CN113409263B - 基于人工智能的垃圾储存池处理进度检测方法及系统 - Google Patents

Abstract

本发明涉及人工智能技术领域，具体涉及基于人工智能的垃圾储存池处理进度检测方法及系统。该方法包括：采集垃圾储存池的内部图像和垃圾储存池的出风口的热成像图像；根据热成像图像获得出风口的气体特征；获取内部图像的垃圾区域的灰度图像，对灰度图像进行复杂度分析，获得垃圾的复杂度；通过复杂度结合气体特征对垃圾进行发酵度分析，获得垃圾的发酵程度；获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据搅拌初始时刻到搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度。本发明实施例能够确定准确判断垃圾处理的进度，获取垃圾储存池处理的最优时刻，使垃圾更易燃烧，提高发电效率，降低成本。

Description

基于人工智能的垃圾储存池处理进度检测方法及系统

技术领域

本发明涉及人工智能技术领域，具体涉及基于人工智能的垃圾储存池处理进度检测方法及系统。

背景技术

随着现代科技发展，垃圾焚烧发电技术获得了新生，作为垃圾无害化、清洁化处理的方式之一，垃圾焚烧发电因为减量化程度高、垃圾处理能力强等优点，已经逐渐成为新型城镇化建设、城市生态文明建设的重要手段。

在垃圾运输到垃圾焚烧电厂后，由于垃圾种类繁多，其湿度较大，入厂垃圾首先卸至垃圾储存池，用于缓冲、发酵和析出其中的渗滤液，这样处理后的垃圾更加有利于垃圾焚烧，提高垃圾焚烧发电的焚烧效率。

发明人在实践中，发现上述现有技术存在以下缺陷：

目前，对于垃圾储存池的处理进度，主要依靠工作人员根据经验进行处理进度判断，不能准确地判断垃圾处理的进度，存在未处理完全的垃圾被抓取到焚烧炉进行焚烧的情况，极大地降低了焚烧发电的效率，增加了焚烧发电成本。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的垃圾储存池处理进度检测方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的垃圾储存池处理进度检测方法，该方法包括以下步骤：

采集垃圾储存池的内部图像和所述垃圾储存池的出风口的热成像图像；

根据所述热成像图像获得所述出风口的气体特征；所述气体特征包括温度和流速；

获取所述内部图像的垃圾区域的灰度图像，对所述灰度图像进行复杂度分析，获得垃圾的复杂度；

通过所述复杂度结合所述气体特征对所述垃圾进行发酵度分析，获得所述垃圾的发酵程度；

获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据所述搅拌初始时刻到所述搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度；

所述温度的获取步骤包括：

以出风口作为感兴趣区域，获取热成像图像在感兴趣区域内的平均温度作为出风口的温度；

所述流速的获取步骤包括：

根据预设网格将所述出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列；

计算每个区域的最大温度点在多帧热成像图像中的偏移距离；

根据所有区域的所述偏移距离的平均值与采样时间的比值获取所述出风口的流速；

所述复杂度的计算公式为：

其中，p(i,j)为(i,j)处像素值在所述灰度图像中出现的概率，c和d分别为所述灰度图像的宽和高。

优选的，所述搅拌初始时刻和搅拌结束时刻的获取方法为：

获取所述抓斗的爪尖关键点坐标，根据所述关键点坐标的变化获取所述抓斗开始搅拌的时刻和搅拌结束的时刻，以所述开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

优选的，所述湿度通过在所述抓斗上安装的湿度传感器获取。

优选的，所述垃圾处理进度的判断方法为：

当在连续多次搅拌完成后，所述发酵度变化量均小于发酵变化阈值，且所述湿度变化量均小于湿度变化阈值时，判定所述垃圾处理完全。

第二方面，本发明另一个实施例提供了一种基于人工智能的垃圾储存池处理进度检测系统，其特征在于，该系统包括以下模块：

图像采集模块，用于采集垃圾储存池的内部图像和所述垃圾储存池的出风口的热成像图像；

气体特征获取模块，用于根据所述热成像图像获得所述出风口的气体特征；所述气体特征包括温度和流速；

复杂度获取模块，用于获取所述内部图像的垃圾区域的灰度图像，对所述灰度图像进行复杂度分析，获得垃圾的复杂度；

发酵程度获取模块，用于通过所述复杂度结合所述气体特征对所述垃圾进行发酵度分析，获得所述垃圾的发酵程度；

垃圾处理进度判断模块，用于获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据所述搅拌初始时刻到所述搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度；

所述气体特征获取模块包括温度获取单元，用于以出风口作为感兴趣区域，获取热成像图像在感兴趣区域内的平均温度作为出风口的温度；

所述气体特征获取模块包括流速获取单元，所述流速获取单元包括：

最大温度点序列获取单元，用于根据预设网格将所述出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列；

偏移距离计算单元，用于计算每个区域的最大温度点在多帧热成像图像中的偏移距离；

流速计算单元，用于根据所有区域的所述偏移距离的平均值与采样时间的比值获取所述出风口的流速；

所述复杂度获取模块包括复杂度计算单元，用于计算所述复杂度：

其中，p(i,j)为(i,j)处像素值在所述灰度图像中出现的概率，c和d分别为所述灰度图像的宽和高。

优选的，所述垃圾处理进度判断模块包括搅拌初始时刻和搅拌结束时刻获取单元，用于获取抓斗的爪尖关键点坐标，根据所述关键点坐标的变化获取所述抓斗开始搅拌的时刻和搅拌结束的时刻，以所述开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

优选的，所述垃圾处理进度判断模块包括湿度获取单元，用于通过在所述抓斗上安装的湿度传感器获取湿度。

优选的，所述垃圾处理进度判断模块包括：

阈值判断单元，用于当在连续多次搅拌完成后，所述发酵度变化量均小于发酵变化阈值，且所述湿度变化量均小于湿度变化阈值时，判定所述垃圾处理完全。

本发明实施例具有至少如下有益效果：

1、本发明实施例通过对垃圾发酵度的变化量和湿度的变化量分析，能够确定准确判断垃圾处理的进度，获取垃圾储存池处理的最优时刻，使垃圾更易燃烧，提高发电效率，降低成本。

2、通过熵值复杂度评估储存池内垃圾的发酵程度，可以准确量化储存池的有机垃圾的处理进度。

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和优点，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它附图。

图1为本发明一个实施例所提供的一种基于人工智能的垃圾储存池处理进度检测方法的步骤流程图；

图2为本发明一个实施例所提供的基于人工智能的垃圾储存池处理进度检测系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的垃圾储存池处理进度检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于人工智能的垃圾储存池处理进度检测方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的垃圾储存池处理进度检测方法的步骤流程图，该方法包括以下步骤：

步骤S001，采集垃圾储存池的内部图像和垃圾储存池的出风口的热成像图像。

在垃圾运输车进入垃圾焚烧发电厂后，通过垃圾倾倒口将车内垃圾倒入垃圾储存池，在储存池内部部署RGB相机，相机位置固定，根据储存池规模选择多个相机，保证能拍摄到储存池内所有垃圾。

在垃圾储存池的出风口处部署热成像相机，以出风口作为感兴趣区域(region ofinterest，ROI)，便于分析气流运动情况。

步骤S002，根据热成像图像获得出风口的气体特征。

具体的，气体特征包括温度和流速，获取步骤包括：

1)获取出风口的温度。

获得ROI区域的平均温度T代表出风口处温度，计算公式为：

其中，a表示ROI区域的宽，b表示ROI区域的高，T_ij为(i,j)点的温度。

2)获取出风口的流速。

a.根据预设网格将出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列。

作为一个示例，本发明实施例中预设网格为九等分网格；在其他实施例中，划分区域的预设网格可以根据出风口大小调整。

通过时序检测，获取每个区域的最大温度点序列。

b.计算每个区域的最大温度点在多帧热成像图像中的偏移距离D：

其中，(X_S,Y_S)为某一区域第S帧的最大温度点的坐标，(X_S+1,Y_S+1)为该区域第S+1帧的最大温度点的坐标。

c.根据所有区域的偏移距离的平均值与采样时间的比值获取出风口的流速。

计算所有区域的偏移距离的平均值D^′：

其中，n表示采样帧数，n帧图像计算n-1次偏移距离；m表示划分的区域数量；D_ij为第i次计算结果中第j个区域的偏移距离。

作为一个示例，本发明实施例中，n取10，m取9。

计算出风口的流速v：

其中，t₀表示采样时间，根据相机的帧率可以得到。

步骤S003，获取内部图像的垃圾区域的灰度图像，对灰度图像进行复杂度分析，获得垃圾的复杂度。

具体的，获取垃圾的复杂度的步骤包括：

1)获取内部图像的垃圾区域的灰度图像。

对采集得到RGB图像进行灰度化操作，得到第一灰度图像，将转换后的第一灰度图像送入训练好的语义分割神经网络中，对储存池内的垃圾区域和和非垃圾区域进行像素级分类。

具体训练过程为：

a.数据集为垃圾储存池内部图像。

b.标注为像素级标注，对每个像素点进行标注，标注类别为两类，垃圾标注为1，无关项标注为0。

c.损失函数采用交叉熵损失函数。

语义分割网络为端到端的编码器-解码器(Encoder-Decoder)结构，通过编码器进行卷积操作提取特征，编码器输出结果为特征图，特征图通过解码器操作，得到语义分割图。

语义分割图作为遮罩(Mask)与第一灰度图像逐点相乘，得到垃圾区域的灰度图像。

2)计算垃圾区域的灰度图像的复杂度。

垃圾堆放在垃圾储存池中，使垃圾内的一部分水分滤除，同时垃圾中的微生物可以使有机垃圾发酵，更有利于垃圾在焚烧炉内的燃烧。储存池内垃圾种类有很多，颜色相对比较复杂，图像熵值较大；在储存池堆放一段时间后，垃圾中的有机垃圾发酵，颜色复杂度下降，图像熵值减小。

垃圾灰度图像的熵值具体为：

其中，p(i,j)为(i,j)处像素值在图像中出现的概率，c和d分别为图像的宽和高。F越大，图像的复杂度越大。

步骤S004，通过复杂度结合气体特征对垃圾进行发酵度分析，获得垃圾的发酵程度。

建立垃圾发酵度评估模型：

其中，ε_t表示第t时刻的垃圾发酵程度，ω₁表示复杂度的权重，ω₂表示温度的权重，ω₃表示流速的权重；k₁、k₂、k₃为模型可调参数，F_t表示第t时刻的垃圾图像熵值，F₀表示初始时刻的垃圾图像熵值；T′_t表示第t时刻的出风口温度；v′_t表示第t时刻的出风口流速。

作为一个示例，本发明实施例中ω₁＝0.4、ω₂＝0.3、ω₃＝0.3；k₁＝2、k₂＝3、k₂＝3。

通过该模型，可实现对垃圾发酵程度的量化分析。

步骤S005，获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据搅拌初始时刻到搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度。

具体的步骤包括：

1)获取搅拌初始时刻和搅拌结束时刻。

获取抓斗的爪尖关键点坐标，根据关键点坐标的变化获取抓斗开始搅拌的时刻和搅拌结束的时刻，以开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

对于垃圾搅拌的操作，一般通过抓斗实现，本发明实施例只对一个抓斗进行分析，多个抓斗存在时以同样的方法进行分析。

对于每次发生搅拌行为的识别，通过以下过程得到：

a.通过在垃圾储存池顶部部署鱼眼相机，采集抓斗图像。

b.将抓斗图像送入训练好的关键点检测网络，获得抓斗爪的爪尖点的关键点。

网络的训练过程为：

数据集采用鱼眼相机拍摄的储存池内抓斗的图像，包括储存池包含垃圾和不包含垃圾等多个场景，同时包含抓斗爪尖点被遮挡的场景。标签为抓斗爪的爪尖点，标记关键点像素位置，而后采用高斯模糊，使标记点处形成关键点热斑。所用损失函数采用均方差损失函数。

c.根据获得的抓斗爪的爪尖关键点坐标，利用最小二乘法进行关键点圆拟合，根据拟合获得的圆的方程，得到该圆的拟合半径。

抓斗在抓取垃圾时，所有的抓斗爪缩紧，爪尖点距离非常靠近；在释放垃圾时，抓斗爪伸张，爪尖点距离增大。

需要说明的是，本发明实施例中采用多瓣式抓斗；当抓斗位于相机正下方时，抓斗爪尖点在图像中反映为圆状。对于不同视角下获得的图像，首先进行透视变换，将图像变换为相机正下方视角下的图像，再进行关键点圆拟合。

d.实时进行爪尖点拟合半径的计算，获得半径值序列，对其变化趋势进行分析：当拟合半径值从稳定值先减小到非零最小值，保持一段时间后，增大到最大值并趋于稳定时，该过程认为发生一次搅拌行为，同时刚减小到最小值时，抓斗开始抓取垃圾，为搅拌初始时刻；刚增加到最大值时，抓斗释放垃圾，为搅拌结束时刻。

