CN114925756B - 一种基于精细化管理的废玻璃分类回收方法及装置 - Google Patents

一种基于精细化管理的废玻璃分类回收方法及装置 Download PDF

Info

Publication number
CN114925756B
CN114925756B CN202210492189.5A CN202210492189A CN114925756B CN 114925756 B CN114925756 B CN 114925756B CN 202210492189 A CN202210492189 A CN 202210492189A CN 114925756 B CN114925756 B CN 114925756B
Authority
CN
China
Prior art keywords
information
waste glass
recovery
glass
recycling
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
Application number
CN202210492189.5A
Other languages
English (en)
Other versions
CN114925756A (zh
Inventor
姚远
王文博
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.)
Shanghai Yanlongji Renewable Resources Utilization Co ltd
Original Assignee
Shanghai Yanlongji Renewable Resources Utilization Co ltd
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 Shanghai Yanlongji Renewable Resources Utilization Co ltd filed Critical Shanghai Yanlongji Renewable Resources Utilization Co ltd
Priority to CN202210492189.5A priority Critical patent/CN114925756B/zh
Publication of CN114925756A publication Critical patent/CN114925756A/zh
Application granted granted Critical
Publication of CN114925756B publication Critical patent/CN114925756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于精细化管理的废玻璃分类回收方法及装置，涉及数据处理技术领域，其中，所述方法包括：获得废玻璃特征信息集；根据废玻璃特征信息集，确定分级特征，并基于分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将待回收废玻璃特征输入废玻璃分类决策树中，获得分类结果；根据分类结果进行回收流程参数匹配，获得匹配回收输送信息；根据匹配回收输送信息进行回收收益分析，获得第一回收处理方案。解决了废玻璃分类与回收的方案不匹配，导致的资源利用率低的技术问题，达到了优化废玻璃的分类方式，智能分析精确匹配废玻璃的分类与回收，提高资源利用率的技术效果。

Description

一种基于精细化管理的废玻璃分类回收方法及装置
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于精细化管理的废玻璃分类回收方法及装置。
背景技术
玻璃为非晶无机非金属材料，废玻璃无法通过焚烧、填埋中自然降解，也无法采用一般的物理、化学方法加以分解和处理，废玻璃中一般含有锌、铜等重金属，可能会污染土壤和地下水。通过精细化管理，对废玻璃细化分类，通过分类结果对废玻璃进行回收利用，可以有效避免废玻璃的大量堆积导致的一系列环境污染问题，有效提高资源的利用率，但是现阶段的废玻璃分类方案不合理，使得无法对废玻璃进行匹配回收，导致废玻璃回收方案不合理，废玻璃无法进行有效回收，废玻璃大量堆积浪费。
现有技术中存在废玻璃分类与回收的方案不匹配，导致的资源利用率低的技术问题。
发明内容
本申请通过提供了一种基于精细化管理的废玻璃分类回收方法及装置，解决了废玻璃分类与回收的方案不匹配，导致的资源利用率低的技术问题，达到了优化废玻璃的分类方式，智能分析精确匹配废玻璃的分类与回收，提高资源利用率的技术效果。
鉴于上述问题，本申请提供了一种基于精细化管理的废玻璃分类回收方法及装置。
第一方面，本申请提供了一种基于精细化管理的废玻璃分类回收方法，其中，所述方法应用于废玻璃分类回收系统，所述系统包括特征采集设备，所述方法包括：获得废玻璃特征信息集；根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案。
第二方面，本申请提供了一种基于精细化管理的废玻璃分类回收装置，其中，所述装置包括：第一获得单元，所述第一获得单元用于获得废玻璃特征信息集；第一确定单元，所述第一确定单元用于根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；第二获得单元，所述第二获得单元用于通过特征采集设备采集获得待回收废玻璃特征；第三获得单元，所述第三获得单元用于将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；第四获得单元，所述第四获得单元用于根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；第五获得单元，所述第五获得单元用于根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案。
第三方面，本申请提供了一种基于精细化管理的废玻璃分类回收系统，其中，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当所述程序被所述处理器执行时，使系统执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其中，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得废玻璃特征信息集；确定分级特征，并基于分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将待回收废玻璃特征输入废玻璃分类决策树中，获得分类结果；根据分类结果进行回收流程参数匹配，获得匹配回收输送信息；进行回收收益分析，获得第一回收处理方案。本申请实施例达到了优化废玻璃的分类方式，智能分析精确匹配废玻璃的分类与回收，提高资源利用率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请一种基于精细化管理的废玻璃分类回收方法的流程示意图；
图2为本申请一种基于精细化管理的废玻璃分类回收方法的构建废玻璃分类决策树的流程示意图；
图3为本申请一种基于精细化管理的废玻璃分类回收装置的结构示意图；
图4为本申请示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一确定单元12，第二获得单元13，第三获得单元14，第四获得单元15，第五获得单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请通过提供了一种基于精细化管理的废玻璃分类回收方法及装置，解决了废玻璃分类与回收的方案不匹配，导致的资源利用率低的技术问题，达到了优化废玻璃的分类方式，智能分析精确匹配废玻璃的分类与回收，提高资源利用率的技术效果。
申请概述
废玻璃处理方式不合理，废玻璃分类方案与废玻璃回收方案适配度低，使得无法对废玻璃进行匹配回收。
现有技术中存在废玻璃分类与回收的方案不匹配，导致的资源利用率低的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供了一种基于精细化管理的废玻璃分类回收方法，其中，所述方法包括：获得废玻璃特征信息集；根据废玻璃特征信息集，确定分级特征，并基于分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将待回收废玻璃特征输入废玻璃分类决策树中，获得分类结果；根据分类结果进行回收流程参数匹配，获得匹配回收输送信息；根据匹配回收输送信息进行回收收益分析，获得第一回收处理方案。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请提供了一种基于精细化管理的废玻璃分类回收方法，其中，所述方法应用于废玻璃分类回收系统，所述系统包括特征采集设备，所述方法包括：
S100：获得废玻璃特征信息集；
S200：根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；
具体而言，所述废玻璃为任意废弃玻璃制品，不对所述废玻璃的形状、材料与成分进行具体限制，所述废玻璃为非晶无机非金属材料，一般是以多种无机矿物(如石英砂、硼酸、重晶石)为主要原料，所述废玻璃可以是钢化玻璃、防爆玻璃、压花玻璃、磨砂玻璃或其他任意类型玻璃，所述废玻璃特征信息可以包括但不限于废玻璃密度、杂质成分、成分比例，获得废玻璃特征信息集，所述废玻璃特征可以通过大数据采集获取，对所述废玻璃特征信息进行数据量统计，结合数据量信息进行数据排列，确定所述废玻璃特征信息集，根据所述废玻璃特征信息集，对废玻璃特征进行分级，简单来说就是不同的特征在进行数据分类过程处于不同的分类等级，等级高的数据分类特征先参与数据分类过程；等级低的数据分类特征后参与数据分类过程。基于所述废玻璃特征信息集，结合分级特征，确定特征分类过程的节点信息，构建废玻璃分类决策树，为废玻璃分类提供稳定的模型基础，通过所述废玻璃分类决策树实现废玻璃的精细化分类，提高废玻璃的分类方案的全面性。
S300：通过特征采集设备采集获得待回收废玻璃特征；
S400：将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；
具体而言，所述特征采集设备可以是图像采集装置或其他相关特征数据采集装置，实际结合所述待回收废玻璃特征信息进行具体确定，所述待回收废玻璃为需要进行分类回收的废玻璃，不对所述待回收废玻璃进行具体限定，示例性的，可以通过图像采集装置采集待回收玻璃的影像信息，所述图像采集装置内部包含一影像卷积处理模块，可以对所述待回收玻璃的影像信息进行特征匹配识别，将所述特征匹配识别结果确定为所述图像采集装置所得的待回收废玻璃特征。上述示例不唯一，不对方案的具体实施进行限定，所述示例说明是为保证方案的可实施，特别的，所述特征采集设备与所述废玻璃特征信息集的特征类型对应。将所述待回收废玻璃特征信息依次分别输入所述废玻璃分类决策树中，特别的，所述信息的输入顺序与所述废玻璃特征信息集的分级特征对应，将所述待回收废玻璃特征输入所述废玻璃分类决策树中，可以唯一确定所述待回收废玻璃的分类结果。
进一步具体说明，所述特征采集设备与所述废玻璃特征信息集的特征类型对应，简单来讲，所述废玻璃特征信息集对应的所有的需要进行采集获取的特征参数，都可以通过所述特征采集设备进行采集获取，示例性的，所述废玻璃厚度特征与厚度采集测量装置对应，常见如千分尺、游标卡尺；所述废玻璃形状特征与图像采集装置对应，常见如监控摄像头。所述信息的输入顺序与所述废玻璃特征信息集的分级特征对应，常见的，厚度特征分类过程，在废玻璃分类决策树中，可以不断精确，示例性的，设定厚度特征精确到千分位，第一厚度特征可以精确到十分位，第二厚度特征可以精确到百分位，第三厚度特征可以精确到千分位，所述废玻璃厚度数据从十分位、百分位、千分位依次输入所述废玻璃分类决策树中。
S500：根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；
S600：根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案。
