CN115072211A - 一种基于机器视觉识别的垃圾自动分类方法 - Google Patents
一种基于机器视觉识别的垃圾自动分类方法 Download PDFInfo
- Publication number
- CN115072211A CN115072211A CN202210911327.9A CN202210911327A CN115072211A CN 115072211 A CN115072211 A CN 115072211A CN 202210911327 A CN202210911327 A CN 202210911327A CN 115072211 A CN115072211 A CN 115072211A
- Authority
- CN
- China
- Prior art keywords
- garbage
- module
- infrared
- automatic
- machine vision
- 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
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000006698 induction Effects 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/0033—Refuse receptacles; Accessories therefor specially adapted for segregated refuse collecting, e.g. receptacles with several compartments; Combination of receptacles
- B65F1/0053—Combination of several receptacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/14—Other constructional features; Accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F1/00—Refuse receptacles; Accessories therefor
- B65F1/0033—Refuse receptacles; Accessories therefor specially adapted for segregated refuse collecting, e.g. receptacles with several compartments; Combination of receptacles
- B65F2001/008—Means for automatically selecting the receptacle in which refuse should be placed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2210/00—Equipment of refuse receptacles
- B65F2210/168—Sensing means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2210/00—Equipment of refuse receptacles
- B65F2210/176—Sorting means
-
- 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
- Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Processing Of Solid Wastes (AREA)
- Image Analysis (AREA)
Abstract
本发明专利公开了一种基于机器视觉识别的垃圾自动分类方法，其方法包括如下步骤：S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾，本发明专利的机械部分主要由异步电动机、ArduinoUnoR3单片机、连杆、机械臂构成，通过单片机带动机械臂抓取垃圾投放至指定分类箱中，本发明专利的识别系统是基于YOLOv5视觉识别网络而提前训练好的，并将其部署于RasPi中，通过深度学习算法的训练集，本构件能很好的识别垃圾并进行精确分类，同时无需网络，不受互联网的制约，适用面更广泛，本发明通过C语言编程建立垃圾分类数字化信息管理平台，对接再生资源企业，助力双网融合，打造垃圾分类回收处理的闭环模式。
Description
技术领域
本发明专利涉及垃圾分类技术领域，具体为一种基于机器视觉识别的垃圾自动分类方法。
背景技术
近年来，我国各地开始实施垃圾分类政策，目前的垃圾分类设备分为两种：智能垃圾分类亭和基于云端的分类垃圾桶，但是前者需要用户主观选择垃圾投放口，由于垃圾分类知识体系不健全等因素导致垃圾错误分类的现象时有发生；而后者由于体积大、互联网牵制等问题无法普及。
基于此，本发明提出一种基于机器视觉识别的垃圾自动分类方法来解决上述问题。
发明专利内容
本发明专利的目的在于研发一种基于单片机、RasPi、机器识别的垃圾自动分类构件，从而协助现阶段垃圾智能分类设备实现自动分类(可回收物、有害垃圾、厨余垃圾、其他垃圾)，同时本设备配备垃圾分类数字化信息管理平台，对接再生资源企业，助力“城市环卫系统和再生资源系统”两网融合，让再生资源回收自动融入到垃圾分类中，进一步实现回收率最大化，助力“碳达峰和碳中和”战略目标，如今我国各地开始实施垃圾分类政策，也有诸如“小黄狗”、“艾拉物联”等垃圾分类设备，但是此类设备均需用户自主分类垃圾，由于垃圾分类知识普及难免不全面，故投错垃圾的现象时有发生，为解决此类问题，本团队致力于研发一种可自动进行垃圾分类的构件，同时配有信息管理平台对接再生资源企业，打造垃圾分类的闭环服务系统，为实现上述目的，本发明专利提供如下技术方案：一种基于机器视觉识别的垃圾自动分类方法，其方法包括如下步骤：
S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾；
S2垃圾被存放于临时存储模块，临时存储模块内设有红外感应器及推杆活塞，红外感应器感应临时存储模块内的垃圾量多少，并将传输结果反馈至PC端，PC端通过计算得出推进距离，将少部分垃圾推入分拣模块；
S3分拣模块内设电机、凸轮、平面连杆结构，通过电机带动凸轮转动，实现平面连杆结构表面振动，使垃圾缓缓向开口处移动，进一步地，由于振动，质量大的垃圾移动速度快，质量小的移动速度慢，垃圾在分拣模块会根据质量大小初步进行分类；
S4垃圾经过初步分拣进入识别模块，识别模块内设红外装置、红外感应器、摄像机，摄像机对准红外装置，当垃圾经过红外装置时，会挡住红外线，此时红外感应器无法感应到红外线，然后摄像机拍照，摄像机会将图像传输至PC端，进行模型训练分类，并将结果传输至单片机；
S5通过单片机控制机械臂抓取的核心部分，将待抓取的目标的三维坐标进行系统输入，抓取垃圾投放至相应的投放口。
优选的，所述S2中，临时存储模块内设推杆活塞、电机、红外感应装置、破袋刀，破袋刀进行整袋垃圾的分离，红外感应装置作为垃圾量的检测，电机和推杆活塞推动少许定量垃圾进行下一道工序。
优选的，所述S3中，平面连杆结构的开口处稍稍抬高5°的坡度。
优选的，所述S4中，识别模块采用的是YOLOv5模型，单目标摄像头采集视频图像，以RasPi作为上位机主控芯片，利用YOLOv5深度学习模型进行垃圾的自动提取与识别。
优选的，所述S4中，单片机为Arduino Uno R3，所述垃圾识别结果信息通过串口发送至下位机Arduino Uno R3控制板。
优选的，所述Arduino Uno R3控制板控制自动分类模块进行垃圾分类。
优选的，所述自动分类模块包括核心机械构件：六自由度机械臂×3、RaspberryPi。
优选的，所述六自由度机械臂抓取系统的核心控制部分交由Arduino Uno R3单片机处理，将待抓取的点的三维做表作为系统输入，传输给单片机控制核心，根据单片机编程实现逆运动学求解和轨迹规划，将待抓取点位转换为关节角度。
与现有技术相比，本发明专利的有益效果如下：
本发明专利的机械部分主要由异步电动机、Arduino Uno R3单片机、连杆、机械臂构成，通过单片机带动机械臂抓取垃圾投放至指定分类箱中，本发明专利的识别系统是基于YOLO v5视觉识别网络而提前训练好的，并将其部署于RasPi中，通过深度学习算法的训练集，本构件能很好的识别垃圾并进行精确分类，同时无需网络，不受互联网的制约，适用面更广泛，本发明通过C语言编程建立垃圾分类数字化信息管理平台，对接再生资源企业，助力双网融合，打造垃圾分类回收处理的闭环模式。
具体实施方式
下面将结合本发明专利中的实施例，对本发明专利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专利一部分实施例，而不是全部的实施例。基于本发明专利中的实施例，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，都属于本发明专利保护的范围。
一种基于机器视觉识别的垃圾自动分类方法，其方法包括如下步骤：
S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾；
S2垃圾被存放于临时存储模块，临时存储模块内设有红外感应器及推杆活塞，红外感应器感应临时存储模块内的垃圾量多少，并将传输结果反馈至PC端，PC端通过计算得出推进距离，将少部分垃圾推入分拣模块；
S3分拣模块内设电机、凸轮、平面连杆结构，通过电机带动凸轮转动，实现平面连杆结构表面振动，使垃圾缓缓向开口处移动，进一步地，由于振动，质量大的垃圾移动速度快，质量小的移动速度慢，垃圾在分拣模块会根据质量大小初步进行分类；
S4垃圾经过初步分拣进入识别模块，识别模块内设红外装置、红外感应器、摄像机，摄像机对准红外装置，当垃圾经过红外装置时，会挡住红外线，此时红外感应器无法感应到红外线，然后摄像机拍照，摄像机会将图像传输至PC端，进行模型训练分类，并将结果传输至单片机；
S5通过单片机控制机械臂抓取的核心部分，将待抓取的目标的三维坐标进行系统输入，抓取垃圾投放至相应的投放口。
实施例一：
一种基于机器视觉识别的垃圾自动分类方法，其方法包括如下步骤：
S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾；
S2垃圾被存放于临时存储模块，临时存储模块内设有红外感应器及推杆活塞，红外感应器感应临时存储模块内的垃圾量多少，并将传输结果反馈至PC端，PC端通过计算得出推进距离，将少部分垃圾推入分拣模块；
S3分拣模块内设电机、凸轮、平面连杆结构，通过电机带动凸轮转动，实现平面连杆结构表面振动，使垃圾缓缓向开口处移动，进一步地，由于振动，质量大的垃圾移动速度快，质量小的移动速度慢，垃圾在分拣模块会根据质量大小初步进行分类；
S4垃圾经过初步分拣进入识别模块，识别模块内设红外装置、红外感应器、摄像机，摄像机对准红外装置，当垃圾经过红外装置时，会挡住红外线，此时红外感应器无法感应到红外线，然后摄像机拍照，摄像机会将图像传输至PC端，进行模型训练分类，并将结果传输至单片机；
S5通过单片机控制机械臂抓取的核心部分，将待抓取的目标的三维坐标进行系统输入，抓取垃圾投放至相应的投放口。
该实施例中：首先针对垃圾投放时存在低峰期和高峰期，且投放的垃圾分为零散垃圾和袋装垃圾两种，故本设备设有临时存储模块作为投放高峰期的缓冲，使后续处理工序的速率基本区域恒定，S2中，临时存储模块内设推杆活塞、电机、红外感应装置、破袋刀，破袋刀进行整袋垃圾的分离，红外感应装置作为垃圾量的检测，电机和推杆活塞推动少许定量垃圾进行下一道工序，S3中，平面连杆结构的开口处稍稍抬高5°的坡度，S4中，识别模块采用的是YOLOv5模型，单目标摄像头采集视频图像，以RasPi作为上位机主控芯片，利用YOLOv5深度学习模型进行垃圾的自动提取与识别，S4中，单片机为Arduino Uno R3，垃圾识别结果信息通过串口发送至下位机Arduino Uno R3控制板，Arduino Uno R3控制板控制自动分类模块进行垃圾分类，识别模块配有红外发射装置、红外感应装置以及摄像头，摄像头对准红外发射，无垃圾经过时，红外感应装置能够感应到发射装置发射的红外线，当垃圾经过传送区域使，会阻挡红外线的传播，从而红外感应装置无法感应到红外线，此时摄像头会采集视频图像，并将图像传输至PC端进行训练集的对比，对比结果通过串口发送至下位机Arduino Uno R3控制板。
实施例二：
一种基于机器视觉识别的垃圾自动分类方法，其方法包括如下步骤：
S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾；
S2垃圾被存放于临时存储模块，临时存储模块内设有红外感应器及推杆活塞，红外感应器感应临时存储模块内的垃圾量多少，并将传输结果反馈至PC端，PC端通过计算得出推进距离，将少部分垃圾推入分拣模块；
S3分拣模块内设电机、凸轮、平面连杆结构，通过电机带动凸轮转动，实现平面连杆结构表面振动，使垃圾缓缓向开口处移动，进一步地，由于振动，质量大的垃圾移动速度快，质量小的移动速度慢，垃圾在分拣模块会根据质量大小初步进行分类；
S4垃圾经过初步分拣进入识别模块，识别模块内设红外装置、红外感应器、摄像机，摄像机对准红外装置，当垃圾经过红外装置时，会挡住红外线，此时红外感应器无法感应到红外线，然后摄像机拍照，摄像机会将图像传输至PC端，进行模型训练分类，并将结果传输至单片机；
S5通过单片机控制机械臂抓取的核心部分，将待抓取的目标的三维坐标进行系统输入，抓取垃圾投放至相应的投放口。
该实施例中：首先针对垃圾投放时存在低峰期和高峰期，且投放的垃圾分为零散垃圾和袋装垃圾两种，故本设备设有临时存储模块作为投放高峰期的缓冲，使后续处理工序的速率基本区域恒定，S2中，临时存储模块内设推杆活塞、电机、红外感应装置、破袋刀，破袋刀进行整袋垃圾的分离，红外感应装置作为垃圾量的检测，电机和推杆活塞推动少许定量垃圾进行下一道工序，S3中，平面连杆结构的开口处稍稍抬高5°的坡度，S4中，识别模块采用的是YOLOv5模型，单目标摄像头采集视频图像，以RasPi作为上位机主控芯片，利用YOLOv5深度学习模型进行垃圾的自动提取与识别，S4中，单片机为Arduino Uno R3，垃圾识别结果信息通过串口发送至下位机Arduino Uno R3控制板，Arduino Uno R3控制板控制自动分类模块进行垃圾分类，识别模块配有红外发射装置、红外感应装置以及摄像头，摄像头对准红外发射，无垃圾经过时，红外感应装置能够感应到发射装置发射的红外线，当垃圾经过传送区域使，会阻挡红外线的传播，从而红外感应装置无法感应到红外线，此时摄像头会采集视频图像，并将图像传输至PC端进行训练集的对比，对比结果通过串口发送至下位机Arduino Uno R3控制板，自动分类模块包括核心机械构件：六自由度机械臂×3、RaspberryPi，六自由度机械臂抓取系统的核心控制部分交由Arduino Uno R3单片机处理，将待抓取的点的三维做表作为系统输入，传输给单片机控制核心，根据单片机编程实现逆运动学求解和轨迹规划，将待抓取点位转换为关节角度。
实施例三：
本发明进行了YOLO v5的识别准确度检验，同时本设备的自动分类模块进行了待识别垃圾的收集，因训练集数据库中的垃圾存在局限性，故实际应用中不在数据库中的垃圾会随传送模块进入待识别垃圾箱进行收集，管理人员后续会统一取出后将此类垃圾图像调入训练集中进行训练，在此过程中，识别模块的准确度会不断上升。
尽管已经示出和描述了本发明专利的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明专利的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明专利的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于机器视觉识别的垃圾自动分类方法，其特征在于：其方法包括如下步骤：
S1袋装垃圾进入设备后先进行破袋模块分离成零散垃圾；
S2垃圾被存放于临时存储模块，临时存储模块内设有红外感应器及推杆活塞，红外感应器感应临时存储模块内的垃圾量多少，并将传输结果反馈至PC端，PC端通过计算得出推进距离，将少部分垃圾推入分拣模块；
S3分拣模块内设电机、凸轮、平面连杆结构，通过电机带动凸轮转动，实现平面连杆结构表面振动，使垃圾缓缓向开口处移动，进一步地，由于振动，质量大的垃圾移动速度快，质量小的移动速度慢，垃圾在分拣模块会根据质量大小初步进行分类；
S4垃圾经过初步分拣进入识别模块，识别模块内设红外装置、红外感应器、摄像机，摄像机对准红外装置，当垃圾经过红外装置时，会挡住红外线，此时红外感应器无法感应到红外线，然后摄像机拍照，摄像机会将图像传输至PC端，进行模型训练分类，并将结果传输至单片机；
S5通过单片机控制机械臂抓取的核心部分，将待抓取的目标的三维坐标进行系统输入，抓取垃圾投放至相应的投放口。
2.根据权利要求1所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述S2中，临时存储模块内设推杆活塞、电机、红外感应装置、破袋刀，破袋刀进行整袋垃圾的分离，红外感应装置作为垃圾量的检测，电机和推杆活塞推动少许定量垃圾进行下一道工序。
3.根据权利要求1所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述S3中，平面连杆结构的开口处稍稍抬高5°的坡度。
4.根据权利要求1所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述S4中，识别模块采用的是YOLOv5模型，单目标摄像头采集视频图像，以RasPi作为上位机主控芯片，利用YOLOv5深度学习模型进行垃圾的自动提取与识别。
5.根据权利要求1所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述S4中，单片机为Arduino Uno R3，所述垃圾识别结果信息通过串口发送至下位机ArduinoUno R3控制板。
6.根据权利要求5所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述Arduino Uno R3控制板控制自动分类模块进行垃圾分类。
7.根据权利要求6所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述自动分类模块包括核心机械构件：六自由度机械臂×3、Raspberry Pi。
8.根据权利要求7所述的一种基于机器视觉识别的垃圾自动分类方法，其特征在于：所述六自由度机械臂抓取系统的核心控制部分交由Arduino Uno R3单片机处理，将待抓取的点的三维做表作为系统输入，传输给单片机控制核心，根据单片机编程实现逆运动学求解和轨迹规划，将待抓取点位转换为关节角度。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311195017.2A CN117088014A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
| CN202210911327.9A CN115072211A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210911327.9A CN115072211A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311195017.2A Division CN117088014A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115072211A true CN115072211A (zh) | 2022-09-20 |
Family
ID=83242511
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311195017.2A Pending CN117088014A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
| CN202210911327.9A Pending CN115072211A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311195017.2A Pending CN117088014A (zh) | 2022-07-30 | 2022-07-30 | 一种基于机器视觉识别的垃圾自动分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN117088014A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107738845A (zh) * | 2017-11-20 | 2018-02-27 | 张圣钰 | 一种智能垃圾处理回收装置 |
| CN110654739A (zh) * | 2019-09-18 | 2020-01-07 | 西安理工大学 | 一种基于机器视觉的可回收垃圾自动分类回收装置与方法 |
| US20210178432A1 (en) * | 2017-06-30 | 2021-06-17 | Boe Technology Group Co., Ltd. | Trash sorting and recycling method, trash sorting device, and trash sorting and recycling system |
| 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 |
| CN113650982A (zh) * | 2021-08-13 | 2021-11-16 | 桂林电子科技大学 | 一种垃圾分拣装置 |
-
2022
- 2022-07-30 CN CN202311195017.2A patent/CN117088014A/zh active Pending
- 2022-07-30 CN CN202210911327.9A patent/CN115072211A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210178432A1 (en) * | 2017-06-30 | 2021-06-17 | Boe Technology Group Co., Ltd. | Trash sorting and recycling method, trash sorting device, and trash sorting and recycling system |
| CN107738845A (zh) * | 2017-11-20 | 2018-02-27 | 张圣钰 | 一种智能垃圾处理回收装置 |
| CN110654739A (zh) * | 2019-09-18 | 2020-01-07 | 西安理工大学 | 一种基于机器视觉的可回收垃圾自动分类回收装置与方法 |
| 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 |
| CN113650982A (zh) * | 2021-08-13 | 2021-11-16 | 桂林电子科技大学 | 一种垃圾分拣装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117088014A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516570B (zh) | 一种基于视觉的垃圾分类识别方法和装置 | |
| CN111590611B (zh) | 一种基于多模态主动感知的物品分类回收方法 | |
| CN108971190B (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
| CN111439500B (zh) | 垃圾自动分类方法及垃圾自动分类装置 | |
| CN110654739A (zh) | 一种基于机器视觉的可回收垃圾自动分类回收装置与方法 | |
| CN111626117A (zh) | 基于目标检测的垃圾分拣系统及方法 | |
| CN111723782A (zh) | 基于深度学习的视觉机器人抓取方法及系统 | |
| CN102103409A (zh) | 基于运动轨迹识别的人机交互方法及装置 | |
| CN111015662A (zh) | 一种动态抓取物体方法、系统、设备和动态抓取垃圾方法、系统、设备 | |
| CN108706247A (zh) | 一种自动打分的智能垃圾箱及其运行方法 | |
| CN106203455A (zh) | 基于机器视觉的物料排正装置及圆柱形物料特征属性的识别方法 | |
| CN110861853B (zh) | 视觉与触觉相结合的智能垃圾分类方法 | |
| CN208092786U (zh) | 一种以深度卷积神经网络为基础的零件分拣系统 | |
| CN112149573A (zh) | 一种基于深度学习的垃圾分类与拾取机器人 | |
| CN108438833A (zh) | 物料姿态校正投放装置及圆柱形物料特征属性的识别方法 | |
| Feng et al. | Garbage disposal of complex background based on deep learning with limited hardware resources | |
| CN109573396A (zh) | 一种图像自动分类垃圾箱 | |
| CN210161172U (zh) | 一种基于深度学习的瓶罐类垃圾识别分类机器人 | |
| CN115072211A (zh) | 一种基于机器视觉识别的垃圾自动分类方法 | |
| CN110683240A (zh) | 一种基于图像处理的垃圾分类处理系统 | |
| CN206701918U (zh) | 一种多传感器融合的垃圾分拣装置 | |
| CN113955343B (zh) | 基于三维视觉的无序垃圾智能分类设备及其分类方法 | |
| CN111003380A (zh) | 一种智能回收垃圾的方法、系统、设备 | |
| CN212767831U (zh) | 多功能垃圾桶 | |
| CN109684942A (zh) | 一种基于视觉识别的全自动餐具分拣方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |