CN114155467B - 一种垃圾桶满溢检测方法、装置和电子设备 - Google Patents
一种垃圾桶满溢检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114155467B CN114155467B CN202111460594.0A CN202111460594A CN114155467B CN 114155467 B CN114155467 B CN 114155467B CN 202111460594 A CN202111460594 A CN 202111460594A CN 114155467 B CN114155467 B CN 114155467B
- Authority
- CN
- China
- Prior art keywords
- garbage
- detection
- dustbin
- amount
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 106
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 309
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 31
- 238000013145 classification model Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 7
- 239000002699 waste material Substances 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 abstract description 9
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机技术领域,具体涉及一种垃圾桶满溢检测方法、装置和电子设备,包括:获取待检测视频图像;利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;对所述检测目标进行分析处理,得到所述检测目标的统计信息;对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。本发明通过多种算法实现对各种真实场景下垃圾桶的满溢情况检验,为高效地垃圾清运工作提供了帮助,同时采用了常规摄像机内加高效的分析模块的方案,最小化了硬件依赖及对系统的要求,减少了对现有系统改造的工作量,极大节省总流成本。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种垃圾桶满溢检测方法、装置和电子设备。
背景技术
随着我国加速推行垃圾分类制度,对应的产品技术也越来越多,在城市建设中,及时有效处理垃圾桶中的垃圾是影响一个城市文明建设的重要因素之一。相关技术中,垃圾桶满溢检测的方法是环卫工人人工对垃圾桶进行巡查,这不仅会浪费环卫工人的时间和精力,同时对于环卫部门来说,给每片区域分配环卫工人也浪费了一定的财力。
北京易华录信息技术股份有限公司的发明提出了一种垃圾桶检测模型训练方法及垃圾桶满溢检测方法,缺乏应对复杂场景的系统方案,没有真是案例;深圳华卫民康科技有限公司的实用新型专利公开了一种满溢检测装置,但只能应用于专门的智能垃圾箱,无法应用于普通垃圾桶;上海烨霆智能科技有限公司的实用新型专利公开了一种垃圾桶满溢的检测装置,需要专门设计的垃圾桶,且包括:电机,深度摄像头、超声波感应器等组件复杂且高成本的组件;创优数字科技(广东)有限公司算法专利公开了一种检测垃圾桶满溢状态的方法及装置,即对图像进行处理,提取图像特征,并图像特征确定垃圾桶的位置以及满溢状态。该方法相对于现在的深度学习技术,太过陈旧,难以达到理想效果。
发明内容
本发明提供了一种垃圾桶满溢检测方法、装置和电子设备,通过多种算法实现对各种真实场景下垃圾桶的满溢情况检验,为高效地垃圾清运工作提供了帮助,同时采用了常规摄像机内加高效的分析模块的方案,极大节省总流成本。
本说明书实施例提供一种垃圾桶满溢检测方法,包括:
获取待检测视频图像;
利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;
对所述检测目标进行分析处理,得到所述检测目标的统计信息;
对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
优选的,所述检测目标包括:垃圾堆;
所述对所述检测目标进行分析处理,包括:
对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
优选的,所述检测目标还包括:垃圾桶;
所述对所述检测目标进行分析处理,还包括:
利用垃圾桶分类模型识别所述垃圾桶,得到第一垃圾桶类型;
利用垃圾量回归模型估算所述垃圾桶中的垃圾量,得到估算垃圾量;
根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,对所述判定结果进行信息统计。
优选的,所述检测目标还包括:人物;
所述对所述检测目标进行分析处理,还包括:
对所述人物的干扰操作进行剔除。
优选的,所述检测目标还包括:垃圾桶盖;
所述对所述检测目标进行分析处理,还包括:
利用垃圾桶盖分类模型识别所述垃圾桶盖,得到第二垃圾桶类型;
利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息;
对所述第二垃圾桶类型、所述垃圾桶盖的正反信息进行信息统计。
优选的,所述根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,包括:
当所述估算垃圾量低于预设垃圾量阈值时,所述垃圾桶为不满的状态;
当所述估算垃圾量高于预设垃圾量阈值时,所述垃圾桶为满的状态。
本说明书实施例还提供一种垃圾桶满溢检测装置,包括:
图像获取模块,用于获取待检测视频图像;
目标检测模块,用于利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;
处理模块,用于对所述检测目标进行分析处理,得到所述检测目标的统计信息;
通告模块,用于对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
优选的,所述检测目标包括:垃圾堆;
所述处理模块包括:
分析单元,用于对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
一种电子设备,其中,该电子设备包括:
处理器以及存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项所述的方法。
一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项所述的方法。
本发明通过多种算法实现对各种真实场景下垃圾桶的满溢情况检验,从整洁规范垃圾房到混乱无序的垃圾堆放点都能稳定的检测垃圾桶的满溢情况,为高效地垃圾清运工作提供了帮助。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种垃圾桶满溢检测方法的原理示意图;
图2为本说明书实施例提供的一种垃圾桶满溢检测装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图;
图5为本说明书实施例提供的一种垃圾桶满溢检测方法的流程图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
参照图1为本说明书实施例提供的一种垃圾桶满溢检测方法的原理示意图,包括:
S101:获取待检测视频图像;
在本发明较佳的实施例中,从摄像机获取一帧视频图像,一般为1280x720分辨率RGB格式图像,其中视频图像的获取方式不限于摄像机,且视频图像应当包括整个场景,场景中至少要存在垃圾桶。我们避免了改造垃圾桶的大量成本,并放弃使用深度摄像机等昂贵的组件,而是采用了常规摄像机内加高效的分析模块的方案,最小化了硬件依赖,同时也最小化了对系统的要求,减少了对现有系统改造的工作量,极大节省总流成本,使得在大范围推广成为可能。
进一步地,通过对摄像头采集的视频图像进行筛选处理,得到一个最佳的待检测视频图像。
S102:利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;
在本发明较佳的实施例中,我们运用YOLOv5深度模型对监测的垃圾区域内的目标进行检测,分为以下几类目标:
垃圾堆:垃圾投放点垃圾清运不及时,垃圾会在垃圾桶上堆积,甚至完全覆盖垃圾桶,形成垃圾堆;
垃圾桶:未满的垃圾桶,或者边缘没有被完全覆盖的垃圾桶;
人物:一般为垃圾清运人员,其搬运、清洗垃圾桶,分拣可回收垃圾等行为会对最终结果产生干扰,需要过滤掉;
垃圾桶盖:垃圾盖可能是加盖的垃圾桶,或者打开的垃圾桶的后翻盖子。
通过上述对多个目标进行检测,保证了最终对垃圾桶满溢结果检测的准确性。
S103:对所述检测目标进行分析处理,得到所述检测目标的统计信息;
在本发明较佳的实施例中,当检测目标为多个时,通过不同的处理方式分别对每一个检测目标进行分析处理,得到多个检测目标的分析处理结果,并将处理结果进行信息统计,便于后续对垃圾清洁人员的消息通知等。
S104:对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
在本发明较佳的实施例中,当检测目标存在垃圾桶、垃圾堆、人物及垃圾桶盖时,根据上述对每个检测目标的信息统计进行汇总,形成最终的汇总报告,管理平台会根据具体需求将汇总报发送至相关工作人员或当垃圾桶为满的状态时,自动警报,通知垃圾清运人员进行垃圾处理,实现对垃圾的高效处理,避免垃圾过满造成的垃圾清理繁琐的问题。
进一步地,所述检测目标包括:垃圾堆;
所述对所述检测目标进行分析处理,包括:
对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
在本发明较佳的实施例中,因垃圾投放点垃圾清运不及时,垃圾会在垃圾桶上堆积,甚至完全覆盖垃圾桶,形成垃圾堆,因此,当检测目标中有垃圾堆时,会对垃圾堆进行信息分析,生成垃圾堆统计信息,用于后续统计信息汇总和警报清洁工作人员进行垃圾及时处理。
进一步地,所述检测目标还包括:垃圾桶;
所述对所述检测目标进行分析处理,还包括:
利用垃圾桶分类模型识别所述垃圾桶,得到第一垃圾桶类型;
利用垃圾量回归模型估算所述垃圾桶中的垃圾量,得到估算垃圾量;
根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,对所述判定结果进行信息统计。
在本发明较佳的实施例中,一般垃圾桶分为:干垃圾桶、湿垃圾桶、可回收垃圾桶、有害垃圾四个类别,正常情况下以颜色区分,但真实应用中因为褪色,太脏,光照不足,等多种因素,使得部分垃圾桶用人眼区分都不容易。因此,我们用大量数据训练了MobilenetV3模型,得到最终的垃圾桶分类模型,取得了较好的垃圾桶分类效果。垃圾桶被定位并识别类别以后,需要对垃圾量进行估计,因为常见的回归模型无法适应垃圾桶内复杂混乱的情况,因此我们采用以深度分类模型作为主干,加以修改,构造出全新的垃圾量回归模型。我们选择稠密卷积网络DenseNet121作为主干,该网络有特征利用充分,参数数量较少优点。修改方案如下:增加了dropout以避免过拟合、cost function选择M.S.E(standard error ofmean,平均数的抽样误差)、activation function选择softplus、output layer改为一维回归。通过上述的修改得到的垃圾量回归模型能较好的估算垃圾桶内的垃圾量,然后通过估算的垃圾量确定垃圾桶的满溢状态,通过上述方式确定是否警报清洁工作人员赶往垃圾桶所在区域进行垃圾处理,以此提高垃圾清理效率。
进一步地,在垃圾量确认后,可以根据历史垃圾投放的数据对垃圾桶在何时会大概率处于满的状态进行预测,具体的,根据历史垃圾投放的数据训练出一个垃圾量预测模型,通过该模型实现对未来时间段内的垃圾量预测,相应减少摄像机的监控时间。此方案作为一个可选方案,可根据具体情况进行该模型的添加。
进一步地,所述检测目标还包括:人物;
所述对所述检测目标进行分析处理,还包括:
对所述人物的干扰操作进行剔除。
在本发明较佳的实施例中,当检测目标中存在垃圾清洁人员时,通过剔除垃圾清洁人员的干扰操作,避免了系统因人为操作,而对垃圾桶的识别造成干扰,提升了对垃圾桶满溢的识别结果准确率。
进一步地,所述检测目标还包括:垃圾桶盖;
所述对所述检测目标进行分析处理,还包括:
利用垃圾桶盖分类模型识别所述垃圾桶盖,得到第二垃圾桶类型;
利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息;
对所述第二垃圾桶类型、所述垃圾桶盖的正反信息进行信息统计。
在本发明较佳的实施例中,当检测目标中存在垃圾桶盖时,利用垃圾桶盖分类模型识别所述垃圾桶盖,根据垃圾桶盖上的具体图案或颜色标识,确定垃圾桶的具体类别,利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,当垃圾桶盖是正面朝上,表示这是一个盖好的垃圾桶,垃圾内部的垃圾量可以通过历史垃圾投放信息查找其中垃圾量;当垃圾桶盖是反面朝上,表示这是一个打开的垃圾桶盖,此时忽略该盖子信息,利用以上结果生成加盖垃圾桶信息,并生成垃圾桶满溢统计信息,管理平台会根据统计信息进行相应的安排或警报,实现对垃圾的快速处理,对于其中垃圾桶盖是反面朝上的状态时,会利用到垃圾量回归模型确定垃圾量,与上述垃圾桶的垃圾量确认方式相同,此处不再赘述。其中,垃圾桶盖分类模型和垃圾桶盖正反分类模型时通过训练两个MobilenetV3模型得到的。
进一步地,所述根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,包括:
当所述估算垃圾量低于预设垃圾量阈值时,所述垃圾桶为不满的状态;
当所述估算垃圾量高于预设垃圾量阈值时,所述垃圾桶为满的状态。
在本发明较佳的实施例中,每个垃圾桶都有其固定的垃圾量阈值,且同一区域垃圾桶的容量基本都是相同,因此,当检测到估算垃圾量低于预设垃圾量阈值时,确定此时垃圾桶为不满状态;当估算垃圾量高于预设垃圾量阈值时,确定此时垃圾桶为满的状态,需要及时警报清洁工作人员进行及时的垃圾处理,防止垃圾过多溢出,影响垃圾的清洁效率。
参照图5为本说明书实施例提供的一种垃圾桶满溢检测方法的流程图,先通过摄像机获取摄像机图像,即待检测视频图像,然后利用垃圾目标检测模型对摄像机图像进行识别,当检测到垃圾堆时,说明此时垃圾桶已经为满的状态,直接数据处理后生成垃圾桶满溢统计信息,并通报管理平台,由管理平台通知工作人员去处理;当检测到垃圾桶时,利用垃圾桶分类模型确定垃圾桶的分类,然后利用垃圾量回收模型估算垃圾桶中的垃圾量,然后根据估算垃圾量对垃圾桶满溢状态进行判定,生成垃圾桶满溢统计信息,并通发送管理平台进行管理;当检测到任务时,提剔除人物干扰,极高最终的垃圾桶满溢状态结果的判断;当检测到垃圾桶盖时,利用垃圾桶盖分类模型判断垃圾桶的类型,利用垃圾桶盖正反分类模型确定垃圾桶盖的正反,生成加盖垃圾桶信息,其中,对于垃圾桶盖,如果是正面朝上,表示这是一个盖好的垃圾桶,垃圾内部的垃圾量可以通过历史垃圾投放信息查找,如果是反面朝上,表示这是一个打开的垃圾桶盖,忽略该盖子信息,利用以上结果生成加盖垃圾桶信息。最后对所有的信息进行统计,发送至管理平台。或根据实际情况,对满的状态的垃圾桶进行警报,管理平台会自动通知相应的清洁工作人员进行处理。本发明模型中采用的算法适应性性强,准确度高,经受了现实中各种场景检验,算法综合利用多种深度模型了YOLOv5、DenseNet121、MobilenetV3在一些陈旧、混乱垃圾房环境依然能有稳定表现;系统最小化对硬件的依赖,能够充分利用现有系统,大幅降低了总体成本。
图2为本说明书实施例提供的一种垃圾桶满溢检测装置的结构示意图,包括:
图像获取模块201,用于获取待检测视频图像;
目标检测模块202,用于利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;
处理模块203,用于对所述检测目标进行分析处理,得到所述检测目标的统计信息;
通告模块204,用于对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
进一步地,所述检测目标包括:垃圾堆;
所述处理模块203包括:
分析单元,用于对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
进一步地,所述检测目标还包括:垃圾桶;
所述处理模块203还包括:
第一识别单元,用于利用垃圾桶分类模型识别所述垃圾桶,得到第一垃圾桶类型;
第二识别单元,用于利用垃圾量回归模型估算所述垃圾桶中的垃圾量,得到估算垃圾量;
判定单元,用于根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,对所述判定结果进行信息统计。
进一步地,所述检测目标还包括:人物;
所述处理模块203还包括:
剔除单元,用于对所述人物的干扰操作进行剔除。
进一步地,所述检测目标还包括:垃圾桶盖;
所述处理模块203还包括:
第三识别单元,用于利用垃圾桶盖分类模型识别所述垃圾桶盖,得到第二垃圾桶类型;
第四识别单元,用于利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息;
信息统计单元,用于对所述第二垃圾桶类型、所述垃圾桶盖的正反信息进行信息统计。
进一步地,所述判定单元包括:
第一判定子单元,用于当所述估算垃圾量低于预设垃圾量阈值时,所述垃圾桶为不满的状态;
第二判定子单元,用于当所述估算垃圾量高于预设垃圾量阈值时,所述垃圾桶为满的状态。
本发明实施例的装置的功能已经在上述的方法实施例中进行了描述,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
参照图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同装置组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作装置、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID装置、磁带驱动器以及数据备份存储装置等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:如图1所示的方法。
参照图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种垃圾桶满溢检测方法,其特征在于,包括:
获取待检测视频图像;
利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;所述检测目标包括垃圾桶、垃圾桶盖;
对所述检测目标进行分析处理,得到所述检测目标的统计信息,包括:
当所述检测目标是垃圾桶时,利用垃圾桶分类模型识别所述垃圾桶,得到第一垃圾桶类型;利用垃圾量回归模型估算所述垃圾桶中的垃圾量,得到估算垃圾量;根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,对所述判定结果进行信息统计;其中,所述垃圾量回归模型选择稠密卷积网络DenseNet121作为主干,增加dropout以避免过拟合、costfunction选择平均数的抽样误差、activation function选择softplus、outputlayer改为一维回归;
当所述检测目标是垃圾桶盖时,利用垃圾桶盖分类模型识别所述垃圾桶盖,得到第二垃圾桶类型;利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息;对所述第二垃圾桶类型、所述垃圾桶盖的正反信息进行信息统计;其中,所述利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息,包括:利用垃圾桶正反分类模型识别所述垃圾桶盖是正面朝上时,通过历史垃圾投放信息查找垃圾桶的垃圾量;利用垃圾桶正反分类模型识别所述垃圾桶盖是反面朝上时,通过垃圾量回归模型确定垃圾桶的垃圾量;
对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
2.如权利要求1所述的一种垃圾桶满溢检测方法,其特征在于,所述检测目标包括:垃圾堆;
所述对所述检测目标进行分析处理,包括:
对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
3.如权利要求2所述的一种垃圾桶满溢检测方法,其特征在于,所述检测目标还包括:人物;
所述对所述检测目标进行分析处理,还包括:
对所述人物的干扰操作进行剔除。
4.如权利要求3所述的一种垃圾桶满溢检测方法,其特征在于,所述根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,包括:
当所述估算垃圾量低于预设垃圾量阈值时,所述垃圾桶为不满的状态;
当所述估算垃圾量高于预设垃圾量阈值时,所述垃圾桶为满的状态。
5.一种垃圾桶满溢检测装置,其特征在于,包括:
图像获取模块,用于获取待检测视频图像;
目标检测模块,用于利用垃圾目标检测模型对所述待检测视频图像进行目标检测,得到检测目标,所述检测目标包括一个检测目标或多个检测目标;所述检测目标包括垃圾桶、垃圾桶盖;
处理模块,用于对所述检测目标进行分析处理,得到所述检测目标的统计信息,包括:
当所述检测目标是垃圾桶时,利用垃圾桶分类模型识别所述垃圾桶,得到第一垃圾桶类型;利用垃圾量回归模型估算所述垃圾桶中的垃圾量,得到估算垃圾量;根据所述估算垃圾量对所述垃圾桶的满溢状态进行判定,对所述判定结果进行信息统计;其中,所述垃圾量回归模型选择稠密卷积网络DenseNet121作为主干,增加dropout以避免过拟合、costfunction选择平均数的抽样误差、activation function选择softplus、outputlayer改为一维回归;
当所述检测目标是垃圾桶盖时,利用垃圾桶盖分类模型识别所述垃圾桶盖,得到第二垃圾桶类型;利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息;对所述第二垃圾桶类型、所述垃圾桶盖的正反信息进行信息统计;其中,所述利用垃圾桶盖正反分类模型识别所述垃圾桶盖的正反,得到垃圾桶盖的正反信息,包括:利用垃圾桶正反分类模型识别所述垃圾桶盖是正面朝上时,通过历史垃圾投放信息查找垃圾桶的垃圾量;利用垃圾桶正反分类模型识别所述垃圾桶盖是反面朝上时,通过垃圾量回归模型确定垃圾桶的垃圾量;
通告模块,用于对所述统计信息进行汇总,将汇总信息通告至垃圾清运工作方。
6.如权利要求5所述的一种垃圾桶满溢检测装置,其特征在于,所述检测目标包括:垃圾堆;
所述处理模块包括:
分析单元,用于对所述垃圾堆进行信息分析,生成垃圾堆统计信息。
7.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-4中任一项所述的方法。
8.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460594.0A CN114155467B (zh) | 2021-12-02 | 2021-12-02 | 一种垃圾桶满溢检测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460594.0A CN114155467B (zh) | 2021-12-02 | 2021-12-02 | 一种垃圾桶满溢检测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155467A CN114155467A (zh) | 2022-03-08 |
CN114155467B true CN114155467B (zh) | 2024-09-06 |
Family
ID=80455902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111460594.0A Active CN114155467B (zh) | 2021-12-02 | 2021-12-02 | 一种垃圾桶满溢检测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155467B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115043111A (zh) * | 2022-05-23 | 2022-09-13 | 海南省量心环保科技有限公司 | 一种智能垃圾桶检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378768A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 垃圾桶状态识别方法、装置、设备以及存储介质 |
CN113420673A (zh) * | 2021-06-24 | 2021-09-21 | 苏州科达科技股份有限公司 | 垃圾分类方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343502A (zh) * | 2018-12-10 | 2019-02-15 | 成都九洲电子信息系统股份有限公司 | 一种垃圾桶监管系统及方法 |
CN112560755B (zh) * | 2020-12-24 | 2022-08-19 | 中再云图技术有限公司 | 一种识别城市暴露垃圾的目标检测方法 |
CN113378844A (zh) * | 2021-05-28 | 2021-09-10 | 上海商汤智能科技有限公司 | 工程垃圾堆放的分割方法、装置、设备及计算机存储介质 |
CN113642509A (zh) * | 2021-08-27 | 2021-11-12 | 京东方科技集团股份有限公司 | 垃圾桶溢出状态检测方法、装置、存储介质及电子设备 |
-
2021
- 2021-12-02 CN CN202111460594.0A patent/CN114155467B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420673A (zh) * | 2021-06-24 | 2021-09-21 | 苏州科达科技股份有限公司 | 垃圾分类方法、装置、设备及存储介质 |
CN113378768A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 垃圾桶状态识别方法、装置、设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于密集卷积网络的单目图像深度估计方法;王亚群 等;《计算机工程》;20211115;第1章节 * |
Also Published As
Publication number | Publication date |
---|---|
CN114155467A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111846693A (zh) | 基于实名制的智能垃圾分类投放监督和控制系统 | |
RU2005137247A (ru) | Автоматическое асимметричное обнаружение угрозы с использованием отслеживания в обратном направлении и поведенческого анализа | |
CN110855503A (zh) | 一种基于网络协议层级依赖关系的故障定因方法和系统 | |
CN110969130A (zh) | 一种基于yolov3司机危险动作识别方法及系统 | |
CN106429084B (zh) | 垃圾分类方法和装置 | |
CN113420673B (zh) | 垃圾分类方法、装置、设备及存储介质 | |
KR20220156603A (ko) | 자동화된 폐기물 관리를 위한 방법 및 전자 장치 | |
CN112298848A (zh) | 一种基于网络控制垃圾分类处理方法 | |
CN114155467B (zh) | 一种垃圾桶满溢检测方法、装置和电子设备 | |
CN111782900A (zh) | 异常业务检测方法、装置、电子设备及存储介质 | |
CN106275945A (zh) | 一种垃圾回收装置、垃圾分类系统和使用方法 | |
CN110516768A (zh) | 一种垃圾分类管理的方法、装置及人工智能机器人 | |
CN112298844A (zh) | 一种垃圾分类监督方法及装置 | |
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 | |
Latha et al. | Dynamic convolutional neural network based e‐waste management and optimized collection planning | |
CN110110752A (zh) | 一种垃圾识别和分类方法、装置及终端设备 | |
Hin et al. | An Intelligent Smart Bin for Waste Management | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
CN112249532A (zh) | 一种垃圾分类管理系统 | |
CN111832749B (zh) | 垃圾袋识别方法及相关装置 | |
WO2020008459A1 (en) | System and method for use in object detection from video stream | |
CN113255550A (zh) | 一种基于视频的行人垃圾扔投次数统计方法 | |
CN111889393A (zh) | 一种具有监察功能的垃圾分类前置装置 | |
KR20230060605A (ko) | 폐기물 정보 분석 시스템 및 방법 | |
CN212048939U (zh) | 社区智能垃圾回收装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |