CN117085970A - 一种基于ai识别的多品类固废再利用智能系统 - Google Patents
一种基于ai识别的多品类固废再利用智能系统 Download PDFInfo
- Publication number
- CN117085970A CN117085970A CN202311344704.6A CN202311344704A CN117085970A CN 117085970 A CN117085970 A CN 117085970A CN 202311344704 A CN202311344704 A CN 202311344704A CN 117085970 A CN117085970 A CN 117085970A
- Authority
- CN
- China
- Prior art keywords
- solid waste
- image
- unit
- centroid
- view
- 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.)
- Granted
Links
- 239000002910 solid waste Substances 0.000 title claims abstract description 362
- 238000004064 recycling Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 title description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 81
- 238000009270 solid waste treatment Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 239000000463 material Substances 0.000 claims abstract description 22
- 239000000126 substance Substances 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 25
- 238000005520 cutting process Methods 0.000 claims description 22
- 238000001035 drying Methods 0.000 claims description 12
- 239000000428 dust Substances 0.000 claims description 10
- 238000007664 blowing Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000010408 sweeping Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000006227 byproduct Substances 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 239000010808 liquid waste Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 description 14
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000002156 mixing Methods 0.000 description 5
- 238000003756 stirring Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000010802 sludge Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B5/00—Cleaning by methods involving the use of air flow or gas flow
- B08B5/02—Cleaning by the force of jets, e.g. blowing-out cavities
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0054—Sorting of waste or refuse
Landscapes
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及固废处理技术领域，尤其涉及一种基于AI识别的多品类固废再利用智能系统，包括预处理模块、检测模块、夹持模块、分类模块、固废处理模块和中央控制模块；所述检测模块用于检测固废的大小；所述夹持模块用于夹持固废；所述分类模块用于对固废进行分类；所述固废处理模块用于将固废处理为可利用材料。本发明通过使用图像识别的AI模型分析固废的照片得到图像识别结果，并通过光谱识别的AI模型获取光谱以及通过AI对光谱进行判断得到光谱AI判断结果，综合图像识别结果和光谱AI判断结果获取相似度指标，有利于对两种AI模型进行统筹改进，避免了只使用一种AI模型所带来的片面性，有利于提高识别的准确率。
Description
技术领域
本发明涉及固废处理技术领域，尤其涉及一种基于AI识别的多品类固废再利用智能系统。
背景技术
固体废物是指人类在生产建设、日常生活和其他活动产生的，在一定时间和地点无法利用而被丢弃的污染环境的固体、半固体废弃物质。固废再利用是指将产生的固体废弃物进行再加工、再利用，使其成为有用的资源。
如CN116239366A的现有技术公开了的一种固废及危废综合处置再利用系统，包括市政污泥预处理单元，由干化机、焚烧炉和第一阶段的旋风除尘器构成，对市政污泥通过干化、焚烧及烟气分离处理，收集得到炉渣、飞灰沉积物；混合配比运料单元，由搅拌机、密封料斗、密封带式输送机和震动电机构成，将炉渣、飞灰沉积物、河道淤泥、工程渣土及辅料按配比装入搅拌机，混合均匀并向后道运送；和陶粒生成单元，设有与密封带式输送机相对接的回转窑及落料斗。
另一种典型的如CN113183318A的现有技术公开的一种建筑固废资源化处理再利用系统，包括支撑底座，支撑底座的顶部通过螺栓横向安装有搅拌混合箱，搅拌混合箱的内腔设置有搅拌混合机构，搅拌混合箱的顶部通过螺栓对称固定有支撑顶块，本发明通过将固体的建筑垃圾投放到粉碎箱体的内腔中，通过控制驱动电机的转动带动同步轮一和同步轮二的转动，经过一系列机械传动，使粉碎压块做上下的往复运动以及带动混合绞龙的转动，从而对投入到粉碎箱体内腔中的固体建筑垃圾进行粉碎，且进入搅拌混合箱内腔中的建筑垃圾粉末与投入的砂石混合均匀后，通过排料口排出到承接模具中制成砖体。
再来看如CN114353099A的现有技术公开的 一种余热再利用固体废弃物熔炼系统，包括燃烧炉，所述燃烧炉内侧端壁中心处固定连接有导热隔板，所述燃烧炉右侧端外壁上部固定连接有预热箱，所述预热箱底端部固定连通有输料管，所述输料管下端部与燃烧炉右侧端内壁底部固定连通，所述燃烧炉顶端外壁右侧端部固定连接有预热水箱，所述预热水箱左侧端部设置有净化组件，所述燃烧炉左侧端内壁设置有搅拌组件。
目前在固废处理领域，对AI 的应用较少，智能化程度较低，为了解决本领域普遍存在的问题，作出了本发明。
发明内容
本发明的目的在于，针对目前所存在的不足，提出了一种基于AI识别的多品类固废再利用智能系统。
为了克服现有技术的不足，本发明采用如下技术方案：
一种基于AI识别的多品类固废再利用智能系统，包括预处理模块、检测模块、夹持模块、分类模块、固废处理模块和中央控制模块；所述预处理模块包括清洗单元、过滤单元和干燥单元，所述过滤单元设置有多层滤网，用于将液体废料和固体废料进行分离，所述清洗单元用于对过滤后的固废进行清洗，所述干燥单元用于对清洗后的固废进行干燥，所述干燥单元包括扫尘装置和吹风装置，所述扫尘装置用于扫除固废表面的灰尘，所述吹风装置用于吹干固废；所述检测模块用于检测固废的大小；所述夹持模块用于夹持固废；所述分类模块用于对固废进行分类；所述固废处理模块用于将固废处理为可利用材料；所述中央控制模块用于对其余各个模块进行监测和调控；
还包括传送单元，所述传送单元设置于各个模块之间，用于运输固废；
所述检测模块根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积。
更进一步的，所述检测模块包括第一拍摄单元、检测单元、匹配单元和结果发送单元，所述第一拍摄单元用于对固废进行初次拍摄，所述检测单元用于根据初次拍摄的固废照片获取固废的体积等级，所述匹配单元用于将固废的体积等级与所述夹持模块的夹持件进行匹配，所述结果发送单元用于发送匹配结果到所述夹持模块。
更进一步的，所述分类模块包括第二拍摄单元、识别单元、测试单元和警报单元，所述第二拍摄单元用于对固废进行二次拍摄，所述识别单元用于根据二次拍摄的图像识别固废的种类，所述测试单元用于对所述识别单元的图像识别结果进行验证，所述警报单元用于发出警报信号。
更进一步的，所述测试单元包括光谱仪、计算单元、对比单元和数据库；所述光谱仪用于获取固废的光谱，所述计算单元用于执行各种算法，所述对比单元用于将所述计算单元的计算结果与保存的阈值进行对比，所述数据库用于根据所述识别单元的图像识别结果获取图像识别结果所对应的固废中的物质的理论光谱。
更进一步的，所述固废处理模块包括多个固废处理单元、材料存放单元、排放控制单元和堆填区；所述堆填区用于堆填无法被再利用的固废；所述固废处理单元用于将可再利用的固废转化为可利用材料；所述材料存放单元用于存放所述固废处理单元生成的可利用材料；所述排放控制单元用于监测和控制所述固废处理单元所产生的副产品的排放量。
更进一步的，所述多品类固废再利用智能系统的工作流程包括以下步骤：
S1,预处理模块对固废进行清洗、过滤和干燥后，传送单元将固废送到检测模块；
S2,检测模块检测固废的大小；
S3,夹持模块根据检测结果，选择夹持件对固废进行夹持；
S4,分类模块对夹持状态中的固废进行分类；
S5,传送单元根据分类结果将固废送到固废处理模块中的各个部分；
S6,固废处理模块将可再利用的固废转化为可利用材料，并将不可再利用的固废转移到堆填区。
