CN116681998A - 一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 - Google Patents
一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 Download PDFInfo
- Publication number
- CN116681998A CN116681998A CN202310746952.7A CN202310746952A CN116681998A CN 116681998 A CN116681998 A CN 116681998A CN 202310746952 A CN202310746952 A CN 202310746952A CN 116681998 A CN116681998 A CN 116681998A
- Authority
- CN
- China
- Prior art keywords
- garbage
- image
- area
- classification
- perishable
- 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 278
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000013145 classification model Methods 0.000 claims abstract description 27
- 238000010333 wet classification Methods 0.000 claims abstract description 27
- 238000010332 dry classification Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 241000255925 Diptera Species 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000004064 recycling Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000010794 food waste Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 239000008157 edible vegetable oil Substances 0.000 description 2
- 239000010806 kitchen waste Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000015895 biscuits Nutrition 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003278 egg shell Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 235000021190 leftovers Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T2207/20081—Training; Learning
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (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)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种用于识别易腐垃圾桶是否存在违规投放的方法及系统，涉及垃圾管理技术领域，包括：采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。本发明对易腐垃圾桶是否存在违规投放进行检测，对易腐垃圾桶中的投放垃圾进行识别，当出现违规投放行为时进行报警，本发明通过检测垃圾点内的垃圾桶满溢程度和投放垃圾识别，提高对于垃圾点的清洁效率。
Description
技术领域
本发明涉及垃圾管理技术领域，更具体的说是涉及一种用于识别易腐垃圾桶是否存在违规投放的方法及系统。
背景技术
垃圾分类是垃圾终端处理设施运转的基础，实施生活垃圾分类，可以有效改善城乡环境，促进资源回收利用。只有做好垃圾分类，垃圾回收及处理等配套系统才能更高效地运转。垃圾分类处理有利于城镇化质量和生态文明建设水平的提高。易腐垃圾是指餐饮垃圾、厨余垃圾及废弃食用油脂和集贸市场有机垃圾等易腐蚀性垃圾。
易腐垃圾容易腐烂、霉变、滋生蚊蝇、传播疾病、恶化居住环境。针对易腐垃圾需要规范投放进易腐垃圾桶中，需要环保清洁人员及时清理进行回收利用。但是，由于人们生活习惯、垃圾桶容量等不同，仍会发生垃圾桶点满溢、垃圾不分类投放以及违规投放情况，虽有环保人员的定期清理，在出现违规投放的情况下仍不能满足及时处理易腐垃圾桶的需求。并且，生活垃圾中比如纸张、塑料、衣服、各种器具等，一旦被易腐垃圾“污染”，变得又脏又臭，也就没有人再愿意回收了，降低资源回收效率。
因此，如何提出一种用于识别易腐垃圾桶是否存在违规投放的方法及系统，对易腐垃圾桶是否存在违规投放进行检测，对易腐垃圾桶中的投放垃圾进行识别，当出现违规投放行为时进行报警是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种用于识别易腐垃圾桶是否存在违规投放的方法及系统，实时监测易腐垃圾桶是否存在违规投放行为以及垃圾桶的存储状态，输出处理信息，通知垃圾管理人员进行处理，为了实现上述目的，本发明采用如下技术方案：
一种用于识别易腐垃圾桶是否存在违规投放的方法，包括：
采集垃圾桶中的实时垃圾图像，包括标识区域图像和垃圾图像；
构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
可选的，所述采集垃圾桶中的实时垃圾图像包括在垃圾桶的一侧设置图像采集装置，在垃圾桶的另一侧设置照明装置，所述垃圾桶的桶颈处设置一圈标识区域，通过照明装置对垃圾桶内部进行补光照明，通过图像采集装置采集垃圾桶内部的实时垃圾图像。
可选的，所述照明装置和所述图像采集装置均斜向放置，所述图像采集装置采集垃圾桶中垃圾图像、标识区域的全部图像和垃圾桶中液体被照明装置照射生成的反光图像，所述标识区域为反光贴或者色带。
可选的，还包括对实时垃圾图像进行二值化处理，所述二值化处理包括：根据所述实时垃圾图像的像素位置信息和像素灰度值信息，对所述实时垃圾图像进行滤波处理，生成滤波图像；根据所述滤波图像的局部像素信息和整体像素信息，对所述滤波图像进行增强处理，生成增强图像；根据所述增强图像，生成类梯度图；对所述类梯度图进行二值化处理，生成二值图像。
可选的，所述构建分类模型包括：
获取垃圾分类图像，划分训练集和测试集；
对垃圾分类图像进行预处理；
构建垃圾分类残差神经网络模型；
基于训练集对垃圾分类残差神经网络模型进行训练，基于测试集对垃圾分类残差神经网络模型进行测试，输出分类模型。
可选的，所述基于图像识别得到标识区域图像高亮面积并判断干湿分类情况包括：
获取二值化处理后的二值图，识别出标识区域图像，二值图中1表示标识区域图像高亮的像素点，0表示标识区域图像被遮挡的像素点；统计被遮挡的区域面积，通过计算被遮挡的区域面积与标识区域图像总面积的比值来判断垃圾桶是否装满；判断被遮挡的区域面积是否超过阈值，如果超过，示意垃圾桶装满。
可选的，所述判断干湿分类情况包括：获取二值化处理后的二值图，识别出垃圾图像，二值图中1表示垃圾图像中液体被照明装置照射生成的反光图像的像素点，0表示垃圾图像的像素点；统计反光图像的区域面积，通过计算反光图像的区域面积与垃圾图像总面积的比值来判断垃圾桶中干湿情况；判断反光图像的区域面积是否超过阈值，如果超过，示意垃圾桶违规投放。
可选的，还包括报警提示，所述报警提示为语音报警或/和声光报警或/和短信报警，通过报警提示通知垃圾管理人员进行处理。
可选的，所述通知垃圾管理人员进行处理包括：
当标识区域图像被遮挡的区域面积达到阈值时，输出满桶提示，通知垃圾管理人员进行处理；
当判断反光图像的区域面积超过阈值，且标识区域图像被遮挡的区域面积未达到阈值时，输出违规投放提示，通知垃圾管理人员进行处理；
当垃圾分类结果为非易腐垃圾时，输出违规投放提示，通知垃圾管理人员进行处理。
可选的，一种用于识别易腐垃圾桶是否存在违规投放的系统，包括：
采集模块：用于采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；
垃圾分类模块：用于构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
干湿分类和满桶判断模块：基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
处理模块：根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种用于识别易腐垃圾桶是否存在违规投放的方法及系统，具有如下有益效果：
本发明提出一种用于识别易腐垃圾桶是否存在违规投放的方法，采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。本发明对易腐垃圾桶是否存在违规投放进行检测，对易腐垃圾桶中的投放垃圾进行识别，当出现违规投放行为时进行报警，实时监测易腐垃圾桶是否存在违规投放行为以及垃圾桶的存储状态，输出处理信息，通知垃圾管理人员进行处理，本发明通过检测垃圾点内的垃圾桶满溢程度和投放垃圾识别，提高对于垃圾点的清洁效率以及资源回收效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种用于识别易腐垃圾桶是否存在违规投放的方法流程示意图。
图2为本发明提供的一种用于识别易腐垃圾桶是否存在违规投放的系统结构示意图。
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。
本发明实施例公开了一种用于识别易腐垃圾桶是否存在违规投放的方法，包括：
采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；
构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
进一步的，所述采集垃圾桶中实时垃圾图像包括在垃圾桶的一侧设置图像采集装置，在垃圾桶的另一侧设置照明装置，所述垃圾桶的桶颈处设置一圈标识区域，通过照明装置对垃圾桶内部进行补光照明，通过图像采集装置采集垃圾桶内部实时垃圾图像。
进一步的，所述照明装置和所述图像采集装置均斜向放置，所述图像采集装置采集垃圾桶中垃圾图像、标识区域的全部图像和垃圾桶中液体被照明装置照射生成的反光图像，所述标识区域为反光贴或者色带。为了更好的实现图像识别，所述标识环的表面附有染色层，该染色层可以采用红色或黄色的油漆涂覆，也可以直接采用有色材质或反光贴，使得图像采集过程中，标识区域的图像区域更容易被提取出来。
进一步的，还包括对实时垃圾图像进行二值化处理，所述二值化处理包括：
根据所述实时垃圾图像的像素位置信息和像素灰度值信息，对所述实时垃圾图像进行滤波处理，生成滤波图像；根据所述滤波图像的局部像素信息和整体像素信息，对所述滤波图像进行增强处理，生成增强图像；根据所述增强图像，生成类梯度图；对所述类梯度图进行二值化处理，生成二值图像。
在具体实施方式中，所述二值化处理包括：
S11：所述的原始图像为数字图像，由多个像素组成。其中，每个像素都包含有自身的灰度值，灰度值反映了像素的亮度，取值范围一般为0～255，0为最暗灰度值，对应于黑色，255为最亮灰度值，对应于白色。在根据原始图像的像素位置信息的基础上，还根据原始图像的像素灰度值信息，对该原始图像进行滤波处理。根据该原始图像的像素位置信息和像素灰度值信息对该原始图像进行滤波处理，也即，将高斯模板和灰度值差分模板结合使用，对原始图像进行滤波处理，生成滤波图像。这样的话，不仅对原始图像滤除了一部分图像噪声，而且也保持了原始图像中前景的边缘，有利于后续处理。
S12：根据该滤波图像的局部像素信息和整体像素信息，对该滤波图像进行增强处理，生成增强图像。其中，所述整体像素信息包括该滤波图像的各像素的灰度值的方差，利用最大类间方差法，确定出该滤波图像的全局分割阈值，所述局部像素信息可以包括针对该滤波图像中的每个像素，为该像素选定的区域中所有像素的灰度值的均值和方差。在对该滤波图像进行增强处理时，可根据该滤波图像的整体像素信息，对该滤波图像的整体进行均匀的增强处理，并在此基础上，针对根据该滤波图像的局部像素信息对每个像素分别进行修正。
S13：在生成增强图像后，根据该增强图像中各像素的灰度值的类梯度，对该增强图像中包含的前景进行甄别，以及该增强图像中的背景，并生成类梯度图用于后续二值化处理，提高二值化处理的精确度。将该增强图像表示为第一离散函数，则生成的类梯度图则可以表示为该第一离散函数的第二离散函数。其中，所述第一离散函数上的各取值点对应为该增强图像中的像素的灰度值，所述第二离散函数上的各取值点对应为该增强图像中的像素的灰度值的类梯度。
S14：对该类梯度图进行二值化处理，生成二值图像。在对图像进行二值化处理时，通过OTSU算法，确定图像的全局分割阈值，然后将图像中灰度值大于该全局分割阈值的像素的灰度值设置为255，将图像中灰度值不大于该全局分割阈值的像素的灰度值设置为0。
进一步的，所述构建分类模型包括：
获取垃圾分类图像，划分训练集和测试集；
对垃圾分类图像进行二值化处理；
构建垃圾分类残差神经网络模型；
基于训练集对垃圾分类残差神经网络模型进行训练，基于测试集对垃圾分类残差神经网络模型进行测试，输出分类模型。
在具体实施方式中，对垃圾图像分类模型进行训练，具体包括：
S1：设置垃圾图像分类网络中参数的初始化数值，并设置垃圾图像分类网络的最大迭代次数m；
S2：将样本训练集输入垃圾图像分类网络中进行训练；其中训练方式具体为垃圾图像分类网络中的移动翻转瓶颈卷积模块对样本数据中的特征图进行压缩处理，在通道维度方向上进行全局平均池化操作，得到特征图通道维度方向的全局特征；使用垃圾图像分类网络中的卷积层对得到的全局特征进行卷积，并通过激活函数得到全局特征不同通道的权重值，将得到的权重值与特征图相乘得到最终特征；
S3：判断步骤S2中进行训练时的损失值是否一直下降，若是，则继续训练，直到迭代m次后，得到垃圾图像分类模型；若损失值在训练过程中趋于稳定，则停止迭代，得到垃圾图像分类模型。
进一步的，所述基于图像识别得到标识区域图像高亮面积并判断干湿分类情况包括：
获取二值化处理后的二值图，识别出标识区域图像，二值图中1表示标识区域图像高亮的像素点，0表示标识区域图像被遮挡的像素点；统计被遮挡的区域面积，通过计算被遮挡的区域面积与标识区域图像总面积的比值来判断垃圾桶是否装满；判断被遮挡的区域面积是否超过阈值，如果超过，示意垃圾桶装满。具体实施时，根据摄像头安装距离的高低预先调试得到标识区域在图像中所占有的面积；通过像素值比较转换为二值图的步骤，二值图中0表示被垃圾遮挡区域的像素点，1表示未被垃圾遮挡的像素点；统计被垃圾遮挡的区域面积的步骤；图像处理后，以黑色代表标识区域被垃圾遮挡的区域，以白色代表标识区域未被垃圾遮挡的区域，通过计算被垃圾遮挡的区域面积与标识环总面积的比值来判断垃圾桶是否装满，当该比值超过预设的阈值时，比如超过4/5或3/4，则认定为垃圾装满。
进一步的，所述判断干湿分类情况包括：获取二值化处理后的二值图，识别出垃圾图像，二值图中1表示垃圾图像中液体被照明装置照射生成的反光图像的像素点，0表示垃圾图像的像素点；统计反光图像的区域面积，通过计算反光图像的区域面积与垃圾图像总面积的比值来判断垃圾桶中干湿情况；判断反光图像的区域面积是否超过阈值，如果超过，示意垃圾桶违规投放。通过像素值比较转换为二值图的步骤，二值图中0表示被垃圾遮挡区域的像素点，1表示未被垃圾遮挡的像素点；统计反光图像的区域面积的步骤；图像处理后，以黑色代表标识区域被垃圾遮挡的区域，以白色代表标识区域未被垃圾遮挡的区域，通过计算反光图像的区域面积与垃圾图像总面积的比值来判断垃圾桶中干湿情况，当该比值超过预设的阈值时，比如超过1/5或1/6，则认定垃圾桶违规投放。
进一步的，还包括报警提示，所述报警提示为语音报警或/和声光报警或/和短信报警，通过报警提示通知垃圾管理人员进行处理。
进一步的，所述垃圾管理人员进行处理包括：
当标识区域图像被遮挡的区域面积达到阈值时，输出满桶提示，通知垃圾管理人员进行处理；
当判断反光图像的区域面积超过阈值，且标识区域图像被遮挡的区域面积未达到阈值时，输出违规投放提示，通知垃圾管理人员进行处理；
当垃圾分类结果为非易腐垃圾时，输出违规投放提示，通知垃圾管理人员进行处理。
进一步的，一种用于识别易腐垃圾桶是否存在违规投放的系统，包括：
采集模块：用于采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；
垃圾分类模块：用于构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
干湿分类和满桶判断模块：基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
处理模块：根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
在具体实施方式中，易腐垃圾是指餐饮垃圾、厨余垃圾及废弃食用油脂和集贸市场有机垃圾等易腐蚀性垃圾，易腐垃圾主要包括：剩饭剩菜、面包、鸡肉、蔬菜、花卉、蛋糕饼干、动物内脏、苹果核、鸡蛋壳、中药药渣、宠物饲料、豆类易腐垃圾。投放要求，纯流质的食物垃圾，如牛奶等，应直接倒进下水口；有包装物的易腐垃圾应将包装物去除后分类投放，包装物请投放到对应的可回收物或其他垃圾容器。因此为避免易腐垃圾腐烂、霉变、滋生蚊蝇、传播疾病、恶化居住环境，生活垃圾中比如纸张、塑料、衣服、各种器具等，被易腐垃圾“污染”，降低资源回收效率。针对易腐垃圾需要规范投放进易腐垃圾桶中，需要环保清洁人员及时清理进行回收利用。但是，由于人们生活习惯、垃圾桶容量等不同，仍会发生垃圾桶点满溢、垃圾不分类投放以及违规投放情况，虽有环保人员的定期清理，在出现违规投放的情况下仍不能满足及时处理易腐垃圾桶的需求。提出一种用于识别易腐垃圾桶是否存在违规投放的方法及系统，包括：
采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；
构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
本发明对易腐垃圾桶是否存在违规投放进行检测，对易腐垃圾桶中的投放垃圾进行识别，当出现违规投放行为时进行报警，实时监测易腐垃圾桶是否存在违规投放行为以及垃圾桶的存储状态，输出处理信息，通知垃圾管理人员进行处理，避免易腐垃圾腐烂、霉变、滋生蚊蝇、传播疾病、恶化居住环境，其他可回收垃圾被污染，本发明通过检测垃圾点内的垃圾桶满溢程度和投放垃圾识别，提高对于垃圾点的清洁效率以及资源回收效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，包括：
采集垃圾桶中的实时垃圾图像，包括标识区域图像和垃圾图像；
构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
2.根据权利要求1所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述采集垃圾桶中的实时垃圾图像包括在垃圾桶的一侧设置图像采集装置，在垃圾桶的另一侧设置照明装置，所述垃圾桶的桶颈处设置一圈标识区域，通过照明装置对垃圾桶内部进行补光照明，通过图像采集装置采集垃圾桶内部的实时垃圾图像。
3.根据权利要求2所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述照明装置和所述图像采集装置均斜向放置，所述图像采集装置采集垃圾桶中垃圾图像、标识区域的全部图像和垃圾桶中液体被照明装置照射生成的反光图像，所述标识区域为反光贴或者色带。
4.根据权利要求1所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，还包括对实时垃圾图像进行二值化处理，所述二值化处理包括：
根据所述实时垃圾图像的像素位置信息和像素灰度值信息，对所述实时垃圾图像进行滤波处理，生成滤波图像；根据所述滤波图像的局部像素信息和整体像素信息，对所述滤波图像进行增强处理，生成增强图像；根据所述增强图像，生成类梯度图；对所述类梯度图进行二值化处理，生成二值图像。
5.根据权利要求1所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述构建分类模型包括：
获取垃圾分类图像，划分训练集和测试集；
对垃圾分类图像进行预处理；
构建垃圾分类残差神经网络模型；
基于训练集对垃圾分类残差神经网络模型进行训练，基于测试集对垃圾分类残差神经网络模型进行测试，输出分类模型。
6.根据权利要求1所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述基于图像识别得到标识区域图像高亮面积并判断干湿分类情况包括：
获取二值化处理后的二值图，识别出标识区域图像，二值图中1表示标识区域图像高亮的像素点，0表示标识区域图像被遮挡的像素点；统计被遮挡的区域面积，通过计算被遮挡的区域面积与标识区域图像总面积的比值来判断垃圾桶是否装满；判断被遮挡的区域面积是否超过阈值，如果超过，示意垃圾桶装满。
7.根据权利要求6所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述判断干湿分类情况包括：获取二值化处理后的二值图，识别出垃圾图像，二值图中1表示垃圾图像中液体被照明装置照射生成的反光图像的像素点，0表示垃圾图像的像素点；统计反光图像的区域面积，通过计算反光图像的区域面积与垃圾图像总面积的比值来判断垃圾桶中干湿情况；判断反光图像的区域面积是否超过阈值，如果超过，示意垃圾桶违规投放。
8.根据权利要求1所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，还包括报警提示，所述报警提示为语音报警或/和声光报警或/和短信报警，通过报警提示通知垃圾管理人员进行处理。
9.根据权利要求8所述的一种用于识别易腐垃圾桶是否存在违规投放的方法，其特征在于，所述通知垃圾管理人员进行处理包括：
当标识区域图像被遮挡的区域面积达到阈值时，输出满桶提示，通知垃圾管理人员进行处理；
当判断反光图像的区域面积超过阈值，且标识区域图像被遮挡的区域面积未达到阈值时，输出违规投放提示，通知垃圾管理人员进行处理；
当垃圾分类结果为非易腐垃圾时，输出违规投放提示，通知垃圾管理人员进行处理。
10.一种用于识别易腐垃圾桶是否存在违规投放的系统，其特征在于，包括：
采集模块：用于采集垃圾桶中实时垃圾图像，包括标识区域图像和垃圾图像；
垃圾分类模块：用于构建分类模型，将实时垃圾图像输入至分类模型中，得到垃圾分类结果；
干湿分类和满桶判断模块：基于图像识别得到标识区域图像高亮面积并判断干湿分类情况；
处理模块：根据垃圾分类结果、标识区域图像高亮面积是否达到阈值和干湿分类情况输出处理信息，通知垃圾管理人员进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310746952.7A CN116681998A (zh) | 2023-06-25 | 2023-06-25 | 一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310746952.7A CN116681998A (zh) | 2023-06-25 | 2023-06-25 | 一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116681998A true CN116681998A (zh) | 2023-09-01 |
Family
ID=87779048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310746952.7A Pending CN116681998A (zh) | 2023-06-25 | 2023-06-25 | 一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116681998A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117392465A (zh) * | 2023-12-08 | 2024-01-12 | 聚真宝(山东)技术有限公司 | 一种基于视觉的垃圾分类数字化管理方法 |
-
2023
- 2023-06-25 CN CN202310746952.7A patent/CN116681998A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117392465A (zh) * | 2023-12-08 | 2024-01-12 | 聚真宝(山东)技术有限公司 | 一种基于视觉的垃圾分类数字化管理方法 |
| CN117392465B (zh) * | 2023-12-08 | 2024-03-22 | 聚真宝(山东)技术有限公司 | 一种基于视觉的垃圾分类数字化管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109684979B (zh) | 一种基于图像识别技术的垃圾分类方法、装置及电子设备 | |
| CN116681998A (zh) | 一种用于识别易腐垃圾桶是否存在违规投放的方法及系统 | |
| CN107092914A (zh) | 基于图像识别的垃圾分类方法、装置和系统 | |
| CN110795999B (zh) | 垃圾投递行为分析方法及相关产品 | |
| CN107672974A (zh) | 一种垃圾智能分类装置 | |
| Gauci et al. | Automating the characterisation of beach microplastics through the application of image analyses | |
| US20220301299A1 (en) | Device and method for automatically identifying and categorizing waste, and directing a desired user action | |
| CN109250353A (zh) | 一种具有图像识别功能的垃圾箱及存储介质 | |
| CN109775180A (zh) | 智能分类垃圾桶及其控制方法 | |
| CN112499017A (zh) | 垃圾分类方法、装置及垃圾箱 | |
| CN114275416B (zh) | 基于图像识别的厨余垃圾分类方法、装置、设备及介质 | |
| CN111056191A (zh) | 一种能够多垃圾分类及投递的智能垃圾收集系统 | |
| CN111931631A (zh) | 基于bim和人工智能的猪饮用水检测成像方法 | |
| Lee et al. | An efficient shape analysis method for shrimp quality evaluation | |
| CN111767804A (zh) | 基于人工智能的可回收垃圾图像分类方法及系统 | |
| CN113657143B (zh) | 一种基于分类和检测联合判决的垃圾分类方法 | |
| Lai et al. | Automatic measuring shrimp body length using CNN and an underwater imaging system | |
| Pandit et al. | Vision system for automatic counting of silkworm eggs | |
| CN113705638A (zh) | 一种移动车载式智能垃圾信息管理方法及系统 | |
| JPH05263411A (ja) | 物体の観察方法および装置 | |
| CN112090925A (zh) | 一种后端破袋的垃圾处理方法和装置 | |
| CN115331166B (zh) | 一种格栅清污机智能监控预警方法和系统 | |
| CN112046970A (zh) | 一种厨余垃圾分类识别方法 | |
| Muthukumaran et al. | Design and Analysis of AI based Autonomous Waste Segregator using Deep Learning | |
| Chinchuluun et al. | Machine vision-based citrus yield mapping system. |
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 |