CN117011680A - 破袋识别分析方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种破袋识别分析方法、装置、计算机设备及存储介质，方法包括：采集垃圾投放点用户垃圾投放时的垃圾投放图像；将垃圾袋图像进行预处理；将预处理数据输入到训练好的破袋识别模型中，以获得识别结果；若根据识别结果确定出垃圾袋存在破损，则调取垃圾袋投放时的监控图像，以获取垃圾袋投放信息；根据垃圾袋投放信息生成垃圾袋投放通知并保存；若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标；根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息；根据距离信息将垃圾袋抓取到指定的垃圾筒中。本发明提升了破袋识别的精度和准确度，同时提升了垃圾投放点的环境，以及更有利于垃圾分类。

Description

破袋识别分析方法、装置、计算机设备及存储介质

技术领域

本发明涉及垃圾分类技术领域，更具体地说是破袋识别分析方法、装置、计算机设备及存储介质。

背景技术

为了环境保护，垃圾分类已经逐步深入人心，大多数人能够按照垃圾的属性进行分类投放，而在投放过程中，由于垃圾的重量或者其它一些原因，垃圾袋存在破裂或者破损的情况。

目前，在垃圾投放点，用户是否对装有垃圾的垃圾袋存在破袋动作，并把破袋后的垃圾袋放到规定位置目前没有很好的监测手段，最常用的方式是在垃圾投放点安排工作人员对用户扔垃圾是是否有破袋情况进行记录或者对相应人员进行沟通，虽然也有采用监控方式来判断垃圾袋破损的情况，但仅仅停留在较为基础的监控，破袋识别精度和准确率不高。

发明内容

本发明的目的在于克服现有技术的不足，提供破袋识别分析方法、装置、计算机设备及存储介质，旨在提升破袋识别的精度和准确度。

为实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供了一种破袋识别分析方法，应用于垃圾分类系统，包括：

采集垃圾投放点用户垃圾投放时的垃圾投放图像；

将垃圾投放图像进行预处理，得到预处理数据；

将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

进一步技术方案为：所述采集垃圾投放点用户投放垃圾时的垃圾投放图像，包括：

获取垃圾投放点光照亮度；

若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明；

调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

进一步技术方案为：所述将垃圾投放图像进行预处理，得到预处理数据，包括：

将垃圾袋图像进行灰度化处理，得到灰度化图像；

将灰度化图像进行二值化处理，得到二值化图像；

将二值化图像进行去噪处理，得到去噪处理图像；

将去噪处理图像进行倾斜度校正处理，得到倾斜度校正图像；

将倾斜度校正图像进行字符切割处理，得到字符切割图像；

将字符切割图像进行归一化处理，得到归一化图像。

进一步技术方案为：所述将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成之后，包括：

根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息；

根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息；

结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

进一步技术方案为：所述结合第一投放信息和第二投放信息生成垃圾投放通知并保存之后，包括：

若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标；

根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息；

根据距离信息将垃圾袋抓取到指定的垃圾筒中。

第二方面，本发明还提供了一种破袋识别分析装置，应用于垃圾分类系统，包括采集单元、预处理单元以及识别单元；

所述采集单元，用于采集垃圾投放点用户垃圾投放时的垃圾投放图像；

所述预处理单元，用于将垃圾投放图像进行预处理，得到预处理数据；

所述识别单元，用于将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

进一步技术方案为：所述采集单元包括获取模块、开启模块以及调用模块；

所述获取模块，用于获取垃圾投放点光照亮度；

所述开启模块，用于若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明；

所述调用模块，调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

进一步技术方案为：还包括第一调取单元、第二调取以及生成单元；

所述第一调取单元，用于根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息；

所述第二调取单元，根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息；

所述生成单元，用于结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

第三方面，本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的破袋识别分析方法。

第四方面，本发明还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的破袋识别分析方法。

本发明与现有技术相比的有益效果是：通过采用破袋识别模型对采集的垃圾袋图像进行识别处理，而且破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成，因此，得到的识别结果根据准确，同时根据垃圾袋的所处位置和光照条件，采用相应的图像传感器和辅助照明，从而为后续的模型识别提供质量更高的图像数据，更进一步提升了识别的准确度。另外，根据垃圾袋的坐标信息将处于垃圾筒外的垃圾袋抓取到指定垃圾筒，对于投放人员没有投放至对应垃圾筒的情况，实现了这类情况的辅助分类，进而提升了垃圾投放点的环境，同时也具有更好的垃圾分类效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明具体实施例提供的破袋识别分析方法的流程图一；

图2为本发明具体实施例提供的破袋识别分析方法的流程图二；

图3为本发明具体实施例提供的破袋识别分析方法的流程图三；

图4为本发明具体实施例提供的破袋识别分析方法的流程图四；

图5为本发明具体实施例提供的破袋识别分析方法的流程图五；

图6为本发明具体实施例提供的破袋识别分析装置的示意性框图；

图7为本发明具体实施例提供的一种计算机设备的示意性框图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如图1所示，本发明实施例提供了一种破袋识别分析方法，应用于垃圾分类系统，方法包括以下步骤：S10-S30。

S10、采集垃圾投放点用户垃圾投放时的垃圾投放图像。

如图2所示，在一实施例中，步骤S10具体包括以下步骤：S101-S103。

S101、获取垃圾投放点光照亮度。

通过布置在垃圾投放点环境中的光敏传感器，由光敏传感器检测垃圾投放点环境的光照亮度。光敏传感器的布置数量可根据垃圾投放点的区域面积而定，一般布置的数量需要覆盖整个或者特别重要的区域。

S102、若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明。

当光敏传感器检测到光照亮度小于设定的第一亮度阈值时，则执行开启辅助照明的作用。第一亮度阈值以白天和黑夜的光照强度作为阈值临界点，当光敏传感器检测垃圾投放点的光照强度为夜晚时的光照强度，则开启辅助照明。辅助照明可以是市面上常见的LED灯等灯具，利用辅助照明能够为图像采集时提供光照条件，使得采集到的图像更加清晰。

S103、调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

垃圾筒外部的图像传感器用于采集用户将垃圾投放至垃圾筒内之前垃圾筒外的图像画面，垃圾筒内部的图像传感器用于采集用户将垃圾投放至垃圾筒内之后垃圾筒内的图像画面。

S20、将垃圾投放图像进行预处理，得到预处理数据。

如图3所示，在一实施例中，步骤S20具体包括以下步骤：S201-S206。

S201、将垃圾袋图像进行灰度化处理，得到灰度化图像。

采集到装有垃圾的垃圾袋图像后，先将垃圾袋的图片进行一个处理，将图片进行灰度化，直接取R,B,G三个分量中数值最大的分量的数值，(0视为最小，255视为最大)。

S202、将灰度化图像进行二值化处理，得到二值化图像。

直接使用直方图的方法来去寻找二值化的阈值，直方图是图像的一个重要特质，直方图方法的选择二值化阈值中最主要是发现图像的两个最高的峰，然后在阈值所取值在两个峰之间峰谷的最之低处。

S203、将二值化图像进行去噪处理，得到去噪处理图像。

再使用滤波器技术去除图像中的噪声。

S204、将去噪处理图像进行倾斜度校正处理，得到倾斜度校正图像。

检测图像中的文本区域，对文本区域进行角度估计，将图像旋转回正确的方向。

S205、将倾斜度校正图像进行字符切割处理，得到字符切割图像。

通过统计水平方向上每一行的像素值，可以得到一个代表字符位置的直方图。在直方图中，寻找连续的非零区域，这些区域表示字符的位置。可以通过设置一个阈值来确定字符位置。

对于每个字符位置，进行裁剪操作，得到单个字符的图像。

S206、将字符切割图像进行归一化处理，得到归一化图像。

对于每个字符切割图像，计算其高度和宽度，并找到其上、下、左、右边缘位置。根据字符的上、下、左、右边缘位置，将字符图像进行裁剪，得到一个矩形区域，其中包含了整个字符。将裁剪得到的字符矩形区域放入一个固定大小的正方形内。这通常可以通过在字符周围添加白色边框或使用等比例缩放的方式实现。对放入正方形中的字符进行像素级别的归一化处理，使得每个像素值都在0到1之间。通常可以将每个像素值除以255来实现。将归一化后的字符图像保存为最终的归一化图像

S30、将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

将归一化后的字符图像转换成破袋识别模型需要的输入格式。破袋识别模型通常基于卷积神经网络(CNN)，因此需要将输入图像转换为张量格式。使用已训练的破袋识别模型对处理后的图像进行预测，得到每个字符所代表的数字结果。根据预测结果，组合不同字符对应的数字，得到完整的破袋号码。

通过采用破袋识别模型对采集的垃圾袋图像进行识别处理，而且破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成，因此，得到的识别结果根据准确。

如图4所示，在一实施例中，步骤S30之后包括以下步骤：S40-S60。

S40、根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息。

S50、根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息。

S60、结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

对于步骤S40-S60，如果利用垃圾筒外的图像传感器检测到垃圾投放时，装有垃圾的垃圾袋有破袋的情况，则说明用户做出了破袋的操作，可以初步说明用户是按照规定的正确操作，进一步的，如果利用垃圾桶内的图像传感器检测到垃圾桶内有垃圾袋，无论此垃圾袋是否有破袋的操作，都说明了用户将垃圾袋投放至垃圾筒后，没有把相应的垃圾袋取走，这样也是不符合操作规定，因此，结合是否有破袋以及垃圾袋是否在垃圾桶内这两个方面来判断用户操作整体是否合规，只有这两个方面都符合规定要求才能确定用户的垃圾投放整个过程是符合规定的，通过此方式提升了破袋识别的精度和准确度，更有利于垃圾分类的管理。此外，第一投放信息和第二投放信息均包括垃圾袋投放时间、投放人员信息和投放地点。

如图5所示，在一实施例中，步骤S50之后包括以下步骤：S501-S503。

S501、若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标。

S502、根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息。

S503、根据距离信息将垃圾袋抓取到指定的垃圾筒中。

对于步骤S501-S503，对于没有投放至对应垃圾筒的垃圾袋，利用布置于垃圾投放点的垃圾机械抓手根据计算的距离信息将垃圾袋抓至指定的垃圾筒中，实现了垃圾袋辅助分类，进而提升了垃圾投放点的环境，同时也具有更好的垃圾分类效果。

对于上述的破袋识别分析方法，本发明实施例还提供了一种破袋识别分析装置。

如图6所示，破袋识别分析装置100，应用于垃圾分类系统，包括采集单110、预处理单元120以及识别单元130。其中，采集单元110，用于采集垃圾投放点用户垃圾投放时的垃圾投放图像。预处理单元120，用于将垃圾投放图像进行预处理，得到预处理数据。识别单元130，用于将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

在一实施例中，采集单元110包括获取模块、开启模块以及调用模块。获取模块，用于获取垃圾投放点光照亮度。开启模块，用于若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明。调用模块，用于调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

在一实施例中，预处理单元120包括第一处理模块、第二处理模块、第三处理模块、第四处理模块、第五处理模块以及第六处理模块。其中，第一处理模块，用于将垃圾袋图像进行灰度化处理，得到灰度化图像。第二处理模块，用于将灰度化图像进行二值化处理，得到二值化图像。第三处理模块，用于将二值化图像进行去噪处理，得到去噪处理图像。第四处理模块，用于将去噪处理图像进行倾斜度校正处理，得到倾斜度校正图像。第五处理模块，用于将倾斜度校正图像进行字符切割处理，得到字符切割图像。第六处理模块，用于将字符切割图像进行归一化处理，得到归一化图像。

在一实施例中，破袋识别分析装置100还包括第一调取单元、第二调取单元以及生成单元。第一调取单元，用于用于根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息。第二调取单元，用于根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息。生成单元，用于用于结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

在一实施例中，破袋识别分析装置100还包括坐标确定单元、计算单元以及抓取单元。其中，坐标确定单元，用于若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标。计算单元，用于根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息。抓取单元，用于根据距离信息将垃圾袋抓取到指定的垃圾筒中。

上述破袋识别分析方法可以实现为计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。

请参阅图7，图7是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备700可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

如图7所示，该计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的破袋识别分析方法步骤。

该计算机设备700可以是终端或服务器。该计算机设备700包括通过系统总线710连接的处理器720、存储器和网络接口750，其中，存储器可以包括非易失性存储介质730和内存储器740。

该非易失性存储介质730可存储操作系统731和计算机程序732。该计算机程序732被执行时，可使得处理器720执行任意一种破袋识别分析方法。

该处理器720用于提供计算和控制能力，支撑整个计算机设备700的运行。

该内存储器740为非易失性存储介质730中的计算机程序732的运行提供环境，该计算机程序732被处理器720执行时，可使得处理器720执行任意一种破袋识别分析方法。

该网络接口750用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备700的限定，具体的计算机设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。其中，所述处理器720用于运行存储在存储器中的程序代码，以实现以下步骤：

一种破袋识别分析方法，应用于垃圾分类系统，包括：

采集垃圾投放点用户垃圾投放时的垃圾投放图像；

将垃圾投放图像进行预处理，得到预处理数据；

将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

在一实施例中，所述采集垃圾投放点用户垃圾投放时的垃圾投放图像，包括：

获取垃圾投放点光照亮度；

若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明；

调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

在一实施例中，所述将垃圾投放图像进行预处理，得到预处理数据，包括：

将垃圾袋图像进行灰度化处理，得到灰度化图像；

将灰度化图像进行二值化处理，得到二值化图像；

将二值化图像进行去噪处理，得到去噪处理图像；

将去噪处理图像进行倾斜度校正处理，得到倾斜度校正图像；

将倾斜度校正图像进行字符切割处理，得到字符切割图像；

将字符切割图像进行归一化处理，得到归一化图像。

在一实施例中，所述将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成之后，包括：

根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息；

根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息；

结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

在一实施例中，所述根据垃圾袋投放信息生成垃圾袋投放通知并保存之后，包括：

若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标；

根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息；

根据距离信息将垃圾袋抓取到指定的垃圾筒中。应当理解，在本申请实施例中，处理器720可以是中央处理单元(Central Processing Unit，CPU)，该处理器720还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域技术人员可以理解，图7中示出的计算机设备700结构并不构成对计算机设备700的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

在本发明的另一实施例中提供了一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的破袋识别分析方法。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.破袋识别分析方法，应用于垃圾分类系统，其特征在于，包括：

采集垃圾投放点用户垃圾投放时的垃圾投放图像；

将垃圾投放图像进行预处理，得到预处理数据；

将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

2.根据权利要求1所述的破袋识别分析方法，其特征在于，所述采集垃圾投放点用户投放垃圾时的垃圾投放图像，包括：

获取垃圾投放点光照亮度；

若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明；

调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

3.根据权利要求1所述的破袋识别分析方法，其特征在于，所述将垃圾投放图像进行预处理，得到预处理数据，包括：

将垃圾袋图像进行灰度化处理，得到灰度化图像；

将灰度化图像进行二值化处理，得到二值化图像；

将二值化图像进行去噪处理，得到去噪处理图像；

将去噪处理图像进行倾斜度校正处理，得到倾斜度校正图像；

将倾斜度校正图像进行字符切割处理，得到字符切割图像；

将字符切割图像进行归一化处理，得到归一化图像。

4.根据权利要求1所述的破袋识别分析方法，其特征在于，所述将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成之后，包括：

根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息；

根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息；

结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

5.根据权利要求4所述的破袋识别分析方法，其特征在于，所述结合第一投放信息和第二投放信息生成垃圾投放通知并保存之后，包括：

若检测到垃圾袋处于垃圾筒外部，则确定垃圾袋的坐标；

根据垃圾袋的坐标计算出垃圾袋到指定投放垃圾筒的距离信息；

根据距离信息将垃圾袋抓取到指定的垃圾筒中。

6.破袋识别分析装置，应用于垃圾分类系统，其特征在于，包括采集单元、预处理单元以及识别单元；

所述采集单元，用于采集垃圾投放点用户垃圾投放时的垃圾投放图像；

所述预处理单元，用于将垃圾投放图像进行预处理，得到预处理数据；

所述识别单元，用于将预处理数据输入到训练好的破袋识别模型中，以获得识别结果，所述破袋识别模型由包括多种垃圾袋破袋类型的图像数据训练而成。

7.根据权利要求6所述的破袋识别分析装置，其特征在于，所述采集单元包括获取模块、开启模块以及调用模块；

所述获取模块，用于获取垃圾投放点光照亮度；

所述开启模块，用于若光照亮度小于第一亮度阈值，则开启布置于垃圾投放点的垃圾筒内部和垃圾筒外的图像采集辅助照明；

所述调用模块，调用布置于垃圾筒内部和垃圾筒外的图像传感器进行图像采集。

8.根据权利要求6所述的破袋识别分析装置，其特征在于，还包括第一调取单元、第二调取以及生成单元；

所述第一调取单元，用于根据识别结果确定出将垃圾投放至垃圾筒内之前垃圾袋是否存在破袋的情况，调取垃圾投放时的垃圾筒外的监控图像，以生成第一投放信息；

所述第二调取单元，根据识别结果确定出将垃圾投放至垃圾筒内之后垃圾桶内是否存在垃圾袋的情况，调取垃圾投放时的垃圾筒内的监控图像，以生成第二投放信息；

所述生成单元，用于结合第一投放信息和第二投放信息生成垃圾投放通知并保存。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～5中任意一项所述的破袋识别分析方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如权利要求1～5任意一项所述的破袋识别分析方法。