具体而言，一般的，所述分类结果与回收相对应，确定所述待回收玻璃的分类结果，可以确定所述待回收玻璃的回收方案，通过所述待回收玻璃的回收方案确定回收流程，所述回收流程包括但不限于回收点资质审核、回收点回收总量预估、进行废玻璃分类，通过所述回收流程，确定回收流程参数，对应匹配回收输送信息，所述回收输送信息包括回收点位置信息、废玻璃与所述回收点的距离信息或其他相关数据信息，根据所述匹配回收输送信息，基于所述回收输送信息确定运输成本，通过运输成本与回收收益确定第一回收处理方案，所述回收效益包括但不限于回收再利用的经济效益，所述回收再利用的经济效益具体来说可以是复材性能、回收价值、回收后的环境影响，所述第一回收处理方案为回收收益最高的回收处理方案，特别的，存在多个最高回收收益一致情况，可以结合所述匹配回收输送信息的进行优选，获取效益最佳的回收处理方案，针对废玻璃进行高效回收处理，为废玻璃的分类与回收提供方案支持。
进一步具体说明，结合所述匹配回收输送信息的进行优选，具体的，多个最高回收收益一致，但所述回收点的位置信息可能不一致，对应的废玻璃与所述回收点的距离信息不一致，优选废玻璃与所述回收点的距离最近的回收点，若距离信息一致，可以结合回收输送路线复杂度、回收输送时长进行进一步优选。上述方案优选可以简化方案的实施过程，不对方案进行具体限定，优选方案方式不唯一，具体结合实际数据信息进行具体确定，此处不做限制性说明。
进一步的，如图2所示，所述根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树，步骤S200还包括：
S210：基于所述废玻璃特征信息集，获得训练数据集；
S220：计算所述训练数据集中各特征数据的基尼系数；
S230：根据特征数据的基尼系数，确定所述分级特征，所述分级特征包括N个分级特征，其中，N为大于2的自然数；
S240：获得样本平衡参数；
S250：根据所述样本平衡参数对所述分级特征进行修剪，获得第一分级特征、第二分级特征、直到第M分级特征，其中，M为大于2的自然数；
S260：根据所述第一分级特征、第二分级特征、直到第M分级特征，构建所述废玻璃分类决策树。
具体而言，基于所述废玻璃特征信息集，获得训练数据集与测试集数据，所述训练数据集为构建废玻璃分类决策树的数据信息，所述测试集数据为验证废玻璃分类决策树的数据信息；逐次计算所述训练数据集中各特征数据的基尼系数；根据特征数据的基尼系数，确定所述分级特征，所述分级特征包括N个分级特征，其中，N为大于2的自然数，基尼系数的数据大小，确定所述训练数据集的不纯度，所述分级特征为训练数据集的不纯度大的指标数据；获得样本平衡参数，样本平衡参数为数据在所述训练数据集的发生概率；根据所述样本平衡参数对所述分级特征进行修剪，获得第一分级特征、第二分级特征、直到第M分级特征，其中，M为大于2的自然数，具体的，为保证废玻璃分类决策树的全面性与稳定性，可以结合样本平衡参数对特征信息进行加权，所述样本平衡参数对所述分级特征进行修剪调整，获得第一分级特征、第二分级特征、直到第M分级特征，示例性的，样本平衡参数对应的概率为(2％：98％)，分类决策树直接进行数据分类，易使得发生概率小的样本被忽略，也就是分类决策树可能直接将数据特征定位到发生概率大的部分，无法保证标签的均衡，通过样本平衡参数对少量标签的数据给较多的权重进行平衡，以确保修剪过程中各节点包含样本权重的占比数量，保证修剪后分类的可靠性，优化得到的决策树得到的分类结果更为精准；将修剪后确定的所述第一分级特征、第二分级特征、直到第M分级特征，构建废玻璃分类决策树，将测试集数据输入废玻璃分类决策树，分类结果稳定表示验证成功，若验证不成功，可以调整训练数据集与测试集数据的数据量，重新进行废玻璃分类决策树的构建，结合样本平衡参数，对所述分级特征进行修剪，能有效保证废玻璃分类决策树的特征分类均衡。
进一步的，所述计算所述训练数据集中各特征数据的基尼系数，步骤S220还包括：
S221：通过公式：
Figure BDA0003632006990000101
计算获得所述特征数据的基尼系数。
具体而言：通过公式：
Figure BDA0003632006990000102
其中，pk为训练数据集中任一特征数据，k＝0、1、2、3…n，k为任意常数，计算获得所述特征数据的基尼系数，示例性的，训练数据集为{0，1，1，1，1，1}，代入得到
Figure BDA0003632006990000103
Figure BDA0003632006990000104
训练数据集为{0，0，1，1，1，2}，代入得到
Figure BDA0003632006990000105
Figure BDA0003632006990000106
即0.3888889，由此示例可知，所述基尼系数用于表示是数据特征分配均匀程度，所述基尼系数越大表示数据差距越大，即当基尼系数越小表示数据特征越纯；基尼系数越大表示数据特征越杂，计算所述训练数据集中各特征数据的基尼系数，可以有效保证数据特征分配过程的稳定性，为构建所述废玻璃分类决策树提供数据理论基础。
进一步具体说明，数据特征分配过程，具体来说就是可以利用公式计算全部特征数据的不纯度，将不纯的指标最为最优特征进行特征划分，在第一个特征数据下继续计算全部的不纯度指标，进行重复操作，在整体的不纯度指标最优状态，停止特征划分。
进一步的，所述特征采集设备包括图像采集设备、密度检测设备，所述通过特征采集设备采集获得待回收废玻璃特征，本申请还包括：
S710：通过所述图像采集设备对废玻璃进行图像采集，获得图像信息；
S720：通过所述密度检测设备对废玻璃进行密度检测，获得玻璃密度信息；
S730：对所述图像信息进行透明度、颜色特征、瓶身标识提取，获得废玻璃颜色特征、透明度特征、标识特征；
S740：根据所述标识特征，确定废玻璃材质特征；
S750：根据所述玻璃密度信息、所述废玻璃颜色特征、透明度特征、废玻璃材质特征，构建所述待回收废玻璃特征。
具体而言，通过所述图像采集设备对所述待回收废玻璃进行图像采集，所述图像采集设备可以是摄像头、摄像机或其他图像采集设备，所述图像采集方案的实际实施通过所述待回收废玻璃的结构信息进行具体细化，一般的，所述待回收废玻璃结构复杂度越高，所述图像采集方案需要进行对应性细化，获得图像信息，所述影响信息包括所述待回收废玻璃的多角度图像信息；对所述图像信息进行透明度、颜色特征、瓶身标识提取，常见的，所述待回收废玻璃为啤酒瓶，瓶身标识可能为多处，实际的数据信息需要结合所述待回收废玻璃进行具体确定，此处不做赘述，所述提取可以通过影像卷积处理模块的特征识别结果进行具体实施，获得所述待回收废玻璃的颜色特征、透明度特征、标识特征；根据所述标识特征，确定废玻璃材质特征，具体的，所述待回收废玻璃为汽车挡风玻璃，LAMINATED(层压的)标识为夹层玻璃，TEMPERED(调合的)标识为钢化玻璃；通过所述密度检测设备对所述待回收废玻璃进行密度检测，所述密度检测设备可以是固体密度计或其他密度检测装置，获得所述待回收废玻璃的玻璃密度信息；根据所述玻璃密度信息、所述废玻璃颜色特征、透明度特征、废玻璃材质特征，进行特征信息整合，构建所述待回收废玻璃特征，保证了所述待回收废玻璃的特征信息的可靠性。
具体进一步说明，所述提取可以通过影像卷积处理模块的特征识别结果进行具体实施，示例性的，影像卷积处理模块可以对所述待回收废玻璃的瓶身标签进行特征识别，通过所述特征识别结果对瓶身标识提取；所述透明度可以通过同等强度的光源的透光效果进行确定，常见的，同等强度的光源且所述光源与所述待回收废玻璃距离一致，透光效果好对应的所述待回收废玻璃的透明度高，透光效果差对应的所述待回收废玻璃的透明度低，所述颜色特征可以通过所述图像信息结合智能比色装置确定。
进一步的，所述根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息，步骤S500还包括：
S510：获得回收参数列表，所述回收参数列表包括回收标准参数、回收输送信息、回收产品参数及其映射关系；
S520：根据所述分类结果与所述回收标准参数进行匹配，获得匹配回收标准信息；
S530：根据所述匹配回收标准信息与所述回收输送信息进行匹配，获得匹配输送信息；
S540：根据所述匹配输送信息与所述回收产品参数进行匹配，获得匹配产品参数；
S550：基于所述匹配回收标准信息、所述匹配输送信息、所述匹配产品参数，获得所述匹配回收输送信息。
具体而言，获得回收参数列表，所述回收参数列表包括回收标准参数、回收输送信息、回收产品参数及其映射关系，确定多个回收点，不同的回收点对应不同的回收输送信息，不同的回收点对应不同的回收标准参数，所述回收标准参数包括但不限于颜色标准、密度标准、材质标准，所述回收产品参数为所述待回收废玻璃的产品参数，所述映射关系具体来说就是所述回收产品参数满足所述回收标准参数，所述回收点可以进行所述待回收废玻璃的回收，通过所述回收点确定所述回收输送信息；根据所述分类结果与所述回收标准参数进行匹配，确定分类对应的回收的参数标准，所述参数标准包括但不限于颜色、密度、材质或其他相关参数指标，获得匹配回收标准信息，所述匹配回收标准信息对应可以进行回收的标准信息；根据所述匹配回收标准信息与所述回收输送信息进行匹配，获得匹配输送信息，所述匹配输送信息包括但不限于区域方向、回收点信息，所述回收点信息包括了回收点距离信息、输送方式信息、输送成本信息，所述匹配输送信息可能包含了多个输送的方向；根据所述匹配输送信息与所述回收产品参数进行匹配，所述回收产品参数需要结合后续回收再生产品进行确定，再生产品可以是沥青、混凝土、大理石、玻璃微珠、玻璃棉或其他相关废玻璃加工产品，所述参数匹配可以是结合所述再生产品的工艺要求进行具体实施，不对所述具体实施方案进行具体解释说明，获得匹配产品参数，所述匹配产品参数为所述再生产品进行匹配确定的参数信息；基于所述匹配回收标准信息、所述匹配输送信息、所述匹配产品参数，获得所述匹配回收输送信息，所述匹配回收输送信息结合再生产品进行优化，保证了所述匹配回收输送信息的有效性。
具体进一步说明，不同的回收点对应不同的回收标准参数，不同的回收点的废玻璃进行回收利用的方案不同，回收标准参数也不同，示例性的，碎玻璃的块度需合适，具体解释说明，粗大的碎玻璃输送困难，碎玻璃通过斗提机和皮带机运输，超过限度会造成堵料；过细的碎玻璃会导致配合料中的石英砂熔解困难，延缓玻璃的熔制过程，碎玻璃的具体块度信息可以配合回收利用的方案进行具体确定，此处不做赘述，所述匹配输送信息可能包含了多个输送的方向，常见的，废玻璃的特征类型不同，回收点不同，还可能存在同一特征类型的废玻璃对应多个输送方向，如一个回收点无法回收该类型的所有的废玻璃，需要多个回收点对该类型的所有的废玻璃进行匹配回收。
进一步的，所述根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案，本申请还包括：
S610：将所述匹配回收输送信息输入多层级效益分析模型，获得多层级分析结果；
S620：对所述多层级分析结果进行统一量化处理，获得多层量化分析结果；
S630：根据所述多层量化分析结果进行回收方案筛选，获得所述第一回收处理方案。
具体而言，将所述匹配回收输送信息输入多层级效益分析模型，获得多层级分析结果；对所述多层级分析结果进行统一量化处理，所述同一量化处理简单来说就是标准化处理，示例性的，将宽度数据换算以m为单位，将密度数据换算以kg/m3为单位，获得多层量化分析结果；根据所述多层量化分析结果进行回收方案筛选，获得所述第一回收处理方案，所述第一回收处理方案为回收收益最高的回收处理方案，获得所述第一回收处理方案，保证了废玻璃分类回收精细方案的具体实施。
进一步的，所述将所述匹配回收输送信息输入多层级效益分析模型之前，本申请还包括：
S611：获得玻璃信息数据库，所述玻璃信息数据库包括回收标准信息、输送信息、再生产品信息；
S612：根据所述回收标准信息，确定玻璃材质信息、玻璃颜色信息、玻璃密度信息；
S613：根据所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行回收收益评估确定评估影响关系，构建材料收益评估层；
S614：根据所述输送信息，确定企业紧密度、输送成本信息；
S615：根据所述企业紧密度、所述输送成本信息计算权重值，基于所述权重值进行收益评估，构建输送收益评估层；
S616：根据所述再生产品信息，确定再生产品性能、再生生产过程、再生环保影响信息；
S617：基于所述再生产品性能、再生生产过程、再生环保影响信息进行回收收益评估，确定评估关系构建再生收益评估层；
S618：将所述材料收益评估层、所述输送收益评估层、所述再生收益评估层进行连接，构建所述多层级效益分析模型。
具体而言,获得玻璃信息数据库，玻璃信息数据库包括回收标准信息、输送信息、再生产品信息，回收标准信息结合回收点回收要求进行对应确定，输送信息结合回收点位置信息确定，输送信息对玻璃材质信息有限制，示例性的，钢化玻璃制品与普通玻璃制品的运输要求不一致，再生产品信息结合所述再生产品的工艺要求进行确定；根据所述回收标准信息，确定玻璃材质信息、玻璃颜色信息、玻璃密度信息；基于神经网络模型，根据所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行回收收益评估确定评估影响关系，构建材料收益评估层，所述材料收益评估层对应所述神经网络模型的第一网络层；根据所述输送信息，确定企业紧密度、输送成本信息，企业紧密度简单来说就是回收点废玻璃回收类型与所有待回收废玻璃的类型的匹配数据，具体的，所有待回收废玻璃均与第一回收点废玻璃回收类型匹配，第一回收点的企业紧密度高；根据所述企业紧密度、所述输送成本信息计算权重值，基于所述权重值进行收益评估，构建输送收益评估层；根据所述再生产品信息，确定再生产品性能、再生生产过程、再生环保影响信息，再生产品性能可以通过再生产品的使用性能进行确定，再生生产过程可以通过再生产品是的加工生产工艺流程进行确定，再生环保影响信息可以通过再生产品是否可以继续进行回收利用进行确定；基于神经网络模型，通过所述再生产品性能、再生生产过程、再生环保影响信息进行回收收益评估，构建评估关系构建再生收益评估层，评估关系构建再生收益评估层对应所述神经网络模型的第二网络层；将所述材料收益评估层、所述输送收益评估层、所述再生收益评估层进行连接，所述连接不进行数据逻辑运算，为功能层合并操作，构建所述多层级效益分析模型，为进行效益分析提供模型基础。
进一步具体说明，构建材料收益评估层，所述材料收益评估层对应所述神经网络模型的第一网络层，具体的，将所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行数据分组，每组数据均包括玻璃材质数据、玻璃颜色数据、玻璃密度数据，将多组玻璃材质数据、玻璃颜色数据、玻璃密度数据确定为训练数据集的输入数据，基于人工神经网络，进行数据训练，在数据输出结果趋于稳定状态，确定所述材料收益评估层。
综上所述，本申请所提供的一种基于精细化管理的废玻璃分类回收方法及装置具有如下技术效果：
1.由于采用了获得废玻璃特征信息集；确定分级特征，并基于分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将待回收废玻璃特征输入废玻璃分类决策树中，获得分类结果；根据分类结果进行回收流程参数匹配，获得匹配回收输送信息；进行回收收益分析，获得第一回收处理方案。本申请通过提供了一种基于精细化管理的废玻璃分类回收方法及装置，达到了优化废玻璃的分类方式，智能分析精确匹配废玻璃的分类与回收，提高资源利用率的技术效果。
实施例二
基于与前述实施例中一种基于精细化管理的废玻璃分类回收方法相同的发明构思，如图3所示，本申请提供了一种基于精细化管理的废玻璃分类回收装置，其中，所述装置包括：
第一获得单元11，所述第一获得单元11用于获得废玻璃特征信息集；
第一确定单元12，所述第一确定单元12用于根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；
第二获得单元13，所述第二获得单元13用于通过特征采集设备采集获得待回收废玻璃特征；
第三获得单元14，所述第三获得单元14用于将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；
第四获得单元15，所述第四获得单元15用于根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；
第五获得单元16，所述第五获得单元16用于根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案。
进一步的，所述装置包括：
第六获得单元，所述第六获得单元用于基于所述废玻璃特征信息集，获得训练数据集；
第一计算单元，所述第一计算单元用于计算所述训练数据集中各特征数据的基尼系数；
第二确定单元，所述第二确定单元用于根据特征数据的基尼系数，确定所述分级特征，所述分级特征包括N个分级特征，其中，N为大于2的自然数；
第七获得单元，所述第七获得单元用于获得样本平衡参数；
第八获得单元，所述第八获得单元用于根据所述样本平衡参数对所述分级特征进行修剪，获得第一分级特征、第二分级特征、直到第M分级特征，其中，M为大于2的自然数；
第一构建单元，所述第一构建单元用于根据所述第一分级特征、第二分级特征、直到第M分级特征，构建所述废玻璃分类决策树。
进一步的，所述装置包括：
第二计算单元，所述第二计算单元用于通过公式：
Figure BDA0003632006990000201
Figure BDA0003632006990000202
计算获得所述特征数据的基尼系数。
进一步的，所述装置包括：
第九获得单元，所述第九获得单元用于通过所述图像采集设备对废玻璃进行图像采集，获得图像信息；
第十获得单元，所述第十获得单元用于通过所述密度检测设备对废玻璃进行密度检测，获得玻璃密度信息；
第十一获得单元，所述第十一获得单元用于对所述图像信息进行透明度、颜色特征、瓶身标识提取，获得废玻璃颜色特征、透明度特征、标识特征；
第三确定单元，所述第三确定单元用于根据所述标识特征，确定废玻璃材质特征；
第二构建单元，所述第二构建单元用于根据所述玻璃密度信息、所述废玻璃颜色特征、透明度特征、废玻璃材质特征，构建所述待回收废玻璃特征。
进一步的，所述装置包括：
第十二获得单元，所述第十二获得单元用于获得回收参数列表，所述回收参数列表包括回收标准参数、回收输送信息、回收产品参数及其映射关系；
第十三获得单元，所述第十三获得单元用于根据所述分类结果与所述回收标准参数进行匹配，获得匹配回收标准信息；
第十四获得单元，所述第十四获得单元用于根据所述匹配回收标准信息与所述回收输送信息进行匹配，获得匹配输送信息；
第十五获得单元，所述第十五获得单元用于根据所述匹配输送信息与所述回收产品参数进行匹配，获得匹配产品参数；
第十六获得单元，所述第十六获得单元用于基于所述匹配回收标准信息、所述匹配输送信息、所述匹配产品参数，获得所述匹配回收输送信息。
进一步的，所述装置包括：
第十七获得单元，所述第十七获得单元用于将所述匹配回收输送信息输入多层级效益分析模型，获得多层级分析结果；
第十八获得单元，所述第十八获得单元用于对所述多层级分析结果进行统一量化处理，获得多层量化分析结果；
第十九获得单元，所述第十九获得单元用于根据所述多层量化分析结果进行回收方案筛选，获得所述第一回收处理方案。
进一步的，所述装置包括：
第二十获得单元，所述第二十获得单元用于获得玻璃信息数据库，所述玻璃信息数据库包括回收标准信息、输送信息、再生产品信息；
第四确定单元，所述第四确定单元用于根据所述回收标准信息，确定玻璃材质信息、玻璃颜色信息、玻璃密度信息；
第三构建单元，所述第三构建单元用于根据所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行回收收益评估确定评估影响关系，构建材料收益评估层；
第五确定单元，所述第五确定单元用于根据所述输送信息，确定企业紧密度、输送成本信息；
第四构建单元，所述第四构建单元用于根据所述企业紧密度、所述输送成本信息计算权重值，基于所述权重值进行收益评估，构建输送收益评估层；
第六确定单元，所述第六确定单元用于根据所述再生产品信息，确定再生产品性能、再生生产过程、再生环保影响信息；
第七确定单元，所述第七确定单元用于基于所述再生产品性能、再生生产过程、再生环保影响信息进行回收收益评估，确定评估关系构建再生收益评估层；
第五构建单元，所述第五构建单元用于将所述材料收益评估层、所述输送收益评估层、所述再生收益评估层进行连接，构建所述多层级效益分析模型。
示例性电子设备
下面参考图4来描述本申请的电子设备，
基于与前述实施例中一种基于精细化管理的废玻璃分类回收方法相同的发明构思，本申请还提供了一种基于精细化管理的废玻璃分类回收装置，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于精细化管理的废玻璃分类回收方法。
可选的，本申请中的计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。
本申请提供了一种基于精细化管理的废玻璃分类回收方法，其中，所述方法应用于废玻璃分类回收系统，所述系统包括特征采集设备，所述方法包括：获得废玻璃特征信息集；根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；通过特征采集设备采集获得待回收废玻璃特征；将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如a，b，或c中的至少一项(个、种)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(SolidState Disk，SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于精细化管理的废玻璃分类回收方法，其特征在于，所述方法应用于废玻璃分类回收系统，所述系统包括特征采集设备，所述方法包括：
获得废玻璃特征信息集；
根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；
通过特征采集设备采集获得待回收废玻璃特征；
将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；
根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；
根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案；
其中，所述根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案，包括：
获得玻璃信息数据库，所述玻璃信息数据库包括回收标准信息、输送信息、再生产品信息；
根据所述回收标准信息，确定玻璃材质信息、玻璃颜色信息、玻璃密度信息；
根据所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行回收收益评估确定评估影响关系，构建材料收益评估层；
根据所述输送信息，确定企业紧密度、输送成本信息；
根据所述企业紧密度、所述输送成本信息计算权重值，基于所述权重值进行收益评估，构建输送收益评估层；
根据所述再生产品信息，确定再生产品性能、再生生产过程、再生环保影响信息；
基于所述再生产品性能、再生生产过程、再生环保影响信息进行回收收益评估，确定评估关系构建再生收益评估层；
将所述材料收益评估层、所述输送收益评估层、所述再生收益评估层进行连接，构建多层级效益分析模型；
将所述匹配回收输送信息输入多层级效益分析模型，获得多层级分析结果；
对所述多层级分析结果进行统一量化处理，获得多层量化分析结果；
根据所述多层量化分析结果进行回收方案筛选，获得所述第一回收处理方案。
2.如权利要求1所述的方法，其特征在于，所述根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树，包括：
基于所述废玻璃特征信息集，获得训练数据集；
计算所述训练数据集中各特征数据的基尼系数；
根据特征数据的基尼系数，确定所述分级特征，所述分级特征包括N个分级特征，其中，N为大于2的自然数；
获得样本平衡参数；
根据所述样本平衡参数对所述分级特征进行修剪，获得第一分级特征、第二分级特征、直到第M分级特征，其中，M为大于2的自然数；
根据所述第一分级特征、第二分级特征、直到第M分级特征，构建所述废玻璃分类决策树。
3.如权利要求2所述的方法，其特征在于，所述计算所述训练数据集中各特征数据的基尼系数，包括：
通过公式：
Figure FDA0003886887000000031
其中pk为第k个特征数据，计算获得所述特征数据的基尼系数。
4.如权利要求1所述的方法，其特征在于，所述特征采集设备包括图像采集设备、密度检测设备，所述通过特征采集设备采集获得待回收废玻璃特征，包括：
通过所述图像采集设备对废玻璃进行图像采集，获得图像信息；
通过所述密度检测设备对废玻璃进行密度检测，获得玻璃密度信息；
对所述图像信息进行透明度、颜色特征、瓶身标识提取，获得废玻璃颜色特征、透明度特征、标识特征；
根据所述标识特征，确定废玻璃材质特征；
根据所述玻璃密度信息、所述废玻璃颜色特征、透明度特征、废玻璃材质特征，构建所述待回收废玻璃特征。
5.如权利要求1所述的方法，其特征在于，所述根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息，包括：
获得回收参数列表，所述回收参数列表包括回收标准参数、回收输送信息、回收产品参数及其映射关系；
根据所述分类结果与所述回收标准参数进行匹配，获得匹配回收标准信息；
根据所述匹配回收标准信息与所述回收输送信息进行匹配，获得匹配输送信息；
根据所述匹配输送信息与所述回收产品参数进行匹配，获得匹配产品参数；
基于所述匹配回收标准信息、所述匹配输送信息、所述匹配产品参数，获得所述匹配回收输送信息。
6.一种基于精细化管理的废玻璃分类回收装置，其特征在于，所述装置应用于权利要求1-5任一所述方法，所述装置包括：
第一获得单元，所述第一获得单元用于获得废玻璃特征信息集；
第一确定单元，所述第一确定单元用于根据所述废玻璃特征信息集，确定分级特征，并基于所述分级特征构建废玻璃分类决策树；
第二获得单元，所述第二获得单元用于通过特征采集设备采集获得待回收废玻璃特征；
第三获得单元，所述第三获得单元用于将所述待回收废玻璃特征输入所述废玻璃分类决策树中，获得分类结果；
第四获得单元，所述第四获得单元用于根据所述分类结果进行回收流程参数匹配，获得匹配回收输送信息；
第五获得单元，所述第五获得单元用于根据所述匹配回收输送信息进行回收收益分析，获得第一回收处理方案，其中，所述第一回收处理方案为回收收益最高的回收处理方案；
第二十获得单元，所述第二十获得单元用于获得玻璃信息数据库，所述玻璃信息数据库包括回收标准信息、输送信息、再生产品信息；
第四确定单元，所述第四确定单元用于根据所述回收标准信息，确定玻璃材质信息、玻璃颜色信息、玻璃密度信息；
第三构建单元，所述第三构建单元用于根据所述玻璃材质信息、玻璃颜色信息、玻璃密度信息进行回收收益评估确定评估影响关系，构建材料收益评估层；
第五确定单元，所述第五确定单元用于根据所述输送信息，确定企业紧密度、输送成本信息；
第四构建单元，所述第四构建单元用于根据所述企业紧密度、所述输送成本信息计算权重值，基于所述权重值进行收益评估，构建输送收益评估层；
第六确定单元，所述第六确定单元用于根据所述再生产品信息，确定再生产品性能、再生生产过程、再生环保影响信息；
第七确定单元，所述第七确定单元用于基于所述再生产品性能、再生生产过程、再生环保影响信息进行回收收益评估，确定评估关系构建再生收益评估层；
第五构建单元，所述第五构建单元用于将所述材料收益评估层、所述输送收益评估层、所述再生收益评估层进行连接，构建多层级效益分析模型；
第十七获得单元，所述第十七获得单元用于将所述匹配回收输送信息输入多层级效益分析模型，获得多层级分析结果；
第十八获得单元，所述第十八获得单元用于对所述多层级分析结果进行统一量化处理，获得多层量化分析结果；
第十九获得单元，所述第十九获得单元用于根据所述多层量化分析结果进行回收方案筛选，获得所述第一回收处理方案。
7.一种基于精细化管理的废玻璃分类回收系统，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当所述程序被所述处理器执行时，使系统执行所述程序时实现权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质，其特征在于，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现权利要求1至5任一项所述方法的步骤。
CN202210492189.5A 2022-05-07 2022-05-07 一种基于精细化管理的废玻璃分类回收方法及装置 Active CN114925756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210492189.5A CN114925756B (zh) 2022-05-07 2022-05-07 一种基于精细化管理的废玻璃分类回收方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210492189.5A CN114925756B (zh) 2022-05-07 2022-05-07 一种基于精细化管理的废玻璃分类回收方法及装置

Publications (2)

Publication Number Publication Date
CN114925756A CN114925756A (zh) 2022-08-19
CN114925756B true CN114925756B (zh) 2022-11-11

Family

ID=82806619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210492189.5A Active CN114925756B (zh) 2022-05-07 2022-05-07 一种基于精细化管理的废玻璃分类回收方法及装置

Country Status (1)

Country Link
CN (1) CN114925756B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116597239B (zh) * 2023-07-18 2023-10-27 苏州友得利金属制品有限公司 一种建筑用回收钢管的加工处理方法及系统
CN117218424B (zh) * 2023-09-12 2024-06-07 陕西丝路创城建设有限公司 一种光伏电站建设中的物料管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5965858A (en) * 1994-04-15 1999-10-12 Hitachi, Ltd. Manufactured article recycling system
CN103552788A (zh) * 2013-11-07 2014-02-05 邱泽国 集群式垃圾自动识别总成及其自动分类垃圾桶
CN104899698A (zh) * 2015-06-16 2015-09-09 国网安徽省电力公司 电网企业再生资源差异化处置分类方法
CN107737735A (zh) * 2017-09-30 2018-02-27 沈阳知行科技有限公司 报废汽车回收金属的融合感知在线分选系统及分选方法
CN111301886A (zh) * 2020-02-25 2020-06-19 天津工业大学 基于rbf神经网络的垃圾分类回收系统及控制方法
CN112270378A (zh) * 2020-11-13 2021-01-26 中山大学 一种基于计算机视觉的废玻璃人工智能分选方法
CN112893418A (zh) * 2021-02-20 2021-06-04 宋绪洋 一种垃圾精细化分类处置系统及处置方法
CN113255941A (zh) * 2021-05-21 2021-08-13 南通市江海公路工程有限公司 一种桥梁施工废料的处理方法和装置
CN113313150A (zh) * 2021-05-17 2021-08-27 南京益得冠电子科技有限公司 一种基于pca及随机森林的电子舌检测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI739843B (zh) * 2016-05-31 2021-09-21 美商康寧公司 用於玻璃製品的防偽措施
CN107563527A (zh) * 2017-09-04 2018-01-09 昆明理工大学 一种生产制造型企业资源回收云服务系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5965858A (en) * 1994-04-15 1999-10-12 Hitachi, Ltd. Manufactured article recycling system
CN103552788A (zh) * 2013-11-07 2014-02-05 邱泽国 集群式垃圾自动识别总成及其自动分类垃圾桶
CN104899698A (zh) * 2015-06-16 2015-09-09 国网安徽省电力公司 电网企业再生资源差异化处置分类方法
CN107737735A (zh) * 2017-09-30 2018-02-27 沈阳知行科技有限公司 报废汽车回收金属的融合感知在线分选系统及分选方法
CN111301886A (zh) * 2020-02-25 2020-06-19 天津工业大学 基于rbf神经网络的垃圾分类回收系统及控制方法
CN112270378A (zh) * 2020-11-13 2021-01-26 中山大学 一种基于计算机视觉的废玻璃人工智能分选方法
CN112893418A (zh) * 2021-02-20 2021-06-04 宋绪洋 一种垃圾精细化分类处置系统及处置方法
CN113313150A (zh) * 2021-05-17 2021-08-27 南京益得冠电子科技有限公司 一种基于pca及随机森林的电子舌检测方法及系统
CN113255941A (zh) * 2021-05-21 2021-08-13 南通市江海公路工程有限公司 一种桥梁施工废料的处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Waste management, waste resource facilities and waste conversion processes;AyhanDemirbas;《Energy Conversion and Management》;20101015;第52卷(第2期);1280-1287 *
基于深度学习的碎玻璃分选方法研究;曹欣;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20220315(第03期);B015-832 *

Also Published As

Publication number Publication date
CN114925756A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN114925756B (zh) 一种基于精细化管理的废玻璃分类回收方法及装置
CN108363810A (zh) 一种文本分类方法及装置
CN108764375B (zh) 高速公路货运车辆跨省匹配方法及装置
CN112910690A (zh) 基于神经网络模型的网络流量预测方法、装置及设备
CN108777004B (zh) 高速公路客运车辆跨省匹配方法及装置
CN107729917A (zh) 一种标题的分类方法及装置
CN110826624A (zh) 一种基于深度强化学习的时间序列分类方法
CN110990529A (zh) 企业的行业明细划分方法及系统
CN111985680B (zh) 基于胶囊网络与时序的刑事多罪名预测方法
CN111932394A (zh) 一种基于关联规则挖掘的不良根因路径分析方法及系统
CN115565373A (zh) 高速公路隧道事故实时风险预测方法、装置、设备及介质
CN112330441A (zh) 一种中小企业商业价值信用贷款评价方法
CN117933425A (zh) 一种干散货码头自动化装卸系统全域性能评价方法
CN114202645A (zh) 一种塑料的近红外光谱分类识别精度验证方法
CN114139931A (zh) 企业数据评估方法、装置、计算机设备及存储介质
CN107016454B (zh) 一种非均质矿球磨破碎分布函数预测方法
CN111738610A (zh) 一种基于舆情数据的企业流失性风险预警系统和方法
CN112632284A (zh) 用于未标注文本数据集的信息抽取方法及系统
CN114328479A (zh) 一种面向金融流数据的异常检测方法
CN114153976A (zh) 基于社交媒体数据的交通事件分类方法、系统及介质
CN108038502A (zh) 基于卷积神经网络的对象协同检测方法
CN115578598B (zh) 一种基于卷积神经网络的骨髓细胞识别方法及其系统
CN110286094B (zh) 一种基于聚类分析的光谱模型转移方法
CN114722936A (zh) 动植物离子浓度分析预警方法、系统、设备及存储介质
CN118710305A (zh) 一种公路运价指数的计算方法、装置、设备和介质

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