CN113682686A - 自动破袋分类箱基于ai算法监控满溢报警的识别方法 - Google Patents

Abstract

本发明涉及环保领域，自动破袋分类箱基于AI算法监控满溢报警的识别方法，包括如下步骤：步骤1：拍摄垃圾桶内的垃圾图像，判断垃圾桶内的垃圾成分所属的垃圾种类；步骤2：基于步骤1中判断得到的垃圾成分结果，拍摄含有垃圾桶所对应的满溢检测线的图像；步骤3，判断步骤2所获取的图像中，判断满溢检测线被覆盖率；步骤4，基于步骤1中的垃圾成分结果和步骤3中的满溢检测线被覆盖率，判断当前垃圾桶是否处于满溢状态。该方法可综合各类垃圾成分的满溢检测标准，并基于所检测垃圾成分采用其适配的满溢检测方案，如此适用性更广。并且，该方案采用AI拍照识别的方案对于垃圾桶的成分和满溢情况进行判断，相比于背景技术中的方案，该检测方案检测结果更加准确。

Description

自动破袋分类箱基于AI算法监控满溢报警的识别方法

技术领域

本发明涉及环保领域，尤其涉及自动破袋分类箱基于AI算法监控满溢报警的识别方法。

背景技术

目前垃圾分类回收采用定点定时回收的方式，回收站点需要工作人员值守；依靠人工来识别用户投入的垃圾成分，以及判断垃圾桶是否满溢；从而能够通知运输人员进行更换；此方案效率较低，站点工作人员的工作环境较差。而在一些无人值守，但定期清理的站点中，则在垃圾箱使用过程中容易出现未到清理时间节点就已经把垃圾箱装填满的问题。

究其原因，主要在于工作人员无法及时获知垃圾桶的满溢情况。

在此基础上，行业中出现了用于检测垃圾桶满溢的检测机构；目前的自动检测满溢方法主要有两种，第一种是在垃圾桶内壁上设置检测传感器，当垃圾满溢时，检测传感器被覆盖从而发出满溢报警信号；具体可参考公开号为“CN110796272A”的中国发明专利公开文本记载的垃圾满溢提醒方法及系统。第二种方案是在垃圾桶桶口正上方设置红外检测模块或者是超声波检测模块，基于红外反射或超声波反射信号来判断垃圾桶的满溢情况，红外检测模块的方案可参考公开号为“CN111591618A”的中国发明专利公开文本记载的一种垃圾满溢提示报警垃圾箱；超声波检测的方案可参考公开号为“CN111924375A”的中国发明专利公开文本中记载的一种智能垃圾回收系统。

上述现有检测方案存在较多不足之处，就垃圾桶桶壁上设置传感器的方案，其整体成本较高，而垃圾桶壁面上沾染的污渍也容易导致检测出错。桶口上的红外检测或超声波检测方案则存在识别效果较差，尤其针对于垃圾桶局部垃圾堆积，但桶体存在较多储存空间的情况。因此，需要在上述方案基础上提出一种新的垃圾满溢检测方法。

再者根据目前的垃圾分类回收方式，主要讲垃圾分为厨余垃圾和其它垃圾，厨余垃圾主要是厨房垃圾，多数为流质，在垃圾桶内基本呈铺平状态，不会出现局部垃圾堆高的情况；但是其它垃圾一般通过垃圾袋袋装，有较大可能出现局部垃圾堆高的情况。因此，针对于处于垃圾和其它垃圾，其判断垃圾桶满溢的标准不同；一般来说，对于厨余垃圾的检测线不能太高，否则会出现厨余垃圾满溢情况发生；而对其它垃圾则可将检测线设置的更高，即便是局部位置超出垃圾桶桶口延边，也是被允许的。传统方案中，厨余垃圾和其它垃圾的满溢检测共用上述方案，采用同一标准；从而容易使装载其它垃圾的垃圾桶满溢检测出错。

