CN117671497A - 一种基于数字图像的工程建筑废料分类方法及装置 - Google Patents
一种基于数字图像的工程建筑废料分类方法及装置 Download PDFInfo
- Publication number
- CN117671497A CN117671497A CN202311649521.5A CN202311649521A CN117671497A CN 117671497 A CN117671497 A CN 117671497A CN 202311649521 A CN202311649521 A CN 202311649521A CN 117671497 A CN117671497 A CN 117671497A
- Authority
- CN
- China
- Prior art keywords
- waste
- construction waste
- image
- construction
- building
- 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 title claims abstract description 902
- 238000010276 construction Methods 0.000 title claims abstract description 436
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 37
- 239000002023 wood Substances 0.000 claims abstract description 18
- 238000004140 cleaning Methods 0.000 claims description 26
- 239000004567 concrete Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 239000011521 glass Substances 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 7
- 239000000919 ceramic Substances 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 239000010802 sludge Substances 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 239000004575 stone Substances 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000003905 agrochemical Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011455 calcium-silicate brick Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011464 hollow brick Substances 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 239000010954 inorganic particle Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明涉及建筑废料分类技术领域，揭露了一种基于数字图像的工程建筑废料分类方法及装置，包括：接收废料分类指令，基于所述废料分类指令确认废料分类环境，废料分类环境包括不同种类的建筑废料，基于不同类型的建筑废料获取优化建筑废料，确认优化建筑废料的种类为木制建筑废料且为初始建筑废料后，利用废料粉碎机及废料筛选机筛选初始建筑废料、第一类建筑废料及第二类建筑废料得到第一建筑废料及第二建筑废料，确认第一建筑废料运输至废料分类机处后，基于目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。本发明可解决对建筑废料分类不准确及资源浪费的问题。
Description
技术领域
本发明涉及建筑废料分类技术领域，尤其涉及一种基于数字图像的工程建筑废料分类方法、装置、电子设备及计算机可读存储介质。
背景技术
随着城市的发展，越来越多的工程建筑需要建造、翻新及拆除等，与之相对应的，在工程建筑中会产生越来越多的建筑废料，进一步的，能够对建筑废料进行分类及二次利用尤为重要。
目前，对于建筑废料的分类方法多为人工分类，即通过人工的方式将不同类型的建筑废料进行分类。
虽然上述方法能够实现对建筑废料的分类，但是，在对建筑废料进行分类时，受到人工经验的影响，且无法对大量的建筑废料进行分类，且建筑废料无法根据其种类及体积投入二次使用或妥善处理，造成对建筑废料分类不准确及资源浪费的问题。
发明内容
本发明提供一种基于数字图像的工程建筑废料分类方法、装置及计算机可读存储介质，其主要目的在于解决对建筑废料分类不准确及资源浪费的问题。
为实现上述目的，本发明提供的一种基于数字图像的工程建筑废料分类方法及装置，包括：
接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
可选地，所述利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，包括：
调取预设的废料粉碎机的参数，根据废料粉碎机的参数设定并开启所述废料粉碎机，输入预处理的建筑废料至开启后的废料粉碎机，得到粉碎建筑废料；
基于预设的体积阈值，利用废料筛选机筛选所述粉碎建筑废料，得到第一建筑废料及第二建筑废料。
可选地，所述不同类型的建筑废料，包括：第一类建筑废料、第二类建筑废料及第三类建筑废料，其中，第一类建筑废料包括木制建筑废料、金属建筑废料，第二类建筑废料包括塑料建筑废料、玻璃建筑废料、陶瓷建筑废料及废弃混凝土，第三类建筑废料包括砌体建筑废料、污泥及污染土。
可选地，所述确认木制建筑废料为初始建筑废料，包括：
获取木制建筑废料的图像，基于所述图像计算木制建筑废料的破损率，计算公式如下所示：
其中，P为木制建筑废料的破损率，(x1,y1)表示木制建筑废料的图像中的像素点，s1表示木制建筑废料的图像的总面积，s2表示木制建筑废料的图像中破损的木制建筑废料的面积，(x2,y2)为位于木制建筑废料的图像中破损的木制建筑废料中的像素点；
根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料。
可选地，所述根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料，包括：
比较木制建筑废料的破损率与预设的破损率阈值；
若所述木制建筑废料的破损率小于等于所述破损率阈值，则提示木制建筑废料为即用建筑废料；
若所述木制建筑废料的破损率大于所述破损率阈值，则确认木制建筑废料为初始建筑废料。
可选地，所述确认第一建筑废料运输至废料分类机处后，包括：
利用预构建的距离测量器获取参考距离；
比较所述参考距离与预设的距离阈值，若所述参考距离小于等于距离阈值，则确认第一建筑废料运输至废料分类机处。
可选地，所述基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，包括：
基于所述目标图像获取参考俯视图，基于参考俯视图获取参考左视图及参考右视图；
分别对参考左视图及参考右视图执行灰度化操作，并对灰度化处理后的图像执行均衡化操作，得到均衡图像；
利用均衡图像计算第一建筑废料的体积，根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料。
可选地，所述利用均衡图像计算第一建筑废料的体积，包括：
基于均衡图像分别获取第一灰度值及第二灰度值，其中，第一灰度值为参考左视图中第i个像素点所对应的灰度值，第二灰度值参考右视图中第j个像素点所对应的灰度值；
利用第一灰度值及第二灰度值计算第一建筑废料的体积，计算公式如下所示：
其中，V表示第一建筑废料的体积，ai为参考左视图中第i个像素点所对应的灰度值，L表示参考左视图中共有L个像素点，g3为参考左视图中像素灰度值的最大值对应的像素高度，z1表示参考左视图中像素灰度值的最大值，bj为参考右视图中第j个像素点所对应的灰度值，m表示参考右视图中共有m个像素点，g4为参考右视图中像素灰度值的最大值对应的像素高度，z2表示参考右视图中像素灰度值的最大值，d表示第一建筑废料图像的实际物理尺寸，n表示第一建筑废料图像的像素尺寸。
可选地，所述根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料，包括：
获取第一建筑废料的多个体积范围，基于所述多个体积范围、第一建筑废料的体积及废料分类机获取一种或多种建筑废料。
为了解决上述问题，本发明还提供一种基于数字图像的工程建筑废料分类装置，所述装置包括：
分类环境确认模块，用于接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
建筑废料预处理模块，用于基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
目标建筑废料处理模块，用于确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
目标建筑废料分类模块，用于基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于数字图像的工程建筑废料分类方法及装置。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于数字图像的工程建筑废料分类方法及装置。
为解决背景技术所述问题，本发明实施例接收废料分类指令，基于所述废料分类指令确认废料分类环境，可见本发明实施例在对建筑废料进行分类时，就拟定了基础的建筑废料分类环境，并基于建筑废料分类环境对建筑废料进行分类，并未采取人工分类的方法，为后续节约资源及提高对建筑废料分类准确性奠定了基础。基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，可见本发明实施例对建筑废料的类型进行了初次划分，并不是仅仅考虑对建筑废料进行分类，而是因材施教，进一步地，增加了对建筑废料分类的准确性及节约了用于对建筑废料进行分类的资源。利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料，可见本发明实施例依靠机器完成对建筑废料进行分类的工作，且考虑了建筑废料实际存在的环境，提出对建筑废料进行清洗，进一步地提高了对建筑废料进行分类的准确性。确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，可见本发明实施例考虑了木制建筑废料的特殊性，将木制建筑废料分为即用建筑废料及初始建筑废料，将即用建筑废料投入使用，对初始建筑废料进一步划分，实现对木制建筑废料的有效利用。基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类，可见本发明实施例，考虑了基于图像对建筑废料进行分类的误差性，因此，通过图像划分阈值获取目标图像，并基于目标图像对建筑废料进行分类，进一步地，提高了建筑废料分类时的准确性，以及节约了对建筑废料进行分类的资源。因此本发明提出的基于数字图像的工程建筑废料分类方法、装置、电子设备及计算机可读存储介质，可以解决对建筑废料分类不准确及资源浪费的问题。
附图说明
图1为本发明一实施例提供的基于数字图像的工程建筑废料分类方法及装置的流程示意图；
图2为本发明一实施例提供的基于数字图像的工程建筑废料分类装置的功能模块图；
图3为本发明一实施例提供的实现所述基于数字图像的工程建筑废料分类方法及装置的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于数字图像的工程建筑废料分类方法及装置。所述基于数字图像的工程建筑废料分类方法及装置的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于数字图像的工程建筑废料分类方法及装置可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的基于数字图像的工程建筑废料分类方法及装置的流程示意图。在本实施例中，所述基于数字图像的工程建筑废料分类方法及装置包括：
S1、接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装于废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器。
可理解的是，废料分类指令是建筑人员对待分类的建筑废料进行分类时，所发出的指令。另外的，建筑废料的分类有利于对建筑废料的二次利用，在保护环境的前提下，提高建筑废料的经济价值。废料分类环境是对建筑废料进行分类时，所包含必要的分类设备所组成的环境。
进一步地，废料粉碎机用于将废料粉碎成废料体积小于某一预设值的机器，其目的是将废料粉碎至便于回收及利用的体积，以便于对废料进行划分。可选的，选用粉碎机作为废料粉碎机。例如:建筑中的混凝土，将体积巨大的混凝土粉碎成多种体积较小的混凝土，并根据混凝土的体积对粉碎后的混凝土执行分类，基于分类后的混凝土实现对混凝土的分类利用。废料筛选机用于将体积小于某一预设值的建筑废料进行筛选，得到体积大于所述预设值的建筑废料，其目的是保证对建筑废料进行分类的实用性及有效性。可选的，选用带有孔洞的机械式振动机作为废料筛选机，例如：将粉末状的混凝土废料进行筛选，得到块状的混凝土。废料输送机用于将建筑废料进行输送，可选的，选用皮带机作为废料输送机。废料分类机用于将建筑废料安装预设的体积范围对建筑废料进行分类。可选的，选用机械手作为废料分类机。废料清洗机用于将建筑表面所覆盖的泥土进行清洗，其目的是为了使通过体积对建筑废料进行分类时，提高对建筑废料分类的准确性。可选的，选用高压水枪作为废料清洗机。图像采集器用于采集用于分析建筑体积的建筑废料的图像，可选的，选用摄像头作为图像采集器。
应明白的是，不同类型的建筑废料包括：第一类建筑废料、第二类建筑废料及第三类建筑废料，其中，第一类建筑废料包括木制建筑废料、金属建筑废料，第二类建筑废料包括塑料建筑废料、玻璃建筑废料、陶瓷建筑废料及废弃混凝土，第三类建筑废料包括砌体建筑废料、污泥及污染土。划分建筑废料种类的目的为：从多种多样的建筑废料中回收或二次利用建筑废料中具有回收或二次利用价值的建筑废料。木制建筑废料包括但不限于工程建筑中剩余的木制材料及工程建筑中拆卸的木制品。例如：进行木门制作时所切割剩余的木条、木块，工程建筑中所拆卸的木制门框等。金属建筑废料包括但不限于工程建筑在拆卸时的金属材料。例如：拆卸房屋时，所产生的废弃钢材及废弃钢筋等。塑料建筑废料包括但不限于工程建筑在时所产生的塑料制品。例如：废弃工业塑料制品、废弃农用地膜、棚膜、农用管道、农药包装等。玻璃建筑废料包括但不限于工程建筑在拆卸时的玻璃制品。例如：破碎的玻璃及玻璃制成的工艺品。陶瓷建筑废料包括但不限于由工程建筑所产生的陶瓷碎片或陶瓷艺术品。废弃混凝土是指由胶凝材料将集料胶结成整体的工程复合材料的统称。通常讲的混凝土一词是指用水泥作胶凝材料，砂、石作集料与水按一定比例配合，经搅拌而得的水泥混凝土。砌体建筑废料包括但不限于，在建筑工程中，因拆卸建筑所产生的废弃的普通黏土砖、承重空心砖、蒸压灰砂砖、粉煤砖、各种中小型砌块等。污泥是污水处理后的产物，是一种由有机残片、细菌菌体、无机颗粒、胶体等组成的极其复杂的非均质体。污染土是指土壤收到工业废弃物或采矿或农用化学物质的侵入，导致恶化的土壤。
示例性的，小王作为某工程建筑废料的回收分类员，在确认待分类的建筑废料达到预定的量后，发出废料分类指令，并基于所述废料分类指令，将建筑废料划分为一种或多种建筑废料，实现对建筑废料的分类。
S2、基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料。
进一步地，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
需解释的是，目标建筑废料为第一类建筑废料及第二类建筑废料中同一种类的建筑废料，且目标建筑废料需要满足对光线的反射条件为：漫反射。第一类建筑废料及第二类建筑废料相比于第三类建筑废料更具有回收及二次利用价值，但是需要根据所提取的目标建筑废料更细致的划分，且将第三类建筑废料应运输至指定地点进行处理。
应明白的是，优化建筑废料为经过废料清洗机所清洗后的目标建筑废料，对目标建筑废料进行清洗的目的是：通过充分清洗，去除目标建筑废料表面会影响后续分类及计算的尘土等因素。
S3、确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料。
需解释的是，所述确认木制建筑废料为初始建筑废料，包括：
获取木制建筑废料的图像，基于所述图像计算木制建筑废料的破损率，计算公式如下所示：
其中，P为木制建筑废料的破损率，(x1,y1)表示木制建筑废料的图像中的像素点，s1表示木制建筑废料的图像的总面积，s2表示木制建筑废料的图像中破损的木制建筑废料的面积，(x2,y2)为位于木制建筑废料的图像中破损的木制建筑废料中的像素点；
根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料。
可理解的是，初始建筑废料为无法直接投入使用的木制建筑废料，且可以通过对初始建筑废料的体积对初始建筑废料进行划分。可选的，识别木制图像中破损的方法为训练后的神经网络。选用其他方法均能实现相同的作用效果，在此不再赘述。
进一步地，所述根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料，包括：
比较木制建筑废料的破损率与预设的破损率阈值；
若所述木制建筑废料的破损率小于等于所述破损率阈值，则提示木制建筑废料为即用建筑废料；
若所述木制建筑废料的破损率大于所述破损率阈值，则确认木制建筑废料为初始建筑废料。
可理解的是，破损率阈值是用于衡量木制建筑废料能否二次利用，而设定的阈值。可选的，破损率阈值可由经验进行设定。即用建筑废料为可以直接投入二次利用的木制建筑废料。将木制建筑废料划分为即用建筑废料和初始建筑废料目的是：实现对木制建筑废料的最大化利用，并节约对木制建筑废料进行分类时所用的资源。
S4、利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料。
应明白的是，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料，对建筑废料的分类时需保证建筑废料废料的类型为同一种建筑废料。
需解释的是，所述利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，包括：
调取预设的废料粉碎机的参数，根据废料粉碎机的参数设定并开启所述废料粉碎机，输入预处理的建筑废料至开启后的废料粉碎机，得到粉碎建筑废料；
基于预设的体积阈值，利用废料筛选机筛选所述粉碎建筑废料，得到第一建筑废料及第二建筑废料。
进一步地，第一建筑废料是指建筑废料的体积大于等于体积阈值的建筑废料，第二建筑废料是指建筑废料的体积小于体积阈值的建筑废料。粉碎建筑废料为通过废料粉碎机执行粉碎操作后的建筑废料。可选的，废料粉碎机的参数包括：废料粉碎机的输出功率，废料粉碎机对建筑废料进行粉碎的最大体积等。废料粉碎机的参数应当结合所选取的废料粉碎机进行预设。
示例性的，通过废料粉碎机将混凝土废料粉碎至体积小于15立方厘米的第一建筑废料及第二建筑废料，通过废料筛选机振动的形式将体积小于某一预设值的废料筛除，筛除的混凝土废料为第二建筑废料，所保留的混凝土建筑废料为第一建筑废料。
S5、确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值。
进一步地，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
需解释的是，所述确认第一建筑废料运输至废料分类机处后，包括：
利用预构建的距离测量器获取参考距离；
比较所述参考距离与预设的距离阈值，若所述参考距离小于等于距离阈值，则确认第一建筑废料运输至废料分类机处。
应明白的是，距离阈值为判断是否有第一建筑废料运输至废料分类机处的阈值。距离测量器为测量距离的机器，参考距离为第一建筑废料至废料分类机末端的距离，通过参考距离判断第一建筑废料是否运输至废料分类机的目的是：利用废料分类机对第一建筑废料执行分类操作，且确保每一个第一建筑废料均通过分类操作，进而，提高对第一建筑废料分类的准确性，直至第一建筑废料分类完成。可选的，选用雷达作为距离测量器，通过雷达进行测量距离的技术为现有技术，在此不再赘述。
示例性的，废料输送机上共有两个第一建筑废料，分别为一号建筑废料及二号建筑废料，通过废料输送机将两个第一建筑废料依次执行输送，当一号建筑废料至废料分类机处后，中止废料运输机，并通过废料分类机对一号建筑废料执行分类后，再次启动废料运输机，当二号建筑废料至废料分类机处后，通过废料分类机对二号建筑废料执行分类，完成对一号建筑废料及二号建筑废料的分类。
S6、基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
应明白的是，通过计算图像划分阈值将目标建筑废料与所获取的待识别图像的背景分离，得到仅包含目标建筑废料的目标图像。可选的，通过matlab图像处理技术将目标图像与背景分离，所述matlab图像处理技术为现有技术，在此不再赘述。
进一步地，所述基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，包括：
基于所述目标图像获取参考俯视图，基于参考俯视图获取参考左视图及参考右视图；
分别对参考左视图及参考右视图执行灰度化操作，并对灰度化处理后的图像执行均衡化操作，得到均衡图像；
利用均衡图像计算第一建筑废料的体积，根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料。
需解释的是，参考俯视图、参考左视图及参考右视图分别为第一建筑废料的俯视图、左视图及右视图，基于第一建筑废料的俯视图获取第一建筑废料的左视图及第一建筑废料的右视图的方法为：在第一建筑废料的俯视图寻找俯视图上、下两个顶点的位置，通过上下两个顶点的位置获取第一建筑废料的横向中心线，基于横向中心线对第一建筑废料进行左右划分。可选的，选用OpenCV实现对第一建筑废料的横向中心线的识别。图像灰度化及图像均衡化的技术均为现有技术，在此不再赘述。
可理解的是，所述利用均衡图像计算第一建筑废料的体积，包括：
基于均衡图像分别获取第一灰度值及第二灰度值，其中，第一灰度值为参考左视图中第i个像素点所对应的灰度值，第二灰度值参考右视图中第j个像素点所对应的灰度值；
利用第一灰度值及第二灰度值计算第一建筑废料的体积，计算公式如下所示：
其中，V表示第一建筑废料的体积，ai为参考左视图中第i个像素点所对应的灰度值，L表示参考左视图中共有L个像素点，g3为参考左视图中像素灰度值的最大值对应的像素高度，z1表示参考左视图中像素灰度值的最大值，bj为参考右视图中第j个像素点所对应的灰度值，m表示参考右视图中共有m个像素点，g4为参考右视图中像素灰度值的最大值对应的像素高度，z2表示参考右视图中像素灰度值的最大值，d表示第一建筑废料图像的实际物理尺寸，n表示第一建筑废料图像的像素尺寸。
应明白的是，第一建筑废料的体积计算的原理为：通过漫反射的第一建筑废料目标图像的灰度值与像素点在实际中的高度，计算出第一建筑废料的体积。
需解释的是，所述根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料，包括：
获取第一建筑废料的多个体积范围，基于所述多个体积范围、第一建筑废料的体积及废料分类机获取一种或多种建筑废料。
示例性的，第一建筑废料为石子，多个体积范围包括：5至10立方厘米、10至15立方厘米及15至20立方厘米，且5至10立方厘米的石子通过第一建筑废料输送机输送至第一区域，10至15立方厘米的石子通过第二建筑废料输送机输送至第二区域，15至20立方厘米的石子通过第三建筑废料输送机输送至第三区域，经由废料粉碎机粉碎体积小于5立方厘米的石子输送至第四区域，实现对第一建筑废料的分类。
为解决背景技术所述问题，本发明实施例接收废料分类指令，基于所述废料分类指令确认废料分类环境，可见本发明实施例在对建筑废料进行分类时，就拟定了基础的建筑废料分类环境，并基于建筑废料分类环境对建筑废料进行分类，并未采取人工分类的方法，为后续节约资源及提高对建筑废料分类准确性奠定了基础。基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，可见本发明实施例对建筑废料的类型进行了初次划分，并不是仅仅考虑对建筑废料进行分类，而是因材施教，进一步地，增加了对建筑废料分类的准确性及节约了用于对建筑废料进行分类的资源。利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料，可见本发明实施例依靠机器完成对建筑废料进行分类的工作，且考虑了建筑废料实际存在的环境，提出对建筑废料进行清洗，进一步地提高了对建筑废料进行分类的准确性。确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，可见本发明实施例考虑了木制建筑废料的特殊性，将木制建筑废料分为即用建筑废料及初始建筑废料，将即用建筑废料投入使用，对初始建筑废料进一步划分，实现对木制建筑废料的有效利用。基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类，可见本发明实施例，考虑了基于图像对建筑废料进行分类的误差性，因此，通过图像划分阈值获取目标图像，并基于目标图像对建筑废料进行分类，进一步地，提高了建筑废料分类时的准确性，以及节约了对建筑废料进行分类的资源。因此本发明提出的基于数字图像的工程建筑废料分类方法、装置、电子设备及计算机可读存储介质，可以解决对建筑废料分类不准确及资源浪费的问题。
如图2所示，是本发明一实施例提供的基于数字图像的工程建筑废料分类装置的功能模块图。
本发明所述基于数字图像的工程建筑废料分类装置100可以安装于电子设备中。根据实现的功能，所述基于数字图像的工程建筑废料分类装置100可以包括分类环境确认模块101、建筑废料预处理模块102、目标建筑废料处理模块103及目标建筑废料分类模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述分类环境确认模块101，用于接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
所述建筑废料预处理模块102，用于基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
所述目标建筑废料处理模块103，用于确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
所述目标建筑废料分类模块104，用于基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
如图3所示，是本发明一实施例提供的实现基于数字图像的工程建筑废料分类方法及装置的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于数字图像的工程建筑废料分类程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于数字图像的工程建筑废料分类程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如基于数字图像的工程建筑废料分类程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于数字图像的工程建筑废料分类程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/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，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
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，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，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等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述方法包括：
接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
2.如权利要求1所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，包括：
调取预设的废料粉碎机的参数，根据废料粉碎机的参数设定并开启所述废料粉碎机，输入预处理的建筑废料至开启后的废料粉碎机，得到粉碎建筑废料；
基于预设的体积阈值，利用废料筛选机筛选所述粉碎建筑废料，得到第一建筑废料及第二建筑废料。
3.如权利要求1所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述不同类型的建筑废料，包括：第一类建筑废料、第二类建筑废料及第三类建筑废料，其中，第一类建筑废料包括木制建筑废料、金属建筑废料，第二类建筑废料包括塑料建筑废料、玻璃建筑废料、陶瓷建筑废料及废弃混凝土，第三类建筑废料包括砌体建筑废料、污泥及污染土。
4.如权利要求1所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述确认木制建筑废料为初始建筑废料，包括：
获取木制建筑废料的图像，基于所述图像计算木制建筑废料的破损率，计算公式如下所示：
其中，P为木制建筑废料的破损率，(x1,y1)表示木制建筑废料的图像中的像素点，s1表示木制建筑废料的图像的总面积，s2表示木制建筑废料的图像中破损的木制建筑废料的面积，(x2,y2)为位于木制建筑废料的图像中破损的木制建筑废料中的像素点；
根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料。
5.如权利要求4所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述根据木制建筑废料的破损率确认木制建筑废料为初始建筑废料，包括：
比较木制建筑废料的破损率与预设的破损率阈值；
若所述木制建筑废料的破损率小于等于所述破损率阈值，则提示木制建筑废料为即用建筑废料；
若所述木制建筑废料的破损率大于所述破损率阈值，则确认木制建筑废料为初始建筑废料。
6.如权利要求1所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述确认第一建筑废料运输至废料分类机处后，包括：
利用预构建的距离测量器获取参考距离；
比较所述参考距离与预设的距离阈值，若所述参考距离小于等于距离阈值，则确认第一建筑废料运输至废料分类机处。
7.如权利要求1所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，包括：
基于所述目标图像获取参考俯视图，基于参考俯视图获取参考左视图及参考右视图；分别对参考左视图及参考右视图执行灰度化操作，并对灰度化处理后的图像执行均衡化操作，得到均衡图像；
利用均衡图像计算第一建筑废料的体积，根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料。
8.如权利要求7所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述利用均衡图像计算第一建筑废料的体积，包括：
基于均衡图像分别获取第一灰度值及第二灰度值，其中，第一灰度值为参考左视图中第i个像素点所对应的灰度值，第二灰度值参考右视图中第j个像素点所对应的灰度值；
利用第一灰度值及第二灰度值计算第一建筑废料的体积，计算公式如下所示：
其中，V表示第一建筑废料的体积，ai为参考左视图中第i个像素点所对应的灰度值，L表示参考左视图中共有L个像素点，g3为参考左视图中像素灰度值的最大值对应的像素高度，z1表示参考左视图中像素灰度值的最大值，bj为参考右视图中第j个像素点所对应的灰度值，m表示参考右视图中共有m个像素点，g4为参考右视图中像素灰度值的最大值对应的像素高度，z2表示参考右视图中像素灰度值的最大值，d表示第一建筑废料图像的实际物理尺寸，n表示第一建筑废料图像的像素尺寸。
9.如权利要求7所述的基于数字图像的工程建筑废料分类方法及装置，其特征在于，所述根据第一建筑废料的体积划分第一建筑废料，得到一种或多种建筑废料，包括：
获取第一建筑废料的多个体积范围，基于所述多个体积范围、第一建筑废料的体积及废料分类机获取一种或多种建筑废料。
10.一种基于数字图像的工程建筑废料分类装置，其特征在于，所述装置包括：
分类环境确认模块，用于接收废料分类指令，基于所述废料分类指令确认废料分类环境，其中，废料分类环境包括：不同类型的建筑废料、废料粉碎机、废料筛选机、废料输送机、安装在废料输送机末端的废料分类机、废料清洗机及安装在废料分类机上的图像采集器；
建筑废料预处理模块，用于基于所述不同类型的建筑废料获取第一类建筑废料及第二类建筑废料，从第一类建筑废料及第二类建筑废料中依次提取目标建筑废料，并对所提取的目标建筑废料执行如下操作：
利用废料清洗机对目标建筑废料执行清洗操作，得到优化建筑废料；
确认优化建筑废料的种类为木制建筑废料后，且确认木制建筑废料为初始建筑废料，并对初始建筑废料及其他种类的优化建筑废料均执行如下操作：
利用废料粉碎机及废料筛选机筛选预处理的建筑废料，得到第一建筑废料及第二建筑废料，其中，预处理的建筑废料为初始建筑废料及其他种类的优化建筑废料；
目标建筑废料处理模块，用于确认第一建筑废料运输至废料分类机处后，利用图像采集器采集第一建筑废料的图像，得到待识别图像，基于待识别图像计算图像划分阈值，计算公式如下所示：
其中，Y表示图像划分阈值，u1表示待识别图像中像素值小于图像划分阈值的像素点的个数，u2表示待识别图像中像素值大于等于图像划分阈值的像素点的个数，u表示待识别图像中所有像素点的个数，β0为待识别图像中目标图像的平均灰度值，β1待识别图像中背景图像的平均灰度值；
目标建筑废料分类模块，用于基于图像划分阈值优化待识别图像，得到目标图像，基于所述目标图像将第一建筑废料划分为一种或多种建筑废料，并将一种或多种建筑废料及第二建筑废料输送至指定的区域，实现对建筑废料的分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649521.5A CN117671497A (zh) | 2023-12-04 | 2023-12-04 | 一种基于数字图像的工程建筑废料分类方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649521.5A CN117671497A (zh) | 2023-12-04 | 2023-12-04 | 一种基于数字图像的工程建筑废料分类方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117671497A true CN117671497A (zh) | 2024-03-08 |
Family
ID=90083909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311649521.5A Pending CN117671497A (zh) | 2023-12-04 | 2023-12-04 | 一种基于数字图像的工程建筑废料分类方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117671497A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5233199A (en) * | 1991-07-15 | 1993-08-03 | Fuji Electric Co., Ltd. | Cylindrical container's inner surface tester |
| JPH09265508A (ja) * | 1996-03-29 | 1997-10-07 | Nec Corp | ２次元バーコードの読み取り方法 |
| US20070238964A1 (en) * | 2006-03-23 | 2007-10-11 | Siemens Aktiengesellschaft | Method for providing information of a locally resolved reconstruction quality of a target volume in a three-dimensional reconstruction volume presentation |
| US20150034531A1 (en) * | 2013-08-02 | 2015-02-05 | Babcock Noell Gmbh | Separating Radioactive Contaminated Materials from Cleared Materials Resulting from Decommissioning a Power Plant |
| CN106251358A (zh) * | 2016-08-08 | 2016-12-21 | 珠海赛纳打印科技股份有限公司 | 一种图像处理方法及装置 |
| CN108764208A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
| CN111268317A (zh) * | 2020-03-03 | 2020-06-12 | 深圳壹账通智能科技有限公司 | 垃圾分类处理方法、装置、终端及存储介质 |
| CN117152175A (zh) * | 2023-09-08 | 2023-12-01 | 南京理工大学 | 一种基于机器视觉的废旧塑料位姿识别方法 |
-
2023
- 2023-12-04 CN CN202311649521.5A patent/CN117671497A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5233199A (en) * | 1991-07-15 | 1993-08-03 | Fuji Electric Co., Ltd. | Cylindrical container's inner surface tester |
| JPH09265508A (ja) * | 1996-03-29 | 1997-10-07 | Nec Corp | ２次元バーコードの読み取り方法 |
| US20070238964A1 (en) * | 2006-03-23 | 2007-10-11 | Siemens Aktiengesellschaft | Method for providing information of a locally resolved reconstruction quality of a target volume in a three-dimensional reconstruction volume presentation |
| US20150034531A1 (en) * | 2013-08-02 | 2015-02-05 | Babcock Noell Gmbh | Separating Radioactive Contaminated Materials from Cleared Materials Resulting from Decommissioning a Power Plant |
| CN106251358A (zh) * | 2016-08-08 | 2016-12-21 | 珠海赛纳打印科技股份有限公司 | 一种图像处理方法及装置 |
| CN108764208A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
| CN111268317A (zh) * | 2020-03-03 | 2020-06-12 | 深圳壹账通智能科技有限公司 | 垃圾分类处理方法、装置、终端及存储介质 |
| CN117152175A (zh) * | 2023-09-08 | 2023-12-01 | 南京理工大学 | 一种基于机器视觉的废旧塑料位姿识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| NNAMOKO, ET AL: "Solid waste image classification using deep convolutional neural network", INFRASTRUCTURES, 25 March 2022 (2022-03-25), pages 1 - 18 * |
| 刘钢洋: "基于机器视觉的建筑固废智能分选研究", 中国矿业大学, 15 February 2023 (2023-02-15), pages 1 - 101 * |
| 庄江腾: "建筑固废多维度空间视觉检测方法及实验研究", 华侨大学, 15 April 2022 (2022-04-15), pages 1 - 114 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lu et al. | Using computer vision to recognize composition of construction waste mixtures: A semantic segmentation approach | |
| Wang et al. | Combining life cycle assessment and Building Information Modelling to account for carbon emission of building demolition waste: A case study | |
| Estanqueiro et al. | Environmental life cycle assessment of coarse natural and recycled aggregates for concrete | |
| CN204194320U (zh) | X射线矿石智能分选设备 | |
| CN105944976A (zh) | 一种利用数字图像处理技术分拣大块煤矸石的方法及装置 | |
| KR102146498B1 (ko) | 순환골재 생산 시스템 | |
| CN103387104A (zh) | 一种垃圾回收充值系统 | |
| Yang et al. | Impact-crush separation characteristics of coal and gangue | |
| CN111570471B (zh) | 一种建筑装修垃圾自动化处理系统及其工作方法 | |
| Kshirsagar et al. | Artificial intelligence-based robotic technique for reusable waste materials | |
| Hackenhaar et al. | Life Cycle Assessment applied to construction and demolition waste treatment: proposal of a Brazilian scenario | |
| Sirimewan et al. | Deep learning-based models for environmental management: Recognizing construction, renovation, and demolition waste in-the-wild | |
| CN112892794B (zh) | 隧洞内智能化制砂实时调整系统及方法 | |
| CN117671497A (zh) | 一种基于数字图像的工程建筑废料分类方法及装置 | |
| CN110947739A (zh) | 建筑装修垃圾自动分选线 | |
| CN113222063A (zh) | 快递纸箱垃圾分类方法、装置、设备及介质 | |
| JP2020041801A (ja) | 土壌改質判定装置、及び異物除去方法 | |
| CN210965481U (zh) | 一种用于混凝土的建筑垃圾预处理装置 | |
| CN112849833B (zh) | 一种基于大数据的建筑施工垃圾管理方法及系统 | |
| Ronkin et al. | Review of deep learning approaches in solving rock fragmentation problems | |
| KR100436545B1 (ko) | 건설폐기물에서의 재생골재 선별장치 | |
| CN112238121A (zh) | 一种建筑垃圾堆砌集中处理的方法 | |
| Yahya et al. | Eco-costs of sustainable construction waste management | |
| CN208197296U (zh) | 一种自动化废旧轮胎破碎及筛选系统 | |
| CN115048981B (zh) | 装修垃圾高热值组分处理检验方法、装置及电子设备 |
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 |