CN117522388B - 一种用于城市环境的智能环卫处理方法 - Google Patents

一种用于城市环境的智能环卫处理方法 Download PDF

Info

Publication number
CN117522388B
CN117522388B CN202311479091.7A CN202311479091A CN117522388B CN 117522388 B CN117522388 B CN 117522388B CN 202311479091 A CN202311479091 A CN 202311479091A CN 117522388 B CN117522388 B CN 117522388B
Authority
CN
China
Prior art keywords
garbage
classification
intelligent
image
gas
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.)
Active
Application number
CN202311479091.7A
Other languages
English (en)
Other versions
CN117522388A (zh
Inventor
陈潘
倪永海
程磊
倪永雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yonghao Environmental Technology Group Co ltd
Original Assignee
Yonghao Environmental Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yonghao Environmental Technology Group Co ltd filed Critical Yonghao Environmental Technology Group Co ltd
Priority to CN202311479091.7A priority Critical patent/CN117522388B/zh
Publication of CN117522388A publication Critical patent/CN117522388A/zh
Application granted granted Critical
Publication of CN117522388B publication Critical patent/CN117522388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V20/60—Type of objects
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Sustainable Development (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明涉及智能环卫技术领域，公开了一种用于城市环境的智能环卫处理方法，对垃圾进行智能识别并分类，利用电子屏幕向居民提供垃圾分类指导和教育，提高大众的垃圾分类意识和能力，并生成统一的垃圾分类标准，安装传感器网络，监测智能垃圾分类投放箱的填充水平、气体的参数，实时获取垃圾的信息，激发人们对垃圾分类的兴趣，对垃圾的信息进行实时数据分析和预测，生成最优的收集路径和时间安排，智能指派清运车辆对垃圾进行收集，提高垃圾收集的效率，采用先进的垃圾处理技术将收集的垃圾转化为可再利用的资源，实时分析垃圾分类和垃圾收集的过程，进而优化垃圾处理过程，提高效率和环境的影响。

Description

一种用于城市环境的智能环卫处理方法
技术领域
本发明涉及智能环卫技术领域，尤其涉及一种用于城市环境的智能环卫处理方法。
背景技术
在城市化进程的不断加速下，人们产生的垃圾随处可见，造成的环境污染和垃圾处理等问题也逐渐开始成为人们关注的焦点，但随着垃圾分类理念的出现，人们意识到通过垃圾分类可以降低废弃物对生态系统的负面影响，从而维护生态平衡。
如授权公告号为CN113610100A公开了一种基于图像识别的垃圾处理方法、装置及电子设备，涉及云技术、大数据及人工智能技术领域，该方法包括：获取垃圾对应的待处理图像；对待处理图像进行识别，得到待处理图像中包含的各物品所属的物品类别和每个物品的属性信息；对于每个物品类别，基于属于该物品类别的各物品的属性信息，确定该物品类别对应的垃圾评估结果；基于各物品类别的垃圾评估结果，生成待处理图像对应的垃圾分类评估结果。利用图像识别技术，识别垃圾图像中的各物品类别，评估各物品类别对应的垃圾评估结果，辅助用户进行垃圾分类，提升垃圾分类的准确性，并可以使用户了解各物品类别对应的垃圾评估结果，提升环保意识。
如申请公开号为CN113449759A公开了一种垃圾处理装置和方法，判断垃圾混合方式并对不同的混合方式使用其对应的处理方法，实现混合垃圾的智能分类，同时节省人力，装置包括：垃圾物体种类确定模块，用于获取垃圾的图像，并且根据垃圾的图像确定垃圾对应的一个或多个物体种类；垃圾类别确定模块，用于根据垃圾对应的一个或多个物体种类确定垃圾对应的一个或多个垃圾类别；垃圾含水量确定模块，用于确定垃圾的含水类别；垃圾混合方式确定模块，用于根据垃圾对应的一个或多个垃圾类别和垃圾的含水量确定垃圾的混合方式；垃圾处理模块，用于根据垃圾的混合方式处理所述垃圾。
以上专利存在本背景技术提出的问题：传统的垃圾分类方式中会出现人工分类不规范、效率低等问题，很多垃圾并没有得到有效的处理，而现有的智能环卫处理方式没有考虑到人们处理垃圾的不配合以及不同地区采用不同的垃圾分类标准。为解决这一问题，本发明提出一种用于城市环境的智能环卫处理方法。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有一种用于城市环境的智能环卫处理方法存在的问题，提出了本发明。
因此，本发明目的是提供一种用于城市环境的智能环卫处理方法。
为解决上述技术问题，本发明提供如下技术方案：对垃圾进行智能识别并分类，利用电子屏幕向居民提供垃圾分类指导和教育；
利用图像识别技术构建垃圾分类模型，对所述垃圾进行识别和分类；
构建所述垃圾分类模型的函数表达式如下所示：
GC＝f(v·x*w+b)；
式中，GC表示对垃圾图像的预测分类结果，f(·)表示垃圾图像的激活函数，v表示垃圾图像的乘性偏置，x表示输入的垃圾图像，*表示卷积操作，w表示垃圾图像的权重系数，b表示垃圾图像的加性偏置；
对垃圾图像进行训练，为了减小预测分类与实际分类的差距程度，引入联合损失函数，所述联合损失函数的函数表达式如下所示：
LF＝L1-λ·L2；
式中，LF表示垃圾图像的联合损失值，L1表示垃圾图像的分类损失值，λ表示垃圾实际分类的权重，L2表示垃圾图像的区分损失值；
其中，垃圾图像的分类损失函数表达式如下所示：
式中，L1表示垃圾图像的分类损失值，N表示垃圾图像的总个数，n表示第n个垃圾图像，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
垃圾图像的区分损失函数表达式如下所示：
L2＝max(0,1-GC°·GC)；
式中，L2表示垃圾图像的区分损失值，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
安装传感器网络，监测智能垃圾分类投放箱的填充水平、气体的参数，实时获取所述垃圾的信息；
对所述垃圾的信息进行实时数据分析和预测，生成最优的收集路径和时间安排，智能指派清运车辆对所述垃圾进行收集；
利用摄像头和所述传感器网络采集所述垃圾的信息，并对所述垃圾的信息进行实时数据分析和预测，严格按照监测所述智能垃圾分类投放箱的规则来判定智能垃圾分类投放箱的填充水平和气体，并执行所述规则的操作；
利用改进的A*算法生成最优的收集路径，改进的A*算法的函数表达式如下所示：
p(mi)＝f(mi)+l(mi)·t(mi)；
式中，p(mi)表示清运车辆从初始位置经由中间位置m到目标位置的最小估计代价，f(mi)表示清运车辆从初始位置到中间位置m的最小实际代价，l(mi)表示中间位置m到目标位置的最小估计代价，t(mi)表示l(mi)的权重系数，i表示不同的位置；
采用先进的垃圾处理技术将收集的所述垃圾转化为可再利用的资源；
实时分析垃圾分类和垃圾收集的过程。
作为本发明所述一种用于城市环境的智能环卫处理方法的一种优选方案，其中：所述垃圾的分类规则如下所示：
若所述垃圾图像的颜色特征为暗色、形状特征为不规则形状且纹理特征为表面粗糙纹理，则所述垃圾为厨余垃圾；
若所述垃圾图像的颜色特征为明色、形状特征为规则形状且纹理特征为表面光滑纹理，则所述垃圾为可回收垃圾；
若所述垃圾图像的颜色特征为亮色、形状特征为特殊形状且纹理特征为玻璃金属质感，则所述垃圾为有害垃圾；
若所述垃圾图像不属于以上三类的颜色特征、形状特征和纹理特征，则所述垃圾为其他垃圾。
作为本发明所述一种用于城市环境的智能环卫处理方法的一种优选方案，其中：所述传感器网络包括称重传感器和气体传感器，所述智能垃圾分类投放箱中的底部都设置有所述称重传感器，内壁都设置有所述气体传感器，所述垃圾的信息包括所述智能垃圾分类投放箱的填充水平参数和气体参数，所述称重传感器用于监测所述智能垃圾分类投放箱的填充水平参数，所述气体传感器用于监测所述智能垃圾分类投放箱的气体参数。
作为本发明所述一种用于城市环境的智能环卫处理方法的一种优选方案，其中：监测所述智能垃圾分类投放箱的规则如下所示：
分别观察所述称重传感器和所述气体传感器采集的参数数据；
若所述称重传感器采集到所述智能垃圾分类投放箱里的垃圾大于等于所述智能垃圾分类投放箱最大承重的3/4，则进行语音警示、亮起垃圾满载标志灯并通知清运车辆及时清理垃圾；
若所述称重传感器采集到所述智能垃圾分类投放箱里的垃圾小于所述智能垃圾分类投放箱最大承重的3/4，则不需要语音警示和垃圾满载标志灯亮；
所述气体传感器采集硫化氢和甲烷的气体体积分数；
若所述气体传感器采集到所述智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数大于等于3％、甲烷气体体积分数大于等于3.5％，则进行语音警示、亮起气体体积分数超标显示灯并通知清运车辆及时清理垃圾；
若所述气体传感器采集到所述智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数小于3％、甲烷气体体积分数小于3.5％，则不需要语音警示和气体体积分数超标显示灯亮。
作为本发明所述一种用于城市环境的智能环卫处理方法的一种优选方案，其中：所述垃圾转化处理的规则如下所示：
若所述垃圾为厨余垃圾，则将所述垃圾执行生物降解处理；
若所述垃圾为可回收垃圾，则将所述垃圾执行回收加工处理；
若所述垃圾为有害垃圾，则将所述垃圾执行安全处理；
若所述垃圾为其他垃圾，则将所述垃圾执行焚烧发电处理。
一种计算机设备，包括，存储器，用于存储指令；处理器，用于执行所述指令，使得所述设备执行实现一种用于城市环境的智能环卫处理方法。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被所述处理器执行时，实现一种用于城市环境的智能环卫处理方法。
本发明的有益效果：本发明通过对垃圾进行智能识别并分类，利用电子屏幕向居民提供垃圾分类指导和教育，提高大众的垃圾分类意识和能力，并生成统一的垃圾分类标准，安装传感器网络，监测智能垃圾分类投放箱的填充水平、气体的参数，实时获取垃圾的信息，激发人们对垃圾分类的兴趣，对垃圾的信息进行实时数据分析和预测，生成最优的收集路径和时间安排，智能指派清运车辆对垃圾进行收集，提高垃圾收集的效率，采用先进的垃圾处理技术将收集的所述垃圾转化为可再利用的资源，实时分析垃圾分类和垃圾收集的过程，进而优化垃圾处理过程，提高效率和环境的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种用于城市环境的智能环卫处理方法的方法流程图；
图2为本发明一种用于城市环境的智能环卫处理方法所述的智能垃圾分类投放箱结构示意图；
图3为本发明一种用于城市环境的智能环卫处理方法所述的垃圾收集路径图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
本实施例中，提供了一种用于城市环境的智能环卫处理方法的方法流程图，如图1所示，一种用于城市环境的智能环卫处理方法包括：
S1、对垃圾进行智能识别并分类，利用电子屏幕向居民提供垃圾分类指导和教育，提高大众的垃圾分类意识和能力；
首先构建垃圾分类模型，对每个垃圾图像进行预测分类，为了减小预测分类与实际分类的差距程度，引入联合损失函数对差距程度进行计算，如果构建的垃圾分类模型存在预测分类结果和实际分类结果差距较大的情况，则需要对该垃圾分类模型进行优化，一般利用随机梯度下降算法进行优化；
利用图像识别技术构建垃圾分类模型，对垃圾进行识别和分类；
构建垃圾分类模型的函数表达式如下所示：
GC＝f(v·x*w+b)；
式中，GC表示对垃圾图像的预测分类结果，f(·)表示垃圾图像的激活函数，v表示垃圾图像的乘性偏置，x表示输入的垃圾图像，*表示卷积操作，w表示垃圾图像的权重系数，b表示垃圾图像的加性偏置；
对垃圾图像进行训练，为了减小预测分类与实际分类的差距程度，引入联合损失函数，联合损失函数的函数表达式如下所示：
LF＝L1-λ·L2；
式中，LF表示垃圾图像的联合损失值，L1表示垃圾图像的分类损失值，λ表示垃圾实际分类的权重，L2表示垃圾图像的区分损失值；
其中，垃圾图像的分类损失函数表达式如下所示：
式中，L1表示垃圾图像的分类损失值，N表示垃圾图像的总个数，n表示第n个垃圾图像，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
垃圾图像的区分损失函数表达式如下所示：
L2＝max(0,1-GC°·GC)；
式中，L2表示垃圾图像的区分损失值，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
其次建立垃圾分类规则，将垃圾分为四类，包括厨余垃圾、可回收垃圾、有害垃圾和其他垃圾，分别从图像中的颜色特征、形状特征和纹理特征这三种特征进行分类；
垃圾的分类规则如下所示：
若垃圾图像的颜色特征为暗色、形状特征为不规则形状且纹理特征为表面粗糙纹理，则垃圾为厨余垃圾；
若垃圾图像的颜色特征为明色、形状特征为规则形状且纹理特征为表面光滑纹理，则垃圾为可回收垃圾；
若垃圾图像的颜色特征为亮色、形状特征为特殊形状且纹理特征为玻璃金属质感，则垃圾为有害垃圾；
若垃圾图像不属于以上三类的颜色特征、形状特征和纹理特征，则垃圾为其他垃圾；
需要解释的是：厨余垃圾包括剩菜剩饭、瓜果皮类、蔬菜类、盆栽残枝、茶叶渣、碎骨物和食物残渣，该厨余垃圾的颜色特征为暗色，比如褐色或黑色，形状特征通常呈现出碎片状或不规则形状，纹理特征大多都是粗糙的纹理；可回收垃圾包括玻璃类、金属类、塑料类、废纸类、纺织物和小型电子产品，该可回收垃圾的颜色特征为明色，可能为蓝色或绿色，形状特征通常是具有规则的圆柱形状或方形状，纹理特征则具有光滑的纹理；有害垃圾包括废油漆类、废电池类、废灯管类、废弃化学品类、废胶片类和废药品及包装物，该有害垃圾的颜色特征为亮色，比如红色或黄色，形状特征通常是具有特殊的形状，纹理特征则是具有金属或者玻璃质感的纹理；
最后，将垃圾分类的相关知识投放到垃圾站的电子屏幕上，垃圾分类的相关知识包括厨余垃圾、可回收垃圾、有害垃圾和其他垃圾的主要物品；
垃圾分类的相关知识还包括垃圾投放指导，比如厨余垃圾应该沥干水分后再投放，大块骨头、椰子壳和榴莲壳等不易生化降解的垃圾，不宜作为厨余垃圾，应该是作为其他垃圾进行投放，纯液体可以直接倒入下水道；可回收垃圾中纸类应该展开并压平进行叠放后投放，包装盒应该剪开冲洗干净后压扁再投放，瓶罐类需要倒尽瓶中液体并清理干净再投放，玻璃类应该用袋子或者其他容器装好再投放，织物类需要叠放整齐并归类打包再进行投放；有害垃圾需要保持所有废弃垃圾完整且打包固定后投放；其他垃圾中废旧家具家电等体积较大的废弃物品、建筑垃圾和农村村民日常生活中产生的灰土需要单独堆放，具体的投放时间和地点需要跟管理负责人确认；
为了保持垃圾站表面的洁净，设计智能垃圾分类投放箱，如图2所示，从左侧依次为两个可回收垃圾投放箱1、厨余垃圾投放箱2、有害垃圾投放箱3、厨余垃圾投放箱2和两个其他垃圾投放箱4，有害垃圾投放箱上方还有电子显示屏5，每个垃圾投放箱都有摄像头扫描处6、垃圾满载标志灯7和气体体积分数超标显示灯8，最右侧还设置洗手池9方便居民倾倒液体垃圾和清洁自身，设置推门设计的垃圾投放箱是为了避免造成居民的衣物污染，指导居民将垃圾提到对应垃圾投放箱的摄像头扫描处，通过摄像头和垃圾分类模型对居民投放的垃圾进行分类并对异常投放方式进行语音提醒，异常投放方式包括投放混合的垃圾、没有按照垃圾投放指导进行投放等等，如果扫描没有问题，则打开对应垃圾投放箱上方的推门，如果扫描有问题，则通过语音提醒居民存在异常投放，并给予相应的投放指导；
具体应用中，垃圾站通过摄像头对每位居民的投放进行录像，通过摄像头扫描处和垃圾分类模型对垃圾进行自动识别并分类，再打开智能垃圾分类投放箱中相应的垃圾投放箱，第一个垃圾站在一天中有20位居民投放垃圾，其中有3位居民存在异常投放方式，一位居民没有倾倒液体垃圾，另外两位居民没有正确地分辨垃圾，将其他垃圾投放至厨余垃圾投放箱处；第二个垃圾站在一天中有30位居民投放垃圾，其中有5位居民存在异常投放方式，两位居民将垃圾混在一起扔，另外三位居民没有对纸箱进行叠放，导致无法塞进可回收垃圾投放箱；第三个垃圾站在一天内有35位居民投放垃圾，其中有6位居民存在异常投放方式，三位居民将其他垃圾投放到可回收垃圾投放箱中，另外三位居民没有对厨余垃圾沥干水分。
S2、安装传感器网络，监测智能垃圾分类投放箱的填充水平、气体的参数，实时获取垃圾的信息；
传感器网络包括称重传感器和气体传感器，智能垃圾分类投放箱中的底部都设置有称重传感器，内壁都设置有气体传感器，垃圾的信息包括智能垃圾分类投放箱的填充水平参数和气体参数，称重传感器用于监测智能垃圾分类投放箱的填充水平参数，气体传感器用于监测智能垃圾分类投放箱的气体参数；
监测智能垃圾分类投放箱的规则如下所示：
分别观察称重传感器和气体传感器采集的参数数据；
若称重传感器采集到智能垃圾分类投放箱里的垃圾大于等于智能垃圾分类投放箱最大承重的3/4，则进行语音警示、亮起垃圾满载标志灯并通知清运车辆及时清理垃圾；
若称重传感器采集到智能垃圾分类投放箱里的垃圾小于智能垃圾分类投放箱最大承重的3/4，则不需要语音警示和垃圾满载标志灯亮；
气体传感器采集硫化氢和甲烷的气体体积分数；
若气体传感器采集到智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数大于等于3％、甲烷气体体积分数大于等于3.5％，则进行语音警示、亮起气体体积分数超标显示灯并通知清运车辆及时清理垃圾；
若气体传感器采集到智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数小于3％、甲烷气体体积分数小于3.5％，则不需要语音警示和气体体积分数超标显示灯亮；
现实生活中，硫化氢和甲烷这两种气体通常与垃圾投放箱中产生的恶臭有关，所以需要着重测量硫化氢和甲烷这两种气体在智能垃圾分类投放箱中的体积分数，空气中硫化氢气体体积分数在4.3％至46％内就能引起爆炸，所以这里设置的硫化氢气体参数的阈值为3％，空气中甲烷气体体积分数在4.9％至15.4％内就能引起爆炸，所以这里设置的甲烷气体参数的阈值为3.5％；
具体应用中，第一个垃圾站在一天内20位居民投放的垃圾中厨余垃圾投放箱的硫化氢气体体积分数监测到为3.2％、甲烷气体体积分数监测到为3.3％，可回收垃圾投放箱里的垃圾大于智能垃圾分类投放箱最大承重的3/4，根据监测智能垃圾分类投放箱的规则可知，对厨余垃圾投放箱进行语音警示、亮起厨余垃圾投放箱的气体体积分数超标显示灯并通知清运车辆及时清理垃圾，对可回收垃圾投放箱进行语音警示、亮起可回收垃圾投放箱的垃圾满载标志灯并通知清运车辆及时清理垃圾；第二个垃圾站在一天内30位居民投放的垃圾中厨余垃圾投放箱的硫化氢气体体积分数监测到为3.3％、甲烷气体体积分数监测到为3.5％，根据监测智能垃圾分类投放箱的规则可知，对厨余垃圾投放箱进行语音警示、亮起厨余垃圾投放箱的气体体积分数超标显示灯并通知清运车辆及时清理垃圾；第三个垃圾站在一天内35位居民投放的垃圾中厨余垃圾投放箱的硫化氢气体体积分数监测到为2.9％、甲烷气体体积分数监测到为3.6％，其他垃圾投放箱的垃圾大于智能垃圾分类投放箱最大承重的3/4，根据监测智能垃圾分类投放箱的规则可知，对厨余垃圾投放箱进行语音警示、亮起厨余垃圾投放箱的气体体积分数超标显示灯并通知清运车辆及时清理垃圾，对其他垃圾投放箱进行语音警示、亮起其他垃圾投放箱的垃圾满载标志灯并通知清运车辆及时清理垃圾。
S3、对垃圾的信息进行实时数据分析和预测，生成最优的收集路径和时间安排，智能指派清运车辆对垃圾进行收集；
利用摄像头和传感器网络采集垃圾的信息，并对垃圾的信息进行实时数据分析和预测，严格按照监测智能垃圾分类投放箱的规则来判定智能垃圾分类投放箱的填充水平和气体，并执行规则的操作；
利用改进的A*算法生成最优的收集路径，改进的A*算法的函数表达式如下所示：
p(mi)＝f(mi)+l(mi)·t(mi)；
式中，p(mi)表示清运车辆从初始位置经由中间位置m到目标位置的最小估计代价，f(mi)表示清运车辆从初始位置到中间位置m的最小实际代价，l(mi)表示中间位置m到目标位置的最小估计代价，t(mi)表示l(mi)的权重系数，i表示不同的位置；
其中，表示的最小估计代价和最小实际代价可以利用欧氏距离公式进行计算，垃圾收集路径图如图3所示，包括中间位置m、清运车辆的初始位置30、第一个垃圾站31、第二个垃圾站32和第三个垃圾站33；
首先根据摄像头和传感器网络实时采集垃圾的信息，并对垃圾的信息进行实时数据分析和预测，如果存在规则中需要指派清运车辆的情况，需要根据生成最优的收集路径智能指派清运车辆前往垃圾站收集相关垃圾投放箱中的垃圾，保证以最小的代价达到最优的垃圾收集线路；
具体应用中，第一个垃圾站需要收集厨余垃圾投放箱和可回收垃圾投放箱里的垃圾，第二个垃圾站需要收集厨余垃圾投放箱里的垃圾，第三个垃圾站需要收集厨余垃圾投放箱和其他垃圾投放箱里的垃圾，这三个垃圾站分别在不同的地方，根据最优的收集路径可知该清运车辆应该先去收集第二个垃圾站里的垃圾，再去收集第一个垃圾站里的垃圾，最后去收集第三个垃圾站里的垃圾。
S4、采用先进的垃圾处理技术将收集的垃圾转化为可再利用的资源；
垃圾转化处理的规则如下所示：
若垃圾为厨余垃圾，则将垃圾执行生物降解处理；
若垃圾为可回收垃圾，则将垃圾执行回收加工处理；
若垃圾为有害垃圾，则将垃圾执行安全处理；
若垃圾为其他垃圾，则将垃圾执行焚烧发电处理；
现实生活中，对于厨余垃圾中的有机垃圾一般是使用生物降解处理将有机垃圾转化为可再生资源，如有机肥料、生物气体等，生物降解处理是利用微生物、腐生物、虫类等生物体对有机物进行分解和转化，也可以使用垃圾堆肥技术对有机垃圾进行处理，从而逐步形成一种类似腐殖土壤的物质，这类物质的特点是含有大量的有机物质，有助于改善土壤结构和肥力，并能将土壤中的有机物质提高，对于厨余垃圾还可以变成沼气，沼气可以用于发电、供暖和燃料，可以有效减少对传统能源的依赖；对于有害垃圾执行安全处理，一般是采用微波处理、等离子处理等措施，避免造成对环境和人体的污染；对于可回收垃圾进行回收加工处理，制成新的原材料供生产使用；对于其他垃圾可以进行焚烧发电处理，将垃圾燃烧所产生的热能转化电力供应给社会使用；
具体应用中，根据垃圾转化处理的规则可知，将三个垃圾站中收集的厨余垃圾执行生物降解处理，生成有机肥料和生物气体，其中有机肥料可以运往农村增强土壤的肥力，生物气体包括沼气可以用于发电、供暖和燃料，将收集到的可回收垃圾执行回收加工处理，将收集到的其他垃圾执行焚烧发电处理，将转化的电力作为储备电源供社会使用。
S5、实时分析垃圾分类和垃圾收集的过程，进而优化垃圾处理过程，提高效率和环境影响；
垃圾处理过程都是使用现阶段比较先进的技术，为了保证垃圾处理的效率，所以需要在垃圾分类和垃圾收集的过程中实时分析，如果出现异常情况，及时通过语音警示，在垃圾分类和垃圾收集的过程中就杜绝异常情况的出现，通过分析垃圾的分类情况、填充水平、气体和清运车辆的积极性，来得到垃圾分类比例、垃圾生成量、清运效率等，然后根据不同垃圾站的垃圾分类情况，调整清运车辆的路线和数量，以提高资源利用效率，这样可以保证在垃圾处理过程中不会出现进行相应垃圾处理时出现垃圾分类不对的情况。
实施例2
本实施例中，提供了一种计算机设备，包括存储器和处理器，存储器用于存储指令，处理器用于执行该指令，使得计算机设备执行实现上述一种用于城市环境的智能环卫处理方法的步骤。
实施例3
本实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，计算机程序被处理器执行时实现上述一种用于城市环境的智能环卫处理方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种用于城市环境的智能环卫处理方法，其特征在于：包括，
对垃圾进行智能识别并分类，利用电子屏幕向居民提供垃圾分类指导和教育；
利用图像识别技术构建垃圾分类模型，对所述垃圾进行识别和分类；
构建所述垃圾分类模型的函数表达式如下所示：
GC＝f(v·x*w+b)；
式中，GC表示对垃圾图像的预测分类结果，f(·)表示垃圾图像的激活函数，v表示垃圾图像的乘性偏置，x表示输入的垃圾图像，*表示卷积操作，w表示垃圾图像的权重系数，b表示垃圾图像的加性偏置；
对垃圾图像进行训练，为了减小预测分类与实际分类的差距程度，引入联合损失函数，所述联合损失函数的函数表达式如下所示：
LF＝L1-λ·L2；
式中，LF表示垃圾图像的联合损失值，L1表示垃圾图像的分类损失值，λ表示垃圾实际分类的权重，L2表示垃圾图像的区分损失值；
其中，垃圾图像的分类损失函数表达式如下所示：
式中，L1表示垃圾图像的分类损失值，N表示垃圾图像的总个数，n表示第n个垃圾图像，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
垃圾图像的区分损失函数表达式如下所示：
L2＝max(0,1-GC°·GC)；
式中，L2表示垃圾图像的区分损失值，GC°表示对垃圾图像的实际分类结果，GC表示对垃圾图像的预测分类结果；
安装传感器网络，监测智能垃圾分类投放箱的填充水平、气体的参数，实时获取所述垃圾的信息；
对所述垃圾的信息进行实时数据分析和预测，生成最优的收集路径和时间安排，智能指派清运车辆对所述垃圾进行收集；
利用摄像头和所述传感器网络采集所述垃圾的信息，并对所述垃圾的信息进行实时数据分析和预测，严格按照监测所述智能垃圾分类投放箱的规则来判定智能垃圾分类投放箱的填充水平和气体，并执行所述规则的操作；
利用改进的A*算法生成最优的收集路径，改进的A*算法的函数表达式如下所示：
p(mi)＝f(mi)+l(mi)·t(mi)；
式中，p(mi)表示清运车辆从初始位置经由中间位置m到目标位置的最小估计代价，f(mi)表示清运车辆从初始位置到中间位置m的最小实际代价，l(mi)表示中间位置m到目标位置的最小估计代价，t(mi)表示l(mi)的权重系数，i表示不同的位置；
采用先进的垃圾处理技术将收集的所述垃圾转化为可再利用的资源；
实时分析垃圾分类和垃圾收集的过程。
2.如权利要求1所述的一种用于城市环境的智能环卫处理方法，其特征在于：所述垃圾的分类规则如下所示：
若所述垃圾图像的颜色特征为暗色、形状特征为不规则形状且纹理特征为表面粗糙纹理，则所述垃圾为厨余垃圾；
若所述垃圾图像的颜色特征为明色、形状特征为规则形状且纹理特征为表面光滑纹理，则所述垃圾为可回收垃圾；
若所述垃圾图像的颜色特征为亮色、形状特征为特殊形状且纹理特征为玻璃金属质感，则所述垃圾为有害垃圾；
若所述垃圾图像不属于以上三类的颜色特征、形状特征和纹理特征，则所述垃圾为其他垃圾。
3.如权利要求2所述的一种用于城市环境的智能环卫处理方法，其特征在于：所述传感器网络包括称重传感器和气体传感器，所述智能垃圾分类投放箱中的底部都设置有所述称重传感器，内壁都设置有所述气体传感器，所述垃圾的信息包括所述智能垃圾分类投放箱的填充水平参数和气体参数，所述称重传感器用于监测所述智能垃圾分类投放箱的填充水平参数，所述气体传感器用于监测所述智能垃圾分类投放箱的气体参数。
4.如权利要求3所述的一种用于城市环境的智能环卫处理方法，其特征在于：监测所述智能垃圾分类投放箱的规则如下所示：
分别观察所述称重传感器和所述气体传感器采集的参数数据；
若所述称重传感器采集到所述智能垃圾分类投放箱里的垃圾大于等于所述智能垃圾分类投放箱最大承重的3/4，则进行语音警示、亮起垃圾满载标志灯并通知清运车辆及时清理垃圾；
若所述称重传感器采集到所述智能垃圾分类投放箱里的垃圾小于所述智能垃圾分类投放箱最大承重的3/4，则不需要语音警示和垃圾满载标志灯亮；
所述气体传感器采集硫化氢和甲烷的气体体积分数；
若所述气体传感器采集到所述智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数大于等于3％、甲烷气体体积分数大于等于3.5％，则进行语音警示、亮起气体体积分数超标显示灯并通知清运车辆及时清理垃圾；
若所述气体传感器采集到所述智能垃圾分类投放箱里垃圾产生的硫化氢气体体积分数小于3％、甲烷气体体积分数小于3.5％，则不需要语音警示和气体体积分数超标显示灯亮。
5.如权利要求4所述的一种用于城市环境的智能环卫处理方法，其特征在于：所述垃圾转化处理的规则如下所示：
若所述垃圾为厨余垃圾，则将所述垃圾执行生物降解处理；
若所述垃圾为可回收垃圾，则将所述垃圾执行回收加工处理；
若所述垃圾为有害垃圾，则将所述垃圾执行安全处理；
若所述垃圾为其他垃圾，则将所述垃圾执行焚烧发电处理。
6.一种计算机设备，其特征在于：包括，
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现如权利要求1-5任一项所述的一种用于城市环境的智能环卫处理方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时，实现如权利要求1-5任一项所述的一种用于城市环境的智能环卫处理方法。
CN202311479091.7A 2023-11-08 2023-11-08 一种用于城市环境的智能环卫处理方法 Active CN117522388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311479091.7A CN117522388B (zh) 2023-11-08 2023-11-08 一种用于城市环境的智能环卫处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311479091.7A CN117522388B (zh) 2023-11-08 2023-11-08 一种用于城市环境的智能环卫处理方法

Publications (2)

Publication Number Publication Date
CN117522388A CN117522388A (zh) 2024-02-06
CN117522388B true CN117522388B (zh) 2024-04-12

Family

ID=89763807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311479091.7A Active CN117522388B (zh) 2023-11-08 2023-11-08 一种用于城市环境的智能环卫处理方法

Country Status (1)

Country Link
CN (1) CN117522388B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101594314A (zh) * 2008-05-30 2009-12-02 电子科技大学 一种基于高阶自相关特征的垃圾邮件图像识别方法及装置
CN103171836A (zh) * 2012-09-12 2013-06-26 深圳市英尔科技有限公司 一种垃圾分类回收智能化的系统及其方法
CN109606991A (zh) * 2019-01-11 2019-04-12 郑州大学 智能垃圾桶及基于深度学习的垃圾分类方法
CN110155556A (zh) * 2019-04-30 2019-08-23 上海师范大学 一种智能分类垃圾桶
CN110203589A (zh) * 2019-07-05 2019-09-06 苏州科技大学 一种智能垃圾站收费管理系统
CN110569874A (zh) * 2019-08-05 2019-12-13 深圳大学 一种垃圾分类方法、装置、智能终端及存储介质
CN110589282A (zh) * 2019-08-16 2019-12-20 喻鑫童 基于机器学习的智能垃圾分类方法和垃圾自动分拣装置
CN110852351A (zh) * 2019-10-22 2020-02-28 苏州幻岛信息科技有限公司 基于图像的垃圾分类方法、装置、终端设备和存储介质
CN111414926A (zh) * 2019-01-04 2020-07-14 卓望数码技术（深圳）有限公司 一种智能垃圾分类方法、装置、存储介质和机器人
AU2020102191A4 (en) * 2020-09-09 2020-10-22 (Assistant Professor), Mr. Anil Sudhakarrao Parlikar WCM-Smart City: WASTE COLLECTION AND MANAGEMENT UNDER SMART CITY USING IOT
CN112591333A (zh) * 2020-12-11 2021-04-02 江西理工大学 基于人工智能的自动垃圾分类装置及方法
CN113743404A (zh) * 2021-09-06 2021-12-03 中国计量大学 一种智能垃圾收运车垃圾图像分类方法
CN114936678A (zh) * 2022-04-29 2022-08-23 北京市市政工程设计研究总院有限公司 一种生活垃圾全过程精细化智慧管理平台及其架构
CN115588128A (zh) * 2022-10-28 2023-01-10 西安建筑科技大学 一种多路径聚合的建筑垃圾检测方法
CN116682098A (zh) * 2023-05-18 2023-09-01 小圾(上海)环保科技有限公司 一种城市生活垃圾自动识别分类系统及方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101594314A (zh) * 2008-05-30 2009-12-02 电子科技大学 一种基于高阶自相关特征的垃圾邮件图像识别方法及装置
CN103171836A (zh) * 2012-09-12 2013-06-26 深圳市英尔科技有限公司 一种垃圾分类回收智能化的系统及其方法
CN111414926A (zh) * 2019-01-04 2020-07-14 卓望数码技术（深圳）有限公司 一种智能垃圾分类方法、装置、存储介质和机器人
CN109606991A (zh) * 2019-01-11 2019-04-12 郑州大学 智能垃圾桶及基于深度学习的垃圾分类方法
CN110155556A (zh) * 2019-04-30 2019-08-23 上海师范大学 一种智能分类垃圾桶
CN110203589A (zh) * 2019-07-05 2019-09-06 苏州科技大学 一种智能垃圾站收费管理系统
CN110569874A (zh) * 2019-08-05 2019-12-13 深圳大学 一种垃圾分类方法、装置、智能终端及存储介质
CN110589282A (zh) * 2019-08-16 2019-12-20 喻鑫童 基于机器学习的智能垃圾分类方法和垃圾自动分拣装置
CN110852351A (zh) * 2019-10-22 2020-02-28 苏州幻岛信息科技有限公司 基于图像的垃圾分类方法、装置、终端设备和存储介质
AU2020102191A4 (en) * 2020-09-09 2020-10-22 (Assistant Professor), Mr. Anil Sudhakarrao Parlikar WCM-Smart City: WASTE COLLECTION AND MANAGEMENT UNDER SMART CITY USING IOT
CN112591333A (zh) * 2020-12-11 2021-04-02 江西理工大学 基于人工智能的自动垃圾分类装置及方法
CN113743404A (zh) * 2021-09-06 2021-12-03 中国计量大学 一种智能垃圾收运车垃圾图像分类方法
CN114936678A (zh) * 2022-04-29 2022-08-23 北京市市政工程设计研究总院有限公司 一种生活垃圾全过程精细化智慧管理平台及其架构
CN115588128A (zh) * 2022-10-28 2023-01-10 西安建筑科技大学 一种多路径聚合的建筑垃圾检测方法
CN116682098A (zh) * 2023-05-18 2023-09-01 小圾(上海)环保科技有限公司 一种城市生活垃圾自动识别分类系统及方法

Also Published As

Publication number Publication date
CN117522388A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
Emery et al. Environmental and economic modelling: A case study of municipal solid waste management scenarios in Wales
CN107247999A (zh) 一种基于互联网的垃圾分类模式及其方法
Hakami et al. Household solid waste composition and management in Jeddah city, Saudi Arabia: A planning model
CN110834835A (zh) 一种基于互联网大数据的智能垃圾分类处理方法及系统
CN110355188A (zh) 基于土地多重利用的智慧垃圾分类原位减量资源化系统
CN108820640A (zh) 一种智能环保垃圾自助分类处理系统
Anssari et al. A feasibility study of electrical energy generation from municipal solid waste in Iraq: Najaf case study
CN117522388B (zh) 一种用于城市环境的智能环卫处理方法
Nasrabadi et al. Evaluating citizen attitudes and participation in solid waste management in Tehran, Iran
CN102050291A (zh) 一种便于垃圾简单分类的垃圾箱
Wang et al. A simple garbage bin design for garbage classification and recycling
Shreya et al. Technical solutions for waste classification and management: A mini-review
CN108305003A (zh) 一种垃圾填埋场的评估方法
Liu et al. Research on the sorting reclaim system of municipal solid waste based on the concept of “Cradle to Cradle”
Krishna et al. A Fuzzy Logical based Artificial Intelligence Method for Designed to Effectively Predict and Manage the Solid Waste
Liu et al. Research on the application of domestic waste classification design based on intelligent means to meet users' Psychology
Nagori et al. A framework for segregating solid waste by employing the technique of image annotation
Nebbach Physical characterization of household waste at source in Kenitra City (Morocco)
Jagannathan et al. QR Code Enabled Domestic Waste Segregation Tracking
CN201553438U (zh) 一种简易垃圾分类回收箱
CN106623361B (zh) 一种城市废弃物循环利用系统及方法
CN113998338A (zh) 智能垃圾分类系统
Cao et al. Research on the Pollution Hazard of Municipal Solid Waste in China and its Prevention and Control Legal Countermeasures.
Saleh et al. Impact Assessment of Utilizing Municipal Solid Waste for Energy Generation: A case study for MSW management plant at Sofa landfill site
Kumar et al. Smart Cities Waste Minimization, Remanufacturing, Reuse, and Recycling Solutions Using IoT and ML

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