CN112766096A - 可回收垃圾异常投递识别方法、系统、终端及投放装置 - Google Patents
可回收垃圾异常投递识别方法、系统、终端及投放装置 Download PDFInfo
- Publication number
- CN112766096A CN112766096A CN202110014154.6A CN202110014154A CN112766096A CN 112766096 A CN112766096 A CN 112766096A CN 202110014154 A CN202110014154 A CN 202110014154A CN 112766096 A CN112766096 A CN 112766096A
- Authority
- CN
- China
- Prior art keywords
- garbage
- delivery
- image information
- thrown
- throwing
- 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 377
- 238000012384 transportation and delivery Methods 0.000 title claims abstract description 215
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011084 recovery Methods 0.000 claims abstract description 63
- 230000006399 behavior Effects 0.000 claims abstract description 31
- 238000004064 recycling Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 230000002547 anomalous effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 239000010819 recyclable waste Substances 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000000151 deposition Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011449 brick Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000001218 confocal laser scanning microscopy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000012706 support-vector machine Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明的可回收垃圾异常投递识别方法、系统、终端及投放装置，包括：分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息，以进行是否为异常投递的内部识别和/或外部识别；其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为包括但不限于目标识别物与投递物的一致性及过程是否存在异常投递，进而应用智能技术实现对可回收垃圾投放行为的自动识别、监督、管理、记录工作，让可回收垃圾投放在无人化运行方面能得到切实可行的运行和保障，不仅提高了管理效率还降低人力成本。
Description
技术领域
本发明涉及软件技术领域，特别是涉及一种可回收垃圾异常投递识别方法、系统、终端及投放装置。
背景技术
现有的可回收垃圾箱在进行可回收垃圾回收时，一般需要由用户自行选择要投放的可回收垃圾物属性如：纸皮或塑料、金属等可回收垃圾。但是，由于每种可回收垃圾的市场回收价格差距很大，因此很难监督用户选择的可回收垃圾投递物与真实的投递物是否一致，以及在投递过程中是否还夹杂其它废物，因此现有可回收箱经常发生异常投递的情况。例如，在选择真实投递物时，在待投递垃圾中间还会夹杂着一些没有价值的垃圾，以实现投递物重量增加获得更多的现金或积分返利(例如在投放纸皮过程中还一起投放砖块等违规现象)。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种可回收垃圾异常投递识别方法、系统、终端及投放装置，用于解决现有技术中对可回收垃圾的异常投放行为识别和/或监管的问题。
为实现上述目的及其他相关目的，本发明提供一种可回收垃圾异常投递识别方法，包括：分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息，以进行是否为异常投递的内部识别和/或外部识别；其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
于本发明的一实施例中，所述投放入垃圾回收装置前的图像信息包括：所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息；和/或者，所述投放入垃圾回收装置后的图像信息包括：所述待投放垃圾已投放在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾已投放在所述垃圾回收装置外采集的图像信息。
于本发明的一实施例中，所述识别方式包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。
于本发明的一实施例中，所述在所述垃圾回收装置内和/或外采集的图像信息包括：24小时采集的图像信息。
为实现上述目的及其他相关目的，本发明提供一种可回收垃圾异常投递识别系统，包括：投递状态采集模块，用于分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；所述系统还包括：内部识别模块，连接所述投递状态采集模块，用于根据投放前后的图像信息进行是否为异常投递的内部识别；和/或者，通信模块，连接所述投递状态采集模块，用于将投放前后的图像信息上传至外部设备以进行是否为异常投递的外部识别；其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
于本发明的一实施例中，所述投递状态采集模块包括：第一采集单元和/或第二采集单元；所述第一采集单元，设于所述垃圾回收装置内，用于分别在所述垃圾回收装置内采集所述待投放垃圾在投放前和/或投放后的图像信息；所述第二采集单元，设于所述垃圾回收装置外，用于在所述垃圾投放装置垃圾回收装置外采集所述待投递垃圾的投放前/或投放后的图像信息。
于本发明的一实施例中，所述识别方式包括：通过将所述待投放垃圾在投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。
为实现上述目的及其他相关目的，本发明提供一种可回收垃圾异常投递识别终端，包括：存储器，用于存储计算机程序；处理器，用于执行所述的可回收垃圾异常投递识别方法。
为实现上述目的及其他相关目的，本发明提供一种垃圾回收装置，包括：投放箱体；至少一图像采集组件，设于所述投放箱体内和/或箱体外，用于分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；所述垃圾回收装置还包括：内部识别部件，连接所述图像采集组件，用于根据投放前后的图像信息进行是否为异常投递的内部识别；和/或者，通信部件，连接所述图像采集组件，用于将投放前后的图像信息上传至外部设备，以进行是否为异常投递的外部识别；其中，所述识别方式至少包括：通过将所述投放前的图像信息和或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
于本发明的一实施例中，所述图像采集组件以第一采集组件、第二采集组件、第三采集组件、第四采集组件以及第五采集组件形式中的一种或多种进行设置；其中，所述第一采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息；所述第二采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；所述第三采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；所述第四采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于实时采集所述待投递垃圾在投放后的图像信息；所述第五采集组件形式包括：设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息。
如上所述，本发明的一种可回收垃圾异常投递识别方法、系统、终端及投放装置，通过将分别采集的待投放垃圾在投放入垃圾回收装置前后的图像信息上传至外部设备，以通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递，能实现对可回收垃圾的异常投放行为识别和/或监管，解决现有技术的问题。
附图说明
图1显示为本发明一实施例中的可回收垃圾异常投递识别方法的流程示意图。
图2显示为本发明一实施例中的可回收垃圾异常投递识别系统的结构示意图。
图3显示为本发明一实施例中的可回收垃圾异常投递识别终端的结构示意图。
图4显示为本发明一实施例中的垃圾回收装置的结构示意图。
图5显示为本发明一实施例中的第二采集组件的实施环境示意图。
图6显示为本发明一实施例中的第三采集组件的实施环境示意图。
图7显示为本发明一实施例中的图像采集组件的实施环境示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本发明的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本发明的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本发明的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本发明。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在通篇说明书中，当说某部分与另一部分“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此，以下叙述的第一部分、成分、区域、层或段在不超出本发明范围的范围内，可以言及到第二部分、成分、区域、层或段。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
对于可回收垃圾的回收的工作中，如何对可回收垃圾的异常投放行为识别以及监管是难点。
需说明的是，所述垃圾分类可以是依循任何国家、地区的垃圾分类标准，例如目前国内实施的干垃圾、湿垃圾、可回收垃圾及有害垃圾的标准；也可以是例如日本垃圾分类标准中的可燃垃圾、不可燃垃圾、资源类(如报刊书籍、陶瓷金属玻璃)、大件物品分类，并不限定其垃圾分类的标准。其中，本发明提到的可回收垃圾是以国内垃圾分类标准所规定的垃圾类型，也可以指在日本或其他国家垃圾分类标准所述对应的资源类垃圾。
本发明旨在通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为包括但不限于目标识别物与投递物的一致性及过程是否存在异常投递，进而应用智能技术实现对可回收垃圾投放行为的自动识别、监督、管理、记录工作，让可回收垃圾投放在无人化运行方面能得到切实可行的运行和保障，不仅提高了管理效率还降低人力成本。
为说明可回收垃圾异常投递的识别原理，如图1所示，展示本申请实施例中可回收垃圾异常投递识别方法的流程示意图。
所述方法的具体流程包括：
分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息，经过内部匹配识别和/或外部匹配识别以判断是否为异常投递。
可选的，根据采集的待投放垃圾在投放入垃圾回收装置前后的图像信息，可以在垃圾回收装置本地进行对异常投递进行内部识别，也可以通过与通信连接的外部设备(如云端平台)进行交互来完成异常投递的外部识别。
可选的，采集待投放垃圾在投放入垃圾回收装置前的图像信息和或采集待投放垃圾在投放入所述垃圾回收装置后在所述垃圾回收装置内的图像信息。
在可能的实现方式中，所述图像信息包括：图片、视频、短视频、采集等中的一种或多种。
可选的，采集待投放垃圾在投放入垃圾回收装置前的图像信息和或采集待投放垃圾在投放入所述垃圾回收装置后在所述垃圾回收装置内且在进行最终回收步骤前的图像信息。其中，所述最终回收步骤为确定为非异常投递行为后的后续步骤。
可选的，采集待投放垃圾在投放入垃圾回收装置前以及采集待投放垃圾在投放入垃圾回收装置后的图像信息为一个或多个，在本申请中对此不作限定。
可选的，所述投放入垃圾回收装置前的图像信息包括：所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息。和/或者，所述投放入垃圾回收装置后的图像信息包括：所述待投放垃圾已投放在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾已投放在所述垃圾回收装置外采集的图像信息。需要注意的是，所述已投放的图像信息为进行投放动作后的任一时刻图像，可以为投放未到终点位置之前的任一时刻图像，也可以为到达终点位置的图像，在本申请中不作限定；优选的，所述终点位置垃圾回收装置的容纳空间一位置。
具体的，所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息为所述待投放垃圾投放前在所述垃圾回收装置内采集的待投放垃圾当前的图像信息；所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息为待投放垃圾投放前在所述垃圾回收装置外采集的待投放垃圾在一定时间段或在当前时刻的图像信息。所述待投放垃圾投放后在所述垃圾回收装置内采集的图像信息为所述待投放垃圾投放后在所述垃圾回收装置内采集的待投放垃圾当前的图像信息；所述待投放垃圾投放后在所述垃圾回收装置外采集的图像信息为待投放垃圾投放后在所述垃圾回收装置外采集的待投放垃圾在一定时间段或在当前时刻的图像信息。
需要注意的是，这里提到的待投放垃圾的图像信息为包括待投放垃圾的图像信息，可以为仅包括待投放垃圾的图像，也可包括其他的对象，例如手，或投递者手里拿着的其他物体。在本申请中对此不作限定。
可选的，若所述投放入垃圾回收装置前的图像信息为投放前在所述垃圾回收装置内采集的图像信息，则所述投放入垃圾回收装置前的图像信息以及投放入垃圾回收装置后的图像信息可以为在垃圾回收装置内设置的一个图像采集装置进行采集，也可以为至少两个图像采集装置进行采集。或者，所述投放入垃圾回收装置后的图像信息为在垃圾回收装置外设置的至少一个图像采集装置进行采集。
可选的，若所述投放入垃圾回收装置前的图像信息为投放前在所述垃圾回收装置外采集的图像信息，则所述投放入垃圾回收装置前的图像信息为垃圾回收装置外设置的至少一个图像采集装置进行采集，所述投放入垃圾回收装置后的图像信息为在垃圾回收装置内设置的至少一个图像采集装置进行采集。或者，所述投放入垃圾回收装置后的图像信息为在垃圾回收装置外设置的至少一个图像采集装置进行采集；其中，设于所述垃圾回收装置外的所述图像采集装置可以与用于采集投放前的设于所述垃圾回收装置外的图像装置为一个，或者为其他装置。
可选的，若所述投放入垃圾回收装置前的图像信息包括：所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息和在所述垃圾回收装置外采集的图像信息，则投放前在所述垃圾回收装置内采集的图像信息以及投放入垃圾回收装置后的图像信息可以为在垃圾回收装置内设置的一个图像采集装置进行采集，也可以为至少两个图像采集装置进行采集；或者，所述投放入垃圾回收装置后的图像信息为在垃圾回收装置外设置的至少一个图像采集装置进行采集；其中，设于所述垃圾回收装置外的所述图像采集装置可以与用于采集投放前的设于所述垃圾回收装置外的图像装置为一个，或者为其他装置。投放前在所述垃圾回收装置外采集的图像信息为垃圾回收装置外设置的至少一个图像采集装置进行采集。
可选的，所述在所述垃圾回收装置外采集的图像信息包括：24小时采集的图像信息。通过24小时采集的图像，可以使异常投递的行为识别更精确。
可选的，所述在所述垃圾回收装置外采集的图像信息可以为用于在投放之前识别待投放垃圾的图像、物品名称、垃圾分类种类、材料属性等信息；也可以用于24小时采集用户投递行为。
可选的，所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息可以为在上一个垃圾放入垃圾回收装置前后的图像信息；和/或者为在投递前垃圾回收装置中垃圾投放空间内的现状所对应的图像信息；
需要注意的是，待投放垃圾投放前在所述垃圾回收装置内采集的图像信息可以根据所述垃圾回收装置内的容纳环境相关；举例来说，若所述垃圾回收装置为一中空容纳空间，在所述垃圾回收装置内采集的图像信息为当前容纳空间图像(包括首次投放情况)或上一次垃圾投放后的图像；若所述垃圾回收装置为具有间接投放空间，用于不直接进入容纳空间需要确认后再允许进入，则所述垃圾回收装置内采集的图像信息为间接投放空间的空间图像。
可选的，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
具体的，将投放前后的图像信息在本地进行目标物的匹配，来判断该投递行为是否为异常投递；和/或者将投放前后的图像信息上传至外部设备，以令外部设备通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
可选的，对于仅匹配投放后的至少一图像的方式包括：通过用户输入的待回收垃圾的类型，将该图像与输入垃圾类型具有关联关系的预设标准图像进行对比，进而可以实现异常投递行为的识别。
可选的，若所述投放前的图像信息为所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息，则根据该图像与投放前后的图像信息在垃圾回收装置本地进行内部识别和/或上传至外部设备，以将在所述垃圾回收装置内采集的图像信息以及投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
可选的，若所述投放前的图像信息为所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息，则根据该图像与投放前后的图像信息在垃圾回收装置本地进行内部识别和/或上传至外部设备，以将在所述垃圾回收装置外采集的图像信息以及投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
可选的，若所述投放前的图像信息包括：所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息和所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息；则将在所述垃圾回收装置内采集的图像信息以及在所述垃圾回收装置外采集的图像信息，分别与投放后的图像信息中的目标物进行匹配，并将匹配的结果进行综合参考，来判断该投递行为是否为异常投递。
需要注意的是，将匹配的结果进行综合参考进行综合参考的形式包括：将在所述垃圾回收装置内采集的图像信息以及在所述垃圾回收装置外采集的图像信息分别与投放后的图像信息中的目标物进行匹配的匹配结果进行评分权重设定，根据最终评分来判断是否匹配成功。
举例来说，投放前在所述垃圾回收装置内采集的图像信息A与投放后的图像信息B中的目标物进行匹配，在图像信息B与图像信息A中增加的垃圾种类与投递识别物种类或材料属性进行匹配，匹配度为X，设其综合评分权重为0.6；投放前在所述垃圾回收装置外采集的图像信息C与投放后的图像信息B中的目标物进行匹配的匹配度为Y，设其综合评分权重为0.4；则综合参考的匹配度评分S为：
S＝X*0.6+Y*0.4； (1)
可选的，所述识别方式包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。
需要说明的是，这里提到的匹配成功的标准可以根据具体需求而设定，可以是人工自定义、可以为用于自动匹配的关键点或轮廓匹配度标准设定，对此不作限定。
可选的，所述匹配方式包括：在外部设备完全经人工确认匹配两张图像，判断是否出现与待投放垃圾不符合的目标物出现，以判断是否是异常投递。其中，不符合的目标物为除所述投放入垃圾回收装置前的图像中未出现的目标物体或者与之前出现的目标物的图像、物品名称、垃圾分类种类、材料属性等不一致的情况；例如，投放前的图像中只有纸皮箱子，而投放后的图像出现了纸皮箱子并多出了砖块等。
可选的，所述匹配方式还包括：对投放前后的图像信息进行自动匹配，获得匹配结果；在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。
其中，所述自动匹配的方式包括：完全自动匹配或半自动匹配；
所述完全自动匹配包括：分别识别投放前后的图像信息中的目标物，并根据分别从投放前后的图像信息中识别的目标物进行匹配，并自动判断是否在投放后的图像信息中出现与待投放垃圾不符合的目标物，若出现则为异常投递；否则，为非异常投递。所述半自动匹配包括：分别识别投放前后的图像信息中的目标物，并根据分别从投放前后的图像信息中识别的目标物进行人工对比，人工判断是否在投放后的图像信息中出现与待投放垃圾不符合的目标物，若出现则为异常投递；否则，为非异常投递。
需要注意的是，对投放前后的图像信息中的目标物识别包括对图像、物品名称、垃圾分类种类、材料属性等方面的识别。举例来说，若递投人在回收装置上的投递界面选择待投放垃圾种类或属性为纸皮，如果在投递后的图像信息识别中出现与选择的待投放垃圾信息不一致的非纸皮类垃圾，则判定为异常投递。
可选的，所述匹配可以是在语义上进行匹配。在一或多个实施例中，语义相似度匹配的原理在通过共性信息(Commonality)的多寡进行判断，或根据目标物对应分类信息的个性(Differences)、或个性结合共性来进行相似度判断，具体的计算方法有基于语义词典的相似度计算方式，也有基于语料库的相似度计算方式等；其中较佳地，有采用人工智能模型来进行语义相似度的匹配，例如可训练的基于神经网络的人工智能模型，如DSSM模型及其变体CLSM、LSTM-DSSM)、百度的SimNet模型等。
优选的，目标物匹配的对象可以为特征点、特征轮廓以及特征区域中的一种或多种。
在一或多个实施例中，用于所述识别投放前后的图像信息中的目标物的图像识别技术皆可为现有技术，都是通过统计学的数学模型来实现。近年来，随着神经网络的快速发展，已被广泛应用于所述图像的识别。
所述图像识别技术，是通过图像模型，来分析图像中描述对象特征的部分像素，从而最终预测出该对象是什么个体/语义；比较适合图像处理的神经网络模型有CNN，即卷积神经网络模型，而基于CNN又逐渐开发出各种模型，如ImageNet，GoogLeNet、Fast/FasterR-CNN、VGG等。
优选的，所述识别投放前后的图像信息中的目标物的方式包括：采用模板匹配算法、支持向量机、OpenCV以及LIBSVM中的一种或多种，结合形状特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术中的一种或多种方式，来识别目标物。
需特别说明的是，上述关于图像语义识别的技术及模型的举例仅为例举，用于证明技术的可实现性，但并非限制本申请的范围，只要是相关的技术即使在上述举例中未有记载也皆可以应用在本申请的方案中。
可选的，所述外部设备可以是以后台形式或以中心化网络结构中的服务器/服务器组实现，也可以是去中心化网络架构(分布式)中的网络相连的多个网络设备协同实现。当然，所述外部设备也可以搭载在用户终端(例如应用软件APP，并装载有数据库)，离线本地实现上述方法，并非以以上实施例为限。
与上述实施例原理相似的是，本发明提供一种可回收垃圾异常投递识别系统。
以下结合附图提供具体实施例：
如图2展示本发明实施例中的一种可回收垃圾异常投递识别系统的结构示意图。
所述系统包括：
投递状态采集模块21，分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；
所述系统还包括：
内部识别模块22，连接所述投递状态采集模块21，用于根据投放前后的图像信息进行是否为异常投递的内部识别；
和/或者，
通信模块23，连接所述投递状态采集模块21，用于将投放前后的图像信息上传至外部设备以进行是否为异常投递的外部识别；
其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
需说明的是，应理解图2系统实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，所述投递状态采集模块21以及通信模块23可以集成在一个处理元件上实现，可以分别在不同的元件上实现；或者所述投递状态采集模块21以及内部识别模块22可以集成在一个处理元件上实现，可以分别在不同的元件上实现。
可选的，所涉及的网络可以为是局域网或广域网，较佳的可以是广域的互联网络。
在可能的实现方式中，所述投递状态采集模块21为可图片、视频、短视频、采集等中的一种或多种的图像采集装置。其中，所述图像采集装置包括：摄像头，摄像机，相机，扫描仪，以及其他带有图像采集功能的终端设备(手机、平板电脑等)中的一种或多种。
可选的，所述投递状态采集模块21包括：第一采集单元和/或第二采集单元；所述第一采集单元，设于所述垃圾回收装置内，用于分别在所述垃圾回收装置内采集所述待投放垃圾在投放前和/或投放后的图像信息；所述第二采集单元，设于所述垃圾回收装置外，用于在所述垃圾投放装置垃圾回收装置外实时采集所述待投递垃圾的投放前/或投放后的图像信息。需要说明的是，所述第一采集单元以及第二采集单元的数量为一或多个。
可选的，所述投递状态采集模块21包括：用于在所述垃圾回收装置内采集所述待投放垃圾的投放前的第一采集单元、用于在所述垃圾回收装置内采集所述待投放垃圾的投放后的第一采集单元；
和/或，用于在所述垃圾投放装置垃圾回收装置外实时采集所述待投递垃圾的投放前/或投放后的图像信息的第二采集单元。
可选的，所述投递状态采集模块21包括：用于在所述垃圾回收装置内采集所述待投放垃圾的投放前以及投放后的第一采集单元，和/或用于在所述垃圾投放装置垃圾回收装置外实时采集所述待投递垃圾的投放前/或投放后的图像信息的第二采集单元。
可选的，所述投递状态采集模块21包括：用于在所述垃圾回收装置内采集所述待投放垃圾投放后的第一采集单元，以及用于在所述垃圾投放装置垃圾回收装置外实时采集所述待投递垃圾的投放前/或投放后的图像信息的第二采集单元。
可选的，所述第二采集单元为可24小时采集的图像信息的装置，通过24小时采集的图像，可以使异常投递的行为识别更精确。
可选的，所述识别方式包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。具体的识别方式与之前叙述的方法识别实现过程相似，因此在此不作赘述。
在一或多个实施例中，所述内部识别模块22，设于所述垃圾回收装置内部，或者与所述垃圾回收装置集成在一起，用于根据投放前后的图像信息进行是否为异常投递的内部识别。
在一或多个实施例中，所述通信模块23可以包括与处理器的芯片管脚(如IO管脚)相接的信号端口；也可以为通信电路，例如有线通信电路或无线通信电路，有线通信电路例如有线网卡、USB电路、串口通信电路(RS485、RS232)等中的一或多种，无线通信电路例如WiFi模块、2G/3G/4G/5G移动通信模块、蓝牙模块、红外模块、物联网模块(如NBIOT、LoRa、Zigbee等)等中的一种或多种。
如图3展示本发明实施例中的可回收垃圾异常投递识别终端30的结构示意图。
所述可回收垃圾异常投递识别终端30包括：存储器31及处理器32所述存储器31用于存储计算机程序；所述处理器32运行计算机程序实现如图1所述的可回收垃圾异常投递识别方法。
可选的，所述存储器31的数量均可以是一或多个，所述处理器32的数量均可以是一或多个，而图3中均以一个为例。
可选的，所述可回收垃圾异常投递识别终端30中的处理器32会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器31中，并由处理器32来运行存储在第一存储器31中的应用程序，从而实现如图1所述可回收垃圾异常投递识别方法中的各种功能。
可选的，所述存储器31，可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备；所述处理器32，可能包括但不限于中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
可选的，所述处理器32可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
本发明还提供计算机可读存储介质，存储有计算机程序，所述计算机程序运行时实现如图1所示的可回收垃圾异常投递识别方法。所述计算机可读存储介质可包括，但不限于，软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品，也可以是已接入计算机设备使用的部件。
如图4所示，展示本申请实施例中垃圾回收装置的结构示意图。
所述垃圾回收装置包括：
投放箱体400，至少形成有供投放可回收垃圾的垃圾收纳空间；
至少一图像采集组件401，设于所述投放箱体400内和/或箱体外，用于分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；
所述垃圾回收装置还包括：
内部识别部件402，连接所述图像采集组件401，用于根据投放前后的图像信息进行是否为异常投递的内部识别；
和/或者，
通信部件403，连接所述图像采集组件401，用于将投放前后的图像信息上传至外部设备，以进行是否为异常投递的外部识别；
其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
需要注意的是，所述投放箱体400的大小形状根据具体需求而设定，在本申请中不作限定。
可选的，所述投放箱体400可以是垃圾桶、垃圾房或其它类型的垃圾投放终端。
可选的，所述投放箱体400可以是金属类、塑料类、木制类材质、水泥以及砖类等任一材质，在本申请中对此不作限定；其形式可以是单类、二分类、三分类、四分类或其它多分类类型，虽然在本实施例中仅展示了一收纳空间以作为示例，但是在其它实施例中完全可以加以变化，而非以本实施例为限。
可选的，其中，所述投放箱体400上设有用于对其开/闭的开闭件，用户可以通过打开所述开闭件向箱体内投放可回收垃圾；其中，所述开闭件可以是所述投放箱体400上的盖体、门体、窗体或其它掩蔽体等形式，可视实际需求结构而加以选择。可选的，所述投放箱体400可以是具有一间接容纳空间以及垃圾收纳空间的结构，当垃圾投放时需先投放入所述间接容纳空间，经过垃圾异常投递识别为非异常投递时，再开放所述垃圾容纳空间，将所述垃圾从间接容纳空间移动到垃圾收纳空间，表示垃圾的投放工作结束。
可选的，所述图像采集组件401、内部识别部件402以及通信部件403任一组合可以集成在一个处理元件上实现，可以分别在不同的元件上实现。
可选的，所述图像采集组件401包括：第一采集组件、第二采集组件以及第三采集组件中的一种或多种；
所述第一采集组件包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾的投放前后的图像信息。例如，如图4所示，为设于所述投放箱体内的一图像采集部件，用于采集所述待投递垃圾的投放前后的图像信息。需要注意的是，这里的图像采集部件设于所述投放箱体任一位置，在本申请中不作限定。
所述第二采集组件包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾的投放前后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息。例如，如图5所示，包括设于所述投放箱体内的一图像采集部件，用于采集所述待投递垃圾的投放前后的图像信息，以及设于所述投放箱体外的一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息。需要注意的是，这里的设于所述投放箱体外的至少一图像采集部件设于所述投放箱体内任一位置，设于所述投放箱体外的一图像采集部件设于所述箱体外任意位置，优选的，设于所述投放箱体外表面上。
所述第三采集组件包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾的投放后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息。需要注意的是，所述第三采集组件不仅只包括用于采集所述待投递垃圾的投放后的图像信息的图像采集部件，还可以包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息。
例如，如图6所示，包括：设于所述投放箱体内的两个图像采集部件，用于分别采集所述待投递垃圾的投放前后的图像信息，以及设于所述投放箱体外的一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息。需要注意的是，这里的设于所述投放箱体外的至少一图像采集部件设于所述投放箱体内任一位置，设于所述投放箱体外的一图像采集部件设于所述箱体外任意位置，优选的，设于所述投放箱体外表面上。
所述第四采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于实时采集所述待投递垃圾的投放后的图像信息；
所述第五采集组件形式包括：设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾的投放前后的图像信息。
在一实施方式中，所述图像采集组件包括：设于所述投放箱体内的一图像采集部件，用于采集所述待投递垃圾的投放后的图像信息；设于所述投放箱体外的一图像采集部件，用于在投放垃圾前识别所述待投放垃圾的类别；设于所述投放箱体外的一图像采集部件，用于采集所述待投递垃圾的投放前的图像信息，以进行投递行为的监控；通过将所述投放前的图像信息识别出的垃圾类别与投放后的图像信息中的目标物的类别进行匹配，并结合用于监控的投放前的图像信息，来判断该投递行为是否为异常投递，如图7所示。
需要说明的是，当设于所述投放箱体外的一图像采集部件采集的所述待投递垃圾的投放前的图像信息被识别后，所述投放箱体开放，以供用户投放识别的可回收垃圾；所述待回收垃圾进入箱体后，再应用设于所述投放箱体内的至少一图像采集部件，采集所述待投递垃圾的投放后的图像信息。
综上所述，本发明可回收垃圾异常投递识别方法、系统、终端及投放装置，通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为包括但不限于目标识别物与投递物的一致性及过程是否存在异常投递，进而应用智能技术实现对可回收垃圾投放行为的自动识别、监督、管理、记录工作，让可回收垃圾投放在无人化运行方面能得到切实可行的运行和保障，管理工作，提升了管理效率，并降低人力成本。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。。
Claims (10)
1.一种可回收垃圾异常投递识别方法，其特征在于，包括：
分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息，以进行是否为异常投递的内部识别和/或外部识别；
其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
2.根据权利要求1中所述的可回收垃圾异常投递识别方法，其特征在于，所述投放入垃圾回收装置前的图像信息包括：所述待投放垃圾投放前在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾投放前在所述垃圾回收装置外采集的图像信息；
和/或者，
所述投放入垃圾回收装置后的图像信息包括：所述待投放垃圾已投放在所述垃圾回收装置内采集的图像信息和/或所述待投放垃圾已投放在所述垃圾回收装置外采集的图像信息。
3.根据权利要求1中所述的可回收垃圾异常投递识别方法，其特征在于，所述识别方式包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；
在匹配成功的情况下，识别为非异常投递；否则，识别为异常投递。
4.根据权利要求2中所述的可回收垃圾异常投递识别方法，其特征在于，所述在所述垃圾回收装置内和/或外采集的图像信息包括：24小时采集的图像信息。
5.一种可回收垃圾异常投递识别系统，其特征在于，包括：
投递状态采集模块，用于分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；
所述系统还包括：
内部识别模块，连接所述投递状态采集模块，用于根据投放前后的图像信息进行是否为异常投递的内部识别；
和/或者，
通信模块，连接所述投递状态采集模块，用于将投放前后的图像信息上传至外部设备以进行是否为异常投递的外部识别；
其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
6.根据权利要求5中所述的可回收垃圾异常投递识别系统，其特征在于，所述投递状态采集模块包括：第一采集单元和/或第二采集单元；
所述第一采集单元，设于所述垃圾回收装置内，用于分别在所述垃圾回收装置内采集所述待投放垃圾在投放前和/或投放后的图像信息；
所述第二采集单元，设于所述垃圾回收装置外，用于在所述垃圾回收装置外采集所述待投递垃圾在投放前/或投放后的图像信息。
7.根据权利要求5中所述的可回收垃圾异常投递识别系统，其特征在于，所述识别方式包括：
通过将所述待投放垃圾在投放前的图像信息和/或投放后的图像信息中的目标物进行匹配；
在匹配成功的情况下，识别为非异常投递；否则，则识别为异常投递。
8.一种可回收垃圾异常投递识别终端，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行如权利要求1至4中任一项所述的可回收垃圾异常投递识别方法。
9.一种垃圾回收装置，其特征在于，包括：
投放箱体；
至少一图像采集组件，设于所述投放箱体内和/或箱体外，用于分别采集待投放垃圾在投放入垃圾回收装置前后的图像信息；
所述垃圾回收装置还包括：
内部识别部件，连接所述图像采集组件，用于根据投放前后的图像信息进行是否为异常投递的内部识别；
和/或者，
通信部件，连接所述图像采集组件，用于将投放前后的图像信息上传至外部设备，以进行是否为异常投递的外部识别；
其中，所述识别方式至少包括：通过将所述投放前的图像信息和/或投放后的图像信息中的目标物进行匹配，来判断该投递行为是否为异常投递。
10.根据权利要求9中所述的垃圾回收装置，其特征在于，所述图像采集组件以第一采集组件、第二采集组件、第三采集组件、第四采集组件以及第五采集组件形式中的一种或多种进行设置；
其中，
所述第一采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息；
所述第二采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；
所述第三采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放后的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；
所述第四采集组件形式包括：设于所述投放箱体内的至少一图像采集部件，用于采集所述待投递垃圾在投放前的图像信息；以及设于所述投放箱体外的至少一图像采集部件，用于实时采集所述待投递垃圾在投放后的图像信息；
所述第五采集组件形式包括：设于所述投放箱体外的至少一图像采集部件，用于采集所述待投递垃圾在投放前后的图像信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110014154.6A CN112766096A (zh) | 2021-01-06 | 2021-01-06 | 可回收垃圾异常投递识别方法、系统、终端及投放装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110014154.6A CN112766096A (zh) | 2021-01-06 | 2021-01-06 | 可回收垃圾异常投递识别方法、系统、终端及投放装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112766096A true CN112766096A (zh) | 2021-05-07 |
Family
ID=75700003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110014154.6A Pending CN112766096A (zh) | 2021-01-06 | 2021-01-06 | 可回收垃圾异常投递识别方法、系统、终端及投放装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766096A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362333A (zh) * | 2021-07-07 | 2021-09-07 | 李有俊 | 一种垃圾分类箱管理方法、装置 |
| CN113899434A (zh) * | 2021-09-29 | 2022-01-07 | 杭州越歌科技有限公司 | 一种垃圾称重方法、系统、存储介质及智能终端 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010020575A (ja) * | 2008-07-11 | 2010-01-28 | Megumi Ishii | ゴミ捨て利用者がゴミの正確な分別を行う意識を促す装置 |
| CN109703939A (zh) * | 2018-12-30 | 2019-05-03 | 广东拜登网络技术有限公司 | 智能垃圾回收系统及方法 |
| CN110647854A (zh) * | 2019-09-27 | 2020-01-03 | 华清永安(北京)科技发展有限责任公司 | 一种垃圾分类排放智能管理系统 |
| CN110745407A (zh) * | 2019-10-25 | 2020-02-04 | 杭州钧工机器人科技有限公司 | 一种公共垃圾分类回收系统 |
