有机械手的可分类垃圾车 |
| CN114348487A (zh) * | 2022-01-17 | 2022-04-15 | 东营小蓝桶互联网信息技术有限公司 | 一种基于互联网的垃圾分类方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Automatic detection and classification system of domestic waste via multimodel cascaded convolutional neural network | |
| CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
| CN110070090B (zh) | 一种基于手写文字识别的物流标签信息检测方法及系统 | |
| CN108734702A (zh) | 车损判定方法、服务器及存储介质 | |
| CN110723432A (zh) | 垃圾分类的方法及增强现实设备 | |
| CN110598604A (zh) | 一种垃圾分类投放智能监管方法、装置及计算机存储介质 | |
| CN112215147A (zh) | 垃圾投放位置的溯源方法、装置、设备及存储介质 | |
| CN112541372B (zh) | 一种困难样本筛选方法及装置 | |
| CN114202755A (zh) | 基于ocr和nlp技术的交易背景真实性审核方法和系统 | |
| CN109857878B (zh) | 物品标注方法及装置、电子设备及存储介质 | |
| CN112100461A (zh) | 基于数据分析的问卷数据处理方法、装置、服务器和介质 | |
| CN114937179B (zh) | 垃圾图像分类方法、装置、电子设备及存储介质 | |
| CN111723772B (zh) | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 | |
| CN111017429A (zh) | 一种基于多因素融合的社区垃圾分类方法及系统 | |
| CN114872574B (zh) | 基于充电桩的采集与监控系统及方法 | |
| CN113420673A (zh) | 垃圾分类方法、装置、设备及存储介质 | |
| CN115034720A (zh) | 一种水果储运过程中保鲜质量状态判别方法及系统 | |
| CN115116068A (zh) | 一种基于ocr的档案智能归档系统 | |
| CN112278636A (zh) | 一种垃圾分类回收方法、装置、系统及存储介质 | |
| CN115131826B (zh) | 物品检测识别方法、网络模型的训练方法和装置 | |
| CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
| CN115114352B (zh) | 一种用于典型污染物快速分析管理系统 | |
| CN110689028A (zh) | 现场图测评方法、现场勘查记录测评方法及其装置 | |
| CN113971746B (zh) | 基于单次人手示教的垃圾分类方法、装置及分拣智能系统 | |
| CN115035442A (zh) | 基于改进的YOLOv3网络的垃圾分类收运监管方法 |
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 |