CN112875077A - 一种大型垃圾站用垃圾分类方法和分类系统 - Google Patents

一种大型垃圾站用垃圾分类方法和分类系统 Download PDF

Info

Publication number
CN112875077A
CN112875077A CN202110038423.2A CN202110038423A CN112875077A CN 112875077 A CN112875077 A CN 112875077A CN 202110038423 A CN202110038423 A CN 202110038423A CN 112875077 A CN112875077 A CN 112875077A
Authority
CN
China
Prior art keywords
garbage
image
individual
classification
images
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.)
Withdrawn
Application number
CN202110038423.2A
Other languages
English (en)
Inventor
查宏伟
石台
贾俊
韩宜霖
王惠萍
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.)
Anhui Global Green Environmental Protection Technology Co ltd
Original Assignee
Anhui Global Green 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 Anhui Global Green Environmental Protection Technology Co ltd filed Critical Anhui Global Green Environmental Protection Technology Co ltd
Priority to CN202110038423.2A priority Critical patent/CN112875077A/zh
Publication of CN112875077A publication Critical patent/CN112875077A/zh
Withdrawn legal-status Critical Current

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
    • B65F1/0033—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
    • 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
    • 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)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及垃圾分类，具体涉及一种大型垃圾站用垃圾分类方法和分类系统，获取传送带上待分类垃圾的第一采集图像、X光图像，并不重复提取第一采集图像中的垃圾个体图像，利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析，综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断，根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶；本发明提供的技术方案能够有效克服现有技术所存在的不能对待分类垃圾进行准确类别识别的缺陷。

Description

一种大型垃圾站用垃圾分类方法和分类系统
技术领域
本发明涉及垃圾分类，具体涉及一种大型垃圾站用垃圾分类方法和分类系统。
背景技术
目前，随着城市人口骤增，垃圾的产量也在骤增，给人们带来的污染问题也越来越严重。对于垃圾的处理方式通常是回收利用，但是回收利用只是粗略分类，不可回收利用的垃圾将直接填埋，给环境造成较大的污染。而在城市小区，居民都是将垃圾直接装入垃圾袋，垃圾分类较为麻烦。
垃圾分类，是指按一定规定或标准将垃圾分类储存、分类投放和分类搬运，从而转变成公共资源的一系列活动的总称。垃圾分类的目的是提高垃圾的资源价值和经济价值，力争物尽其用。通过分类投放、分类搬运，把有用垃圾如纸张、塑料、橡胶、玻璃等分离出来，重新回收、利用，把有害垃圾如电池、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，又可避免二次污染。
垃圾分类是对垃圾收集处理传统方式的改革，是对垃圾进行有效处理的一种科学方法。目前，将垃圾实现最大限度地资源再利用，减少垃圾污染，是全世界共同关注的问题。然而，现有垃圾分类过程中，经常出现无法对待分类垃圾进行准确识别，导致垃圾投放错误的情况发生，这给垃圾分类工作带来不小的麻烦。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种大型垃圾站用垃圾分类方法和分类系统，能够有效克服现有技术所存在的不能对待分类垃圾进行准确类别识别的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种大型垃圾站用垃圾分类方法，包括以下步骤：
S1、获取传送带上待分类垃圾的第一采集图像、X光图像，并不重复提取第一采集图像中的垃圾个体图像；
S2、利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，若能准确识别垃圾类别，则进入S5，否则进入S3；
S3、通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
S4、综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
S5、根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶。
优选地，S1中不重复提取第一采集图像中的垃圾个体图像，包括：
通过连续帧的第一采集图像识别出待分类垃圾所属区域，并在第一采集图像中对各待分类垃圾进行边缘裁剪，并对各裁剪图像中的垃圾进行重复判断。
优选地，所述对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
优选地，S2中利用训练好的识别模型对垃圾个体图像进行识别之前，包括：
构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型，并向构建好的识别模型输入不同类别垃圾的训练图像进行训练。
优选地，S2中利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，包括：
识别模型对垃圾个体图像进行识别得到识别结果，若识别结果大于第一阈值时，则能准确识别垃圾类别，否则无法准确识别垃圾类别；
若识别结果大于第二阈值时，则保留该垃圾个体图像，否则删除该垃圾个体图像；
其中，第一阈值大于第二阈值。
优选地，若识别结果不大于第一阈值时，则通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别；
其中，第二采集图像与第一采集图像的采集角度不同。
优选地，S5中根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶，包括：
对于识别结果大于第一阈值的垃圾，抓取执行模块直接将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第一阈值且大于第二阈值的垃圾，抓取执行模块根据综合判断结果将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第二阈值的垃圾，抓取执行模块将该垃圾抓取至无法分类的垃圾分类桶。
一种大型垃圾站用垃圾分类系统，包括控制器；
第一图像获取模块，用于获取传送带上待分类垃圾的第一采集图像；
X光图像采集模块，用于获取传送带上待分类垃圾的X光图像；
物体识别模块，通过连续帧的第一采集图像识别出待分类垃圾所属区域；
图像处理模块，在第一采集图像中对各待分类垃圾进行边缘裁剪；
物体判断模块，对各裁剪图像中的垃圾进行重复判断，并提取不重复的垃圾个体图像；
识别模型构建模块，构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型；
识别模型训练模块，向构建好的识别模型输入不同类别垃圾的训练图像进行训练；
识别数据判断模块，用于对识别模型能否准确识别垃圾类别进行判断；
光谱分析模块，通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
综合判断模块，综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
抓取执行模块，根据类别判断结果，将待分类垃圾抓取至对应的垃圾分类桶。
优选地，所述物体判断模块对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
优选地，所述识别数据判断模块判断识别模型无法准确识别垃圾类别时，所述控制器调用与第一图像获取模块图像采集角度不同的第二图像获取模块，通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别。
(三)有益效果
与现有技术相比，本发明所提供的一种大型垃圾站用垃圾分类方法和分类系统，通过构建识别模型，结合光谱材料分析，能够准确识别垃圾类别，实现自动分类回收，有效提高垃圾类别识别的准确率，降低垃圾分类回收成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明垃圾分类方法的流程示意图；
图2为本发明的垃圾分类系统示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种大型垃圾站用垃圾分类方法，如图1所示，包括以下步骤：
S1、获取传送带上待分类垃圾的第一采集图像、X光图像，并不重复提取第一采集图像中的垃圾个体图像；
S2、利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，若能准确识别垃圾类别，则进入S5，否则进入S3；
S3、通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
S4、综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
S5、根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶。
不重复提取第一采集图像中的垃圾个体图像，包括：
通过连续帧的第一采集图像识别出待分类垃圾所属区域，并在第一采集图像中对各待分类垃圾进行边缘裁剪，并对各裁剪图像中的垃圾进行重复判断。
对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
利用训练好的识别模型对垃圾个体图像进行识别之前，包括：
构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型，并向构建好的识别模型输入不同类别垃圾的训练图像进行训练。
利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，包括：
识别模型对垃圾个体图像进行识别得到识别结果，若识别结果大于第一阈值时，则能准确识别垃圾类别，否则无法准确识别垃圾类别；
若识别结果大于第二阈值时，则保留该垃圾个体图像，否则删除该垃圾个体图像；
其中，第一阈值大于第二阈值。
若识别结果不大于第一阈值时，则通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别；
其中，第二采集图像与第一采集图像的采集角度不同。
根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶，包括：
对于识别结果大于第一阈值的垃圾，抓取执行模块直接将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第一阈值且大于第二阈值的垃圾，抓取执行模块根据综合判断结果将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第二阈值的垃圾，抓取执行模块将该垃圾抓取至无法分类的垃圾分类桶。
一种大型垃圾站用垃圾分类系统，如图2所示，包括控制器；
第一图像获取模块，用于获取传送带上待分类垃圾的第一采集图像；
X光图像采集模块，用于获取传送带上待分类垃圾的X光图像；
物体识别模块，通过连续帧的第一采集图像识别出待分类垃圾所属区域；
图像处理模块，在第一采集图像中对各待分类垃圾进行边缘裁剪；
物体判断模块，对各裁剪图像中的垃圾进行重复判断，并提取不重复的垃圾个体图像；
识别模型构建模块，构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型；
识别模型训练模块，向构建好的识别模型输入不同类别垃圾的训练图像进行训练；
识别数据判断模块，用于对识别模型能否准确识别垃圾类别进行判断；
光谱分析模块，通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
综合判断模块，综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
抓取执行模块，根据类别判断结果，将待分类垃圾抓取至对应的垃圾分类桶。
物体判断模块对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
识别数据判断模块判断识别模型无法准确识别垃圾类别时，控制器调用与第一图像获取模块图像采集角度不同的第二图像获取模块，通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别。
本申请技术方案中，通过构建识别模型，结合光谱材料分析，能够准确识别垃圾类别，并且还能够获取采集角度不同的图像，来对无法准确识别垃圾类别的垃圾进行二次识别，进一步提高垃圾类别识别的准确率。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种大型垃圾站用垃圾分类方法，其特征在于：包括以下步骤：
S1、获取传送带上待分类垃圾的第一采集图像、X光图像，并不重复提取第一采集图像中的垃圾个体图像；
S2、利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，若能准确识别垃圾类别，则进入S5，否则进入S3；
S3、通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
S4、综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
S5、根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶。
2.根据权利要求1所述的大型垃圾站用垃圾分类方法，其特征在于：S1中不重复提取第一采集图像中的垃圾个体图像，包括：
通过连续帧的第一采集图像识别出待分类垃圾所属区域，并在第一采集图像中对各待分类垃圾进行边缘裁剪，并对各裁剪图像中的垃圾进行重复判断。
3.根据权利要求2所述的大型垃圾站用垃圾分类方法，其特征在于：所述对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
4.根据权利要求1所述的大型垃圾站用垃圾分类方法，其特征在于：S2中利用训练好的识别模型对垃圾个体图像进行识别之前，包括：
构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型，并向构建好的识别模型输入不同类别垃圾的训练图像进行训练。
5.根据权利要求4所述的大型垃圾站用垃圾分类方法，其特征在于：S2中利用训练好的识别模型对垃圾个体图像进行识别，判断垃圾类别，包括：
识别模型对垃圾个体图像进行识别得到识别结果，若识别结果大于第一阈值时，则能准确识别垃圾类别，否则无法准确识别垃圾类别；
若识别结果大于第二阈值时，则保留该垃圾个体图像，否则删除该垃圾个体图像；
其中，第一阈值大于第二阈值。
6.根据权利要求5所述的大型垃圾站用垃圾分类方法，其特征在于：若识别结果不大于第一阈值时，则通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别；
其中，第二采集图像与第一采集图像的采集角度不同。
7.根据权利要求5所述的大型垃圾站用垃圾分类方法，其特征在于：S5中根据类别判断结果，通过抓取执行模块将待分类垃圾抓取至对应的垃圾分类桶，包括：
对于识别结果大于第一阈值的垃圾，抓取执行模块直接将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第一阈值且大于第二阈值的垃圾，抓取执行模块根据综合判断结果将该垃圾抓取至对应的垃圾分类桶；
对于识别结果不大于第二阈值的垃圾，抓取执行模块将该垃圾抓取至无法分类的垃圾分类桶。
8.基于权利要求1所述的大型垃圾站用垃圾分类方法的分类系统，其特征在于：包括控制器；
第一图像获取模块，用于获取传送带上待分类垃圾的第一采集图像；
X光图像采集模块，用于获取传送带上待分类垃圾的X光图像；
物体识别模块，通过连续帧的第一采集图像识别出待分类垃圾所属区域；
图像处理模块，在第一采集图像中对各待分类垃圾进行边缘裁剪；
物体判断模块，对各裁剪图像中的垃圾进行重复判断，并提取不重复的垃圾个体图像；
识别模型构建模块，构建用于从不重复的垃圾个体图像中识别出该垃圾类别的识别模型；
识别模型训练模块，向构建好的识别模型输入不同类别垃圾的训练图像进行训练；
识别数据判断模块，用于对识别模型能否准确识别垃圾类别进行判断；
光谱分析模块，通过光谱分析对无法准确识别垃圾类别的垃圾个体图像进行材料分析；
综合判断模块，综合识别模型的识别结果，以及材料分析结果，对无法准确识别的垃圾进行类别判断；
抓取执行模块，根据类别判断结果，将待分类垃圾抓取至对应的垃圾分类桶。
9.基于权利要求8所述的大型垃圾站用垃圾分类方法的分类系统，其特征在于：所述物体判断模块对各裁剪图像中的垃圾进行重复判断，包括：
对各裁剪图像进行物体跟踪定位，获取精确的特征点位置，并计算所有特征点的Gabor特征；
根据Gabor特征对裁剪图像进行分割，并计算每个分割图像中各像素点的局部熵；
根据局部熵确定每个分割图片的贡献度，统计绘制直方图，对直方图的特征向量进行降维，通过互相对比剔除重复垃圾对应的裁剪图像，得到不重复的垃圾个体图像。
10.基于权利要求8所述的大型垃圾站用垃圾分类方法的分类系统，其特征在于：所述识别数据判断模块判断识别模型无法准确识别垃圾类别时，所述控制器调用与第一图像获取模块图像采集角度不同的第二图像获取模块，通过第二采集图像提取该垃圾对应的垃圾个体图像，并输入训练好的识别模型对垃圾个体图像进行二次识别。
CN202110038423.2A 2021-01-12 2021-01-12 一种大型垃圾站用垃圾分类方法和分类系统 Withdrawn CN112875077A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110038423.2A CN112875077A (zh) 2021-01-12 2021-01-12 一种大型垃圾站用垃圾分类方法和分类系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110038423.2A CN112875077A (zh) 2021-01-12 2021-01-12 一种大型垃圾站用垃圾分类方法和分类系统

Publications (1)

Publication Number Publication Date
CN112875077A true CN112875077A (zh) 2021-06-01

Family

ID=76044655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110038423.2A Withdrawn CN112875077A (zh) 2021-01-12 2021-01-12 一种大型垃圾站用垃圾分类方法和分类系统

Country Status (1)

Country Link
CN (1) CN112875077A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113911586A (zh) * 2021-12-09 2022-01-11 四川大学 智能垃圾分拣系统及分拣方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0426495D0 (en) * 2004-12-02 2005-01-05 Nowell C J H More-bins
CN103530652A (zh) * 2013-10-23 2014-01-22 北京中视广信科技有限公司 一种基于人脸聚类的视频编目方法、检索方法及其系统
CN106742909A (zh) * 2016-12-30 2017-05-31 歌尔股份有限公司 垃圾收集机器人及垃圾收集方法
CN110550347A (zh) * 2019-08-23 2019-12-10 珠海格力电器股份有限公司 一种垃圾分类回收的方法、用户终端以及垃圾桶

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0426495D0 (en) * 2004-12-02 2005-01-05 Nowell C J H More-bins
CN103530652A (zh) * 2013-10-23 2014-01-22 北京中视广信科技有限公司 一种基于人脸聚类的视频编目方法、检索方法及其系统
CN106742909A (zh) * 2016-12-30 2017-05-31 歌尔股份有限公司 垃圾收集机器人及垃圾收集方法
CN110550347A (zh) * 2019-08-23 2019-12-10 珠海格力电器股份有限公司 一种垃圾分类回收的方法、用户终端以及垃圾桶

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113911586A (zh) * 2021-12-09 2022-01-11 四川大学 智能垃圾分拣系统及分拣方法
CN113911586B (zh) * 2021-12-09 2022-03-18 四川大学 智能垃圾分拣系统及分拣方法

Similar Documents

Publication Publication Date Title
CN110826538B (zh) 一种用于电力营业厅的异常离岗识别系统
CN107480643B (zh) 一种智能垃圾分类处理的机器人
CN109993056A (zh) 一种识别车辆违章行为的方法、服务器及存储介质
CN101937445B (zh) 一种文件自动分类系统
CN111260629A (zh) 基于图像处理的受电弓结构异常检测算法
CN106096667B (zh) 基于svm的票据图像分类方法
CN107911663A (zh) 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警系统
CN105469105A (zh) 一种基于视频监控的香烟烟雾检测方法
US20070292029A1 (en) Cascade plate recognition system
CN105678213B (zh) 基于视频特征统计的双模式蒙面人事件自动检测方法
CN111222478A (zh) 一种工地安全防护检测方法和系统
CN106339657B (zh) 基于监控视频的秸秆焚烧监测方法、装置
Aishwarya et al. A waste management technique to detect and separate non-biodegradable waste using machine learning and YOLO algorithm
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
CN113807347A (zh) 一种基于目标检测技术的厨余垃圾杂质识别方法
CN112528740A (zh) 一种压板状态识别方法
CN112875077A (zh) 一种大型垃圾站用垃圾分类方法和分类系统
CN111767804A (zh) 基于人工智能的可回收垃圾图像分类方法及系统
CN111429376A (zh) 高低精度融合的高效数字图像处理方法
CN113673614B (zh) 基于机器视觉的地铁隧道异物入侵检测装置及方法
CN111217062A (zh) 一种基于边缘计算和深度学习的垃圾箱垃圾识别方法
CN110969192A (zh) 一种电力巡检图像智能识别方法
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
Wang et al. Automatic separation system of coal gangue based on DSP and digital image processing

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210601

WW01 Invention patent application withdrawn after publication