| CN111217055A (zh) * | 2018-11-27 | 2020-06-02 | 深圳利万联科技有限公司 | 一种垃圾投放监督方法、装置、服务器和系统 |
-
2021
- 2021-01-06 CN CN202110014154.6A patent/CN112766096A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010020575A (ja) * | 2008-07-11 | 2010-01-28 | Megumi Ishii | ゴミ捨て利用者がゴミの正確な分別を行う意識を促す装置 |
| CN111217055A (zh) * | 2018-11-27 | 2020-06-02 | 深圳利万联科技有限公司 | 一种垃圾投放监督方法、装置、服务器和系统 |
| CN109703939A (zh) * | 2018-12-30 | 2019-05-03 | 广东拜登网络技术有限公司 | 智能垃圾回收系统及方法 |
| CN110647854A (zh) * | 2019-09-27 | 2020-01-03 | 华清永安(北京)科技发展有限责任公司 | 一种垃圾分类排放智能管理系统 |
| CN110745407A (zh) * | 2019-10-25 | 2020-02-04 | 杭州钧工机器人科技有限公司 | 一种公共垃圾分类回收系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362333A (zh) * | 2021-07-07 | 2021-09-07 | 李有俊 | 一种垃圾分类箱管理方法、装置 |
| CN113899434A (zh) * | 2021-09-29 | 2022-01-07 | 杭州越歌科技有限公司 | 一种垃圾称重方法、系统、存储介质及智能终端 |
| CN113899434B (zh) * | 2021-09-29 | 2023-11-21 | 杭州越歌科技有限公司 | 一种垃圾称重方法、系统、存储介质及智能终端 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112766096A (zh) | 可回收垃圾异常投递识别方法、系统、终端及投放装置 | |
| US12006141B2 (en) | Systems and methods for detecting waste receptacles using convolutional neural networks | |
| Li et al. | Automatic detection and classification system of domestic waste via multimodel cascaded convolutional neural network | |
| CN110428019B (zh) | 垃圾智能分类方法及模块化智能垃圾分类处理系统 | |
| CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
| CN109284728B (zh) | 识别物品的方法、装置、设备和存储介质 | |
| CN111915251B (zh) | 快递柜监控方法、装置、电子设备及存储介质 | |
| CN105164481A (zh) | 利用影像识别的冰箱的保管品目管理方法及其冰箱 | |
| CN110929760A (zh) | 一种基于计算机视觉的垃圾分类软件 | |
| CN110428352B (zh) | 可穿戴设备智能分类垃圾的方法及模块化垃圾分类系统 | |
| Salihbašić et al. | Development of android application for gender, age and face recognition using opencv | |
| CN110422504A (zh) | 一种垃圾站分类回收系统 | |
| CN114937179B (zh) | 垃圾图像分类方法、装置、电子设备及存储介质 | |
| CN106817541A (zh) | 一种基于面部表情控制拍照的方法及系统 | |
| Nafiz et al. | Convowaste: An automatic waste segregation machine using deep learning | |
| CN108438833A (zh) | 物料姿态校正投放装置及圆柱形物料特征属性的识别方法 | |
| CN110654740A (zh) | 自动进行垃圾分类的方法、装置及存储介质 | |
| CN208326334U (zh) | 一种基于二维码信息识别的智能分类箱 | |
| CN112651318A (zh) | 基于图像识别的垃圾分类方法、装置和系统 | |
| Feng et al. | Garbage disposal of complex background based on deep learning with limited hardware resources | |
| CN110490127A (zh) | 位置合规识别方法及装置、存储介质、电子装置 | |
| Yani et al. | Identification and plastic type and classification of PET, HDPE, and PP using RGB method | |
| CN111382638B (zh) | 一种图像检测方法、装置、设备和存储介质 | |
| CN116091748B (zh) | 一种基于aigc的图像识别系统及装置 | |
| CN109359649B (zh) | 一种储物装置的存取物识别方法、存储介质及储物装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |
|
| RJ01 | Rejection of invention patent application after publication |