2)获取垃圾湿度。

通过在抓斗上安装的湿度传感器获取湿度。

在本发明实施例中，在抓斗安装湿度传感器，当抓斗抓取垃圾时，湿度传感器插入垃圾中进行插入式检测。

插入式检测能够准确地获取垃圾的湿度，避免了检测空气湿度导致结果不准确的情况。

3)判断垃圾处理进度。

获得搅拌初始时刻t₁和搅拌结束时刻t₂，搅拌前后发酵度变化量为：

其中，Δε为发酵度变化量，

表示搅拌结束时刻的垃圾发酵度，

表示搅拌初始时刻的垃圾发酵度。

获得湿度传感器在搅拌初始时刻的的湿度数据

在搅拌结束时刻的的湿度数据

计算垃圾湿度变化量Δσ：

当在连续多次搅拌完成后，发酵度变化量均小于发酵变化阈值m₁，且湿度变化量均小于湿度变化阈值m₂时，判定垃圾处理完全。

在本发明实施例中，当连续十次搅拌满足Δε≤m₁且Δσ≤m₂时，停止搅拌，此时储存池内垃圾发酵和滤液已达到饱和程度，将最后一次搅拌的搅拌结束时刻作为垃圾储存池处理的最佳时刻；否则，垃圾处理未达到饱和，应继续进行搅拌直至Δε≤m₁且Δσ≤m₂。

作为一个示例，在本发明实施例中，m₁取2，m₂取1。

综上所述，本发明实施例采集垃圾储存池的内部图像和垃圾储存池的出风口的热成像图像；根据热成像图像获得出风口的气体特征；获取内部图像的垃圾区域的灰度图像，对灰度图像进行复杂度分析，获得垃圾的复杂度；通过复杂度结合气体特征对垃圾进行发酵度分析，获得垃圾的发酵程度；获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据搅拌初始时刻到搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度。本发明实施例能够确定准确判断垃圾处理的进度，获取垃圾储存池处理的最优时刻，使垃圾更易燃烧，提高发电效率，降低成本。

基于与上述方法相同的发明构思，本发明另一个实施例提供了一种基于人工智能的垃圾储存池处理进度检测系统。请参阅图2，该系统包括以下模块：图像采集模块1001、气体特征获取模块1002、复杂度获取模块1003、发酵程度获取模块1004以及垃圾处理进度判断模块1005。

具体的，图像采集模块1001用于采集垃圾储存池的内部图像和垃圾储存池的出风口的热成像图像；气体特征获取模块1002用于根据热成像图像获得出风口的气体特征；复杂度获取模块1003用于获取内部图像的垃圾区域的灰度图像，对灰度图像进行复杂度分析，获得垃圾的复杂度；发酵程度获取模块1004用于通过复杂度结合气体特征对垃圾进行发酵度分析，获得垃圾的发酵程度；垃圾处理进度判断模块1005用于获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据搅拌初始时刻到搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度。

优选的，气体特征获取模块包括流速获取单元，流速获取单元包括：

最大温度点序列获取单元，用于根据预设网格将出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列；

偏移距离计算单元，用于计算每个区域的最大温度点在多帧热成像图像中的偏移距离；

流速计算单元，用于根据所有区域的偏移距离的平均值与采样时间的比值获取出风口的流速。

优选的，垃圾处理进度判断模块包括搅拌初始时刻和搅拌结束时刻获取单元，用于获取抓斗的爪尖关键点坐标，根据关键点坐标的变化获取抓斗开始搅拌的时刻和搅拌结束的时刻，以开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

优选的，垃圾处理进度判断模块包括湿度获取单元，用于通过在抓斗上安装的湿度传感器获取湿度。

优选的，垃圾处理进度判断模块包括：

阈值判断单元，用于当在连续多次搅拌完成后，发酵度变化量均小于发酵变化阈值，且湿度变化量均小于湿度变化阈值时，判定垃圾处理完全。

综上所述，本发明实施例通过图像采集模块采集垃圾储存池的内部图像和垃圾储存池的出风口的热成像图像；通过气体特征获取模块根据热成像图像获得出风口的气体特征；通过复杂度获取模块获取内部图像的垃圾区域的灰度图像，对灰度图像进行复杂度分析，获得垃圾的复杂度；通过发酵程度获取模块通过复杂度结合气体特征对垃圾进行发酵度分析，获得垃圾的发酵程度；通过垃圾处理进度判断模块获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据搅拌初始时刻到搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度。本发明实施例能够确定准确判断垃圾处理的进度，获取垃圾储存池处理的最优时刻，使垃圾更易燃烧，提高发电效率，降低成本。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于人工智能的垃圾储存池处理进度检测方法，其特征在于，该方法包括以下步骤：

采集垃圾储存池的内部图像和所述垃圾储存池的出风口的热成像图像；

根据所述热成像图像获得所述出风口的气体特征；所述气体特征包括温度和流速；

获取所述内部图像的垃圾区域的灰度图像，对所述灰度图像进行复杂度分析，获得垃圾的复杂度；

通过所述复杂度结合所述气体特征对所述垃圾进行发酵度分析，获得所述垃圾的发酵程度；

获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据所述搅拌初始时刻到所述搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度；

所述温度的获取步骤包括：

以出风口作为感兴趣区域，获取热成像图像在感兴趣区域内的平均温度作为出风口的温度；

所述流速的获取步骤包括：

根据预设网格将所述出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列；

计算每个区域的最大温度点在多帧热成像图像中的偏移距离；

根据所有区域的所述偏移距离的平均值与采样时间的比值获取所述出风口的流速；

所述复杂度的计算公式为：

其中，p(i,j)为(i,j)处像素值在所述灰度图像中出现的概率，c和d分别为所述灰度图像的宽和高。

2.根据权利要求1所述的方法，其特征在于，所述搅拌初始时刻和搅拌结束时刻的获取方法为：

获取抓斗的爪尖关键点坐标，根据所述关键点坐标的变化获取所述抓斗开始搅拌的时刻和搅拌结束的时刻，以所述开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

3.根据权利要求2所述的方法，其特征在于，所述湿度通过在所述抓斗上安装的湿度传感器获取。

4.根据权利要求1所述的方法，其特征在于，所述垃圾处理进度的判断方法为：

当在连续多次搅拌完成后，所述发酵程度变化量均小于发酵变化阈值，且所述湿度变化量均小于湿度变化阈值时，判定所述垃圾处理完全。

5.基于人工智能的垃圾储存池处理进度检测系统，其特征在于，该系统包括以下模块：

图像采集模块，用于采集垃圾储存池的内部图像和所述垃圾储存池的出风口的热成像图像；

气体特征获取模块，用于根据所述热成像图像获得所述出风口的气体特征；所述气体特征包括温度和流速；

复杂度获取模块，用于获取所述内部图像的垃圾区域的灰度图像，对所述灰度图像进行复杂度分析，获得垃圾的复杂度；

发酵程度获取模块，用于通过所述复杂度结合所述气体特征对所述垃圾进行发酵度分析，获得所述垃圾的发酵程度；

垃圾处理进度判断模块，用于获取垃圾湿度、搅拌初始时刻和搅拌结束时刻；根据所述搅拌初始时刻到所述搅拌结束时刻的发酵程度变化量、垃圾湿度变化量判断垃圾处理进度；

所述气体特征获取模块包括温度获取单元，用于以出风口作为感兴趣区域，获取热成像图像在感兴趣区域内的平均温度作为出风口的温度；

所述气体特征获取模块包括流速获取单元，所述流速获取单元包括：

最大温度点序列获取单元，用于根据预设网格将所述出风口进行区域划分，获取每个区域每帧的最大温度点，获得每个区域的最大温度点序列；

偏移距离计算单元，用于计算每个区域的最大温度点在多帧热成像图像中的偏移距离；

流速计算单元，用于根据所有区域的所述偏移距离的平均值与采样时间的比值获取所述出风口的流速；

所述复杂度获取模块包括复杂度计算单元，用于计算所述复杂度：

其中，p(i,j)为(i,j)处像素值在所述灰度图像中出现的概率，c和d分别为所述灰度图像的宽和高。

6.根据权利要求5所述的系统，其特征在于，所述垃圾处理进度判断模块包括搅拌初始时刻和搅拌结束时刻获取单元，用于获取抓斗的爪尖关键点坐标，根据所述关键点坐标的变化获取所述抓斗开始搅拌的时刻和搅拌结束的时刻，以所述开始搅拌的时刻作为搅拌初始时刻，以搅拌结束的时刻作为搅拌结束时刻。

7.根据权利要求6所述的系统，其特征在于，所述垃圾处理进度判断模块包括湿度获取单元，用于通过在所述抓斗上安装的湿度传感器获取湿度。

8.根据权利要求5所述的系统，其特征在于，所述垃圾处理进度判断模块包括：

阈值判断单元，用于当在连续多次搅拌完成后，所述发酵程度变化量均小于发酵变化阈值，且所述湿度变化量均小于湿度变化阈值时，判定所述垃圾处理完全。

Images