CN116629845A - 基于物联网的控制系统 - Google Patents
基于物联网的控制系统 Download PDFInfo
- Publication number
- CN116629845A CN116629845A CN202310357096.6A CN202310357096A CN116629845A CN 116629845 A CN116629845 A CN 116629845A CN 202310357096 A CN202310357096 A CN 202310357096A CN 116629845 A CN116629845 A CN 116629845A
- Authority
- CN
- China
- Prior art keywords
- waste
- user
- rejection
- model
- administrator
- 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
- 239000002699 waste material Substances 0.000 claims abstract description 416
- 238000013135 deep learning Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 35
- 230000008901 benefit Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 claims description 33
- 238000004064 recycling Methods 0.000 claims description 22
- 238000011084 recovery Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000026676 system process Effects 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011027 product recovery Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Sustainable Development (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于物联网的控制方法,所述该方法包括以下步骤:步骤一:搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,步骤二:用户存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法训练出废品参考模型图,步骤三:管理员为废品参考模型制定废品金额,系统识别用户存入的废品模型并匹配废品金额后为用户发放收益,步骤四:多地部署系统,多系统共享训练成果,废品存放箱将存满时,生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品,据本发明,具有提高物联网控制的自我学习能力、智慧化、成果共享化的特点。
Description
技术领域
本发明涉及深度学习、物联网云服务器通信技术领域,具体为基于物联网的控制系统。
背景技术
随着人们生活质量的不断提高、互联网购物平台的普及,人们可以购买更多的物品,但随之而来的问题是我国废品量也随之增多,且废品回收再利用率不高,通常人们把仍有利用价值的废品当垃圾直接处理掉,垃圾和废品混合不仅垃圾处理站分拣效率低,且资源浪费极其严重,而目前的废品回收系统大多不具备自我学习能力,分拣废品效率低,且随着时代更迭,遇到新出现的废品,回收系统无法识别,可能需要不断的更换新系统,如果投入市场,维护成本高,且很多回收系统无法给废品提供者直接带来经济收益,无法吸引更多的用户使用回收系统,导致系统无法快速普及,并不能实质性的改善我国废品回收能力。因此,本发明设计的能够自我学习、多地部署系统共享学习成果、为用户直接带来经济收益、高效识别回收废品的基于物联网的控制系统是很有必要的。
发明内容
本发明的目的在于提供基于物联网的控制系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于物联网的控制方法,该方法包括以下步骤:
步骤一:搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户、管理员用户在APP或平台注册用户信息,构建废品识别终端;
步骤二:废品提供者用APP下单在废品识别终端存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法根据实际废品图训练出废品参考模型图;
步骤三:深度学习训练出废品参考模型图后管理员为每个废品参考模型制定废品金额,系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益;
步骤四:多地部署本系统,多系统共享训练成果,管理员根据一线二三四线城市收入消费水平,调整废品回收金额,废品识别终端的废品存放箱将要存满时,会生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品。
根据上述技术方案,所述搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户、管理员用户在APP或平台注册用户信息,构建废品识别终端的步骤,包括:
搭建云服务器并为用户端APP、废品识别终端、模型数据库、上位机操作平台、Web端监管平台提供接口服务;
建立模型数据库,在模型数据库内建立“实际废品图库”、“废品参考模型图库”、“废品金额数据库”、“废品种类统计数据库”;
向数据库写入深度学习识别算法;
废品提供者在用户端APP注册用户信息,废品回收站管理员在上位机操作平台注册用户信息,社区管理员在Web端监管平台上注册用户信息;
在废品回收站内构建废品识别终端,在废品回收站内加入传送带、摄像头、废品存放箱、4G模块,将以上硬件模块全部接到STM32单片机上,由单片机统一控制。
根据上述技术方案,所述废品提供者用APP下单在废品识别终端存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法根据实际废品图训练出废品参考模型图的步骤,包括:
废品提供者使用用户APP下单存入废品,用户在APP上自主选择前往废品回收站存入废品或联系管理员上门取废品;
废品放入废品识别终端后,废品识别终端通过传送带将废品送至摄像头下逐件拍照;
拍照完毕后再通过传送带将废品逐件送至废品存放箱中;
摄像头拍下实际废品图后通过有线传送至STM32单片机中,单片机将图片数据处理为数据帧的格式后通过4G模块发送至云服务器端;
深度学习识别算法通过云服务器调用实际废品图进行训练,并得出废品参考模型图。
根据上述技术方案,所述深度学习识别算法根据实际废品图训练出废品参考模型图的步骤,包括:
云服务器端将图片数据帧解码后以图片的形式逐件存入“模型数据库”内的“实际废品图库”中;
深度学习识别算法逐件调用“实际废品图库”中的每一张实际废品图进行模型训练学习;
通过算法不断优化废品模型,直至训练出来完整的废品参考模型图;
将废品参考模型图存入“废品参考模型图库”中。
根据上述技术方案,所述深度学习训练出废品参考模型图后管理员为每个废品参考模型制定废品金额,系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益的步骤,包括:
系统运用深度学习识别算法训练出完整的废品参考模型图;
管理员为废品参考模型制定废品金额;
向之前存入废品的全部用户发放收益;
管理员为废品参考模型制定的废品金额系统全部存入“废品金额数据库”中。
根据上述技术方案,所述系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益的步骤,包括:
训练出废品参考模型后,用户再存入废品,系统会调用“实际废品图库”和“废品参考模型图库”快速识别废品并确定具体的废品类型,再匹配“废品金额数据库”为每个废品确定对应的废品金额,将全部金额加和之后发放给用户;
当用户存入极其稀少的废品时,由于废品模型得不到一定的训练,无法为用户准确的识别出对应的废品种类,系统会将此类废品图发送至上位机操作平台,管理员为此类废品确定金额并向用户发放收益。
根据上述技术方案,所述多地部署本系统,多系统共享训练成果,降低废品识别成本同时提高废品回收效率,废品识别终端的废品存放箱将要存满时,会生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品的步骤,包括:
“模型数据库”已接入云端,多地部署本系统都共享训练成果;
地区A先部署投放该系统训练出大量的废品参考模型后,地区B再部署投放该系统时便共享A地系统已训练出来的废品参考模型,可为用户直接识别废品并发放收益;
一线城市C部署本系统时共享了训练成果,每种废品回收金额定为:C1、C2、C3......Cn,三线城市D部署本系统时也共享了训练成果,但由于三线城市D的消费收入水平不如一线城市C,管理员通过上位机调取“废品金额数据库”修改每种废品的回收金额,改为:D1、D2、D3......Dn,系统根据投放部署地不同,对废品回收金额进行微观调整,对用户的使用更有吸引力;
某地某处的废品回收站内部署的废品识别终端的废品存放箱将要存满废品时,会生成“将满事件”;
废品识别终端通过STM32单片机和4G模块以TCP协议向云服务器发送“将满事件”;
云服务器收到后会转到上位机操作平台,管理员及时联系相关部门取走废品;
每当用户存入废品和管理员取出废品时,系统通过“模型数据库”将存取的废品信息全部记录统计,统计的废品信息全部存入“废品种类统计数据库”中;
Web端监管平台以HTTP协议向“废品种类统计数据库”调用废品统计数据;
高级管理员通过Web端监管平台监管本系统在所有地区的投放部署情况以及训练成果情况,方便根据系统实际的部署运作情况及时对系统做出调整。
根据上述技术方案,所述废品识别终端包括:
摄像头,用于拍摄废品模型图;
传送带,用于将废品传送至摄像头下拍摄模型图之后再传送至废品存放箱;
废品存放箱,用于存放废品并时刻监测废品容量,即将存满时会向云服务器发送“将满事件”;
STM32单片机,用于整理模型图数据以TCP协议传输至云服务器端;
4G模块,用于以高传输速率向云服务器发送大量图片数据。
根据上述技术方案,所述模型数据库包括:
实际废品图库,用于存放废品识别终端发送来的废品实际图;
废品参考模型图库,用于存放通过深度学习识别算法训练出的废品参考模型图;
废品金额数据库,用于存放每个废品参考模型对应的结算金额;
废品种类统计数据库,用于统计历史存取的废品种类、数量、价值。
与现有技术相比,本发明所达到的有益效果是:本发明,通过设置搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法训练出废品参考模型图,管理员为废品参考模型制定废品金额,系统识别用户存入的废品模型并匹配废品金额后为用户发放收益,多地部署系统,多系统共享训练成果,废品存放箱将存满时,生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品,使得现有系统在物联网产品控制时的自我学习能力、成果共享能力、废品识别效率、用户收益发放速度都得到大幅提高。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例一提供的基于物联网的控制方法的流程图;
图2为本发明实施例二提供的基于物联网的控制系统的模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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,都属于本发明保护的范围。
实施例一:
图1为本发明实施例一提供的基于物联网的控制方法的流程图,本实施例可应用于废品回收的场景,该方法可以由本实施例提供的基于物联网的控制系统来执行,如图1所示,该方法具体包括以下步骤:
步骤一:搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户、管理员用户在APP或平台注册用户信息,构建废品识别终端;
示例性的,搭建云服务器并为用户端APP、废品识别终端、模型数据库、上位机操作平台、Web端监管平台提供接口服务,建立模型数据库,在模型数据库内建立“实际废品图库”、“废品参考模型图库”、“废品金额数据库”、“废品种类统计数据库”,向数据库写入深度学习识别算法,废品提供者在用户端APP注册用户信息,废品回收站管理员在上位机操作平台注册用户信息,社区管理员在Web端监管平台上注册用户信息,在废品回收站内构建废品识别终端,在废品回收站内加入传送带、摄像头、废品存放箱、4G模块,将以上硬件模块全部接到STM32单片机上,由单片机统一控制;相比于市场上其他控制系统,本系统建立了数据库、写入了深度学习识别算法,同时为用户提供APP服务还引入了管理员端,系统更加智能化、人性化、自动化。
步骤二:废品提供者用APP下单在废品识别终端存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法根据实际废品图训练出废品参考模型图;
在本发明实施例中,废品提供者使用用户APP下单存入废品,用户在APP上自主选择前往废品回收站存入废品或联系管理员上门取废品,废品放入废品识别终端后,废品识别终端通过传送带将废品送至摄像头下逐件拍照,拍照完毕后再通过传送带将废品逐件送至废品存放箱中,摄像头拍下实际废品图后通过有线传送至STM32单片机中,单片机将图片数据处理为数据帧的格式后通过4G模块发送至云服务器端,云服务器端将图片数据帧解码后以图片的形式逐件存入“模型数据库”内的“实际废品图库”中,深度学习识别算法逐件调用每一张实际废品图进行模型训练学习,将训练出来的废品参考模型图存入“废品参考模型图库”中;
示例性的,有N个用户存入过废品A或与废品A同种类的废品,深度学习识别算法训练出了废品A的完美模型后,之后用户再存入废品A或与废品A同种类的废品时,数据库快速为用户判断出存入的废品是废品A或与废品A同种类的废品,快速为用户分析出废品价值,最终每个废品的判断识别速度能达到2ms,有K个用户存入过废品B或与废品B同种类的废品,深度学习识别算法训练出了废品B的完美模型后,之后用户再存入废品B或与废品B同种类的废品时,数据库快速为用户判断出存入的废品是废品B或与废品B同种类的废品;相比于市面上其他控制系统,本系统运用深度学习识别算法训练大量废品模型,系统部署一段时间后,便能自动为用户回收废品并为用户带来经济收益,系统拥有自我学习的能力,同时能够吸引大批用户长期使用本系统。
步骤三:深度学习训练出废品参考模型图后管理员为每个废品参考模型制定废品金额,系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益;
在本发明实施例中,系统刚部署投入市场时,由于“模型数据库”中缺乏废品参考模型图,首批向系统存入废品的用户无法立刻发放收益,当系统运用深度学习识别算法训练出废品参考模型图时,管理员为废品参考模型制定废品金额后,便可向之前存入废品的全部用户发放收益,其中管理员为废品参考模型制定的废品金额全部会存入“废品金额数据库”中,便于之后系统直接识别匹配调用,训练出废品参考模型后,用户再存入废品,系统会调用“实际废品图库”和“废品参考模型图库”快速识别废品并确定具体的废品类型,再匹配“废品金额数据库”为每个废品确定对应的废品金额,将全部金额加和之后发放给用户,当用户存入极其稀少的废品时,由于废品模型得不到一定的训练,无法为用户准确的识别出对应的废品种类,系统会将此类废品图发送至上位机操作平台,管理员为此类废品确定金额并向用户发放收益,相比于市面上其他控制系统,本系统如果出现识别BUG或遇到很难识别的模型,会直接交由管理员远程操控处理,节省维护系统的成本以及调用人工的成本。
步骤四:多地部署本系统,多系统共享训练成果,管理员根据一线二三四线城市收入消费水平,调整废品回收金额,废品识别终端的废品存放箱将要存满时,会生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品;
在本实施例中,由于“模型数据库”已接入云端,因此,多地部署本系统都共享训练成果,示例性的,地区A先部署投放该系统训练出大量的废品参考模型后,地区B再部署投放该系统时便共享A地系统已训练出来的废品参考模型,可为用户直接识别废品并发放收益,一线城市C部署本系统时共享了训练成果,每种废品回收金额定为:C1、C2、C3......Cn,三线城市D部署本系统时也共享了训练成果,但由于三线城市D的消费收入水平不如一线城市C,管理员通过上位机调取“废品金额数据库”修改每种废品的回收金额,改为:D1、D2、D3......Dn,系统根据投放部署地不同,对废品回收金额进行微观调整,对用户的使用更有吸引力;
示例性的,某地某处的废品回收站内部署的废品识别终端的废品存放箱将要存满废品时,会生成“将满事件”,废品识别终端通过STM32单片机和4G模块以TCP协议向云服务器发送“将满事件”,云服务器收到后会转到上位机操作平台,管理员及时联系相关部门取走废品,每当用户存入废品和管理员取出废品时,系统通过“模型数据库”将存取的废品信息全部记录统计,统计的废品信息全部存入“废品种类统计数据库”中,Web端监管平台以HTTP协议向“废品种类统计数据库”调用废品统计数据,高级管理员通过Web端监管平台监管本系统在所有地区的投放部署情况以及训练成果情况,方便根据系统实际的部署运作情况及时对系统做出调整,相比于市面上其他控制系统,本系统深度学习训练的模型全部存入云端,在任何地点部署本系统,只要接入云服务器都可共享训练成果,节省大量部署成本同时大幅提高废品回收效率,同时高级管理员能统计所有系统部署站点废品的回收情况。
实施例二:
本发明实施例二提供了基于物联网的控制系统,图2为本发明实施例二提供的基于物联网的控制系统的模块组成示意图,如图2所示,该系统包括:
用户端APP,用于废品提供者在APP端下单,用户可在APP上呼叫管理员上门提废品或自行将废品放入废品识别终端,系统处理完废品后,会将受益发放到APP上,用户可自行提现;
废品识别终端,用于将废品信息发送至云服务器端;
深度学习识别算法,用于不断训练学习各种废品模型;
云服务器,用于为用户端APP、废品识别终端、模型数据库、上位机操作平台、Web端监管平台提供接口服务;
模型数据库,用于存放各种废品模型图以及每种模型对应的结算金额;
上位机操作平台,用于管理员为每种废品模型设定结算金额,并当废品识别终端将要存满废品时,及时通知相关部门取走废品;
Web端监管平台,用于相关部门统计某区某省的回收的废品种类、数量、回收价值;
在本发明的一些实施例中,废品识别终端包括:
摄像头,用于拍摄废品模型图;
传送带,用于将废品传送至摄像头下拍摄模型图之后再传送至废品存放箱;
废品存放箱,用于存放废品并时刻监测废品容量,即将存满时会向云服务器发送“将满事件”;
STM32单片机,用于整理模型图数据以TCP协议传输至云服务器端;
4G模块,用于以高传输速率向云服务器发送大量图片数据;
在本发明的一些实施例中,模型数据库包括:
实际废品图库,用于存放废品识别终端发送来的废品实际图;
废品参考模型图库,用于存放通过深度学习识别算法训练出的废品参考模型图;
废品金额数据库,用于存放每个废品参考模型对应的结算金额;
废品种类统计数据库,用于统计历史存取的废品种类、数量、价值。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于物联网的控制方法,其特征在于:所述该方法包括以下步骤:
步骤一:搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户、管理员用户在APP或平台注册用户信息,构建废品识别终端;
步骤二:废品提供者用APP下单在废品识别终端存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法根据实际废品图训练出废品参考模型图;
步骤三:深度学习训练出废品参考模型图后管理员为每个废品参考模型制定废品金额,系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益;
步骤四:多地部署本系统,多系统共享训练成果,管理员根据一线二三四线城市收入消费水平,调整废品回收金额,废品识别终端的废品存放箱将要存满时,会生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品。
2.根据权利要求1所述的基于物联网的控制方法,其特征在于:所述搭建云服务器为其他模块提供接口服务,建立模型数据库,引入深度学习识别算法,用户、管理员用户在APP或平台注册用户信息,构建废品识别终端的步骤,包括:
搭建云服务器并为用户端APP、废品识别终端、模型数据库、上位机操作平台、Web端监管平台提供接口服务;
建立模型数据库,在模型数据库内建立“实际废品图库”、“废品参考模型图库”、“废品金额数据库”、“废品种类统计数据库”;
向数据库写入深度学习识别算法;
废品提供者在用户端APP注册用户信息,废品回收站管理员在上位机操作平台注册用户信息,社区管理员在Web端监管平台上注册用户信息;
在废品回收站内构建废品识别终端,在废品回收站内加入传送带、摄像头、废品存放箱、4G模块,将以上硬件模块全部接到STM32单片机上,由单片机统一控制。
3.根据权利要求1所述的基于物联网的控制方法,其特征在于:所述废品提供者用APP下单在废品识别终端存入废品,废品识别终端将实际废品图上传至模型数据库,深度学习识别算法根据实际废品图训练出废品参考模型图的步骤,包括:
废品提供者使用用户APP下单存入废品,用户在APP上自主选择前往废品回收站存入废品或联系管理员上门取废品;
废品放入废品识别终端后,废品识别终端通过传送带将废品送至摄像头下逐件拍照;
拍照完毕后再通过传送带将废品逐件送至废品存放箱中;
摄像头拍下实际废品图后通过有线传送至STM32单片机中,单片机将图片数据处理为数据帧的格式后通过4G模块发送至云服务器端;
深度学习识别算法通过云服务器调用实际废品图进行训练,并得出废品参考模型图。
4.根据权利要求3所述的基于物联网的控制方法,其特征在于:所述深度学习识别算法根据实际废品图训练出废品参考模型图的步骤,包括:
云服务器端将图片数据帧解码后以图片的形式逐件存入“模型数据库”内的“实际废品图库”中;
深度学习识别算法逐件调用“实际废品图库”中的每一张实际废品图进行模型训练学习;
通过算法不断优化废品模型,直至训练出来完整的废品参考模型图;
将废品参考模型图存入“废品参考模型图库”中。
5.根据权利要求1所述的基于物联网的控制方法,其特征在于:所述深度学习训练出废品参考模型图后管理员为每个废品参考模型制定废品金额,系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益的步骤,包括:
系统运用深度学习识别算法训练出完整的废品参考模型图;
管理员为废品参考模型制定废品金额;
向之前存入废品的全部用户发放收益;
管理员为废品参考模型制定的废品金额系统全部存入“废品金额数据库”中。
6.根据权利要求5所述的基于物联网的控制方法,其特征在于:所述系统识别用户存入的全部废品模型并匹配废品金额后为用户发放废品收益,遇到极其稀少的废品模型无法训练,系统会交由管理员为用户结算废品收益的步骤,包括:
训练出废品参考模型后,用户再存入废品,系统会调用“实际废品图库”和“废品参考模型图库”快速识别废品并确定具体的废品类型,再匹配“废品金额数据库”为每个废品确定对应的废品金额,将全部金额加和之后发放给用户;
当用户存入极其稀少的废品时,由于废品模型得不到一定的训练,无法为用户准确的识别出对应的废品种类,系统会将此类废品图发送至上位机操作平台,管理员为此类废品确定金额并向用户发放收益。
7.根据权利要求1所述的基于物联网的控制方法,其特征在于:所述多地部署本系统,多系统共享训练成果,管理员根据一线二三四线城市收入消费水平,调整废品回收金额,废品识别终端的废品存放箱将要存满时,会生成“将满事件”告知管理员,管理员及时取出废品,系统自动记录统计全部历史存取的废品的步骤,包括:
“模型数据库”已接入云端,多地部署本系统都共享训练成果;
地区A先部署投放该系统训练出大量的废品参考模型后,地区B再部署投放该系统时便共享A地系统已训练出来的废品参考模型,可为用户直接识别废品并发放收益;
一线城市C部署本系统时共享了训练成果,每种废品回收金额定为:C1、C2、C3......Cn;
三线城市D部署本系统时也共享了训练成果,但由于三线城市D的消费收入水平不如一线城市C,管理员通过上位机调取“废品金额数据库”修改每种废品的回收金额,改为:D1、D2、D3......Dn,系统根据投放部署地不同,对废品回收金额进行微观调整;
某地某处的废品回收站内部署的废品识别终端的废品存放箱将要存满废品时,会生成“将满事件”;
废品识别终端通过STM32单片机和4G模块以TCP协议向云服务器发送“将满事件”;
云服务器收到后会转到上位机操作平台,管理员及时联系相关部门取走废品;
每当用户存入废品和管理员取出废品时,系统通过“模型数据库”将存取的废品信息全部记录统计,统计的废品信息全部存入“废品种类统计数据库”中;
Web端监管平台以HTTP协议向“废品种类统计数据库”调用废品统计数据;
高级管理员通过Web端监管平台监管本系统在所有地区的投放部署情况以及训练成果情况,方便根据系统实际的部署运作情况及时对系统做出调整。
8.基于物联网的控制系统,其特征在于:所述该系统包括:
用户端APP,用于废品提供者在APP端下单,用户可在APP上呼叫管理员上门提废品或自行将废品放入废品识别终端,系统处理完废品后,会将受益发放到APP上,用户可自行提现;
废品识别终端,用于将废品信息发送至云服务器端;
深度学习识别算法,用于不断训练学习各种废品模型;
云服务器,用于为用户端APP、废品识别终端、模型数据库、上位机操作平台、Web端监管平台提供接口服务;
模型数据库,用于存放各种废品模型图以及每种模型对应的结算金额;
上位机操作平台,用于管理员为每种废品模型设定结算金额,并当废品识别终端将要存满废品时,及时通知相关部门取走废品;
Web端监管平台,用于相关部门统计某区某省的回收的废品种类、数量、回收价值。
9.根据权利要求8所述的基于物联网的控制系统,其特征在于:所述废品识别终端包括:
摄像头,用于拍摄废品模型图;
传送带,用于将废品传送至摄像头下拍摄模型图之后再传送至废品存放箱;
废品存放箱,用于存放废品并时刻监测废品容量,即将存满时会向云服务器发送“将满事件”;
STM32单片机,用于整理模型图数据以TCP协议传输至云服务器端;
4G模块,用于以高传输速率向云服务器发送大量图片数据。
10.根据权利要求8所述的基于物联网的控制系统,其特征在于:所述模型数据库包括:
实际废品图库,用于存放废品识别终端发送来的废品实际图;
废品参考模型图库,用于存放通过深度学习识别算法训练出的废品参考模型图;
废品金额数据库,用于存放每个废品参考模型对应的结算金额;
废品种类统计数据库,用于统计历史存取的废品种类、数量、价值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310357096.6A CN116629845A (zh) | 2023-04-06 | 2023-04-06 | 基于物联网的控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310357096.6A CN116629845A (zh) | 2023-04-06 | 2023-04-06 | 基于物联网的控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629845A true CN116629845A (zh) | 2023-08-22 |
Family
ID=87590889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310357096.6A Pending CN116629845A (zh) | 2023-04-06 | 2023-04-06 | 基于物联网的控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629845A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951967A (zh) * | 2017-03-14 | 2017-07-14 | 安徽大学 | 自助式废品回收交易系统 |
CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
CN110053896A (zh) * | 2018-01-19 | 2019-07-26 | 杭州易收环保科技有限公司 | 一种基于物联网的城市废品回收共享系统 |
CN110210635A (zh) * | 2019-06-05 | 2019-09-06 | 周皓冉 | 一种能识别废弃物的智能分类回收系统 |
CN115482414A (zh) * | 2022-09-21 | 2022-12-16 | 桂林航天工业学院 | 废弃饮料瓶的自动分类识别及回收装置 |
-
2023
- 2023-04-06 CN CN202310357096.6A patent/CN116629845A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951967A (zh) * | 2017-03-14 | 2017-07-14 | 安徽大学 | 自助式废品回收交易系统 |
CN110053896A (zh) * | 2018-01-19 | 2019-07-26 | 杭州易收环保科技有限公司 | 一种基于物联网的城市废品回收共享系统 |
CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
CN110210635A (zh) * | 2019-06-05 | 2019-09-06 | 周皓冉 | 一种能识别废弃物的智能分类回收系统 |
CN115482414A (zh) * | 2022-09-21 | 2022-12-16 | 桂林航天工业学院 | 废弃饮料瓶的自动分类识别及回收装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485443B (zh) | 一种基于第三方智能云平台的快递竞单管理系统和方法 | |
CN102542474B (zh) | 查询结果排序方法及装置 | |
WO2017186090A1 (zh) | 通信号码处理方法及装置 | |
CN102929961B (zh) | 基于构建快速数据分级通道的数据处理方法及其装置 | |
CN110969560A (zh) | 基于大数据的安防监控管理平台 | |
CN110248029A (zh) | 一种通话中动态选择通讯线路的方法 | |
CN107330715A (zh) | 选择图片广告素材的方法和装置 | |
CN108696420A (zh) | 通讯网络中的消息推送方法和装置 | |
CN110602533B (zh) | 分时段分人群的智能电视广告推荐系统及其推荐方法 | |
CN107426621A (zh) | 一种在移动端直播间展示活跃用户图像的方法及系统 | |
US20070274459A1 (en) | Method, system, and article for informing a telecommunication customer of a future performance estimate for a telecommunication feature | |
CN106330674A (zh) | 一种在线消息推送系统 | |
CN108335068A (zh) | 自动派单方法 | |
CN116629845A (zh) | 基于物联网的控制系统 | |
CN110012461A (zh) | 一种基于边缘计算的移动通信人员身份识别系统 | |
CN116320170B (zh) | 一种基于软交换的智能客服呼叫中心系统 | |
CN108259363B (zh) | 一种阶梯式业务流量控制的方法及装置 | |
CN116489275A (zh) | 一种基于语音识别的ai智能应答系统及方法 | |
CN111275583A (zh) | 一种基于人脸识别与数据库的服务方法 | |
CN109302441B (zh) | 巡视探访服务的电子监管方法 | |
CN104734898B (zh) | 一种基于社交网络分析的业务推荐方法和系统 | |
CN113163173A (zh) | 一种基于大数据的视频数据采集处理和传输的方法 | |
CN111368859A (zh) | 一种投诉预警处理方法及装置 | |
CN104168535B (zh) | 建立3g客开模型的方法 | |
CN110516706A (zh) | 一种改进的深度森林方法 |
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 |