CN113505633A - 一种基于区块链的生活垃圾分拣处理方法和系统 - Google Patents

一种基于区块链的生活垃圾分拣处理方法和系统 Download PDF

Info

Publication number
CN113505633A
CN113505633A CN202110547126.0A CN202110547126A CN113505633A CN 113505633 A CN113505633 A CN 113505633A CN 202110547126 A CN202110547126 A CN 202110547126A CN 113505633 A CN113505633 A CN 113505633A
Authority
CN
China
Prior art keywords
garbage
sorting
result
throwing
user
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
Application number
CN202110547126.0A
Other languages
English (en)
Inventor
王艺臻
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.)
Hainan Juyuan Technology Co ltd
Hainan Normal University
Original Assignee
Hainan Juyuan Technology Co ltd
Hainan Normal University
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 Hainan Juyuan Technology Co ltd, Hainan Normal University filed Critical Hainan Juyuan Technology Co ltd
Priority to CN202110547126.0A priority Critical patent/CN113505633A/zh
Publication of CN113505633A publication Critical patent/CN113505633A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/02Measures preceding sorting, e.g. arranging articles in a stream orientating
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/34Sorting according to other particular properties
    • B07C5/342Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting 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
    • B07C5/36Sorting apparatus characterised by the means used for distribution
    • B07C5/361Processing or control devices therefor, e.g. escort memory
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054Sorting of waste or refuse

Abstract

申请提供的一种基于区块链的生活垃圾分拣处理方法和系统,通过获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,并将用户信息与垃圾属性信息和垃圾分类结果进行绑定,在垃圾被输送到垃圾回收站之后,通过在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,并将分拣结果和垃圾投放结果进行比对,得到用户垃圾投放正确率,转换成相应的积分上传到区块链中保存,解决了现有的垃圾回收站采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类的技术问题。

Description

一种基于区块链的生活垃圾分拣处理方法和系统
技术领域
本申请属于垃圾分拣技术领域,尤其涉及一种基于区块链的生活垃圾分拣处理方法和系统。
背景技术
随着生活质量不断提高,城市生活垃圾的数量和种类也在不断增加,各地都在倡导垃圾分类,为了提高市民的积极性还设置有相应的奖励机制。垃圾车将市民分类好的垃圾运送到垃圾回收站,垃圾回收站的垃圾分拣工把市民分类好的垃圾放到相应的传送带上,垃圾分拣工在传送带两旁对垃圾进行二次分拣。采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类。
发明内容
本申请提供了一种基于区块链的生活垃圾分拣处理方法和系统,用以解决现有的垃圾回收站采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类的技术问题。
有鉴于此,本申请第一方面提供了一种基于区块链的生活垃圾分拣处理方法,包括:
获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,所述垃圾投放结果包括垃圾属性信息和垃圾分类结果;
在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果;
将所述分拣结果与所述垃圾投放结果比对,得到用户的垃圾投放正确率;
将所述垃圾投放正确率转换成相应的积分,上传到区块链中保存。
可选地,所述获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,包括:
对预置垃圾投放处的垃圾投放动作作出响应,从所述预置垃圾投放处的用户识别装置获取用户信息;
通过所述预置垃圾投放处的图像识别装置对用户投放的垃圾进行垃圾属性信息标记,并获取用户的垃圾分类结果,得到垃圾投放结果;
将所述用户信息与所述垃圾投放结果绑定。
可选地,所述用户识别装置为人脸识别装置。
可选地,所述获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,之前还包括:
获取所述预置垃圾投放处所属区域的所有用户信息,将所述所有用户信息录入区块链中的用户数据库,以使得在用户在所述预置垃圾投放处投放垃圾时获得投放垃圾的用户信息。
可选地,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,之前还包括:
将所述投放垃圾放置在图像采集装置的采集视野内,所述图像采集装置与安装有Tensorflow视觉垃圾分类系统的树莓派连接。
可选地,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,包括:
在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,使预先训练好的AI模型对从所述图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
可选地,所述在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,使预先训练好的AI模型对从所述图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果,包括:
在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,通过卷积进行特征提取和网络训练,再通过RPN层提取网络细节进行网络训练迭代得到所述AI模型对接收到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
可选地,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,之后还包括:
根据所述分拣结果控制机械臂将所述投放垃圾投放到对应的垃圾箱内。
可选地,所述将所述垃圾投放正确率转换成相应的积分,上传到区块链中保存,包括:
将所述垃圾投放正确率在所述树莓派上转换成相应的积分,上传到所述区块链中保存。
本申请第二方面还提供了一种基于区块链的生活垃圾分拣处理系统,包括:
获取模块,用于获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将用户信息与垃圾投放结果绑定;
分拣模块,用于在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,得到分拣结果;
比对模块,用于将分拣结果与垃圾投放结果比对,得到用户的垃圾投放正确率;
转换模块,用于将垃圾投放正确率转换成相应的积分,上传到区块链中保存。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供的基于区块链的生活垃圾分拣处理方法,通过获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,并将用户信息与垃圾属性信息和垃圾分类结果进行绑定,在垃圾被输送到垃圾回收站之后,通过在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,并将分拣结果和垃圾投放结果进行比对,得到用户垃圾投放正确率,转换成相应的积分上传到区块链中保存,在整个垃圾分拣过程中,不需要垃圾分拣工进行人工分拣,不仅减少了人工操作的步骤,还提高了分拣效率,节省了人工成本;通过二次分拣结果比对,能够获得用户的垃圾分类结果,以转换为积分的方式反馈给用户,激励用户对垃圾分类的积极性,且将数据存储在区块链中,安全可靠,解决了现有的垃圾回收站采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的一种基于区块链的生活垃圾分拣处理方法的一个流程示意图;
图2为本申请实施例中提供的一种基于区块链的生活垃圾分拣处理方法的另一个流程示意图;
图3为本申请实施例中提供的一种基于区块链的生活垃圾分拣处理方法的再一个流程示意图;
图4为本申请实施例中提供的一种基于区块链的生活垃圾分拣处理系统的结构示意图。
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。
实施例1
为了便于理解,请参阅图1,本申请提供了一种基于区块链的生活垃圾分拣处理方法的一个实施例,包括:
步骤101、获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将用户信息与垃圾投放结果绑定,垃圾投放结果包括垃圾属性信息和垃圾分类结果。
需要说明的是,用户在投放垃圾时,往往是把垃圾丢到垃圾投放处后,就没办法知道自己的垃圾分类结果是否正确,使得用户参与垃圾分类的参与感降低,而且回收站也没办法知道投放垃圾的主人。为了解决这个问题,本申请实例中,预置垃圾投放处在用户投放垃圾时,先获取该用户的个人信息,比如:姓名、电话号码和家庭住址等。再采集垃圾的属性信息和垃圾分类的结果,并将采集到的垃圾投放结果与用户信息进行绑定。垃圾属性信息为垃圾特性,如用户A投放的垃圾为蓄电池X和充电宝Y,那么垃圾属性信息即为蓄电池和充电宝,垃圾分类结果可以是有害垃圾、厨余垃圾、可回收物和其他垃圾,蓄电池X为有害垃圾,若用户A将该蓄电池投入了有害垃圾的垃圾箱,则将用户A、蓄电池X和有害垃圾绑定。在一个实施例中,可以生成相应的链接,用户可以通过这个链接获知自己垃圾分类的正确率,有利于提高用户垃圾分类的积极性。
步骤102、在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,得到分拣结果。
需要说明的是,现有的垃圾回收站将垃圾运送回去后,将垃圾放置在传送带上,垃圾回收站的垃圾分拣工,分别站在传送带的两侧对运送回来的垃圾进行二次分拣,这样的分拣方式不仅需要大量的劳动力,而且分拣的效率也比较低,因此,为解决以上问题,本申请实施例中,系统先获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将投放垃圾运送回垃圾回收站进行二次分拣。在投放垃圾被运送去二次分拣点之后,通过在树莓派上的Tensorflow视觉垃圾分类系统对运送回来的投放垃圾进行信息采集,并自动进行垃圾识别分类,得到分拣结果,然后通过树莓派控制分拣装置进行分拣,此操作过程,通常只需要一个人启动树莓派就可以实现垃圾分拣的结果,因此,这种分拣方式需要的劳动力较少,且分拣速度快。
步骤103、将分拣结果与垃圾投放结果比对,得到用户的垃圾投放正确率。
需要说明的是,通过树莓派将在预置垃圾投放处获取到的垃圾投放结果与投放垃圾的分拣结果进行比较,计算出用户的垃圾投放的正确率。
步骤104、将垃圾投放正确率转换成相应的积分,上传到区块链中保存。
需要说明的是,垃圾回收站得到垃圾投放的正确率后,将它转换成相应的积分,得到转换结果后,将转换结果上传到区块链中保存,区块链是一个共享数据库,具有公开透明、可以追溯和集体维护等优点,用户可以在区块链中看到自己垃圾分类的结果,并可以通过自己分类正确得到的积分去相应的商场换取奖品。
本申请实施例中提供的基于区块链的生活垃圾分拣处理方法,通过获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,并将用户信息与垃圾属性信息和垃圾分类结果进行绑定,在垃圾被输送到垃圾回收站之后,通过在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,并将分拣结果和垃圾投放结果进行比对,得到用户垃圾投放正确率,转换成相应的积分上传到区块链中保存,在整个垃圾分拣过程中,不需要垃圾分拣工进行人工分拣,不仅减少了人工操作的步骤,还提高了分拣效率,节省了人工成本;通过二次分拣结果比对,能够获得用户的垃圾分类结果,以转换为积分的方式反馈给用户,激励用户对垃圾分类的积极性,且将数据存储在区块链中,安全可靠,解决了现有的垃圾回收站采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类的技术问题。
实施例2
作为对实施例1的进一步改进,请参阅图2,本申请提供了一种基于区块链的生活垃圾分拣处理方法的另一个实施例,包括:
步骤201、获取预置垃圾投放处所属区域的所有用户信息,将所有用户信息录入区块链中的用户数据库,以使得在用户在预置垃圾投放处投放垃圾时获得投放垃圾的用户信息。
需要说明的是,在用户往预置垃圾投放处投放垃圾之前,应该先收集预置垃圾投放处所属区域的所有用户信息,并将这些用户信息录入到区块链中的用户数据库中,这样用户在预置垃圾投放处投放垃圾时,就能获得投放垃圾的用户信息,并且保证了用户信息的安全性。
步骤202、获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将用户信息与垃圾投放结果绑定,垃圾投放结果包括垃圾属性信息和垃圾分类结果。
需要说明的是,在预置垃圾投放处发生用户投放垃圾动作时,对预置垃圾投放处的垃圾投放动作作出响应,从预置垃圾投放处的用户识别装置获取用户信息。然后,通过预置垃圾投放处的图像识别装置对用户投放的垃圾进行垃圾属性信息标记,并获取用户的垃圾分类结果,得到垃圾投放结果。最后,将用户信息与垃圾投放结果绑定。本申请实施例中的用户识别装置有多种选择,这里采用人脸识别装置,使用人脸识别装置避免用户直接接触,不仅方便,而且减少了细菌感染。
步骤203、将投放垃圾放置在图像采集装置的采集视野内,图像采集装置与安装有Tensorflow视觉垃圾分类系统的树莓派连接。
需要说明的是,预置垃圾投放处将用户信息与垃圾投放结果绑定后,将投放垃圾运送到垃圾回收站,然后将投放垃圾放置在图像采集装置的采集视野内,保证图像采集装置能对投放垃圾进行全面的图像采集。图像采集装置与安装有Tensorflow视觉垃圾分类系统的树莓派连接,并将采集到的结果传送给树莓派,树莓派进行分析并处理。
步骤204、在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,使预先训练好的AI模型对从图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
需要说明的是,本申请实施例的步骤204在实施例1的步骤102的基础上,在树莓派上运行Tensorflow视觉垃圾分类系统之前,先通过卷积进行特征提取和网络训练,然后再通过RPN层提取网络细节进行网络训练迭代得到AI模型,当树莓派上运行Tensorflow视觉垃圾分类系统时,训练好的AI模型就直接对从图像采集装置获取到的图像进行识别并拆分成单数字图像,然后进行垃圾分类分析,从而得到分拣结果。事先收集大量不同种类的垃圾图像以及模拟的垃圾分类场景,然后将这些图像上传树莓派中,在树莓派上通过卷积进行对这些垃圾图像和垃圾分类场景进行特征提取,然后再通过RPN层将提取网络细节进行网络训练从而迭代得到AI模型,从多方面多方位进行训练得到的AI模型的分拣准确率高且反应速度快。
步骤205、将分拣结果与垃圾投放结果比对,得到用户的垃圾投放正确率。
步骤206、将垃圾投放正确率转换成相应的积分,上传到区块链中保存。
需要说明的是,本申请实施例中的步骤206和步骤207与实施例1中的步骤103和步骤104一致,在此不再进行赘述。
实施例3
作为对实施例2的进一步改进,请参阅图3,本申请中提供了一种基于区块链的生活垃圾分拣处理方法的另一个实施例,包括:
步骤301、获取预置垃圾投放处所属区域的所有用户信息,将所有用户信息录入用户数据库,以使得在用户在预置垃圾投放处投放垃圾时获得投放垃圾的用户信息。
步骤302、获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将用户信息与垃圾投放结果绑定,垃圾投放结果包括垃圾属性信息和垃圾分类结果。
步骤303、将投放垃圾放置在图像采集装置的采集视野内,图像采集装置与安装有Tensorflow视觉垃圾分类系统的树莓派连接。
步骤304、在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,使预先训练好的AI模型对从图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
步骤305、根据分拣结果控制机械臂将投放垃圾投放到对应的垃圾箱内。
步骤306、将分拣结果与垃圾投放结果比对,得到用户的垃圾投放正确率。
步骤307、将垃圾投放正确率在树莓派上转换成相应的积分,上传到区块链中保存。
需要说明的是,本申请实施例中,在实施例2的基础上,还可以增加步骤305,得到分析结果后,树莓派再根据分析结果控制机械臂进行分拣,将投放垃圾投放到对应的垃圾箱内。在树莓派运行Tensorflow视觉垃圾分类系统,通过分析图像采集装置采集到的图像,找出分类错误的垃圾并确定其所在位置,然后控制机械臂将它分拣出来,放置到正确的垃圾箱内,避免了人工进行分拣,且分拣效率有明显的提高。步骤307是在树莓派上实现的,树莓派得到垃圾投放的正确率后,直接将垃圾投放正确率转换成相应的积分,并上传到区块链中保存。直接在树莓派上进行转换,减少另外采用工具进行转换的时间和减少人工操作的步骤,进一步降低了成本。
实施例4
为了便于理解,请参阅图4,本申请中提供了一种基于区块链的生活垃圾分拣处理系统的实施例,包括:
获取模块,用于获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将用户信息与垃圾投放结果绑定,垃圾投放结果包括垃圾属性信息和垃圾分类结果;
分拣模块,用于在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,得到分拣结果;
比对模块,用于将分拣结果与垃圾投放结果比对,得到用户的垃圾投放正确率;
转换模块,用于将垃圾投放正确率转换成相应的积分,上传到区块链中保存。
需要说明的是,用户在丢完垃圾后,不知道自己所丢的垃圾的后续处理情况,也不知道自己垃圾分类的分类结果是否正确,垃圾回收站在回收垃圾时也不知道这些垃圾的主人是谁,垃圾回收站将用户的投放垃圾运送回去,将投放垃圾放到相应的传送带上,垃圾分拣工在传送带两旁对垃圾进行二次分拣。采用人工方式对垃圾进行二次分拣,不仅分拣效率较低,且人工投入的费用较大,用户也不能知道最终的分拣结果,因此,为解决以上问题,本申请实例中,系统中的获取模块事先将预置垃圾投放处所属区域的所有用户信息录入到数据库中,这样用户在所属预置垃圾投放处投放垃圾垃圾时,就能在预置垃圾投放处获得投放垃圾的用户信息,并把用户信息与垃圾投放的结果进行绑定。垃圾回收站将垃圾运送回去后,系统通过运行分拣模块,实现垃圾分拣,分拣模块是通过在树莓派上运行Tensorflow视觉垃圾分类系统,通过控制分拣装置对投放垃圾进行二次分拣,就能得到分拣结果,不需要大量的人力进行垃圾分拣。系统中的比对模块将分拣结果与从获取模块中得到的垃圾投放结果进行比较,得出用户的垃圾投放正确率,然后系统中的转换模块将比对模块得到的用户的垃圾投放的正确率转换成相应的积分,并上传到区块链中保存,用户可以在区块链看到自己的垃圾投放正确率,也可以把自己的积分到相应的商场换取奖品。
本申请中提供了一种基于区块链的生活垃圾分拣处理系统,通过获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,并将用户信息与垃圾属性信息和垃圾分类结果进行绑定,在垃圾被输送到垃圾回收站之后,通过在树莓派上运行Tensorflow视觉垃圾分类系统对投放垃圾进行二次分拣,并将分拣结果和垃圾投放结果进行比对,得到用户垃圾投放正确率,转换成相应的积分上传到区块链中保存,在整个垃圾分拣过程中,不需要垃圾分拣工进行人工分拣,不仅减少了人工操作的步骤,还提高了分拣效率,节省了人工成本;通过二次分拣结果比对,能够获得用户的垃圾分类结果,以转换为积分的方式反馈给用户,激励用户对垃圾分类的积极性,且将数据存储在区块链中,安全可靠,解决了现有的垃圾回收站采用人工方式对垃圾进行二次分拣,分拣效率较低,人工投入的费用较大,且无法确认市民的垃圾分类结果是否准确,不利于快速普及垃圾分类的技术问题。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于区块链的生活垃圾分拣处理方法,其特征在于,包括:获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,所述垃圾投放结果包括垃圾属性信息和垃圾分类结果;
在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果;
将所述分拣结果与所述垃圾投放结果比对,得到用户的垃圾投放正确率;
将所述垃圾投放正确率转换成相应的积分,上传到区块链中保存。
2.根据权利要求1所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,包括:
对预置垃圾投放处的垃圾投放动作作出响应,从所述预置垃圾投放处的用户识别装置获取用户信息;
通过所述预置垃圾投放处的图像识别装置对用户投放的垃圾进行垃圾属性信息标记,并获取用户的垃圾分类结果,得到垃圾投放结果;
将所述用户信息与所述垃圾投放结果绑定。
3.根据权利要求2所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述用户识别装置为人脸识别装置。
4.根据权利要求1所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,之前还包括:
获取所述预置垃圾投放处所属区域的所有用户信息,将所述所有用户信息录入区块链中的用户数据库,以使得在用户在所述预置垃圾投放处投放垃圾时获得投放垃圾的用户信息。
5.根据权利要求1所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,之前还包括:
将所述投放垃圾放置在图像采集装置的采集视野内,所述图像采集装置与安装有Tensorflow视觉垃圾分类系统的树莓派连接。
6.根据权利要求5所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,包括:
在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,使预先训练好的AI模型对从所述图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
7.根据权利要求6所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,使预先训练好的AI模型对从所述图像采集装置获取到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果,包括:
在所述树莓派上运行所述Tensorflow视觉垃圾分类系统,通过卷积进行特征提取和网络训练,再通过RPN层提取网络细节进行网络训练迭代得到所述AI模型对接收到的图像进行识别拆分成单数字图像并进行垃圾分类分析,得到分拣结果。
8.根据权利要求6或7所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果,之后还包括:
根据所述分拣结果控制机械臂将所述投放垃圾投放到对应的垃圾箱内。
9.根据权利要求1所述的基于区块链的生活垃圾分拣处理方法,其特征在于,所述将所述垃圾投放正确率转换成相应的积分,上传到区块链中保存,包括:
将所述垃圾投放正确率在所述树莓派上转换成相应的积分,上传到所述区块链中保存。
10.一种基于区块链的生活垃圾分拣处理系统,其特征在于,包括:
获取模块,用于获取在预置垃圾投放处投放垃圾的用户信息和垃圾投放结果,将所述用户信息与所述垃圾投放结果绑定,所述垃圾投放结果包括垃圾属性信息和垃圾分类结果;
分拣模块,用于在树莓派上运行Tensorflow视觉垃圾分类系统对所述投放垃圾进行二次分拣,得到分拣结果;
比对模块,用于将所述分拣结果与所述垃圾投放结果比对,得到用户垃圾投放正确率;
转换模块,用于将所述垃圾投放正确率转换成相应的积分,上传到区块链中保存。
CN202110547126.0A 2021-05-19 2021-05-19 一种基于区块链的生活垃圾分拣处理方法和系统 Pending CN113505633A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110547126.0A CN113505633A (zh) 2021-05-19 2021-05-19 一种基于区块链的生活垃圾分拣处理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110547126.0A CN113505633A (zh) 2021-05-19 2021-05-19 一种基于区块链的生活垃圾分拣处理方法和系统

Publications (1)

Publication Number Publication Date
CN113505633A true CN113505633A (zh) 2021-10-15

Family

ID=78009154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110547126.0A Pending CN113505633A (zh) 2021-05-19 2021-05-19 一种基于区块链的生活垃圾分拣处理方法和系统

Country Status (1)

Country Link
CN (1) CN113505633A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190392403A1 (en) * 2018-06-22 2019-12-26 Antonio Alfredo Rainaldi Collecting and sorting garbage and managing recycling using sensing technology
CN110743818A (zh) * 2019-11-29 2020-02-04 苏州嘉诺环境工程有限公司 基于视觉及深度学习的垃圾分选系统、垃圾分选方法
CN110844394A (zh) * 2019-12-06 2020-02-28 腾讯科技(深圳)有限公司 一种基于区块链的垃圾分类激励方法及装置
CN111260090A (zh) * 2020-02-28 2020-06-09 山东爱城市网信息技术有限公司 一种基于区块链的垃圾分类信用积分构建系统及方法
CN111498327A (zh) * 2020-04-13 2020-08-07 广州东软科技有限公司 基于区块链技术提高垃圾分类正确率的系统及方法
CN111652214A (zh) * 2020-05-26 2020-09-11 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的垃圾瓶分选方法
CN112046961A (zh) * 2020-08-02 2020-12-08 江苏彩虹智能公共设施有限公司 一种社区智能积分制垃圾回收站及其回收方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190392403A1 (en) * 2018-06-22 2019-12-26 Antonio Alfredo Rainaldi Collecting and sorting garbage and managing recycling using sensing technology
CN110743818A (zh) * 2019-11-29 2020-02-04 苏州嘉诺环境工程有限公司 基于视觉及深度学习的垃圾分选系统、垃圾分选方法
CN110844394A (zh) * 2019-12-06 2020-02-28 腾讯科技(深圳)有限公司 一种基于区块链的垃圾分类激励方法及装置
CN111260090A (zh) * 2020-02-28 2020-06-09 山东爱城市网信息技术有限公司 一种基于区块链的垃圾分类信用积分构建系统及方法
CN111498327A (zh) * 2020-04-13 2020-08-07 广州东软科技有限公司 基于区块链技术提高垃圾分类正确率的系统及方法
CN111652214A (zh) * 2020-05-26 2020-09-11 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的垃圾瓶分选方法
CN112046961A (zh) * 2020-08-02 2020-12-08 江苏彩虹智能公共设施有限公司 一种社区智能积分制垃圾回收站及其回收方法

Similar Documents

Publication Publication Date Title
CN110053903B (zh) 生活垃圾分类回收管理系统及方法
CN108971190B (zh) 一种基于机器视觉的生活垃圾分拣方法
CN110294236A (zh) 一种垃圾分类监督装置、方法及服务器系统
CN109919243A (zh) 一种基于cnn的废钢铁种类自动识别方法及装置
CN110355188B (zh) 基于土地多重利用的智慧垃圾分类原位减量资源化系统
CN205034594U (zh) 一种垃圾分类回收生态系统
CN110516625A (zh) 一种垃圾识别分类的方法、系统、终端及存储介质
CN110921146A (zh) 基于互联网大数据和图像处理技术的生活垃圾分类方法及其系统
CN110065746B (zh) 一种基于物联网的航运垃圾分类系统
CN112478488B (zh) 垃圾自动分类收集系统及方法
CN206701918U (zh) 一种多传感器融合的垃圾分拣装置
CN113505633A (zh) 一种基于区块链的生活垃圾分拣处理方法和系统
CN112558564A (zh) 一种农村牧区垃圾分类管理系统
CN112849850A (zh) 垃圾治理系统、方法、装置和存储介质
CN117088015A (zh) 一种智慧垃圾处理方法、系统及存储介质
CN110562623A (zh) 一种智能垃圾分类系统
CN215624437U (zh) 一种基于ros智能agv小车的生活垃圾回收系统
CN213110846U (zh) 垃圾自动分拣系统
CN113680685A (zh) 一种基于可回收的垃圾分类处理系统
CN115701363A (zh) 厨余垃圾分拣系统及方法
CN111498326A (zh) 一种基于二类识别模型的垃圾自动分类机
CN112508103A (zh) 一种基于垃圾收运车的易腐垃圾图像识别与考核管理方法
CN112668678A (zh) 一种垃圾智能分类回收处理系统平台
CN111717570A (zh) 垃圾自动分拣系统及方法
CN111605927A (zh) 一种智能垃圾桶系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211015