CN115482414A - 废弃饮料瓶的自动分类识别及回收装置 - Google Patents
废弃饮料瓶的自动分类识别及回收装置 Download PDFInfo
- Publication number
- CN115482414A CN115482414A CN202211151279.4A CN202211151279A CN115482414A CN 115482414 A CN115482414 A CN 115482414A CN 202211151279 A CN202211151279 A CN 202211151279A CN 115482414 A CN115482414 A CN 115482414A
- Authority
- CN
- China
- Prior art keywords
- identification
- unit
- recovery
- camera
- automatic
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种废弃饮料瓶的自动分类识别及回收装置。为解决现有智能回收系统中的功耗高、存在识别精度瓶颈等问题,本发明的图像采集单元包括低功耗事件捕捉单元和摄像头;低功耗事件捕捉单元包括事件相机和SNN处理器,SNN处理器根据事件相机对环境的感知执行推理;当事件相机的视场内检测到有饮料瓶投递后,SNN处理器根据事件相机输出的脉冲事件生成触发信号;控制单元被配置为当接收到触发信号后,经过第一延迟后控制所述摄像头延迟捕获当前图像,并基于捕获图形执行识别。本发明不仅克服了传统方案中系统功耗高的缺陷,还解决了识别准确度存在瓶颈的问题,取得了低功耗、高准确的技术效果。本发明适用于人工智能、物联网领域。
Description
技术领域
本发明涉及一种垃圾智能回收装置,尤其涉及一种超低功耗的废弃饮料瓶的高精度自动分类识别及回收装置。
技术背景
近些年来,饮料行业的迅猛发展,各种各样的饮料也成了人们生活中不可或缺的一部分,但是饮料行业迅猛发展和饮料销量的不断猛增,随着而来的问题是各种废弃的饮料瓶难以得到有效回收,对环境造成了极大的污染。但目前对废弃饮料瓶回收的方式效果甚微,废弃饮料瓶对环境的污染问题也没有得到有效的解决。
传统的废弃饮料瓶回收方式就是家庭收集,人们在喝完饮料之后在废弃的饮料瓶一般都会集中收集,等收集到一定数量之后,再拿去废品回收站兑换成现金,但是这种回收方式不仅过程繁琐,而且很多家庭都没有收集废弃饮料瓶的习惯,多数是将废弃饮料瓶直接丢弃。虽然近些年来国家倡导垃圾分类,在很多地方也设置了分类回收垃圾桶,但是很多也都是形同虚设,很多人也不会将废弃饮料瓶放到指定的分类回收垃圾箱中。
传统的废弃饮料瓶的回收方式有很大的改进空间。回收流程的简化是提高回收效率的最有利途径,而提高人们对回收废弃饮料瓶的积极性是根本途径。然而,如何能准确、经济、高效地对饮料瓶进行分类识别和回收,是本领域的难题。通过机器视觉来实现垃圾分类,已成为本领域的热门研究方向之一。
现有技术1:CN109201514B;
现有技术2:CN109165568A;
现有技术3:CN109684979B;
现有技术1公开的是基于深度学系神经网络对垃圾进行分类的方案,克服了人工筛选的高成本、效率地的问题。
现有技术2针对现有技术中识别饮料瓶必须要求条形码识别或瓶体完整才能识别的缺陷,公开了一种可以识别变形饮料瓶的技术方案。
现有技术3中同样是基于神经网络对垃圾进行分类,并且注意到在绝大部分时间,系统不应空转而是在待机中,若检测到存在待分类垃圾后,才执行垃圾分类识别,这在一定程度上降低了系统功耗。该方案检测垃圾是否存在的方案包括了对基于图像帧采样然后识别,但是该种方案本质上也属于一种高功耗方案。
现有技术中基于机器视觉的垃圾智能分类方案,普遍存在的共同缺点是:待机功耗高、以及准确度不高。
针对功耗方面,由于需要不断地对当前图像与前一时刻背景图像进行比较,以检测垃圾是否存在待回收垃圾的图形,该过程在整个系统中对资源消耗极大。智能垃圾桶是一个典型的端侧设备,如果配以市电才能工作的话,那么整个系统所消耗的电力资源极大,从而削弱垃圾智能分类所带来的经济效益。
针对准确度方面,由于用户投递饮料瓶等垃圾是一个动态过程且存在各种随机性,传统基于静态图像的人工智能分类方法难以处理该动态的空时域问题,尤其是当图像采集时所捕捉的图像并非最佳质量图形时。换言之,现有的识别技术因随机性而存在精度瓶颈难题。
基于该些技术背景,本发明披露一种能够低功耗、高精度实现垃圾分类方案,尤其是使用AI图像识别等技术实现废弃饮料瓶的分类识别的技术目标,实现居民在小区内自助投递并获取收益,有利于培养用户习惯,减少废弃饮料瓶对环境的污染、提升废物再利用价值的社会效益。
发明内容
本发明的目的在于提供一种面向废弃饮料瓶的自动分类识别回收系统及装置,从而有效的提高了废弃饮料瓶的回收效率,在一定程度上也能提高人们对回收废弃饮料瓶的积极性。在一定程度上能缓解废弃饮料瓶对环境的污染。
一种废弃饮料瓶的自动分类识别及回收装置,用于对饮料瓶类型进行自动识别和回收,该自动分类识别及回收装置包括:图像采集单元,其包括低功耗事件捕捉单元和摄像头;其中,低功耗事件捕捉单元包括事件相机和SNN处理器,所述SNN处理器根据事件相机对环境的感知,执行推理;当所述事件相机的视场内检测到有饮料瓶投递后,SNN处理器根据事件相机输出的脉冲事件,生成触发信号;控制单元,被配置为当接收到触发信号后,经过第一延迟后,控制所述摄像头延迟捕获当前图像;图像分类单元,被配置为执行摄像头所捕获的图像进行分类,获得分类结果;识别结果处理单元,被配置为对饮料瓶的分类结果进行分析和处理,分析饮料瓶的种类是否为管理员所设置的需要回收的种类:如果是,则回收;如果不是则提醒用户该饮料瓶不是回收的种类。
在某实施例中,当事件相机的视场内检测到有饮料瓶投递后,SNN处理器根据事件相机输出的输入脉冲事件,经过第一延迟后,生成触发信号;控制单元,被配置为当接收到触发信号后,控制所述摄像头延迟捕获当前图像。
在某实施例中,该自动分类识别及回收装置还包括:识别模型训练单元,将饮料瓶的图片和种类训练成相对应的识别模型,并将训练好的识别模型部署在图像分类单元上。
在某实施例中,该自动分类识别及回收装置还包括:模式选择单元,在用户扫码并打开识别指令之后,用户选择手动识别或自动识别模式;在手动模式下,用户需要手动按下识别按键进行饮料瓶识别;在自动识别模式下,系统会自动识别饮料瓶种类;图像分类单元根据模式选择单元选择的模式设置模式,根据图像采集单元和识别模型训练单元部署的识别模型,对饮料瓶的种类进行分类。
在某实施例中,所诉自动分类识别及回收装置还被配置为:通过查询管理员在web管理单元所设置的价格信息,并且根据分类结果和管理员设置的价格信息对回收的饮料瓶进行估价。
在某实施例中,该自动分类识别及回收装置还包括:自动回收单元,自动回收单元采用液压技术,在确定饮料瓶是需要回收的饮料瓶之后,会启动自动回收装置,将饮料瓶体积压缩,并存储到回收箱中;回收管理单元,通过设置在回收箱上的红外传感模组来自动感知当前回收箱的容量,管理员可通过终端设备查看回收箱的状态,并根据回收箱的状态来判断回收箱是否已经达到最大容量;云端单元,在自动回收结束之后,将用户的识别信息和识别金额上传至云端服务器,通过后端技术提供数据访问接口。
在某实施例中,该自动分类识别及回收装置被配置为:当用户在微信小程序终端登陆之后,通过后端技术和服务器访问到用户的识别数据和识别金额,利用前端技术显示用户的信息和识别金额,用户通过微信提现识别所获得的金额。
在某实施例中,所述触发信号是SNN处理器在第一网络判决窗口结束时做出的。
在某实施例中,所述第一延迟在70至90毫秒之间。
在某实施例中,在所述第一网络判决窗口结束时,对应的事件相机的像素激活数量为第一数量;在第一网络判决窗口结束后的第一延迟时刻,对应的事件相机的像素激活数量为第二数量;并且,第一数量小于第二数量。
在某实施例中,在第一网络判决窗口结束后的第一延迟时刻之后的干扰窗口内,事件相机的最大像素激活数量也小于第二数量。
本发明具有如下有益技术效果:
本发明装置体积小,可以部署在各种商店、学校、旅馆等人员出入密集的地方,通过回收奖励的方式,提高了人们对回收废弃饮料瓶的积极性;通过视觉技术、图像识别技术,克服了传统废弃饮料瓶回收过程繁琐、回收周期长、回收效率低的问题。尤为重要的是,本发明可以低功耗待机,尤其是针对非奖励模式的智能回收系统,降低系统运行成本,提升商业使用价值,促使智能回收方案广泛进入实际应用;此外,本发明不仅克服了引入低功耗事件捕捉单元后出现的精度总是降低问题,还克服了该领域传统方案存在的精度瓶颈问题。
附图说明
图1是智能回收系统的框架图;
图2是面向废弃饮料瓶的自动分类识别回收系统及装置示意图;
图3是面向废弃饮料瓶的自动分类识别回收系统及装置的核心部件关系图;
图4是本发明改进的图像采集单元示意图;
图5是一次投递过程对事件相机的像素激活数量随时间的变化图;
图6是训练数据的样本示例图;
图7是RGB图像捕捉最佳窗口的原理阐释图;
图8是面向废弃饮料瓶的自动分类识别回收系统及装置的物理结构示意图;
图9是自助回收终端的业务流程图;
图10是基于超声波的系统容量检测方案示意图;
图11是基于web的远程管理系统示意图;
图12是微信客户端功能的示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明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作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明整个智能回收系统的框架图。智能回收系统分别包括AI分类模块、自助回收终端、web管理系统、微信小程序、服务器。AI分类模块由Edgeboard组成,负责AI分类模型的部署、图像数据的分类;自助回收终端由树莓派、屏幕、STM32、超声波模块、舵机、音响、摄像头组成,使用MQTT技术和微信小程序通信,负责提供用户交互界面、容量监测、自动回收;web管理系统采用前后端分离技术,前端使用vue2架构、后端使用Springboot架构,使用MQTT技术实现对设备的管理,负责提供管理员查看回收信息、修改回收价格、管理设备;微信小程序通过MQTT技术和自助回收终端通信,负责用户扫码登陆自助回收终端、提现余额、积分兑换、历史数据查看等功能;服务器使用Nginx反向代理,通过Mysql存储数据,使用Tomcat部署web管理系统、微信小程序后端,负责用户数据的存储、访问以及web管理系统的部署、微信小程序后端的部署。
图2示出了本发明其中某实施例所披露的面向废弃饮料瓶的自动分类识别回收系统及装置(简称回收系统及装置、自助回收终端),其包括图像采集单元、模式选择单元、图像分类单元、识别结果处理单元、自动回收单元、人机交互单元、回收管理单元,以及用户扫描单元等,以及与自动分类识别回收系统及装置进行信息交互的识别模型训练单元、云端单元、用户终端、web管理单元等。本发明中所述的单元和模块同义。
图像采集单元用于获取识别区的图像数据,图像分类单元通过图像数据进行分类识别区的饮料瓶类别,其中图像分类单元根据模式选择单元选择的模式进行分类。可选地,该回收系统及装置还包括模式选择单元,模式选择单元在用户扫码单元对用户通过用户终端中的微信小程序扫码操作的处理下,打开识别指令之后,由用户选择手动识别和自动识别模式。在手动模式下,用户需要手动按下识别按键进行饮料瓶识别;在自动识别模式下,用户只需要将饮料瓶投入回收系统及装置中,并至少在图像采集单元的摄像头的捕捉下,系统会自动识别饮料瓶种类。
识别结果处理单元;在回收的瓶子估价结束之后,识别结果处理单元需要对瓶子的分类信息进行分析和处理,分析瓶子的种类是否为管理员所设置的需要回收的种类,如果是,则回收,如果不是则提醒用户该类瓶子不是回收的种类。
所诉自动分类识别及回收装置还被配置为:通过查询管理员在web管理单元所设置的价格信息,并且根据分类结果和管理员设置的价格信息对回收的饮料瓶进行估价。
自动回收单元,自动回收单元采用液压技术,在分析用户所放置在识别区的瓶子是需要回收的瓶子之后,会启动自动回收装置,将瓶子体积压缩,并存储到回收箱中。
回收管理单元,通过设置在回收箱上的红外传感模组来自动感知当前回收箱的容量,管理员可以在终端设备查看回收箱的状态,可以根据回收箱的状态来判断回收箱是否已经达到最大容量。
云端单元,在自动回收结束之后,会将用户的识别信息和识别金额上传至云端服务器,通过后端技术提供数据访问接口。
用户终端,在微信小程序终端登陆之后,可以通过后端技术和服务器访问到用户的识别数据和识别金额,利用前端技术显示用户的信息和识别金额,用户可以通过微信提现识别所获得的金额。
针对图形采集单元,在现有技术中,通常会利用OpenCV图像技术先对帧进行预处理,转成灰度图,在进行高斯模糊并设置初始图像帧为背景,并截图每一帧的图像并计算当前帧与背景帧之差并得到一个差分图(different map)由此来判断识别区是否有物体移动。
其中图像分类单元,通过MSE(均方误差)技术,计算相邻两帧之间的相似度来判断相邻两帧之间是否静止,其计算公式为:
其中m和n分别表示图像的宽和高,I(·)和K(·)分别表示两张测试图片对应的像素值,将两张测试图片对应的位置的像素值相减然后将结果累积起来,并对数据进行归一化处理,根据处理的结果得到前后两帧的相似度来判断画面是否静止。当画面静止之后将采集到的图像数据发送到图像分类单元进行分类。
但是该类方案存在功耗高的缺点,因为需要不停地计算判断识别区是否有物体移动以及画面是否静止,不论是图像分类单元需要消耗大量的计算资源,对于传感器而言需要不断地输出图像帧,以实现环境图像的采集,这在非奖励模式的智能回收系统中尤为明显。此外,并非所有的场景下,都能获得用于图像分类的静止画面,而移动的待识别物体在传统图形传感器上会存在图形模糊现象,这对AI而言,识别准确度将大打折扣,这是因为用户引入的随机特性导致了精度瓶颈的存在。本发明后文将披露一种可以解决该问题的技术方案。
图3示出了本发明某实施例提供的一种面向废弃饮料瓶的自动分类识别回收系统及装置的核心部件关系图。以下仅为举例,描述回收系统及装置的主要部件,但这并不构成对本发明构思的限制,它还可以包括其他的部件。
面向废弃饮料瓶的自动分类识别回收系统及装置包括主控单元21、图像采集单元23、AI图像分析处理单元22、人机交互单元24、回收管理单元26、回收处理单元25。
图像采集单元23所包括的摄像头型号为Spedal 902,该单元有69.5的动态成像范围和100度的视场角度更适合用来采集图像数据。摄像头安装在回收箱的正上方,在本实施例中,用来获取识别区的图像数据。
AI图像分析处理单元22(即图像分类单元)采用百度EdgeBoard计算卡,该单元采用FPGA芯片架构,体积小性能高,具有最高1.2GOPS的算力,在本实施例中提供图像数据分析的作用。
人机交互单元24采用的是10寸高清实现的触控屏,分辨率为1024×600px,在本实施例中提供人机交互的功能,用户在屏幕上可以查看到分类结果和模式选择的功能。
回收管理单元26,采用的是STM32F103C8T6最小系统配合两个SG90舵机,在本实施例中,在图像分类单元分类结束之后通过串口发送指令到STM32F103C8T6主控芯片上,STM32F103C8T6根据指令驱动SG90打开和关闭回收箱。
回收处理单元25采用HC-SR501单元组,该单元是基于红外线技术的自动控制单元,采用LHI799探头设计,灵敏度高,当饮料瓶容量达到其感应范围则输出高电平,STM32F103C8T6处理传感器电平数据并通过串口发送到主控单元1,主控单元1将数据上传到服务器,管理员通过web管理单元或者手机终端查看回收箱容量。回收箱容量和红外传感器的位置关系参考表1。
表1
主控单元1型号为Raspberry Pi 4B该单元具备1.5Ghz运行的64位四核处理器最高支持以60fps速度刷新的4K分辨率的双显示屏;高达4GB RAM,体积小性能高;主控单元1通过USB接口链接摄像头3,获取识别区的图像信息;通过以太网接口与AI图像分析处理单元2相连,获取AI图像分析处理单元2处理的图像信息;通过USB接口和HDMI转micro-HDMI接口与人机交互单元4相连,用于屏幕显示信息和人机交互;通过USB接口和回收管理单元6和回收处理单元5相连用于处理回收信息和管理回收信息。
图4展示了本发明所改进的一种图像采集单元。该图像采集单元包括低功耗事件捕捉单元、摄像头,其中低功耗事件捕捉单元包括SNN处理器和事件相机。事件相机是一种新型的图像传感器,不同于传统的图像帧传感器,该传感器的每个像素独立工作、独立感受对应的光线明暗变化,并在光线明暗发生变化时发放一个对应的脉冲事件。对于绝大部分的没有用户来回收垃圾的情况下,不会有视场内的图像变化,因此也就不会产生图像数据(事件)。
该事件相机产生的脉冲事件被送入到SNN(尖峰神经网络)处理器处理,并获得对应的结果。在没有目标对象的时候,SNN处理器的输出是稀疏的、不规律的脉冲事件。在有目标对象时,才会输出大量的连续的脉冲事件。
当识别到物体时,比如常见的饮料瓶,对应该类别的尖峰神经元就会发放大量的脉冲事件,由此低功耗事件处理单元生成触发信号。
控制模块接收到触发信号后,通常就会唤醒摄像头捕捉当前的图像数据(图像帧),并将捕获的图像发送给AI图像分析处理单元。AI图像分析处理单元,将精确的识别结果发送给控制单元。
但是,在实际开发过程中,发明人发现如果控制单元接收到触发信号后,立即触发摄像头捕获图像后,会出现识别准确度总是远低于预期(人工神经网络模型在服务器中的仿真表现)的现象。
参考图5,经过发明人反复研究和测试发现,控制单元接收到触发信号后,并不应该立即促使摄像头捕捉图像。如果立即捕捉图像,则并非在最佳窗口捕捉图像,所捕捉的图像大多是饮料瓶仍处于倾斜角度,这与AI图像分析处理单元在平时训练网络时所采用的数据有较大差异。
举例而言,作为训练数据中样本,饮料瓶的视觉信息基本如图6所示,即瓶体正对着摄像头,因此经过这种数据集训练所得的AI图像分析处理单元在摄像头所捕获的图像仍为倾斜角度的情况下,识别精度较差。前述当前现有技术中的智能回收系统,因为要处理的是动态的空域信息,基于用户引入的各种随机变量,因此当前的智能回收系统,普遍存在前面所述的非正面输入图像数据识别精度低(也就是前述的精度瓶颈)的问题,而该问题普遍未能获得较好的解决。
在应用事件相机和SNN处理器来捕获事件的过程中致使的前述发现,为了解决人工神经网络识别精度低问题,发明人发现应在第一网络判决窗口结束时,也即触发信号发出后的一定延迟后,才会出现RGB图像捕捉最佳窗口,该结果虽然一反惯常经验,但是大量的测试结果均是如此。在该RGB图像捕捉最佳窗口所捕获的RGB图像,经过AI图像分析处理单元的识别,才能获得较高的识别精度。此外,该延迟不能过长,否则容易进入干扰窗口(即后续像素激活数量的小波峰),比如人手的干扰、饮料瓶撞击后的弹跳等。
第一网络判决窗口结束时,对应的事件相机的像素激活数量,若记为第一数量;在第一网络判决窗口结束后的第一延迟时刻,对应的事件相机的像素激活数量若为第二数量,则有第一数量小于第二数量。并且在第一网络判决窗口结束后的第一延迟时刻之后的干扰窗口内,事件相机的最大像素激活数量也小于第二数量。
具体地,仍参考图5,事件相机因为制造缺陷或光线等原因,会一直存在底噪,不断向SNN输出噪声事件。在用户向智能回收系统丢入饮料瓶的过程中,事件相机在单位短时长内,像素激活数量会快速增大。第一网络判决窗口随机出现,SNN处理器在第一网络判决窗口结束时刻,生成触发信号。然而此时并不能立即触发摄像头捕捉饮料瓶,否则会陷入出现识别准确度一直远低于预期的缺陷。
然而,经过预设的第一延迟(测试结果表明,以70~90ms范围内的第一延迟为最佳)后,摄像头所捕捉的图像质量最优,此时也是像素激活数量(不是脉冲数量,因为有些hot-pixel会发放大量脉冲,但是均来自同一像素)最多的时候。由此克服了前述缺陷,同时该方案也克服了现有技术中因为随机性而导致的在某些情况下识别准确度较低的缺陷。换言之,本发明不仅提供了一套低功耗智能回收方案,在克服前述一直出现的低精度问题的同时,还意外消除了现有技术因为随机性而普遍存在的精度瓶颈缺陷。
参考图7,其解释了图5中SNN处理器在一次识别过程各个读出层尖峰神经元的脉冲发放情况。若用户投递的饮料瓶,符合类别4的归类,那么在一定时期内,类别4对应的尖峰神经元会短期大量发放脉冲,但是第一网络判决窗口往往在RGB图像捕捉最佳窗口前到来,并在该第一网络判决窗口结束时,生成触发信号。经过第一延迟,再将所述触发信号发送给控制单元,则能在前述最佳窗口内捕获到最优质的图像,以供后续AI图像分析处理单元的识别。在另一替代实施例中,控制单元在收到SNN处理器发送的触发信号后,经过第一延迟后,再促使摄像头捕获图像。
图8出了本发明其中某实施例提供的一种面向废弃饮料瓶的自动分类识别回收系统及装置的物理结构示意图,它包含饮料瓶回收箱体1、stm32开发板2、步进电机3、画面采集摄像头4、补光灯5、红外传感器6、小型交换机7、总控制开关8、树莓派终端9、箱体外壳10、二维码11、音响12、饮料瓶识别区13、屏幕显示区14和EdgeBoardAI视觉硬件15;饮料瓶回收箱体1上边缘连接红外传感器6,音响12、EdgeBoardAI视觉硬件15、屏幕显示区14、stm32开发板2与树莓派终端9连接,补光灯5和步进电机3与stm32开发板2连接,总控制开关8控制整个设备的电源,小型交换机7提供树莓派接口。
在用户登陆小程序之后,自动打开识别,根据画面采集摄像头4采集到的画面信息,根据EdgeBoardAI视觉硬件15返回的识别结果智能分别饮料瓶种类,根据树莓派终端9上传云端,用户可以在终端设备查看相关信息,并能根据识别的饮料瓶得到一定的现金奖励。
图9展示的是自助回收终端的业务流程图。自助回收终端采用树莓派主控、PyQt5设计用户交互界面,通过Python实现用户交互逻辑的实现。用户交互界面分别有扫码界面、主界面、用户信息界面、种类查询界面、识别界面;界面简洁易操作,方便了用户上手。通过MQTT实现与微信小程序通信,接收用户指令。通过以太网接口和Edgeboard进行数据传输得到分类结果。
在用户交互界面用户可以通过访问服务器查看个人信息、查看支持回收的种类信息(也可以在微信程序中查看)。在用户打开识别系统之后,系统自动获取摄像头数据,通过计算机视觉技术判别画面是否用饮料瓶放下,如果有则自动启动识别程序,并将图像数据通过以太网传输到EdgeBoard中,同时访问服务器获取管理员设置的回收信息。树莓派得到EdgeBoard的分类结果之后查询该结果是否在管理员设置的回收范围内,如果是,则启动舵机进行回收,如果不是则提示用户。如果回收成功则保存回收记录到服务器数据库中,并给予用户一定的现金和积分奖励(由管理员设定)。
图10展示的是基于超声波的系统容量检测方案示意图。STM32超声波容量监测系统,使用STM32F103C8T6作为主控芯片,通过HC-SR04超声波测距模块监测回收箱容量,并通过串口每5s将监测数据发送到树莓派中,由树莓派进行数据处理。超声波模块1和超声波模块2分别部署在箱体一半和箱体顶部,当超声波模块1测量的距离小于15cm的时候,回收箱容量达到一半,否则为低容量;当超声波测距模块2测量距离小于15cm的时候,该设备容量达到上限,这个时候停用设备并通知管理员;当超声波测距模块大于15cm的时候,重新启动设备。树莓派通过串口接收容量数据、处理数据、停用或启用设备,并将数据保存到服务器中,以便管理员查看。
图11展示的是基于web的远程管理系统示意图。管理员通过账号密码登陆web管理系统,登陆系统之后可以在首页查看回收概览,回收概览统计了一周内的回收数据并生成可视化报表,并和上一周的数据进行统计比较,以便管理员查看回收情况,能更好的给管理员定价提供数据支持。在回收管理页面可以修改回收饮料瓶回收价格,对回收量高的饮料瓶适当降低回收价格,对回收量高的饮料瓶适当提高价格,最大可能保证收益最大化。在设备管理页面,管理员可以查看自己拥有的设备信息、查看设备容量情况、准备可以添加设备(设备由设备id唯一确定,不能重复,方便了设备的分辨和管理)、启用/停用设备(通过MQTT协议发送启用/停用指令到指定设备)。
图12展示的是微信客户端功能的示意图。在微信小程序端,用户登陆之后首页会显示三个模块,分别是回收模块、用户信息模块、历史记录模块、种类速览模块。
回收模块分为三个部分,其中扫码部分负责打开摄像头扫描设备上的二维码,扫描成功之后会提示用户是否打开设备,如果用户打开设备,则通过MQTT协议发送用户OpenId到树莓派中,否则返回;当回收量大的时候可以直接联系管理员进行回收。
用户信息模块通过访问服务器上的数据库,查询用户数据(余额、积分等),用来展示用户的数据(余额、积分等),可以选择提现余额或使用积分进入积分商城兑换礼品;如果用户想购买设备也可以点击加盟联系管理员加盟。历史记录模块用来展示用户的识别记录(饮料瓶种类、得到的奖励、时间信息),呼叫记录是用户呼叫管理员的记录。种类速览模块是快速查看支持回收的种类、价格信息。
综上,本发明是一种面向废弃饮料瓶的自动分类识别回收系统及装置,通过AI视觉技术和前后端技术结合,通过现金奖励的方式,提高了废弃饮料瓶的回收效率。
上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣;且上述对本说明书特定实施例进行了描述,其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.一种废弃饮料瓶的自动分类识别及回收装置,用于对饮料瓶类型进行自动识别和回收,其特征在于,该自动分类识别及回收装置包括:
图像采集单元,其包括低功耗事件捕捉单元和摄像头;
其中,低功耗事件捕捉单元包括事件相机和SNN处理器,所述SNN处理器根据事件相机对环境的感知,执行推理;
当所述事件相机的视场内检测到有饮料瓶投递后,SNN处理器根据事件相机输出的脉冲事件,生成触发信号;
控制单元,被配置为当接收到触发信号后,经过第一延迟后,控制所述摄像头延迟捕获当前图像;
图像分类单元,被配置为执行摄像头所捕获的图像进行分类,获得分类结果;
识别结果处理单元,被配置为对饮料瓶的分类结果进行分析和处理,分析饮料瓶的种类是否为管理员所设置的需要回收的种类:如果是,则回收;如果不是则提醒用户该饮料瓶不是回收的种类。
2.根据权利要求1所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
当所述事件相机的视场内检测到有饮料瓶投递后,SNN处理器根据事件相机输出的输入脉冲事件,经过第一延迟后,生成触发信号;
控制单元,被配置为当接收到触发信号后,控制所述摄像头延迟捕获当前图像。
3.根据权利要求1或2所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
该自动分类识别及回收装置还包括:识别模型训练单元,将饮料瓶的图片和种类训练成相对应的识别模型,并将训练好的识别模型部署在图像分类单元上。
4.根据权利要求3所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
该自动分类识别及回收装置还包括:模式选择单元,在用户扫码并打开识别指令之后,用户选择手动识别或自动识别模式;
在手动模式下,用户需要手动按下识别按键进行饮料瓶识别;
在自动识别模式下,系统会自动识别饮料瓶种类;
图像分类单元根据模式选择单元选择的模式设置模式,根据图像采集单元和识别模型训练单元部署的识别模型,对饮料瓶的种类进行分类。
5.根据权利要求3所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
所诉自动分类识别及回收装置还被配置为:通过查询管理员在web管理单元所设置的价格信息,并且根据分类结果和管理员设置的价格信息对回收的饮料瓶进行估价。
6.根据权利要求5所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
该自动分类识别及回收装置还包括:
自动回收单元,自动回收单元采用液压技术,在确定饮料瓶是需要回收的饮料瓶之后,会启动自动回收装置,将饮料瓶体积压缩,并存储到回收箱中;
回收管理单元,通过设置在回收箱上的红外传感模组来自动感知当前回收箱的容量,管理员可通过终端设备查看回收箱的状态,并根据回收箱的状态来判断回收箱是否已经达到最大容量;
云端单元,在自动回收结束之后,将用户的识别信息和识别金额上传至云端服务器,通过后端技术提供数据访问接口。
7.根据权利要求6所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
该自动分类识别及回收装置被配置为:当用户在微信小程序终端登陆之后,通过后端技术和服务器访问到用户的识别数据和识别金额,利用前端技术显示用户的信息和识别金额,用户通过微信提现识别所获得的金额。
8.根据权利要求1,4-7任意一项所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
所述触发信号是SNN处理器在第一网络判决窗口结束时做出的。
9.根据权利要求8所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
所述第一延迟在70至90毫秒之间。
10.根据权利要求9所述的废弃饮料瓶的自动分类识别及回收装置,其特征在于:
在所述第一网络判决窗口结束时,对应的事件相机的像素激活数量为第一数量;
在第一网络判决窗口结束后的第一延迟时刻,对应的事件相机的像素激活数量为第二数量;并且,第一数量小于第二数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211151279.4A CN115482414A (zh) | 2022-09-21 | 2022-09-21 | 废弃饮料瓶的自动分类识别及回收装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211151279.4A CN115482414A (zh) | 2022-09-21 | 2022-09-21 | 废弃饮料瓶的自动分类识别及回收装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115482414A true CN115482414A (zh) | 2022-12-16 |
Family
ID=84423460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211151279.4A Pending CN115482414A (zh) | 2022-09-21 | 2022-09-21 | 废弃饮料瓶的自动分类识别及回收装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115482414A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629845A (zh) * | 2023-04-06 | 2023-08-22 | 南京宇中信息科技有限公司 | 基于物联网的控制系统 |
-
2022
- 2022-09-21 CN CN202211151279.4A patent/CN115482414A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629845A (zh) * | 2023-04-06 | 2023-08-22 | 南京宇中信息科技有限公司 | 基于物联网的控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069472B (zh) | 一种基于卷积神经网络自适应的车辆检测方法 | |
CN102496001B (zh) | 一种视频监控目标自动检测的方法和系统 | |
CN101271514B (zh) | 一种快速目标检测和目标输出的图像检测方法及装置 | |
EP0551941B1 (en) | Classifying faces | |
WO2019000929A1 (zh) | 垃圾分类回收方法、垃圾分类设备以及垃圾分类回收系统 | |
CN102157023B (zh) | 出/入境旅客自助申报与监管信息系统 | |
CN107071344A (zh) | 一种大规模分布式监控视频数据处理方法及装置 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN112270659A (zh) | 一种动力电池极片表面缺陷快速检测方法和系统 | |
CN115482414A (zh) | 废弃饮料瓶的自动分类识别及回收装置 | |
CN101980242A (zh) | 人脸面相判别方法、系统及公共安全系统 | |
CN105046808A (zh) | 一种纸币多光谱高分辨率图像采集系统及采集方法 | |
CN107423944A (zh) | 一种便携式一站式检测服务系统及方法 | |
CN108805184B (zh) | 一种固定空间、车辆上的图像识别方法及系统 | |
CN115841651B (zh) | 基于计算机视觉与深度学习的施工人员智能监测系统 | |
CN109784161A (zh) | 一种店内视频监控智能分析系统及方法 | |
CN115116004A (zh) | 一种基于深度学习的办公区域异常行为检测系统及方法 | |
CN201654804U (zh) | 一种字符识别仪 | |
CN110775469A (zh) | 一种居民小区专用智能化垃圾分类装置 | |
CN101183477A (zh) | 自动门铃及其实现方法 | |
CN209765528U (zh) | 一种基于树莓派的人脸防伪识别装置 | |
CN117088015A (zh) | 一种智慧垃圾处理方法、系统及存储介质 | |
CN105631425A (zh) | 基于视频流的车牌识别方法、系统及智能数字摄像机 | |
CN1783114A (zh) | 用于治理物品乱架的特种条码、其专用标签及使用方法 | |
CN110069995A (zh) | 一种基于深度学习的餐盘运动状态识别方法 |
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 |