CN114467862B - 一种餐厨垃圾养殖类昆虫自动投放系统 - Google Patents
一种餐厨垃圾养殖类昆虫自动投放系统 Download PDFInfo
- Publication number
- CN114467862B CN114467862B CN202210111186.2A CN202210111186A CN114467862B CN 114467862 B CN114467862 B CN 114467862B CN 202210111186 A CN202210111186 A CN 202210111186A CN 114467862 B CN114467862 B CN 114467862B
- Authority
- CN
- China
- Prior art keywords
- module
- kitchen waste
- data
- image
- breeding
- 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
- 241000238631 Hexapoda Species 0.000 title claims abstract description 103
- 239000010806 kitchen waste Substances 0.000 title claims abstract description 88
- 238000009395 breeding Methods 0.000 title claims abstract description 75
- 230000001488 breeding effect Effects 0.000 title claims abstract description 75
- 239000002699 waste material Substances 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 19
- 239000010813 municipal solid waste Substances 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006872 improvement Effects 0.000 description 9
- 235000013305 food Nutrition 0.000 description 5
- 241001122767 Theaceae Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 210000003278 egg shell Anatomy 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 235000021190 leftovers Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/033—Rearing or breeding invertebrates; New breeds of invertebrates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明提供了一种餐厨垃圾养殖类昆虫自动投放系统,涉及垃圾处理技术领域,包括控制模块和硬件系统,所述控制模块包括硬件总控模块、图像收集模块、图像识别模块、数据库和特征比对模块,所述硬件系统包括人机交互系统、昆虫养殖箱,垃圾收纳仓和AI摄像头;本发明拍摄收集垃圾收纳仓内餐厨垃圾的照片,利用图像识别模块获得照片特征值,通过数据库储存各种种类餐厨垃圾的图文数据以及特征值,通过特征对比模块比对所拍摄照片的特征值与数据库中的数据,判断垃圾收纳仓内餐厨垃圾的种类,通过硬件总控模块根据对比的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫,使得不同种类的餐厨垃圾适配不同种类的昆虫,优化垃圾处理效果。
Description
技术领域
本发明涉及垃圾处理技术领域,尤其涉及一种餐厨垃圾养殖类昆虫自动投放系统。
背景技术
厨余垃圾是指居民日常生活及食品加工、饮食服务、单位供餐等活动中产生的垃圾,包括丢弃不用的菜叶、剩菜、剩饭、果皮、蛋壳、茶渣、骨头等,其主要来源为家庭厨房、餐厅、饭店、食堂、市场及其他与食品加工有关的行业;
自然界中,一些昆虫以餐厨垃圾等有机物为食,可以将食物高效地转化为自身营养物质,是自然界食物链中的重要一环,针对日益增多的餐厨垃圾,使用养殖昆虫进行处理无疑是环保无公害的有利手段,然后,餐厨垃圾也分为很多种,不同的昆虫的食谱也是不同的,如何针对不同种类的餐厨垃圾分配适合的昆虫处理是待解决的重要问题,因此,本发明提出一种餐厨垃圾养殖类昆虫自动投放系统以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明提出一种餐厨垃圾养殖类昆虫自动投放系统,该餐厨垃圾养殖类昆虫自动投放系统使得不同种类的餐厨垃圾适配不同种类的昆虫,优化垃圾处理和昆虫养殖的效果。
为实现本发明的目的,本发明通过以下技术方案实现:一种餐厨垃圾养殖类昆虫自动投放系统,包括控制模块和硬件系统,所述控制模块包括硬件总控模块、图像收集模块、图像识别模块、数据库和特征比对模块,所述硬件系统包括人机交互系统、昆虫养殖箱,垃圾收纳仓和AI摄像头;
所述昆虫养殖箱分为若干个仓,每个仓内分别装有不同种类的昆虫;
所述垃圾收纳仓连接餐厨垃圾输送带,收纳餐厨垃圾;
所述AI摄像头配合图像收集模块用于拍摄收集餐厨垃圾的照片;
所述图像识别模块用于对图像收集模块收集的照片进行处理,获得特征值;
所述数据库储存有各种种类餐厨垃圾的图文数据以及特征值;
所述特征对比模块用于比对图像识别模块获得的特征值与数据库中的数据,实时判断垃圾收纳仓内餐厨垃圾的种类;
所述硬件总控模块根据特征对比模块判断的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫。
进一步改进在于:所述硬件总控模块为主控中心,所述图像收集模块、图像识别模块、数据库和特征比对模块的运算和程序均基于硬件总控模块,且硬件总控模块连接硬件系统和用于传递指令和收发数据。
进一步改进在于:所述图像收集模块包括储存器、图像预处理模块和记录模块,所述储存器用于储存AI摄像头拍摄的照片数据,所述图像预处理模块采用空域像素特征去噪算法对AI摄像头拍摄的餐厨垃圾的照片进行降噪,所述记录模块用于对拍摄的照片进行时间数据记录并标记在各照片上。
进一步改进在于:所述图像识别模块包括图像特征提取模块、图像要素分析模块和特征数值化处理模块,所述图像特征提取模块用于对照片的色阶进行锐化,然后提取出照片中实物的形状、颜色和纹理特征。
进一步改进在于:所述图像要素分析模块用于对照片的特征进行滤波,并将其滤波提取的结果置于ARCGIS进行密度分析,确定图像的特征粗糙度数据和光谱色阶数据,所述特征数值化处理模块用于对特征粗糙度数据和光谱色阶数据进行二阶导数的求取,将图像的特征值转换为矢量数据。
进一步改进在于:所述数据库包括储存中心和网络搜索中心,所述网络搜索中心接入互联网用于搜索数据,所述储存中心包括各种种类餐厨垃圾的图文数据和各种种类的养殖昆虫数据,其中,各种种类餐厨垃圾的图文数据接入图像识别模块预先识别处理获得各种种类餐厨垃圾的特征值。
进一步改进在于:各种种类的养殖昆虫数据包括不同种类养殖昆虫的习性、食谱以及生长周期数据,其中,不同种类养殖昆虫的食谱存在重合,各种种类的养殖昆虫数据还包括针对不同种类养殖昆虫共存的影响性分析,用于判断重合食谱的不同养殖昆虫之间共同使用的可能性。
进一步改进在于:所述特征对比模块基于卷积神经网络,对图像识别模块转换的矢量数据进行检测,并与数据库中的特征值进行比对,确定餐厨垃圾的种类并发送结论给硬件总控模块,所述硬件总控模块接收结论后,接入数据库,筛选数据库中不同种类养殖昆虫的习性、食谱以及相互之间的共存可能性,以此来打开昆虫养殖箱相应的仓,放出所有适合处理该种类餐厨垃圾并互相可以共存的昆虫。
进一步改进在于:所述人机交互系统包括计算机和显示器,所述控制模块基于计算机运行,所述显示器用于显示AI摄像头拍摄的数据,且显示分析出的餐厨垃圾种类以及放出的养殖昆虫种类。
进一步改进在于:所述人机交互系统还包括日志记录模块,用于记录每阶段对餐厨垃圾的处理过程的分析数据,并提供指定时间查询功能,用于工作人员分析判断餐厨垃圾处理的准确性。
本发明的有益效果为:
1、本发明拍摄收集垃圾收纳仓内餐厨垃圾的照片,利用图像识别模块对照片进行处理,获得特征值,通过数据库储存各种种类餐厨垃圾的图文数据以及特征值,通过特征对比模块比对所拍摄照片的特征值与数据库中的数据,判断垃圾收纳仓内餐厨垃圾的种类,通过硬件总控模块根据对比的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫,使得不同种类的餐厨垃圾适配不同种类的昆虫,优化垃圾处理和昆虫养殖的效果。
2、本发明数据库中还包括各种种类的养殖昆虫数据,具体包括不同种类养殖昆虫的习性、食谱以及生长周期数据,由于不同种类养殖昆虫的食谱存在重合,所以还需要判断重合食谱的不同养殖昆虫之间共同使用的可能性,在确定餐厨垃圾种类后,通过硬件总控模块接入数据库,筛选数据库中不同种类养殖昆虫的习性、食谱以及相互之间的共存可能性,以此放出所有适合处理该种类餐厨垃圾并互相可以共存的昆虫,方便多种昆虫合作处理,提高垃圾处理效率,同时也不会损伤昆虫。
3、本发明利用人机交互系统记录每阶段对餐厨垃圾的处理过程的分析数据,并提供指定时间查询功能,用于工作人员分析判断餐厨垃圾处理的准确性,保证系统正常运行,功能多样化。
附图说明
图1为本发明的组成示意图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1所示,本实施例提出了一种餐厨垃圾养殖类昆虫自动投放系统,包括控制模块和硬件系统,所述控制模块包括硬件总控模块、图像收集模块、图像识别模块、数据库和特征比对模块,所述硬件系统包括人机交互系统、昆虫养殖箱,垃圾收纳仓和AI摄像头;
所述昆虫养殖箱分为若干个仓,每个仓内分别装有不同种类的昆虫;
所述垃圾收纳仓连接餐厨垃圾输送带,收纳餐厨垃圾;
所述AI摄像头配合图像收集模块用于拍摄收集餐厨垃圾的照片;
所述图像识别模块用于对图像收集模块收集的照片进行处理,获得特征值;
所述数据库储存有各种种类餐厨垃圾的图文数据以及特征值;
所述特征对比模块用于比对图像识别模块获得的特征值与数据库中的数据,实时判断垃圾收纳仓内餐厨垃圾的种类;
所述硬件总控模块根据特征对比模块判断的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫。
本发明拍摄收集垃圾收纳仓内餐厨垃圾的照片,利用图像识别模块对照片进行处理,获得特征值,通过数据库储存各种种类餐厨垃圾的图文数据以及特征值,通过特征对比模块比对所拍摄照片的特征值与数据库中的数据,判断垃圾收纳仓内餐厨垃圾的种类,通过硬件总控模块根据对比的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫,使得不同种类的餐厨垃圾适配不同种类的昆虫,优化垃圾处理和昆虫养殖的效果。
实施例二
根据图1所示,本实施例提出了一种餐厨垃圾养殖类昆虫自动投放系统,所述硬件总控模块为主控中心,所述图像收集模块、图像识别模块、数据库和特征比对模块的运算和程序均基于硬件总控模块,且硬件总控模块连接硬件系统和用于传递指令和收发数据。
所述图像收集模块包括储存器、图像预处理模块和记录模块,所述储存器用于储存AI摄像头拍摄的照片数据,所述图像预处理模块采用空域像素特征去噪算法对AI摄像头拍摄的餐厨垃圾的照片进行降噪,降噪通过MQTT、TCP、HTTP、UDP和WEBSERVICES协议来兼容文本、PDF、图像文件,所述记录模块用于对拍摄的照片进行时间数据记录并标记在各照片上。
所述图像识别模块包括图像特征提取模块、图像要素分析模块和特征数值化处理模块,所述图像特征提取模块用于对照片的色阶进行锐化,然后提取出照片中实物的形状、颜色和纹理特征。通过符号化来增强图像显视效果。
所述图像要素分析模块用于对照片的特征进行滤波,并将其滤波提取的结果置于ARCGIS进行密度分析,确定图像的特征粗糙度数据和光谱色阶数据,所述特征数值化处理模块用于对特征粗糙度数据和光谱色阶数据进行二阶导数的求取,将图像的特征值转换为矢量数据,具体为:在ENVI IDL中编写二阶导数运算算法,增强图像的特征值,二阶导数的算法为:deriv(deriv( reform(float(slice[* ,S]))),S代表光谱spectral,在ENVI IDL中输入二阶导数公式y"=d²y/dx²,并编程完成对图像的二阶导数计算,然后使用overlay的逻辑分析方法,将图像的特征值转换为矢量数据。
所述数据库包括储存中心和网络搜索中心,所述网络搜索中心接入互联网用于搜索数据,所述储存中心包括各种种类餐厨垃圾的图文数据和各种种类的养殖昆虫数据,其中,各种种类餐厨垃圾的图文数据包括菜叶、剩菜、剩饭、果皮、蛋壳、茶渣、骨头的图文数据,且该图文数据接入图像识别模块预先识别处理各种种类餐厨垃圾的特征值。
本发明拍摄收集垃圾收纳仓内餐厨垃圾的照片,利用图像识别模块对照片进行处理,获得特征值,通过数据库储存各种种类餐厨垃圾的图文数据以及特征值,通过特征对比模块比对所拍摄照片的特征值与数据库中的数据,判断垃圾收纳仓内餐厨垃圾的种类,通过硬件总控模块根据对比的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫,使得不同种类的餐厨垃圾适配不同种类的昆虫,优化垃圾处理和昆虫养殖的效果。
各种种类的养殖昆虫数据包括不同种类养殖昆虫的习性、食谱以及生长周期数据,其中,不同种类养殖昆虫的食谱存在重合,各种种类的养殖昆虫数据还包括针对不同种类养殖昆虫共存的影响性分析,用于判断重合食谱的不同养殖昆虫之间共同使用的可能性。
所述特征对比模块基于TensorFlow和PyTorch平台以卷积神经网络,对图像识别模块转换的矢量数据进行检测,并与数据库中的特征值进行比对,确定餐厨垃圾的种类并发送结论给硬件总控模块,所述硬件总控模块接收结论后,接入数据库,筛选数据库中不同种类养殖昆虫的习性、食谱以及相互之间的共存可能性,以此来打开昆虫养殖箱相应的仓,放出所有适合处理该种类餐厨垃圾并互相可以共存的昆虫。
本发明数据库中还包括各种种类的养殖昆虫数据,具体包括不同种类养殖昆虫的习性、食谱以及生长周期数据,由于不同种类养殖昆虫的食谱存在重合,所以还需要判断重合食谱的不同养殖昆虫之间共同使用的可能性,在确定餐厨垃圾种类后,通过硬件总控模块接入数据库,筛选数据库中不同种类养殖昆虫的习性、食谱以及相互之间的共存可能性,以此放出所有适合处理该种类餐厨垃圾并互相可以共存的昆虫,方便多种昆虫合作处理,提高垃圾处理效率,同时也不会损伤昆虫。
实施例三
根据图1所示,本实施例提出了一种餐厨垃圾养殖类昆虫自动投放系统,所述人机交互系统包括计算机和显示器,所述控制模块基于计算机运行,所述显示器用于显示AI摄像头拍摄的数据,且显示分析出的餐厨垃圾种类以及放出的养殖昆虫种类。
所述人机交互系统还包括日志记录模块,用于记录每阶段对餐厨垃圾的处理过程的分析数据,并提供指定时间查询功能,用于工作人员分析判断餐厨垃圾处理的准确性。
本发明利用人机交互系统记录每阶段对餐厨垃圾的处理过程的分析数据,并提供指定时间查询功能,用于工作人员分析判断餐厨垃圾处理的准确性,保证系统正常运行,功能多样化。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种餐厨垃圾养殖类昆虫自动投放系统,包括控制模块和硬件系统,其特征在于:所述控制模块包括硬件总控模块、图像收集模块、图像识别模块、数据库和特征对比模块,所述硬件系统包括人机交互系统、昆虫养殖箱,垃圾收纳仓和AI摄像头;
所述昆虫养殖箱分为若干个仓,每个仓内分别装有不同种类的昆虫;
所述垃圾收纳仓连接餐厨垃圾输送带,收纳餐厨垃圾;
所述AI摄像头配合图像收集模块用于拍摄收集餐厨垃圾的照片;
所述图像识别模块用于对图像收集模块收集的照片进行处理,获得特征值;
所述数据库储存有各种种类餐厨垃圾的图文数据以及特征值;
所述特征对比模块用于比对图像识别模块获得的特征值与数据库中的数据,实时判断垃圾收纳仓内餐厨垃圾的种类;
所述硬件总控模块根据特征对比模块判断的结论打开昆虫养殖箱不同仓放出适配餐厨垃圾的昆虫。
2.根据权利要求1所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述硬件总控模块为主控中心,所述图像收集模块、图像识别模块、数据库和特征比对模块的运算和程序均基于硬件总控模块,且硬件总控模块连接硬件系统和用于传递指令和收发数据。
3.根据权利要求2所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述图像收集模块包括储存器、图像预处理模块和记录模块,所述储存器用于储存AI摄像头拍摄的照片数据,所述图像预处理模块采用空域像素特征去噪算法对AI摄像头拍摄的餐厨垃圾的照片进行降噪,所述记录模块用于对拍摄的照片进行时间数据记录并标记在各照片上。
4.根据权利要求3所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述图像识别模块包括图像特征提取模块、图像要素分析模块和特征数值化处理模块,所述图像特征提取模块用于对照片的色阶进行锐化,然后提取出照片中实物的形状、颜色和纹理特征。
5.根据权利要求4所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述图像要素分析模块用于对照片的特征进行滤波,并将其滤波提取的结果置于ARCGIS进行密度分析,确定图像的特征粗糙度数据和光谱色阶数据,所述特征数值化处理模块用于对特征粗糙度数据和光谱色阶数据进行二阶导数的求取,将图像的特征值转换为矢量数据。
6.根据权利要求5所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述数据库包括储存中心和网络搜索中心,所述网络搜索中心接入互联网用于搜索数据,所述储存中心包括各种种类餐厨垃圾的图文数据和各种种类的养殖昆虫数据,其中,各种种类餐厨垃圾的图文数据接入图像识别模块预先识别处理获得各种种类餐厨垃圾的特征值。
7.根据权利要求6所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:各种种类的养殖昆虫数据包括不同种类养殖昆虫的习性、食谱以及生长周期数据,其中,不同种类养殖昆虫的食谱存在重合,各种种类的养殖昆虫数据还包括针对不同种类养殖昆虫共存的影响性分析,用于判断重合食谱的不同养殖昆虫之间共同使用的可能性。
8.根据权利要求7所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述特征对比模块基于卷积神经网络,对图像识别模块转换的矢量数据进行检测,并与数据库中的特征值进行比对,确定餐厨垃圾的种类并发送结论给硬件总控模块,所述硬件总控模块接收结论后,接入数据库,筛选数据库中不同种类养殖昆虫的习性、食谱以及相互之间的共存可能性,以此来打开昆虫养殖箱相应的仓,放出所有适合处理该种类餐厨垃圾并互相可以共存的昆虫。
9.根据权利要求8所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述人机交互系统包括计算机和显示器,所述控制模块基于计算机运行,所述显示器用于显示AI摄像头拍摄的数据,且显示分析出的餐厨垃圾种类以及放出的养殖昆虫种类。
10.根据权利要求9所述的一种餐厨垃圾养殖类昆虫自动投放系统,其特征在于:所述人机交互系统还包括日志记录模块,用于记录每阶段对餐厨垃圾的处理过程的分析数据,并提供指定时间查询功能,用于工作人员分析判断餐厨垃圾处理的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111186.2A CN114467862B (zh) | 2022-01-29 | 2022-01-29 | 一种餐厨垃圾养殖类昆虫自动投放系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111186.2A CN114467862B (zh) | 2022-01-29 | 2022-01-29 | 一种餐厨垃圾养殖类昆虫自动投放系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114467862A CN114467862A (zh) | 2022-05-13 |
CN114467862B true CN114467862B (zh) | 2022-12-09 |
Family
ID=81478932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210111186.2A Active CN114467862B (zh) | 2022-01-29 | 2022-01-29 | 一种餐厨垃圾养殖类昆虫自动投放系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114467862B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201997485U (zh) * | 2011-04-12 | 2011-10-05 | 朱建功 | 一种垃圾自动分选装置 |
CN210632618U (zh) * | 2019-05-30 | 2020-05-29 | 江苏绿缘生物科技有限公司 | 一种通过昆虫养殖进行有机垃圾处理的垃圾预处理系统 |
CN112106736A (zh) * | 2020-09-29 | 2020-12-22 | 南京简诺生态农业科技发展有限公司 | 一种基于餐余垃圾回收再利用的昆虫养殖系统 |
CN113158956A (zh) * | 2021-04-30 | 2021-07-23 | 杭州电子科技大学 | 一种基于改进型yolov5网络的垃圾检测与识别方法 |
CN113333430A (zh) * | 2021-04-29 | 2021-09-03 | 徐丹波 | 一种有机垃圾废弃物资源化预处理系统及方法 |
CN215477425U (zh) * | 2021-07-22 | 2022-01-11 | 山东商业职业技术学院 | 一种多功能智能大学垃圾分类收集装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006181547A (ja) * | 2004-12-28 | 2006-07-13 | Akimitsu Koga | 生ごみ処理装置 |
SG11202002138VA (en) * | 2017-09-18 | 2020-04-29 | Entomics Biosystems Ltd | Insect larvae rearing |
CN210841221U (zh) * | 2019-04-19 | 2020-06-26 | 江苏绿缘生物科技有限公司 | 一种昆虫养殖槽自动喂料装置 |
SG11202109762SA (en) * | 2019-05-03 | 2021-10-28 | Verily Life Sciences Llc | Insect singulation and classification |
CN113326859A (zh) * | 2020-02-28 | 2021-08-31 | 晋城三赢精密电子有限公司 | 垃圾分类回收方法、系统及计算机可读存储介质 |
CN112718827A (zh) * | 2021-01-25 | 2021-04-30 | 深圳市中兴恒熙环保有限公司 | 一种基于昆虫养殖的餐厨垃圾处理系统以及方法 |
-
2022
- 2022-01-29 CN CN202210111186.2A patent/CN114467862B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201997485U (zh) * | 2011-04-12 | 2011-10-05 | 朱建功 | 一种垃圾自动分选装置 |
CN210632618U (zh) * | 2019-05-30 | 2020-05-29 | 江苏绿缘生物科技有限公司 | 一种通过昆虫养殖进行有机垃圾处理的垃圾预处理系统 |
CN112106736A (zh) * | 2020-09-29 | 2020-12-22 | 南京简诺生态农业科技发展有限公司 | 一种基于餐余垃圾回收再利用的昆虫养殖系统 |
CN113333430A (zh) * | 2021-04-29 | 2021-09-03 | 徐丹波 | 一种有机垃圾废弃物资源化预处理系统及方法 |
CN113158956A (zh) * | 2021-04-30 | 2021-07-23 | 杭州电子科技大学 | 一种基于改进型yolov5网络的垃圾检测与识别方法 |
CN215477425U (zh) * | 2021-07-22 | 2022-01-11 | 山东商业职业技术学院 | 一种多功能智能大学垃圾分类收集装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114467862A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1795272B (zh) | 快速识别病原体、细菌和异常细胞的系统和方法 | |
Behera et al. | Identification, classification & grading of fruits using machine learning & computer intelligence: a review | |
US8693778B1 (en) | Method and system for identifying plant life parameters in color-digital image information | |
Hall | Blue frontiers: managing the environmental costs of aquaculture | |
CN113158956A (zh) | 一种基于改进型yolov5网络的垃圾检测与识别方法 | |
Rokunuzzaman et al. | Development of a low cost machine vision system for sorting of tomatoes. | |
Leach | A method for the analysis of Pacific Island fishbone assemblages and an associated database management system | |
Koszela et al. | Computer image analysis in the quality in procedure for selected carrot varieties | |
Ünal et al. | Classification of hazelnut kernels with deep learning | |
Zhang et al. | High-throughput corn ear screening method based on two-pathway convolutional neural network | |
CN114467862B (zh) | 一种餐厨垃圾养殖类昆虫自动投放系统 | |
Magsi et al. | Date palm disease identification using features extraction and deep learning approach | |
Pérez-Pérez et al. | Dataset for localization and classification of Medjool dates in digital images | |
CN111937017A (zh) | 用于对食品进行分类的方法和系统 | |
CN110276300A (zh) | 用于识别垃圾品质的方法和装置 | |
CN112784641A (zh) | 食材投料方法、装置及炒菜机 | |
Badgujar et al. | Agricultural Object Detection with You Look Only Once (YOLO) Algorithm: A Bibliometric and Systematic Literature Review | |
Patkar et al. | Palm fruit harvester algorithm for elaeis guineensis oil palm fruit grading using UML | |
Patkar et al. | Execution of UML-based oil palm fruit harvester algorithm: novel approach | |
Zheng et al. | Design of agaricus bisporus automatic grading system based on machine vision | |
CN203894771U (zh) | 一种植物物种自动识别装置 | |
CN114821817B (zh) | 多烹饪设备的能源控制方法、装置、设备及存储介质 | |
ANTONY et al. | OBJECT DETECTION USING CONVOLUTIONAL NEURAL NETWORK YOLOV7 TO DETECT BANANA RIPENESS | |
CN113895819A (zh) | 一种基于视觉识别的智慧环卫垃圾分类监控方法及系统 | |
US20240000088A1 (en) | A method of tracking a food item in a processing facility, and a system for processing food items |
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 |