更进一步的，所述检测模块检测固废大小包括以下步骤：
S21,第一拍摄单元对固废进行拍摄，得到固废的主视图、左视图和俯视图；
S22,判断单元获取固废在主视图、左视图和俯视图中的轮廓以及各个图像形心及二分形心的坐标；
S23,根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，SIZE为固废的体积；为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积。
S24,检测单元获取固废的体积等级；
S25,匹配单元将体积等级与夹持件进行匹配，结果发送单元将匹配结果发送到夹持模块，夹持模块驱动匹配的夹持件对固废进行夹持。
更进一步的，所述分类模块对夹持状态中的固废进行分类包括以下步骤：
S41,第二拍摄单元对固废进行拍摄；
S42,识别单元通过图像识别的AI模型对第二拍摄单元的固废照片进行识别，得到固废所包括的物质种类及其占比，并根据固废所包括的物质种类所需的处理方式，对固废进行分类；
S43,所述测试单元通过光谱识别的AI模型获取固废的光谱图像，根据固废的光谱图像判断固废所包括的物质种类及其占比；
S44,所述测试单元根据光谱识别的AI模型的光谱AI判断结果与所述图像识别的AI模型的图像识别结果,计算相似度指标；
S45,若相似度指标大于测试单元设定的阈值，则识别结果合格，固废根据其分类被送往不同的固废处理单元；反之，则警报单元发出警报信号。
本发明所取得的有益效果是：1.通过三视图来对固废大小进行判断，采用面旋转体体积来近似固废体积，通过综合利用三视图获取固废体积，降低了固废大小判断误差，有利于提高对固废大小的判断的准确度。
2.通过使用图像识别的AI模型分析固废的照片，来对固废所包含的物质种类进行识别得到图像识别结果，并通过光谱识别的AI模型获取光谱以及通过AI对光谱进行判断得到光谱AI判断结果，通过测试单元综合图像识别结果和光谱AI判断结果获取相似度指标，并根据该相似度指标判断光谱AI判断结果与图像识别结果的准确度，以此自动判断系统对固废种类判断的准确度，有效地提高了系统的智能化程度，通过设置相似度指标，有利于对两种AI模型进行统筹改进，避免了只使用一种AI模型所带来的片面性，有利于提高识别的准确率。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定相同的部分。
图1为本发明的结构示意图。
图2为本发明的工作流程示意图。
图3为本发明的检测模块检测固废大小的流程图。
图4为本发明的分类模块对夹持状态中的固废进行分类的流程图。
图5为本发明的实施例二的工作流程图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一：根据图1、图2、图3和图4，本实施例提供一种基于AI识别的多品类固废再利用智能系统，包括预处理模块、检测模块、夹持模块、分类模块、固废处理模块和中央控制模块；所述预处理模块包括清洗单元、过滤单元和干燥单元，所述过滤单元设置有多层滤网，用于将液体废料和固体废料进行分离，所述清洗单元用于对过滤后的固废进行清洗，所述干燥单元用于对清洗后的固废进行干燥，所述干燥单元包括扫尘装置和吹风装置，所述扫尘装置用于扫除固废表面的灰尘，所述吹风装置用于吹干固废；所述检测模块用于检测固废的大小；所述夹持模块用于夹持固废；所述分类模块用于对固废进行分类；所述固废处理模块用于将固废处理为可利用材料；所述中央控制模块用于对其余各个模块进行监测和调控；
还包括传送单元，所述传送单元设置于各个模块之间，用于运输固废；
所述检测模块根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积。
更进一步的，所述检测模块包括第一拍摄单元、检测单元、匹配单元和结果发送单元，所述第一拍摄单元用于对固废进行初次拍摄，所述检测单元用于根据初次拍摄的固废照片获取固废的体积等级，所述匹配单元用于将固废的体积等级与所述夹持模块的夹持件进行匹配，所述结果发送单元用于发送匹配结果到所述夹持模块。
更进一步的，所述分类模块包括第二拍摄单元、识别单元、测试单元和警报单元，所述第二拍摄单元用于对固废进行二次拍摄，所述识别单元用于根据二次拍摄的图像识别固废的种类，所述测试单元用于对所述识别单元的图像识别结果进行验证，所述警报单元用于发出警报信号。
更进一步的，所述测试单元包括光谱仪、计算单元、对比单元和数据库；所述光谱仪用于获取固废的光谱，所述计算单元用于执行各种算法，所述对比单元用于将所述计算单元的计算结果与保存的阈值进行对比，所述数据库用于根据所述识别单元的图像识别结果获取图像识别结果所对应的固废中的物质的理论光谱。
更进一步的，所述固废处理模块包括多个固废处理单元、材料存放单元、排放控制单元和堆填区；所述堆填区用于堆填无法被再利用的固废；所述固废处理单元用于将可再利用的固废转化为可利用材料；所述材料存放单元用于存放所述固废处理单元生成的可利用材料；所述排放控制单元用于监测和控制所述固废处理单元所产生的副产品的排放量。
更进一步的，所述多品类固废再利用智能系统的工作流程包括以下步骤：
S1,预处理模块对固废进行清洗、过滤和干燥后，传送单元将固废送到检测模块；
S2,检测模块检测固废的大小；
S3,夹持模块根据检测结果，选择夹持件对固废进行夹持；
S4,分类模块对夹持状态中的固废进行分类；
S5,传送单元根据分类结果将固废送到固废处理模块中的各个部分；
S6,固废处理模块将可再利用的固废转化为可利用材料，并将不可再利用的固废转移到堆填区。
更进一步的，所述检测模块检测固废大小包括以下步骤：
S21,第一拍摄单元对固废进行拍摄，得到固废的主视图、左视图和俯视图；
S22,判断单元获取固废在主视图、左视图和俯视图中的轮廓以及各个图像形心及二分形心的坐标；
S23,根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，SIZE为固废的体积；为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积。
具体的，所述判断单元通过形心跟踪算法获取各个视图中固废图像的形心坐标；所述判断单元通过递推算法根据固废图像形心坐标以及固废图像面积进行递推，可以得到固废切割线的位置，所述固废图像面积可通过固废图像在视图中所占像素数量获取；
具体的，通过、v、S可以求得每个视图中的固废的近似体积，将这些近似体积进行平均可以得到整个固废的近似体积；
S24,检测单元获取固废的体积等级；
具体的，固废的体积等级由夹持件所能夹持的物体的体积范围决定，若最小的夹持件的所能夹持的物体的体积范围为2到10立方厘米，则将该范围设定为体积等级1，若第二小的夹持件的所能夹持的物体的体积范围为5到13立方厘米，则将10到13立方厘米设定为体积等级2，并以此类推。
S25,匹配单元将体积等级与夹持件进行匹配，结果发送单元将匹配结果发送到夹持模块，夹持模块驱动匹配的夹持件对固废进行夹持。
更进一步的，所述分类模块对夹持状态中的固废进行分类包括以下步骤：
S41,第二拍摄单元对固废进行拍摄；
S42,识别单元通过图像识别的AI模型对第二拍摄单元的固废照片进行识别，得到固废所包括的物质种类及其占比，并根据固废所包括的物质种类所需的处理方式，对固废进行分类；
具体的，所述图像识别的AI模型采用卷积神经网络，通过预处理、特征提取和分类器进行决策等步骤对第二拍摄单元的拍摄图像进行识别；其中，分类器由本领域技术人员通过互联网获取现有的数据集，并通过迁移学习技术调整数据集从而生成数据集所对应的分类器，数据集包括不同物质所对应的亮度、颜色、透明度等训练数据；该图像识别的AI模型可根据第二拍摄单元的拍摄图像，对该拍摄图像进行预处理和特征提取，从而获取图像中各个部分的亮度、颜色、透明度、分布度等数据，并通过对应的分类器决策实现对这些数据识别，从而得到这些数据所对应的物质种类及其在固废中的占比以作为图像识别结果。
具体的，固废所包括的物质种类可以包括塑料、玻璃、铁、水泥及其混合物等，在此仅做举例，并非对固废的种类进行限定；
具体的，根据固废所包括物质的种类所需的处理方式，对固废进行分类，可将固废分类为可焚烧固废、可有机分解固废等，在此仅做举例，并不对此进行限定，更进一步的，当固废有多种可处理方式时，随机选择其中一种对固废进行分类；
S43,所述测试单元通过光谱识别的AI模型获取固废的光谱图像，根据固废的光谱图像判断固废所包括的物质种类及其占比；
S44,所述测试单元根据光谱识别的AI模型的光谱AI判断结果与所述图像识别的AI模型的图像识别结果,计算相似度指标；
具体的，所述相似度指标用于表征光谱识别的AI模型的光谱AI判断结果与所述图像识别的AI模型的图像识别结果之间的相似度，相似度指标越高，两个模型之间的契合程度越好，所得到的光谱AI判断结果与图像识别结果的准确度越高；
S45,若相似度指标大于测试单元设定的阈值，则识别结果合格，固废根据其分类被送往不同的固废处理单元；反之，则警报单元发出警报信号。
具体的，所述光谱识别的AI模型采用卷积神经网络，通过预处理、特征提取和分类器进行决策等步骤对光谱图像进行识别，本领域技术人员通过互联网获取现有的数据集并通过迁移学习技术调整数据集并生成对应分类器，数据集中包括该光谱识别的AI模型对不同物质及其混合物对应的光谱图像、光谱图像中各个特征的训练数据，该光谱识别的AI模型可根据实际光谱图像并通过分类器决策判断固废中所包括的物质种类及其占比。
本方案的有益效果：
1.通过三视图来对固废大小进行判断，采用面旋转体体积来近似固废体积，通过综合利用三视图获取固废体积，降低了固废大小判断误差，有利于提高对固废大小的判断的准确度。
2.通过使用图像识别的AI模型分析固废的照片，来对固废所包含的物质种类进行识别得到图像识别结果，并通过光谱识别的AI模型获取光谱以及通过AI对光谱进行判断得到光谱AI判断结果，通过测试单元综合图像识别结果和光谱AI判断结果获取相似度指标，并根据该相似度指标判断光谱AI判断结果与图像识别结果的准确度，以此自动判断系统对固废种类判断的准确度，有效地提高了系统的智能化程度，通过设置相似度指标，有利于对两种AI模型进行统筹改进，避免了只使用一种AI模型所带来的片面性，有利于提高识别的准确率。
实施例二：本实施例应当理解为包含前述任一一个实施例的全部特征，并在其基础上进一步改进，根据图5，还在于所述测试单元获取固废的光谱图像，所述测试单元包括光谱仪，测试单元通过光谱识别的AI模型根据固废的光谱图像判断固废所包括的物质种类包括以下步骤：
S431,光谱仪获取固废的实际光谱图像；
S432,光谱识别的AI模型根据实际光谱图像对固废所包括的物质种类进行判断；
S433,通过互联网和过往的实验结果获取固废所包括的物质种类所对应的纯净物的理论光谱；
S434,根据下式获取光谱识别的AI模型的光谱AI结果准确度指标；
；
其中，RX是光谱AI结果准确度指标；n是光谱识别的AI模型判断到的固废包含的物质种类数，由光谱识别的AI模型基于实际光谱图像通过AI处理后获得；f是实际光谱图像的峰值个数,由实际光谱图像中的光谱曲线获得；是光谱识别的AI模型判断到的固废包含的第i种物质所对应纯净物的理论光谱的峰值；/>是实际光谱图像的波峰中与/>相差最小的峰值；C是光谱识别的AI模型判断到的固废包含的化学物质所对应的理论光谱的峰值的平均值；D是固体废料实际光谱图像中光谱的峰值的平均值；
具体的，C=；D=/>；其中，/>为光谱识别的AI模型判断到固废包含第i种化学物质对应的理论峰值，/>为实际光谱图像的第j个波峰所对应的峰值；
S435,判断光谱AI结果准确度指标是否高于设定的最低指标，若是，则判断结束，反之，警报单元发出警报信号。通过该光谱AI结果准确度指标可及时获取光谱识别的AI模型的准确性如何，在准确性过低时可及时对其调整以避免误判。
更进一步的，所述测试单元根据下式计算图像识别结果和光谱AI结果的相似度指标：
Y=;
=k*（/>）；
其中，Y为相似度指标，m为图像识别结果和光谱AI判断结果中都有的物质的种类个数，为图像识别结果和光谱AI判断结果中都有的第j种物质的权重；k为权重指标，1<k<2，该权重指标由本领域技术人员进行设定；e是自然常数，/>是所述识别单元所识别的第j种物质在固废中的占比；/>是所述测试单元判断的第j种物质在固废中的占比，该占比由测试单元根据固废光谱自行判断，x是图像识别结果中未与光谱AI判断结果重合的物质的种类个数，/>是图像识别结果中未与光谱AI判断结果重合的第p种物质在固废中的占比，该占比由识别单元识别；y是光谱AI判断结果中未与图像识别结果重合的物质的种类个数，/>是光谱AI判断结果中未与图像识别结果重合的第q种物质在固废中的占比，该占比由测试单元根据固废光谱自行判断。
本方案的有益效果：通过光谱识别的AI模型对光谱图像设置光谱AI判断结果准确度指标，有利于了解光谱识别的AI模型的判断能力，有利于工作人员根据光谱AI判断结果准确度指标对光谱识别的AI模型进行不断优化和改进；
通过设置相似度指标，可以了解图像识别结果与光谱结果之间的差距，有利于工作人员对图像识别的AI模型与光谱识别的AI模型进行综合调整，从而避免两个AI模型所产生的结果差距过大，也避免单个模型识别照常误差过大难以发现的问题，从而提高了系统的识别精度。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。
Claims (8)
1.一种基于AI识别的多品类固废再利用智能系统，包括预处理模块、检测模块、夹持模块、分类模块、固废处理模块和中央控制模块；所述预处理模块包括清洗单元、过滤单元和干燥单元，所述过滤单元设置有多层滤网，用于将液体废料和固体废料进行分离，所述清洗单元用于对过滤后的固废进行清洗，所述干燥单元用于对清洗后的固废进行干燥，所述干燥单元包括扫尘装置和吹风装置，所述扫尘装置用于扫除固废表面的灰尘，所述吹风装置用于吹干固废；所述检测模块用于检测固废的大小；所述夹持模块用于夹持固废；所述分类模块用于对固废进行分类；所述固废处理模块用于将固废处理为可利用材料；所述中央控制模块用于对其余各个模块进行监测和调控；
还包括传送单元，所述传送单元设置于各个模块之间，用于运输固废；
所述检测模块根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积。
2.根据权利要求1所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述检测模块包括第一拍摄单元、检测单元、匹配单元和结果发送单元，所述第一拍摄单元用于对固废进行初次拍摄，所述检测单元用于根据初次拍摄的固废照片获取固废的体积等级，所述匹配单元用于将固废的体积等级与所述夹持模块的夹持件进行匹配，所述结果发送单元用于发送匹配结果到所述夹持模块。
3.根据权利要求2所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述分类模块包括第二拍摄单元、识别单元、测试单元和警报单元，所述第二拍摄单元用于对固废进行二次拍摄，所述识别单元用于根据二次拍摄的图像识别固废的种类，所述测试单元用于对所述识别单元的图像识别结果进行验证，所述警报单元用于发出警报信号。
4.根据权利要求3所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述测试单元包括光谱仪、计算单元、对比单元和数据库；所述光谱仪用于获取固废的光谱，所述计算单元用于执行各种算法，所述对比单元用于将所述计算单元的计算结果与保存的阈值进行对比，所述数据库用于根据所述识别单元的图像识别结果获取图像识别结果所对应的固废中的物质的理论光谱。
5.根据权利要求4所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述固废处理模块包括多个固废处理单元、材料存放单元、排放控制单元和堆填区；所述堆填区用于堆填无法被再利用的固废；所述固废处理单元用于将可再利用的固废转化为可利用材料；所述材料存放单元用于存放所述固废处理单元生成的可利用材料；所述排放控制单元用于监测和控制所述固废处理单元所产生的副产品的排放量。
6.根据权利要求5所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述多品类固废再利用智能系统的工作流程包括以下步骤：
S1,预处理模块对固废进行清洗、过滤和干燥后，传送单元将固废送到检测模块；
S2,检测模块检测固废的大小；
S3,夹持模块根据检测结果，选择夹持件对固废进行夹持；
S4,分类模块对夹持状态中的固废进行分类；
S5,传送单元根据分类结果将固废送到固废处理模块中的各个部分；
S6,固废处理模块将可再利用的固废转化为可利用材料，并将不可再利用的固废转移到堆填区。
7.根据权利要求6所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述检测模块检测固废大小包括以下步骤：
S21,第一拍摄单元对固废进行拍摄，得到固废的主视图、左视图和俯视图；
S22,判断单元获取固废在主视图、左视图和俯视图中的轮廓以及各个图像形心及二分形心的坐标；
S23,根据下式获取固废的体积：
SIZE=（/>+/>+/>）;
其中，SIZE为固废的体积；为主视图中固废图像的二分形心到主视图固废切割线的距离的均值，所述主视图固废切割线为过主视图中固废图像的形心且将固废图像划分为面积相同的两部分的直线，所述主视图中固废图像的二分形心为主视图的固废图像被划分为面积相等的两部分后，其中任意一部分的形心，/>为主视图中固废图像的面积；/>为左视图中固废图像的二分形心到左视图固废切割线的距离的均值，所述左视图固废切割线为过左视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述左视图中固废图像的二分形心为左视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，为左视图中固废图像的面积；/>为俯视图中固废图像的二分形心到俯视图固废切割线的距离的均值，所述俯视图固废切割线为过俯视图中固废图像的形心且将固废图像划分为面积相同两部分的直线，所述俯视图中固废图像的二分形心为俯视图的固废图像被划分为面积相等的两部分后，其中任意部分的形心，/>为俯视图中固废图像的面积；
S24,检测单元获取固废的体积等级；
S25,匹配单元将体积等级与夹持件进行匹配，结果发送单元将匹配结果发送到夹持模块，夹持模块驱动匹配的夹持件对固废进行夹持。
8.根据权利要求7所述的一种基于AI识别的多品类固废再利用智能系统，其特征在于：所述分类模块对夹持状态中的固废进行分类包括以下步骤：
S41,第二拍摄单元对固废进行拍摄；
S42,识别单元通过图像识别的AI模型对第二拍摄单元的固废照片进行识别，得到固废所包括的物质种类及其占比，并根据固废所包括的物质种类所需的处理方式，对固废进行分类；
S43,所述测试单元通过光谱识别的AI模型获取固废的光谱图像，根据固废的光谱图像判断固废所包括的物质种类及其占比；
S44,所述测试单元根据光谱识别的AI模型的光谱AI判断结果与所述图像识别的AI模型的图像识别结果,计算相似度指标；
S45,若相似度指标大于测试单元设定的阈值，则识别结果合格，固废根据其分类被送往不同的固废处理单元；反之，则警报单元发出警报信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311344704.6A CN117085970B (zh) | 2023-10-18 | 2023-10-18 | 一种基于ai识别的多品类固废再利用智能系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311344704.6A CN117085970B (zh) | 2023-10-18 | 2023-10-18 | 一种基于ai识别的多品类固废再利用智能系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117085970A true CN117085970A (zh) | 2023-11-21 |
| CN117085970B CN117085970B (zh) | 2023-12-26 |
Family
ID=88772074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311344704.6A Active CN117085970B (zh) | 2023-10-18 | 2023-10-18 | 一种基于ai识别的多品类固废再利用智能系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117085970B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117862189A (zh) * | 2024-03-13 | 2024-04-12 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
| CN118038066A (zh) * | 2024-01-30 | 2024-05-14 | 东南大学 | 基于物联网的固废资源化利用的智能化识别系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104624505A (zh) * | 2015-01-16 | 2015-05-20 | 同济大学 | 一种基于图像识别的废塑料分离方法与系统 |
| CN106670122A (zh) * | 2017-01-17 | 2017-05-17 | 碧海舟（北京）节能环保装备有限公司 | 用于生活垃圾的自动识别分拣回收系统 |
| CN109916826A (zh) * | 2019-02-20 | 2019-06-21 | 福建南方路面机械有限公司 | 一种基于高光谱检测的固废在线识别系统及识别方法 |
| US20190381520A1 (en) * | 2018-06-19 | 2019-12-19 | Cedric Jean-Luc Vanderbeken | Method and apparatus to remove contaminants from an organics waste stream and filtering light organics from fluids |
| JP2020062633A (ja) * | 2018-10-19 | 2020-04-23 | 株式会社御池鐵工所 | 廃棄物選別装置及び廃棄物選別方法 |
| CN111524180A (zh) * | 2020-04-23 | 2020-08-11 | Oppo广东移动通信有限公司 | 物体体积计算方法、装置、电子设备及存储介质 |
| CN111916862A (zh) * | 2020-08-03 | 2020-11-10 | 兰溪翊昇新能源有限公司 | 一种废旧锂电池的回收处理方法 |
| CN111906121A (zh) * | 2020-07-28 | 2020-11-10 | 武汉城市职业学院 | 一种用于固废处理环保清洗设备 |
| CN113222939A (zh) * | 2021-05-14 | 2021-08-06 | 广东工业大学 | 一种基于拇指甲标定的食物图像体积计算方法 |
| CN116393403A (zh) * | 2023-04-11 | 2023-07-07 | 肇庆市大正铝业有限公司 | 一种铝合金产品表面结构的废物杂质识别方法及系统 |
| CN219597370U (zh) * | 2023-03-02 | 2023-08-29 | 重庆赛菱斯智能装备有限公司 | 快速判断产品分类的上下料机构 |
-
2023
- 2023-10-18 CN CN202311344704.6A patent/CN117085970B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104624505A (zh) * | 2015-01-16 | 2015-05-20 | 同济大学 | 一种基于图像识别的废塑料分离方法与系统 |
| CN106670122A (zh) * | 2017-01-17 | 2017-05-17 | 碧海舟（北京）节能环保装备有限公司 | 用于生活垃圾的自动识别分拣回收系统 |
| US20190381520A1 (en) * | 2018-06-19 | 2019-12-19 | Cedric Jean-Luc Vanderbeken | Method and apparatus to remove contaminants from an organics waste stream and filtering light organics from fluids |
| JP2020062633A (ja) * | 2018-10-19 | 2020-04-23 | 株式会社御池鐵工所 | 廃棄物選別装置及び廃棄物選別方法 |
| CN109916826A (zh) * | 2019-02-20 | 2019-06-21 | 福建南方路面机械有限公司 | 一种基于高光谱检测的固废在线识别系统及识别方法 |
| CN111524180A (zh) * | 2020-04-23 | 2020-08-11 | Oppo广东移动通信有限公司 | 物体体积计算方法、装置、电子设备及存储介质 |
| CN111906121A (zh) * | 2020-07-28 | 2020-11-10 | 武汉城市职业学院 | 一种用于固废处理环保清洗设备 |
| CN111916862A (zh) * | 2020-08-03 | 2020-11-10 | 兰溪翊昇新能源有限公司 | 一种废旧锂电池的回收处理方法 |
| CN113222939A (zh) * | 2021-05-14 | 2021-08-06 | 广东工业大学 | 一种基于拇指甲标定的食物图像体积计算方法 |
| CN219597370U (zh) * | 2023-03-02 | 2023-08-29 | 重庆赛菱斯智能装备有限公司 | 快速判断产品分类的上下料机构 |
| CN116393403A (zh) * | 2023-04-11 | 2023-07-07 | 肇庆市大正铝业有限公司 | 一种铝合金产品表面结构的废物杂质识别方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118038066A (zh) * | 2024-01-30 | 2024-05-14 | 东南大学 | 基于物联网的固废资源化利用的智能化识别系统及方法 |
| CN118038066B (zh) * | 2024-01-30 | 2024-08-16 | 东南大学 | 基于物联网的固废资源化利用的智能化识别系统及方法 |
| CN117862189A (zh) * | 2024-03-13 | 2024-04-12 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
| CN117862189B (zh) * | 2024-03-13 | 2024-05-28 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117085970B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117085970B (zh) | 一种基于ai识别的多品类固废再利用智能系统 | |
| CN1843632A (zh) | 静电除尘系统 | |
| KR102409527B1 (ko) | 라이더센서를 이용한 전기차 폐배터리의 해체로봇 자동화 분해시스템 | |
| CN110228673A (zh) | 一种智能分类垃圾桶 | |
| CN104148300A (zh) | 基于机器视觉的垃圾分拣方法与系统 | |
| CN110949895B (zh) | 一种区域化垃圾分类投放及分拣回收系统 | |
| CN110076782A (zh) | 一种计算机视觉目标识别的智控垃圾分类机器人 | |
| CN116637902B (zh) | 一种智能化废弃渣土多功能资源化处理方法及其系统 | |
| CN109675827A (zh) | 一种建筑垃圾识别分拣设备、识别方法及其抓取方法 | |
| CN110665848A (zh) | 基于ccd相机与高光谱相机检测的建筑固废分拣系统 | |
| CN111137602B (zh) | 一种基于人工智能的垃圾分类方法及垃圾分类系统 | |
| CN109878946A (zh) | 一种城市分布式垃圾自动回收处理系统 | |
| CN209452328U (zh) | 一种建筑垃圾识别分拣设备 | |
| CN112090925A (zh) | 一种后端破袋的垃圾处理方法和装置 | |
| CN206701918U (zh) | 一种多传感器融合的垃圾分拣装置 | |
| CN113392363A (zh) | 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法 | |
| Luo et al. | Regionalization intelligent garbage sorting machine for municipal solid waste treatment | |
| CN108080277A (zh) | 一种垃圾处理前的分离装置 | |
| CN210614407U (zh) | 一种基于多相机组合识别不同尺寸物料的分选系统 | |
| Chaturvedi et al. | An Assessment of Machine Learning Integrated Autonomous Waste Detection and Sorting of Municipal Solid Waste. | |
| CN116620744A (zh) | 一种基于深度学习的智能分类系统及其实现方法 | |
| CN117862189B (zh) | 一种化工业固废再利用智能自动处置系统 | |
| CN118072110B (zh) | 一种基于图像信息的自动化垃圾处理方法及系统 | |
| CN212830606U (zh) | 具有检测功能的自动分拣垃圾桶 | |
| Hegde et al. | Smart Dry and Wet Waste Management System Using IoT |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |