CN113743408A - 废弃物处理方法、装置、存储介质、处理器及电子设备 - Google Patents
废弃物处理方法、装置、存储介质、处理器及电子设备 Download PDFInfo
- Publication number
- CN113743408A CN113743408A CN202111291014.XA CN202111291014A CN113743408A CN 113743408 A CN113743408 A CN 113743408A CN 202111291014 A CN202111291014 A CN 202111291014A CN 113743408 A CN113743408 A CN 113743408A
- Authority
- CN
- China
- Prior art keywords
- waste
- target
- candidate
- wastes
- position information
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 491
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011084 recovery Methods 0.000 claims abstract description 16
- 238000004064 recycling Methods 0.000 claims description 48
- 238000001514 detection method Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 27
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000004140 cleaning Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000036544 posture Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000007635 classification algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000000969 carrier Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 239000010791 domestic waste Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000002440 industrial waste Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种废弃物处理方法、装置、存储介质、处理器及电子设备。其中,该方法包括:获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理。本发明解决了相关技术中依赖人工清扫和回收废弃物,存在废弃物处理效率低且分类成本高的技术问题。
Description
技术领域
本发明涉及智能废弃物分类技术领域,具体而言,涉及一种废弃物处理方法、装置、存储介质、处理器及电子设备。
背景技术
当前针对环境治理提出了很多很高的挑战,例如塑料的全链路,大江大河治理等等。在整个环境治理中,废弃物的回收和分类也是重要的一环。为了解决废弃物的回收和分类问题,现在已经有一系列的方案来智能化的解决自动回收定点废弃物桶中的智能车方案。
但是现有的对于公共路面和公共水域上的散落废弃物仍主要依赖于人工进行清扫和回收,例如:调用环卫工或是使用环卫车,因需要大量清扫员和驾驶员进行废弃物清扫和回收,产生了大量人工成本;水路上的废弃物回收更是依赖人工船这种大消耗、低效率的方案,且人工清扫覆盖场景有限,清扫过程无法对废弃物进行分类,难以长距离大区域清扫。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种废弃物处理方法、装置、存储介质、处理器及电子设备,以至少解决相关技术中依赖人工清扫和回收废弃物,存在废弃物处理效率低且分类成本高的技术问题。
根据本发明实施例的一个方面,提供了一种废弃物处理方法,包括:获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理。
根据本发明实施例的另一方面,还提供了一种废弃物处理方法,包括:获取河道图像;从上述河道图像中获取多个候选河道废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;对上述目标河道废弃物进行回收处理。
根据本发明实施例的另一方面,还提供了一种废弃物处理装置,包括:第一获取模块,用于获取目标区域图像;第二获取模块,用于从上述目标区域图像中获取多个候选废弃物的位置信息;确定模块,用于基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;处理模块,用于对上述目标废弃物进行回收处理。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行任意一项上述的废弃物处理方法。
根据本发明实施例的另一方面,还提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行任意一项上述的废弃物处理方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,与上述处理器连接,用于为上述处理器提供处理以下处理步骤的指令:步骤1,获取目标区域图像;步骤2,从上述目标区域图像中获取多个候选废弃物的位置信息;步骤3,基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;步骤4,对上述目标废弃物进行回收处理。
在本发明实施例中,通过获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理,通过判定上述多个候选废弃物与周围环境主体之间的相对属性关系,对目标废弃物进行自动回收,达到了采用目标载具代替人工进行废弃物回收的目的,从而实现了提升废弃物回收处理效率且降低分类成本的技术效果,进而解决了相关技术中依赖人工清扫和回收废弃物,存在废弃物处理效率低且分类成本高的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了一种用于实现废弃物处理方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本发明实施例的一种废弃物处理方法的流程图;
图3是根据本发明实施例的一种智能废弃物回收载具的结构示意图;
图4是根据本发明实施例的另一种废弃物处理方法的流程图;
图5是根据本发明实施例的一种废弃物处理装置的结构示意图;
图6是根据本发明实施例的一种计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种废弃物处理的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例1所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现废弃物处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示,计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本发明实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的废弃物处理方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的废弃物处理方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
在上述运行环境下,提供了如图2所示的一种废弃物处理方法,图2是根据本发明实施例的一种废弃物处理方法的流程图,如图2所示,该方法包括:
步骤S102,获取目标区域图像;
步骤S104,从上述目标区域图像中获取多个候选废弃物的位置信息;
步骤S106,基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;
步骤S108,对上述目标废弃物进行回收处理。
可选的,上述废弃物可以包括但不限于:气体、液体、固体等多种形态的废弃物,固体形态的废弃物可以包括但不限于:生活废弃物、工业废弃物等。
可选的,上述目标区域图像可以拍摄任意一处需要进行废弃物分类的区域(例如,河道、城市、乡村、校园、体育场、高速公路、马路、建筑工地等等)得到的图像,例如,可以采用自动驾驶技术控制目标载具自动在城市中进行巡航或者巡逻,并采用该目标载具的摄像装置拍摄巡航或巡逻区域,得到上述目标区域图像。
可选的,上述废弃物从属关系的判断可以通过从属关系算法实现,上述废弃物从属关系算法依赖目标废弃物和/或候选废弃物以及周围环境重要主体(例如:人、车、场景等)的相对属性关系,通过深度学习算法,将这些相对属性关系作为输入得到目标和主体的从属分数。上述对相对属性关系的判断方式包括却不限于:判断目标和主体之间的距离、目标类别、场景类别、目标与主体姿态之间的关系、主体视线与目标的位置关系等,上述目标可以为上述目标废弃物或上述候选废弃物,上述主体可以为人、宠物、环境等。例如:树荫下的报纸(目标)可以判断为目标废弃物,树荫下铺在地上且盛放着物品(主题)的报纸(目标)则不可以判断为目标废弃物;挂在树上的风筝(目标)可以判断为目标废弃物,树下的小孩(主体)注视着树上的风筝(目标),则该风筝不可以判断为目标废弃物。
需要说明的是,本发明方案的目标载具的具体类型并不作具体限定,本发明方案可以应用于不同尺寸的废弃物回收车辆上,实现大到主干公路,小到小区学校人行道上的废弃物分类回收;本方案也可以应用到船上,实现对水系河段的检测,例如,应用在河道巡检项目;甚至还可以应用于各种类型及大小的机器人上;上述目标区域也不作具体限定,可以为任意可能出现废弃物的场景,例如:道路、河道、行人活动区域等。
在本发明实施例中,通过获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理,通过判定上述多个候选废弃物与周围环境主体之间的相对属性关系,对目标废弃物进行自动回收,对目标废弃物进行自动回收,达到了采用目标载具代替人工进行废弃物回收的目的,从而实现了提升废弃物回收处理效率且降低分类成本的技术效果,进而解决了相关技术中依赖人工清扫和回收废弃物,存在废弃物处理效率低且分类成本高的技术问题。
作为一种可选的实施例,对上述目标废弃物进行回收处理包括:基于上述位置信息,控制目标载具驶向上述目标废弃物;控制上述目标载具对上述目标废弃物进行分类回收。
在本发明实施例中,上述目标载具即智能废弃物回收载具,可以但不限于为基于人工智能和计算机视觉的智能废弃物回收车,如图3所示的智能废弃物回收载具的结构示意图,上述智能废弃物回收载具包括:自动驾驶模块:通过自动驾驶技术来自动在城市中进行巡航、巡逻;候选废弃物检测模块:通过废弃物检测技术定位候选废弃物;废弃物从属关系分析模块:通过废弃物从属关系来确定候选废弃物中哪些真正的目标废弃物,哪些是有人员从属关系的而转为非废弃物或非目标废弃物;机械臂控制和抓取模块:通过机械臂和智能抓取算法准确抓取废弃物;废弃物分类模块:通过废弃物分类算法判断废弃物类别,然后放入载具内的对应分类废弃物箱中。
仍如图3所示,上述智能废弃物回收载具还包括:输入模块,输入模块可以通过多种方式持续采集目标区域图像信息,例如:摄像装置、传感器、红外线等,将采集到的图像信息(例如但不限于图3所示的道路图像、河道图像、行人活动区域图像等)输入至废弃物检测模块和自动驾驶模块;废弃物检测模块从上述目标区域图像中获取多个候选废弃物的位置信息,并将位置信息发送给自动驾驶模块;上述自动驾驶模块根据图像信息以及位置信息,控制目标载具驶向上述多个候选废弃物;并采用废弃物从属关系分析模块利用废弃物从属关系从上述多个候选废弃物中确定非废弃物、非目标废弃物和目标废弃物;在确定非废弃物、非目标废弃物和目标废弃物后,再采用机械臂控制和抓取模块控制机械臂和智能抓取算法准确抓取该目标废弃物,然后采用废弃物分类模块通过废弃物分类算法判断废弃物类别,然后放入智能废弃物回收载具的对应分类废弃物箱中。
需要说明的是,上述从属关系的判断十分重要,如果一个人提着手提袋,那么无论这个手提袋里面的东西是什么(或许真的是废弃物),上述手提袋便具备从属关系,上述智能废弃物回收载具不对此手提袋进行回收处理;如果篮球场旁边放着半瓶可乐,如果上述半瓶可乐从属于某人,则判断可乐为不可以进行回收的物品,即非废弃物,若上述可乐没有从属关系,则判断为可以进行回收的目标废弃物。自上述动驾驶模块直接采用自动驾驶技术;上述候选废弃物检测模块主要依赖于深度学习的视觉图像检测技术;上述机械臂控制和抓取主要依赖于视觉图像抓取点检测技术和自动化控制方法;上述废弃物分类模块主要依赖于深度学习的分类方法。
在一种可选的实施例中,利用上述废弃物从属关系从上述多个候选废弃物中确定上述目标废弃物包括:
步骤S202,利用目标神经网络模型对上述废弃物从属关系进行分析,得到上述多个候选废弃物与上述周围环境主体之间的从属分数;
步骤S204,基于上述从属分数从上述多个候选废弃物中确定上述目标废弃物。
在本发明实施例中,上述废弃物从属关系分析模块利用目标神经网络模型对上述废弃物从属关系进行分析,通过多个候选废弃物与周围环境中存在的主体计算出的从属分数,基于上述从属分数确定上述目标废弃物,防止发生将一些非目标废弃物甚至非废弃物设定为目标废弃物的情况。
作为一种可选的实施例,当上述从属关系不能明确判断时,可以通过记录该候选废弃物的图像及位置,当超过预定时间没有被人取走或移动,则在上述智能废弃物回收载具下一次经过此位置时,或下一辆上述智能废弃物回收载具经过此位置时,将该候选废弃物作为目标废弃物回收并进行分类处理。
在一种可选的实施例中,上述废弃物从属关系对应的属性包括以下至少之一:
步骤S302,上述多个候选废弃物与上述周围环境主体之间的距离,上述多个候选废弃物的废弃物类别,场景类别,上述周围环境主体的姿态,上述周围环境主体的视线。
在本发明实施例中,上述废弃物从属关系对应的属性包括:上述多个候选废弃物与上述周围环境主体之间的距离,上述多个候选废弃物的废弃物类别、场景类别,上述周围环境主体的姿态,上述周围环境主体的视线等。
需要说明的是,可以通过候选废弃物与周围环境中存在的主体之间的距离判断上述候选废弃物的从属关系,上述距离可以预先进行设定,也可以根据所处环境的实际情况由智能废弃物回收载具自行设定;上述多个候选废弃物的废弃物类别、场景类别可以用于辅助候选废弃物是否为目标废弃物的判断,例如:操场上出现的注射器可以确定为目标废弃物,手术台上出现的注射器不能确定为目标废弃物;上述智能废弃物回收载具还需要根据周围环境主体的姿态以及周围环境主体的视线进一步对候选废弃物进行判断,例如:操场上出现的口罩,但操场上正有人(主体)在运动,或者正有人目光注意着该口罩,那么,该口罩不可作为目标废弃物。
在一种可选的实施例中,从上述目标区域图像中获取多个候选废弃物的位置信息包括:
步骤S402,对上述目标区域图像进行视觉图像废弃物检测,得到检测结果;
步骤S404,利用上述检测结果定位上述位置信息。
在本发明实施例中,当输入模块从上述目标区域获取图像后,上述废弃物检测模块对该图像范围内的废弃物进行检测,并根据检测结果定位目标废弃物的位置。
在一种可选的实施例中,基于上述位置信息,控制上述目标载具驶向上述多个候选废弃物包括:
步骤S502,基于上述位置信息,通过自动驾驶方式控制上述目标载具驶向上述多个候选废弃物。
在本发明实施例中,上述废弃物检测模块将定位的目标废弃物位置发送给自动驾驶模块,上述自动驾驶模块通过自动驾驶方式控制上述目标载具驶向上述多个候选废弃物。
在一种可选的实施例中,控制上述目标载具对上述目标废弃物进行分类回收包括:
步骤S602,对上述目标废弃物进行视觉图像废弃物分类,识别上述目标废弃物的废弃物类别;
步骤S604,控制上述目标载具将上述目标废弃物投放至上述废弃物类别对应的废弃物回收容器。
在本发明实施例中,在上述智能废弃物回收载具对上述目标废弃物进行回收的过程中,采用废弃物分类模块判断废弃物所属类别,根据废弃物类别将目标废弃物投放至载具内对应的废弃物回收容器中。
在一种可选的实施例中,将上述目标废弃物投放至上述废弃物类别对应的废弃物回收容器包括:
步骤S702,对上述目标废弃物进行视觉图像抓取点检测,控制上述目标载具的废弃物抓取组件将上述目标废弃物投放至上述废弃物回收容器。
需要说明的是,在上述智能废弃物回收载具对上述目标废弃物进行回收的过程中,通过机械臂控制和抓取模块控制上述目标载具的废弃物抓取组件,即,机械臂,将上述目标废弃物抓取并投放至上述废弃物回收容器中。
本发明实施例还提供了一种如图4所示的废弃物处理方法,图4是根据本发明实施例的另一种废弃物处理方法的流程图,如图4所示,该方法包括:
步骤S702,获取河道图像;
步骤S704,从上述河道图像中获取多个候选河道废弃物的位置信息;
步骤S706,基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;
步骤S708,对上述目标河道废弃物进行回收处理。
可选的,上述废弃物可以包括但不限于:气体、液体、固体等多种形态的废弃物,固体形态的废弃物可以包括但不限于:生活废弃物、工业废弃物等。
需要说明的是,本方案可以应用在实现对水系河段的检测场景中,例如,应用在河道巡检项目;本发明方案的目标载具并不作具体限定,本发明方案可以应用于不同尺寸的车辆上,实现大到主干公路,小到小区学校人行道上的废弃物分类回收;甚至还可以应用于各种类型及大小的机器人上;上述目标区域也不作具体限定,可以为任意可能出现废弃物的场景,例如:道路、河道、行人活动区域等。
可选的,上述目标区域图像可以拍摄任意一处需要进行废弃物分类的区域(例如,河道、城市、乡村、校园、体育场、高速公路、马路、建筑工地等等)得到的图像,例如,可以采用自动驾驶技术控制目标载具自动在城市中进行巡航或者巡逻,并采用该目标载具的摄像装置拍摄巡航或巡逻区域,得到上述目标区域图像。
可选的,上述废弃物从属关系的判断可以通过从属关系算法实现,上述废弃物从属关系算法依赖目标废弃物和/或候选废弃物以及周围环境重要主体(例如:人、车、场景等)的相对属性关系,通过深度学习算法,将这些相对属性关系作为输入得到目标和主体的从属分数。上述对相对属性关系的判断方式包括却不限于:判断目标和主体之间的距离、目标类别、场景类别、目标与主体姿态之间的关系、主体视线与目标的位置关系等,上述目标可以为上述目标废弃物或上述候选废弃物,上述主体可以为人、宠物、环境等。例如:树荫下的报纸(目标)可以判断为目标废弃物,树荫下铺在地上且盛放着物品(主题)的报纸(目标)则不可以判断为目标废弃物;挂在树上的风筝(目标)可以判断为目标废弃物,树下的小孩(主体)注视着树上的风筝(目标),则该风筝不可以判断为目标废弃物。
作为一种可选的实施例,对上述目标废弃物进行回收处理包括:基于上述位置信息,控制目标载具驶向上述目标废弃物;控制上述目标载具对上述目标废弃物进行分类回收。
在本发明实施例中,上述目标载具即智能废弃物回收载具,可以但不限于为基于人工智能和计算机视觉的智能废弃物回收车,如图3所示的智能废弃物回收载具的结构示意图,上述智能废弃物回收载具包括:自动驾驶模块:通过自动驾驶技术来自动在城市中进行巡航、巡逻;候选废弃物检测模块:通过废弃物检测技术定位候选废弃物;废弃物从属关系分析模块:通过废弃物从属关系来确定候选废弃物中哪些真正的目标废弃物,哪些是有人员从属关系的而转为非废弃物或非目标废弃物;机械臂控制和抓取模块:通过机械臂和智能抓取算法准确抓取废弃物;废弃物分类模块:通过废弃物分类算法判断废弃物类别,然后放入载具内的对应分类废弃物箱中。
仍如图3所示,上述智能废弃物回收载具还包括:输入模块,输入模块可以通过多种方式持续采集目标区域图像信息,例如:摄像装置、传感器、红外线等,将采集到的图像信息(例如但不限于图3所示的道路图像、河道图像、行人活动区域图像等)输入至废弃物检测模块和自动驾驶模块;废弃物检测模块从上述目标区域图像中获取多个候选废弃物的位置信息,并将位置信息发送给自动驾驶模块;上述自动驾驶模块根据图像信息以及位置信息,控制目标载具驶向上述多个候选废弃物;并采用废弃物从属关系分析模块利用废弃物从属关系从上述多个候选废弃物中确定非废弃物、非目标废弃物和目标废弃物;在确定非废弃物、非目标废弃物和目标废弃物后,再采用机械臂控制和抓取模块控制机械臂和智能抓取算法准确抓取该目标废弃物,然后采用废弃物分类模块通过废弃物分类算法判断废弃物类别,然后放入智能废弃物回收载具的对应分类废弃物箱中。
需要说明的是,可以根据水中回收废弃物的作业方式更改上述任一模块,例如:可以将抓取模块更换为吸附模块,通过吸附模块吸收水中废弃物并滤出河水,只将目标废弃物回收至对应废弃物箱中。
在本发明实施例中,通过获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;对上述目标河道废弃物进行回收处理,上述废弃物的回收处理方法,既可以用在大型载具完成市政道路路面的全天候巡检,还可以用在小型巡逻载具上用在诸如球场,小区行人道路上的巡检,优化了智能废弃物分类载具,解放了人力资源;解决废弃物清扫车和人工在清扫废弃物时候没有分类或分类成本大的技术问题 。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例上述的方法。
实施例2
根据本发明实施例,还提供了一种用于实施上述废弃物处理方法的装置实施例,图5是根据本发明实施例的一种废弃物处理装置的结构示意图,如图5所示,上述装置包括:第一获取模块50、第二获取模块52、确定模块54和处理模块56其中:
第一获取模块50,用于获取目标区域图像;第二获取模块52,用于从上述目标区域图像中获取多个候选废弃物的位置信息;控制模块54,用于基于上述位置信息,控制目标载具驶向上述多个候选废弃物;确定模块54,用于基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;处理模块56,用于对上述目标废弃物进行回收处理。
此处需要说明的是,上述第一获取模块50、第二获取模块52、确定模块54和处理模块56对应于实施例1中的步骤S102至步骤S108,四个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例1提供的计算机终端10中。
需要说明的是,本实施例的优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
实施例3
根据本发明实施例,还提供了一种电子设备的实施例,该电子设备可以是计算设备群中的任意一个计算设备。该电子设备包括:处理器和存储器,其中:
处理器;以及存储器,与上述处理器连接,用于为上述处理器提供处理以下处理步骤的指令:步骤1,获取目标区域图像;步骤2,从上述目标区域图像中获取多个候选废弃物的位置信息;步骤3,基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;步骤4,对上述目标废弃物进行回收处理。
需要说明的是,本实施例的优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
实施例4
根据本发明的实施例,还可以提供一种计算机终端的实施例,该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算机终端也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中,上述计算机终端可以执行废弃物处理方法中以下步骤的程序代码:获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理。
在本实施例中,上述计算机终端还可以执行废弃物处理方法中以下步骤的程序代码:获取河道图像;从上述河道图像中获取多个候选河道废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;对上述目标河道废弃物进行回收处理。
可选地,图6是根据本发明实施例的一种计算机终端的结构框图。如图6所示,该计算机终端可以包括:一个或多个(图中仅示出一个)处理器122、存储器124、以及外设接口126。
其中,存储器可用于存储软件程序以及模块,如本发明实施例中的废弃物处理方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的废弃物处理方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理。
可选的,上述处理器还可以执行如下步骤的程序代码:利用目标神经网络模型对上述废弃物从属关系进行分析,得到上述多个候选废弃物与上述周围环境主体之间的从属分数;基于上述从属分数从上述多个候选废弃物中确定上述目标废弃物。
可选的,上述处理器还可以执行如下步骤的程序代码:上述多个候选废弃物与上述周围环境主体之间的距离,上述多个候选废弃物的废弃物类别,场景类别,上述周围环境主体的姿态,上述周围环境主体的视线。
可选的,上述处理器还可以执行如下步骤的程序代码:对上述目标区域图像进行视觉图像废弃物检测,得到检测结果;利用上述检测结果定位上述位置信息。
可选的,上述处理器还可以执行如下步骤的程序代码:基于上述位置信息,通过自动驾驶方式控制上述目标载具驶向上述多个候选废弃物。
可选的,上述处理器还可以执行如下步骤的程序代码:对上述目标废弃物进行视觉图像废弃物分类,识别上述目标废弃物的废弃物类别;控制上述目标载具将上述目标废弃物投放至上述废弃物类别对应的废弃物回收容器。
可选的,上述处理器还可以执行如下步骤的程序代码:对上述目标废弃物进行视觉图像抓取点检测,控制上述目标载具的废弃物抓取组件将上述目标废弃物投放至上述废弃物回收容器。
可选的,上述处理器还可以执行如下步骤的程序代码:获取河道图像;从上述河道图像中获取多个候选河道废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;对上述目标河道废弃物进行回收处理。
采用本发明实施例,通过获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理,对目标废弃物进行自动回收,对目标废弃物进行自动回收,达到了采用目标载具代替人工进行废弃物回收的目的,从而实现了提升废弃物回收处理效率且降低分类成本的技术效果,进而解决了相关技术中依赖人工清扫和回收废弃物,存在废弃物处理效率低且分类成本高的技术问题。
本领域普通技术人员可以理解,图6所示的结构仅为示意,计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices,MID)、PAD等终端设备。图6其并不对上述电子装置的结构造成限定。例如,计算机终端还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图6所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例5
根据本发明的实施例,还提供了一种计算机可读存储介质的实施例。可选地,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的废弃物处理方法所执行的程序代码。
可选地,在本实施例中,上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:获取目标区域图像;从上述目标区域图像中获取多个候选废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;对上述目标废弃物进行回收处理。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:利用目标神经网络模型对上述废弃物从属关系进行分析,得到上述多个候选废弃物与上述周围环境主体之间的从属分数;基于上述从属分数从上述多个候选废弃物中确定上述目标废弃物。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:上述多个候选废弃物与上述周围环境主体之间的距离,上述多个候选废弃物的废弃物类别,场景类别,上述周围环境主体的姿态,上述周围环境主体的视线。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:对上述目标区域图像进行视觉图像废弃物检测,得到检测结果;利用上述检测结果定位上述位置信息。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:基于上述位置信息,通过自动驾驶方式控制上述目标载具驶向上述多个候选废弃物。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:对上述目标废弃物进行视觉图像废弃物分类,识别上述目标废弃物的废弃物类别;控制上述目标载具将上述目标废弃物投放至上述废弃物类别对应的废弃物回收容器。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:对上述目标废弃物进行视觉图像抓取点检测,控制上述目标载具的废弃物抓取组件将上述目标废弃物投放至上述废弃物回收容器。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:获取河道图像;从上述河道图像中获取多个候选河道废弃物的位置信息;基于上述位置信息与废弃物从属关系从上述多个候选河道废弃物中确定目标河道废弃物,其中,上述废弃物从属关系用于判定上述多个候选河道废弃物与周围环境主体之间的相对属性关系;对上述目标河道废弃物进行回收处理。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种废弃物处理方法,其特征在于,包括:
获取目标区域图像;
从所述目标区域图像中获取多个候选废弃物的位置信息;
基于所述位置信息与废弃物从属关系从所述多个候选废弃物中确定目标废弃物,其中,所述废弃物从属关系用于判定所述多个候选废弃物与周围环境主体之间的相对属性关系;
对所述目标废弃物进行回收处理。
2.根据权利要求1所述的废弃物处理方法,其特征在于,对所述目标废弃物进行回收处理包括:
基于所述位置信息,控制目标载具驶向所述目标废弃物;
控制所述目标载具对所述目标废弃物进行分类回收。
3.根据权利要求1所述的废弃物处理方法,其特征在于,利用所述废弃物从属关系从所述多个候选废弃物中确定所述目标废弃物包括:
利用目标神经网络模型对所述废弃物从属关系进行分析,得到所述多个候选废弃物与所述周围环境主体之间的从属分数;
基于所述从属分数从所述多个候选废弃物中确定所述目标废弃物。
4.根据权利要求1所述的废弃物处理方法,其特征在于,所述废弃物从属关系对应的属性包括以下至少之一:
所述多个候选废弃物与所述周围环境主体之间的距离,所述多个候选废弃物的废弃物类别,场景类别,所述周围环境主体的姿态,所述周围环境主体的视线。
5.根据权利要求1所述的废弃物处理方法,其特征在于,从所述目标区域图像中获取多个候选废弃物的位置信息包括:
对所述目标区域图像进行视觉图像废弃物检测,得到检测结果;
利用所述检测结果定位所述位置信息。
6.根据权利要求2所述的废弃物处理方法,其特征在于,基于所述位置信息,控制所述目标载具驶向所述目标废弃物包括:
基于所述位置信息,通过自动驾驶方式控制所述目标载具驶向所述目标废弃物。
7.根据权利要求2所述的废弃物处理方法,其特征在于,控制所述目标载具对所述目标废弃物进行分类回收包括:
对所述目标废弃物进行视觉图像废弃物分类,识别所述目标废弃物的废弃物类别;
控制所述目标载具将所述目标废弃物投放至所述废弃物类别对应的废弃物回收容器。
8.根据权利要求7所述的废弃物处理方法,其特征在于,将所述目标废弃物投放至所述废弃物类别对应的废弃物回收容器包括:
对所述目标废弃物进行视觉图像抓取点检测,控制所述目标载具的废弃物抓取组件将所述目标废弃物投放至所述废弃物回收容器。
9.一种废弃物处理方法,其特征在于,包括:
获取河道图像;
从所述河道图像中获取多个候选河道废弃物的位置信息;
基于所述位置信息与废弃物从属关系从所述多个候选河道废弃物中确定目标河道废弃物,其中,所述废弃物从属关系用于判定所述多个候选河道废弃物与周围环境主体之间的相对属性关系;
对所述目标河道废弃物进行回收处理。
10.一种废弃物处理装置,其特征在于,包括:
第一获取模块,用于获取目标区域图像;
第二获取模块,用于从所述目标区域图像中获取多个候选废弃物的位置信息;
确定模块,用于基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;
处理模块,用于对上述目标废弃物进行回收处理。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的废弃物处理方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至9中任意一项所述的废弃物处理方法。
13.一种电子设备,其特征在于,包括:
处理器;以及
存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:
步骤1,获取目标区域图像;
步骤2,从所述目标区域图像中获取多个候选废弃物的位置信息;
步骤3,基于上述位置信息与废弃物从属关系从上述多个候选废弃物中确定目标废弃物,其中,上述废弃物从属关系用于判定上述多个候选废弃物与周围环境主体之间的相对属性关系;
步骤4,对上述目标废弃物进行回收处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291014.XA CN113743408A (zh) | 2021-11-02 | 2021-11-02 | 废弃物处理方法、装置、存储介质、处理器及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111291014.XA CN113743408A (zh) | 2021-11-02 | 2021-11-02 | 废弃物处理方法、装置、存储介质、处理器及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743408A true CN113743408A (zh) | 2021-12-03 |
Family
ID=78727268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111291014.XA Pending CN113743408A (zh) | 2021-11-02 | 2021-11-02 | 废弃物处理方法、装置、存储介质、处理器及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998336A (zh) * | 2022-08-03 | 2022-09-02 | 广东安拓普聚合物科技有限公司 | 一种塑料废弃物的检测和处理方法及装置 |
CN115271481A (zh) * | 2022-08-03 | 2022-11-01 | 武汉憬易达外仓国际物流有限公司 | 一种基于机器视觉的工业固废智能分类处理监测管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101866846B1 (ko) * | 2017-11-27 | 2018-06-14 | 한택규 | 재활용 폐지 선별시스템 |
CN111203877A (zh) * | 2020-01-13 | 2020-05-29 | 广州大学 | 爬坡建筑废弃物分拣机器人系统及控制方法、装置、介质 |
CN111360780A (zh) * | 2020-03-20 | 2020-07-03 | 北京工业大学 | 一种基于视觉语义slam的垃圾捡拾机器人 |
CN112926431A (zh) * | 2021-02-20 | 2021-06-08 | 北京市商汤科技开发有限公司 | 垃圾检测方法、装置、设备及计算机存储介质 |
-
2021
- 2021-11-02 CN CN202111291014.XA patent/CN113743408A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101866846B1 (ko) * | 2017-11-27 | 2018-06-14 | 한택규 | 재활용 폐지 선별시스템 |
CN111203877A (zh) * | 2020-01-13 | 2020-05-29 | 广州大学 | 爬坡建筑废弃物分拣机器人系统及控制方法、装置、介质 |
CN111360780A (zh) * | 2020-03-20 | 2020-07-03 | 北京工业大学 | 一种基于视觉语义slam的垃圾捡拾机器人 |
CN112926431A (zh) * | 2021-02-20 | 2021-06-08 | 北京市商汤科技开发有限公司 | 垃圾检测方法、装置、设备及计算机存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998336A (zh) * | 2022-08-03 | 2022-09-02 | 广东安拓普聚合物科技有限公司 | 一种塑料废弃物的检测和处理方法及装置 |
CN115271481A (zh) * | 2022-08-03 | 2022-11-01 | 武汉憬易达外仓国际物流有限公司 | 一种基于机器视觉的工业固废智能分类处理监测管理系统 |
CN115271481B (zh) * | 2022-08-03 | 2024-02-23 | 余石平 | 一种基于机器视觉的工业固废智能分类处理监测管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743408A (zh) | 废弃物处理方法、装置、存储介质、处理器及电子设备 | |
CN111974704A (zh) | 基于计算机视觉的垃圾分类检测系统及方法 | |
CN102915638A (zh) | 基于监控视频的智能停车场管理系统 | |
CN107913892B (zh) | 一种垃圾分类智慧处理方法及系统 | |
CN109583345A (zh) | 道路识别方法、装置、计算机装置及计算机可读存储介质 | |
CN111814750A (zh) | 基于深度学习目标检测和图像识别的智能垃圾分类方法及系统 | |
CN113222063B (zh) | 快递纸箱垃圾分类方法、装置、设备及介质 | |
CN110516625A (zh) | 一种垃圾识别分类的方法、系统、终端及存储介质 | |
CN111619992A (zh) | 一种基于机器视觉的智能垃圾分类系统及方法 | |
CN113723176B (zh) | 一种目标对象确定方法、装置、存储介质和电子装置 | |
CN110219271A (zh) | 一种应用于自动清扫车的垃圾分类智能视觉系统及方法 | |
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 | |
Wen et al. | Multi-scale context feature and cross-attention network-enabled system and software-based for pavement crack detection | |
Li et al. | RoadID: a dedicated deep convolutional neural network for multipavement distress detection | |
CN115631080A (zh) | 一种基于垃圾分类回收服务的智慧社区构建方法 | |
CN202025435U (zh) | 摄像机控制装置、摄像机及路口摄像系统 | |
CN111723772A (zh) | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 | |
CN108376241A (zh) | 垃圾拾取方法、垃圾拾取车及计算机可读存储介质 | |
Gill et al. | Garbage Classification Utilizing Effective Convolutional Neural Network | |
CN112241651A (zh) | 数据展示方法及系统、数据处理方法、存储介质、系统 | |
CN106296256A (zh) | 一种信息推送方法、装置、系统和自动售货机 | |
CN205393160U (zh) | 一种废旧电池分拣回收装置 | |
CN107609005A (zh) | 一种基于机器视觉的物品定位方法及定位装置 | |
CN115588132A (zh) | 一种垃圾分拣设备的环境感知与垃圾识判方法 | |
CN113120461A (zh) | 用于智慧城市的垃圾分类识别系统及方法 |
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 |