发明内容

为了解决上述问题，本发明的目的在于提供自动破袋分类箱基于AI算法监控满溢报警的识别方法，该方法可综合各类垃圾成分的满溢检测标准，并基于所检测垃圾成分采用其适配的满溢检测方案，如此适用性更广。并且，该方案采用AI拍照识别的方案对于垃圾桶的成分和满溢情况进行判断，相比于背景技术中的方案，该检测方案检测结果更加准确。

为了实现上述的目的，本发明采用了以下的技术方案：

自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：包括如下步骤：

步骤1：拍摄垃圾桶内的垃圾图像，判断垃圾桶内的垃圾成分所属的垃圾种类；

步骤2：基于步骤1中判断得到的垃圾成分结果，拍摄含有垃圾桶所对应的满溢检测线的图像；

步骤3，判断步骤2所获取的图像中，判断满溢检测线被覆盖率；

步骤4，基于步骤1中的垃圾成分结果和步骤3中的满溢检测线被覆盖率，判断当前垃圾桶是否处于满溢状态。

本发明采用上述技术方案，该技术方案涉及自动破袋分类箱基于AI算法监控满溢报警的识别方法，该识别方法中先对于垃圾桶内的垃圾成分进行识别，其通过判断垃圾桶内的垃圾成分结果而采用不同的满溢检测标准，不同的满溢检测标准主要体现在满溢检测线的位置不同，以及对于满溢状态采用不同标准的满溢检测线被覆盖率。如此，该方法可综合各类垃圾成分的满溢检测标准，并基于所检测垃圾成分采用其适配的满溢检测方案，如此适用性更广。

再者，该方案采用AI拍照识别的方案对于垃圾桶的成分和满溢情况进行判断，相比于背景技术中的方案，该检测方案检测结果更加准确。

优选方案中，步骤1中的垃圾成分所属的垃圾种类分为易腐垃圾和其它垃圾。基于背景技术中对于易腐垃圾【厨余垃圾】和其它垃圾的特点，本方案对于易腐垃圾和其它垃圾采用两套不同的满溢检测标准。

在具体的方案中，所述垃圾桶内至少设有具有不同识别特征的第一满溢检测线和第二满溢检测线，第一满溢检测线和第二满溢检测线沿垃圾桶内周向连续或间断设置，第一满溢检测线处于第二满溢检测线的下方；当步骤1中判断得到的垃圾成分为易腐垃圾时，步骤2拍摄含有第一满溢检测线的图像，步骤3判断第一满溢检测线的被覆盖率；当步骤1中判断得到的垃圾成分为其它垃圾时，步骤2拍摄含有第二满溢检测线的图像，步骤3判断第二满溢检测线的被覆盖率。

该技术方案中，由于第一满溢检测线处于第二满溢检测线的下方，易腐垃圾的满溢判断是基于第一满溢检测线进行，在桶内垃圾超过第一满溢检测线时及时给出满溢报警，从而避免厨余垃圾投递过量而溢出垃圾桶；其它垃圾的满溢判断是基于第二满溢检测线进行，当在桶内垃圾超过第二满溢检测线时及时给出满溢报警，从而避免其它垃圾投递过量而溢出垃圾桶。参考背景技术中对于易腐垃圾【厨余垃圾】和其它垃圾的特点，之所以不都采用第一满溢检测线进行检测，而采用第二满溢检测线作为其它垃圾的满溢判断标准，是因为第一满溢检测线的位置相对较低，会降低单个垃圾桶内的垃圾投放量，造成垃圾桶的使用效率不高。之所以不都采用第二满溢检测线进行检测，而采用第一满溢检测线作为易腐垃圾的满溢判断标准，是因为第二满溢检测线的位置相对较高，当其作为厨余垃圾满溢判断标准，则容易造成清运不及时就满溢的情况，也可能造成清运过程中厨余垃圾晃出。

作为优选，所述第二满溢检测线为垃圾桶桶口的边缘线。如背景技术中记载，其它垃圾一般通过垃圾袋袋装投递，而袋装垃圾不像散装垃圾易于从桶口掉落，故此方案中将垃圾桶桶口的边缘线作为第二满溢检测线，从而尽可能利用该垃圾桶的空间。需要说明的是，此处的垃圾桶桶口边缘线一般指垃圾桶的桶口内壁边缘，当然也可采用其口外壁边缘。

作为优选，所述第一满溢检测线为粘贴、喷涂/浇筑方式设置于垃圾桶内壁上。此方案中所采用的垃圾桶内壁上需设置第一满溢检测线以作为厨余垃圾的满溢判断标准，具体可以在垃圾桶制作过程中就将其设置于垃圾桶内壁中，如采用浇筑方式；也可以是对于现有垃圾桶进行的改造，如采用粘贴或喷涂方式设置于垃圾桶内壁上

作为优选，所述垃圾桶上方设有第一摄像头和两台第二摄像头；第一摄像头处于垃圾桶桶口正上方，用于拍摄垃圾桶内的垃圾图像；两台第二摄像头分别设置于第一摄像头两侧，并倾斜朝向垃圾桶桶口；两台第二摄像头分别用于拍摄含有第一满溢检测线或第二满溢检测线的图像，第二摄像头拍摄的图像中第一满溢检测线或第二满溢检测线的边缘超过垃圾桶的中线，且两台第二摄像头拍摄的图像中第一满溢检测线或第二满溢检测线的边缘部分重合。此方案中，采用两台第二摄像头倾斜拍摄第一满溢检测线或第二满溢检测线的图像，相比于正上方拍摄照片的方式，具有以下几方面的考虑：1，目前垃圾桶一般为直筒型垃圾桶，垃圾桶的内壁呈直壁或小角度的锥形侧壁，故设置于垃圾桶内壁上的第一满溢检测线或第二满溢检测线难以被拍摄到，从而导致该方案难以实现；2，由于摄像机拍摄存在着透视效果，正上方拍照容易使中部的垃圾拍摄得更大，从而影响其第一满溢检测线或第二满溢检测线被覆盖率的判断。而采用两台第二摄像头倾斜拍摄

基于上述方案，所述步骤3具体包括：

步骤3.1，在两台第二摄像头拍摄的图像中分别判断垃圾桶中线以内部分的第一满溢检测线或第二满溢检测线被覆盖的百分比；

步骤3.2，将两张图像中按步骤3.1得到的第一满溢检测线或第二满溢检测线被覆盖百分比进行组合，得到被覆盖率。

附图说明

图1为本发明创造的结构示意图。

图2为本发明创造涉及的流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

如图1~2所示，本实施例涉及自动破袋分类箱基于AI算法监控满溢报警的识别方法，包括如下步骤：

步骤1：拍摄垃圾桶1内的垃圾图像，判断垃圾桶1内的垃圾成分所属的垃圾种类为易腐垃圾或其它垃圾；

步骤2：基于步骤1中判断得到的垃圾成分结果是易腐垃圾或其它垃圾，拍摄含有垃圾桶1上所对应的第一满溢检测线11或第二满溢检测线12图像；

步骤3，判断步骤2所获取的图像中，判断满溢检测线被覆盖率；具体分为下面步骤3.1和3.2；

步骤3.1，在两台第二摄像头拍摄的图像中分别判断垃圾桶1中线以内部分的第一满溢检测线11或第二满溢检测线12被覆盖的百分比；

步骤3.2，将两张图像中按步骤3.1得到的第一满溢检测线11或第二满溢检测线12被覆盖百分比进行组合，得到被覆盖率；

步骤4，基于步骤1中的垃圾成分结果和步骤3中的满溢检测线被覆盖率，判断当前垃圾桶1是否处于满溢状态。

本发明采用上述技术方案，该技术方案涉及自动破袋分类箱基于AI算法监控满溢报警的识别方法，该识别方法中先对于垃圾桶1内的垃圾成分进行识别，其通过判断垃圾桶1内的垃圾成分结果而采用不同的满溢检测标准，不同的满溢检测标准主要体现在满溢检测线的位置不同，以及对于满溢状态采用不同标准的满溢检测线被覆盖率。如此，该方法可综合各类垃圾成分的满溢检测标准，并基于所检测垃圾成分采用其适配的满溢检测方案，如此适用性更广。

再者，该方案采用AI拍照识别的方案对于垃圾桶1的成分和满溢情况进行判断，相比于背景技术中的方案，该检测方案检测结果更加准确。

上述步骤2中的满溢检测线包括第一满溢检测线11和第二满溢检测线12，第一满溢检测线11和第二满溢检测线12具有不同识别特征并布置于垃圾桶1内壁上，第一满溢检测线11和第二满溢检测线12沿垃圾桶1内周向连续或间断设置，第一满溢检测线11处于第二满溢检测线12的下方。当步骤1中判断得到的垃圾成分为易腐垃圾时，步骤2拍摄含有第一满溢检测线11的图像，步骤3判断第一满溢检测线11的被覆盖率；当步骤1中判断得到的垃圾成分为其它垃圾时，步骤2拍摄含有第二满溢检测线12的图像，步骤3判断第二满溢检测线12的被覆盖率。该技术方案中，由于第一满溢检测线11处于第二满溢检测线12的下方，易腐垃圾的满溢判断是基于第一满溢检测线11进行，在桶内垃圾超过第一满溢检测线11时及时给出满溢报警，从而避免厨余垃圾投递过量而溢出垃圾桶1；其它垃圾的满溢判断是基于第二满溢检测线12进行，当在桶内垃圾超过第二满溢检测线12时及时给出满溢报警，从而避免其它垃圾投递过量而溢出垃圾桶1。参考背景技术中对于易腐垃圾【厨余垃圾】和其它垃圾的特点，之所以不都采用第一满溢检测线11进行检测，而采用第二满溢检测线12作为其它垃圾的满溢判断标准，是因为第一满溢检测线11的位置相对较低，会降低单个垃圾桶1内的垃圾投放量，造成垃圾桶1的使用效率不高。之所以不都采用第二满溢检测线12进行检测，而采用第一满溢检测线11作为易腐垃圾的满溢判断标准，是因为第二满溢检测线12的位置相对较高，当其作为厨余垃圾满溢判断标准，则容易造成清运不及时就满溢的情况，也可能造成清运过程中厨余垃圾晃出。

上述方案中，所述第一满溢检测线11为粘贴、喷涂/浇筑方式设置于垃圾桶1内壁上。此方案中所采用的垃圾桶1内壁上需设置第一满溢检测线11以作为厨余垃圾的满溢判断标准，具体可以在垃圾桶1制作过程中就将其设置于垃圾桶1内壁中，如采用浇筑方式；也可以是对于现有垃圾桶1进行的改造，如采用粘贴或喷涂方式设置于垃圾桶1内壁上。

所述第二满溢检测线12为垃圾桶1桶口的边缘线。如背景技术中记载，其它垃圾一般通过垃圾袋袋装投递，而袋装垃圾不像散装垃圾易于从桶口掉落，故此方案中将垃圾桶1桶口的边缘线作为第二满溢检测线12，从而尽可能利用该垃圾桶1的空间。需要说明的是，此处的垃圾桶1桶口边缘线一般指垃圾桶1的桶口内壁边缘，当然也可采用其口外壁边缘。

在进一步的方案中，所述垃圾桶1上方设有第一摄像头21和两台第二摄像头22；第一摄像头21处于垃圾桶1桶口正上方，用于拍摄垃圾桶1内的垃圾图像；两台第二摄像头22分别设置于第一摄像头21两侧，并倾斜朝向垃圾桶1桶口；两台第二摄像头22分别用于拍摄含有第一满溢检测线11或第二满溢检测线12的图像，第二摄像头22拍摄的图像中第一满溢检测线11或第二满溢检测线12的边缘超过垃圾桶1的中线，且两台第二摄像头22拍摄的图像中第一满溢检测线11或第二满溢检测线12的边缘部分重合。此方案中，采用两台第二摄像头22倾斜拍摄第一满溢检测线11或第二满溢检测线12的图像，相比于正上方拍摄照片的方式，具有以下几方面的考虑：1，目前垃圾桶1一般为直筒型垃圾桶1，垃圾桶1的内壁呈直壁或小角度的锥形侧壁，故设置于垃圾桶1内壁上的第一满溢检测线11或第二满溢检测线12难以被拍摄到，从而导致该方案难以实现；2，由于摄像机拍摄存在着透视效果，正上方拍照容易使中部的垃圾拍摄得更大，从而影响其第一满溢检测线11或第二满溢检测线12被覆盖率的判断，而采用两台第二摄像头22倾斜拍摄。

最后，步骤4进行满溢判断时，对于易腐垃圾和其它垃圾采用不同要求的被覆盖率标准，由于易腐垃圾不太会出现局部堆高的情况，故其要求的被覆盖率较低，如仅要求达到40%即可判断为满溢；而其它垃圾容易出现局部堆高的情况，故其要求的被覆盖率较高，如要求达到75%可判断为满溢。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：包括如下步骤：

步骤1：拍摄垃圾桶（1）内的垃圾图像，判断垃圾桶（1）内的垃圾成分所属的垃圾种类；

步骤2：基于步骤1中判断得到的垃圾成分结果，拍摄含有垃圾桶（1）所对应的满溢检测线的图像；

步骤3，判断步骤2所获取的图像中，判断满溢检测线被覆盖率；

步骤4，基于步骤1中的垃圾成分结果和步骤3中的满溢检测线被覆盖率，判断当前垃圾桶（1）是否处于满溢状态。

2.根据权利要求1所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：步骤1中的垃圾成分所属的垃圾种类分为易腐垃圾和其它垃圾。

3.根据权利要求2所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：所述垃圾桶（1）内至少设有具有不同识别特征的第一满溢检测线（11）和第二满溢检测线（12），第一满溢检测线（11）和第二满溢检测线（12）沿垃圾桶（1）内周向连续或间断设置，第一满溢检测线（11）处于第二满溢检测线（12）的下方；当步骤1中判断得到的垃圾成分为易腐垃圾时，步骤2拍摄含有第一满溢检测线（11）的图像，步骤3判断第一满溢检测线（11）的被覆盖率；当步骤1中判断得到的垃圾成分为其它垃圾时，步骤2拍摄含有第二满溢检测线（12）的图像，步骤3判断第二满溢检测线（12）的被覆盖率。

4.根据权利要求3所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：所述第二满溢检测线（12）为垃圾桶（1）桶口的边缘线。

5.根据权利要求3所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：所述第一满溢检测线（11）为粘贴、喷涂/浇筑方式设置于垃圾桶（1）内壁上。

6.根据权利要求3所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：所述垃圾桶（1）上方设有第一摄像头（21）和两台第二摄像头（22）；第一摄像头（21）处于垃圾桶（1）桶口正上方，用于拍摄垃圾桶（1）内的垃圾图像；两台第二摄像头（22）分别设置于第一摄像头（21）两侧，并倾斜朝向垃圾桶（1）桶口；两台第二摄像头（22）分别用于拍摄含有第一满溢检测线（11）或第二满溢检测线（12）的图像，第二摄像头（22）拍摄的图像中第一满溢检测线（11）或第二满溢检测线（12）的边缘超过垃圾桶（1）的中线，且两台第二摄像头（22）拍摄的图像中第一满溢检测线（11）或第二满溢检测线（12）的边缘部分重合。

7.根据权利要求3所述的自动破袋分类箱基于AI算法监控满溢报警的识别方法，其特征在于：步骤3包括：

步骤3.1，在两台第二摄像头（22）拍摄的图像中分别判断垃圾桶（1）中线以内部分的第一满溢检测线（11）或第二满溢检测线（12）被覆盖的百分比；

步骤3.2，将两张图像中按步骤3.1得到的第一满溢检测线（11）或第二满溢检测线（12）被覆盖百分比进行组合，得到被覆盖率。

Images