CN118068869A - 医用气力式垃圾被服收集智能调控系统 - Google Patents
医用气力式垃圾被服收集智能调控系统 Download PDFInfo
- Publication number
- CN118068869A CN118068869A CN202410445506.7A CN202410445506A CN118068869A CN 118068869 A CN118068869 A CN 118068869A CN 202410445506 A CN202410445506 A CN 202410445506A CN 118068869 A CN118068869 A CN 118068869A
- Authority
- CN
- China
- Prior art keywords
- bedding
- garbage
- clothing
- sealing bag
- quality
- 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
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 268
- 238000007789 sealing Methods 0.000 claims abstract description 144
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 53
- 238000000605 extraction Methods 0.000 claims description 33
- 230000001105 regulatory effect Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 7
- 241000894006 Bacteria Species 0.000 description 3
- 206010011409 Cross infection Diseases 0.000 description 3
- 206010029803 Nosocomial infection Diseases 0.000 description 3
- 241000700605 Viruses Species 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008961 swelling Effects 0.000 description 3
- 230000001580 bacterial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000002906 medical waste Substances 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000010781 infectious medical waste Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D7/00—Control of flow
- G05D7/06—Control of flow characterised by the use of electric means
- G05D7/0617—Control of flow characterised by the use of electric means specially adapted for fluid materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F5/00—Gathering or removal of refuse otherwise than by receptacles or vehicles
- B65F5/005—Gathering or removal of refuse otherwise than by receptacles or vehicles by pneumatic means, e.g. by suction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
Abstract
本发明涉及调控系统技术领域,提出了医用气力式垃圾被服收集智能调控系统,包括:数据采集模块,获取垃圾被服的质量评分和管道气流速度以及垃圾被服密封袋的图像中的密封袋封口区域、密封袋主体区域、破损区域和气泡区域;泄露风险确定模块,根据垃圾被服密封袋的图像获取垃圾被服密封袋的泄露风险;质量‑速度相关性评价模块,获取质量‑速度相关性;医用气力式垃圾被服收集智能调控模块,根据质量‑速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值,根据气流速度调控值实现医用气力式垃圾被服收集的智能调控。本发明实现气力式垃圾被服收集系统进行管道运输时气流速度的自动调控。
Description
技术领域
本发明涉及调控系统技术领域,具体涉及医用气力式垃圾被服收集智能调控系统。
背景技术
垃圾被服处理系统是一个高效、现代化和智能化的固废收运系统,垃圾被服处理系统可以对医院内的所有生活垃圾、污衣被服等非医疗性垃圾进行自动地智能传输和收集。气动式垃圾被服分类收集系统是通过气动输送管道对医院内的非医疗性垃圾进行智能收运的设施,使用气动式垃圾被服分类收集系统进行垃圾收运是一种对垃圾实行全封闭、压缩化、集装化收运的现代垃圾运输及汇集方式。其中,医院内的非医疗性垃圾即物衣被服等。
在气力式垃圾被服收集系统对医院内的非医疗性垃圾进行管道运输过程中,管道内气流速度受到多种因素的影响,质量大的密封袋通常需要较大的气流速度,但是,如果密封袋的安全性较低,那么在负压抽吸的过程中,过大的较大的气流速度就可能导致密封袋内的细菌病毒粘附在管道内产生交叉感染。所以,在对气流速度进行智能调控的过程中,需要充分考虑密封袋的安全性和密封袋的质量大小,在保证安全性的前提下有效的调控的垃圾被服的运输过程。
发明内容
本发明提供医用气力式垃圾被服收集智能调控系统,以解决气力式垃圾被服收集系统进行管道运输时气流速度调控不合理的问题,所采用的技术方案具体如下:
本发明一个实施例提供了医用气力式垃圾被服收集智能调控系统,该系统包括以下模块:
数据采集模块,获取垃圾被服密封袋的图像并进行数据采集,获取垃圾被服的质量评分和管道气流速度以及垃圾被服密封袋的图像中的密封袋封口区域、密封袋主体区域、破损区域和气泡区域;
泄露风险确定模块,获取密封袋封口区域内的直线数量,获取垃圾被服密封袋的密封性,根据垃圾被服密封袋的图像获取垃圾被服密封袋的边缘线上的角点,确定第一角点,获取第一角点的密封袋边缘夹角,确定第一角点的边缘夹角差,根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度,根据垃圾被服密封袋的密封性、膨胀度和气泡区域获取垃圾被服密封袋的泄露风险;
质量-速度相关性评价模块,根据垃圾被服的质量评分获取垃圾被服的质量评分对应的拟合值和重量特征提取因子,获取管道气流速度对应的拟合值和速度特征提取因子,根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性;
医用气力式垃圾被服收集智能调控模块,根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值,根据气流速度调控值实现医用气力式垃圾被服收集的智能调控;
所述确定第一角点的方法为:
将垃圾被服密封袋的边缘线上每一个角点分别作为第一角点;
所述获取第一角点的密封袋边缘夹角的方法为:
将垃圾被服密封袋的边缘线上在第一角点两侧、与第一角点相邻的角点记为第二角点,以第一角点为公共端点,分别过两个第二角点作射线,将获取的角记为第一角点的密封袋边缘夹角;
所述确定第一角点的边缘夹角差的方法为:
任选垃圾被服密封袋的边缘线上的一个角点作为开端角点,从开端角点开始,按照顺时针方向,将第一角点的相邻角点记为第三角点,将第一角点与第三角点的密封袋边缘夹角的差值记为第一角点的边缘夹角差;
所述根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度的方法为:
将垃圾被服密封袋的边缘线上所有角点的边缘夹角差的均值记为垃圾被服密封袋的膨胀度。
进一步,所述根据垃圾被服密封袋的图像获取垃圾被服密封袋的边缘线上的角点的方法为:
将垃圾被服密封袋的图像转换为灰度图像,对灰度图像进行边缘检测获取垃圾被服密封袋边缘图像,使用轮廓跟踪算法获取垃圾被服密封袋边缘图像中垃圾被服密封袋的边缘线,使用角点检测获取垃圾被服密封袋的边缘线上的角点。
进一步,所述根据垃圾被服的质量评分获取垃圾被服的质量评分对应的拟合值和重量特征提取因子的方法为:
按照时间顺序对垃圾被服的质量评分进行编号,将对垃圾被服的质量评分和对应的编号与曲线进行拟合,获取重量拟合曲线,获取重量拟合曲线上每个垃圾被服的质量评分对应的拟合值;
获取重量拟合曲线在垃圾被服的质量评分的取值范围内所有极值点,将每个极值点分别作为第一极值点,将与第一极值点相邻且对应的垃圾被服的质量评分最大的极值点记为第二极值点,将第一极值点与第二极值点的管道气流速度的差值的绝对值作为第一极值点的波动幅值;
将所有极值点的波动幅值的标准差和极差的乘积记为垃圾被服密封袋的重量特征提取因子。
进一步,所述根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性的方法为:
式中,表示质量-速度相关性;/>表示垃圾被服密封袋的重量特征提取因子;/>表示垃圾被服密封袋的速度特征提取因子;/>表示第一调节参数,经验值为1;/>表示第/>个垃圾被服的质量评分对应的拟合值;/>第/>个管道气流速度对应的拟合值;/>表示所有管道气流速度对应的拟合值的均值;/>表示垃圾被服的质量评分的数量。
进一步,所述根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值的方法为:
将以自然常数为底数,以垃圾被服密封袋的泄露风险的相反数为指数的幂记为泄露调节因子,将泄露调节因子与垃圾被服的质量和质量-速度相关性的乘积记为气流速度调控值。
进一步,所述根据气流速度调控值实现医用气力式垃圾被服收集的智能调控的方法为:
以气流速度调控值作为使用气力式垃圾被服收集系统收运垃圾被服的管道气流速度对垃圾被服密封袋进行收运,实现医用气力式垃圾被服收集的智能调控。
本发明的有益效果是:
本发明在垃圾被服进行运输之前需要检测垃圾被服密封袋的破损区域,获取垃圾被服密封袋的密封性,根据密封袋表面的鼓胀程度获取垃圾被服密封袋的膨胀度,以膨胀度作为密封性的矫正值,获取垃圾被服密封袋的泄露风险;然后,根据垃圾被服的质量评分和对应的管道气流速度获取质量-速度相关性,即垃圾被服的质量评分对管道气流速度的变化情况的可解释程度和相关性,根据泄露风险较低的密封袋可以避免气力式垃圾被服收集系统在对垃圾被服进行负压气力抽吸时将细菌病毒粘附在管道侧内壁,有效减少带有细菌的患者被服混合导致的交叉感染的特征,根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值,对气力式垃圾被服收集系统运输过程中垃圾被服密封袋的气流速度进行有效调控,解决气力式垃圾被服收集系统进行管道运输时气流速度调控不合理的问题,减少密封袋在收集过程中的泄露,维护气力式垃圾被服收集系统的安全性,提高被服收集系统的工作效率,降低能源消耗。
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他的附图。
图1为本发明一个实施例所提供的医用气力式垃圾被服收集智能调控系统的流程示意图;
图2为第一角点的密封袋边缘夹角示意图。
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。
请参阅图1,其示出了本发明一个实施例提供的医用气力式垃圾被服收集智能调控系统流程图,该系统包括:数据采集模块、泄露风险确定模块、质量-速度相关性评价模块、医用气力式垃圾被服收集智能调控模块。
数据采集模块,获取垃圾被服密封袋的图像并进行数据采集,获取垃圾被服的质量评分和管道气流速度以及垃圾被服密封袋的图像中的密封袋封口区域、密封袋主体区域、破损区域和气泡区域。
医用气力式垃圾被服收集系统中常使用特制的密封袋或容器来装载垃圾被服,这些密封袋通常由耐用的材料制成,以便容纳各种类型的医疗废物或者感染性废物;密封袋通常为可以轻松封闭的袋子,以防止废物外泄和空气中的污染。所以,在使用气力式垃圾被服收集系统收运垃圾被服时,需要在运输之前检测密封袋的安全性。
在即将使用的垃圾被服密封袋上方设置相机,相机的取景框对准密封袋的封口区域和表面区域,使用相机获取垃圾被服密封袋的图像。对垃圾被服密封袋的图像使用中值滤波进行去噪。其中,中值滤波去噪为公知技术,不再赘述。
对去噪后的垃圾被服密封袋的图像使用CNN语义分割技术,获取图像中的密封袋封口区域与密封袋主体区域,实现密封袋不同部分的定位。其中,CNN语义分割需要获取大量的垃圾被服密封袋的图像作为训练网络的数据集,具体步骤如下:人工将训练网络的数据集中每张垃圾被服密封袋的图像的封口处区域标记为1,除封口处的其他区域标记为0;CNN为Encoder-Decoder网络,按照7:3的比例将数据集分为训练集和测试集;网络所用的loss函数为交叉熵损失函数;在网络训练过程中,通过梯度下降法进行训练,直到损失函数收敛,完成分类网络训练。其中,CNN语义分割的建立和训练为公知技术,不再赘述。
使用超声波检测方法对垃圾被服密封袋表面的空洞、裂纹等问题进行检测,使用荧光粉标记方法将检测到的空洞、裂纹等问题对应的区域在垃圾被服密封袋表面进行标记,获取垃圾被服密封袋的图像中的破损区域。
使用红外相机在获取垃圾被服密封袋的图像的相机位置获取垃圾被服密封袋的红外图像,对红外图像使用OTSU最大类间方差法进行划分,获取第一划分阈值。将像素值大于等于第一划分阈值的像素点划分出来,对划分出来的像素点进行连通域分析,将获取的连通域记为气泡区域。气泡区域可用于评价垃圾被服密封袋的鼓胀程度,当气泡区域内包含的像素点越多时,垃圾被服密封袋的鼓胀程度越大。其中,OTSU最大类间方差法为公知技术,不再赘述。
对医院内需要进行收运每一份垃圾被服进行质量评分,进行质量评分的方式为人工赋值,评分依据为每一份垃圾被服密封袋的安全性和重量。使用气流速度传感器采集气力式垃圾被服收集系统中,每一份垃圾被服密封袋通过时的管道气流速度。
至此,获取垃圾被服的质量评分和管道气流速度以及垃圾被服密封袋的图像中的密封袋封口区域、密封袋主体区域、破损区域和气泡区域。
泄露风险确定模块,获取密封袋封口区域内的直线数量,获取垃圾被服密封袋的密封性,根据垃圾被服密封袋的图像获取垃圾被服密封袋的边缘线上的角点,确定第一角点,获取第一角点的密封袋边缘夹角,确定第一角点的边缘夹角差,根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度,根据垃圾被服密封袋的密封性、膨胀度和气泡区域获取垃圾被服密封袋的泄露风险。
对垃圾被服密封袋的图像进行霍夫直线检测,获取垃圾被服密封袋的图像中密封袋封口区域内的直线。
根据密封袋封口区域内的直线数量和破损区域内包含的像素点数量获取垃圾被服密封袋的密封性。
式中,表示第/>个垃圾被服密封袋的密封性;/>表示密封袋封口区域内包含的直线数量;/>表示密封袋封口区域内包含的破损区域的数量;/>表示密封袋封口区域内第/>个破损区域内包含的像素点数量;/>表示以自然常数为底数的指数函数。
表示密封袋封口区域内破损区域包含的像素点数量的平均值,当平均值越大时,垃圾被服密封袋的破损越大、密封性越差,此时,垃圾被服密封袋的密封性越小。当密封袋封口区域内包含的直线数量越大时,垃圾被服密封袋封口区域的密封程度越差,此时,垃圾被服密封袋的密封性越小。
将垃圾被服密封袋的图像转换为灰度图像,对灰度图像使用canny边缘检测,获取垃圾被服密封袋边缘图像。对垃圾被服密封袋边缘图像使用suzuki轮廓跟踪算法,获取垃圾被服密封袋边缘图像中垃圾被服密封袋的边缘线。垃圾被服密封袋的边缘线的弯曲程度可表征密封袋的鼓胀程度。其中,canny边缘检测和suzuki轮廓跟踪算法为公知技术,不再赘述。
对垃圾被服密封袋的边缘线使用Harris角点检测算法,获取垃圾被服密封袋的边缘线上的角点。其中,Harris角点检测算法为公知技术,不再赘述。
将垃圾被服密封袋的边缘线上每一个角点分别作为第一角点进行分析。将垃圾被服密封袋的边缘线上在第一角点两侧、与第一角点相邻的角点记为第二角点。
以第一角点为公共端点,分别过两个第二角点作射线,获取第一角点的密封袋边缘夹角。第一角点的密封袋边缘夹角示意图如图2所示。
任选垃圾被服密封袋的边缘线上的一个角点,将选取的角点记为开端角点。从开端角点开始,按照顺时针方向,将第一角点的相邻角点记为第三角点。
将第一角点的密封袋边缘夹角与第三角点的密封袋边缘夹角的差值记为第一角点的边缘夹角差。
当第一角点的边缘夹角差越大时,第一角点的密封袋边缘夹角与第三角点的密封袋边缘夹角的差异越大,垃圾被服密封袋的边缘线越为曲折、夹角越多,垃圾被服密封袋在密封过程中未排尽带袋内的气体从而导致密封袋存在鼓胀的情况的可能性越大。
根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度。
式中,表示第/>个垃圾被服密封袋的膨胀度;/>表示垃圾被服密封袋的边缘线上角点数量;/>表示垃圾被服密封袋的边缘线上第/>个角点的边缘夹角差。
垃圾被服密封袋的膨胀度即为垃圾被服密封袋的边缘线上所有角点的边缘夹角差的均值,当第一角点的边缘夹角差越大时,垃圾被服密封袋的膨胀度越大,即垃圾被服密封袋在密封过程中未排尽带袋内的气体从而导致密封袋存在鼓胀的情况的可能性越大,垃圾被服密封袋在气力式垃圾被服收集系统进行负压抽气收运时,与密封袋内部产生较大的压强差的可能性越大,在运输过程中密封袋发生爆袋使得密封袋的泄露风险越大。
根据垃圾被服密封袋的密封性、膨胀度和气泡区域获取垃圾被服密封袋的泄露风险。
式中,表示第/>个垃圾被服密封袋的泄露风险;/>表示第/>个垃圾被服密封袋的密封性;/>表示第/>个垃圾被服密封袋的膨胀度;/>表示第/>个垃圾被服密封袋的气泡区域包含的像素点数量;/>表示第一调节参数,经验值为1。
当垃圾被服密封袋的密封性越大,膨胀度和气泡区域包含的像素点数量越小时,垃圾被服密封袋的泄露风险越小,即垃圾被服密封袋在气力式垃圾被服收集系统进行负压抽气收运时出现泄露问题的可能性越小。
泄露风险较低的密封袋可以避免气力式垃圾被服收集系统在对垃圾被服进行负压气力抽吸时将细菌病毒粘附在管道侧内壁,从而有效减少带有细菌的患者被服混合导致的交叉感染。
至此,获取垃圾被服密封袋的泄露风险。
质量-速度相关性评价模块,根据垃圾被服的质量评分获取垃圾被服的质量评分对应的拟合值和重量特征提取因子,获取管道气流速度对应的拟合值和速度特征提取因子,根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性。
按照时间顺序对垃圾被服的质量评分进行编号,使用最小二乘法,将对垃圾被服的质量评分和对应的编号与曲线进行拟合,获取重量拟合曲线。
获取重量拟合曲线上每个垃圾被服的质量评分对应的拟合值。
在垃圾被服的质量评分的取值范围内,获取重量拟合曲线的所有极值点。将每个极值点分别作为第一极值点进行分析。
将与第一极值点相邻且对应的垃圾被服的质量评分较大的极值点记为第二极值点,将第一极值点与第二极值点的管道气流速度的差值的绝对值作为第一极值点的波动幅值。
获取所有极值点的波动幅值的标准差和极差。将所有极值点的波动幅值的标准差和极差的乘积记为垃圾被服密封袋的重量特征提取因子。
按照对垃圾被服的质量评分进行分析获取垃圾被服的质量评分对应的拟合值和重量特征提取因子的方法,根据管道气流速度获取每个管道气流速度对应的拟合值和速度特征提取因子。
根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性。
式中,表示质量-速度相关性;/>表示垃圾被服密封袋的重量特征提取因子;/>表示垃圾被服密封袋的速度特征提取因子;/>表示第一调节参数,经验值为1;/>表示第/>个垃圾被服的质量评分对应的拟合值;/>第/>个管道气流速度对应的拟合值;/>表示所有管道气流速度对应的拟合值的均值;/>表示垃圾被服的质量评分的数量。
表示重量特征提取因子和速度特征提取因子的差异,差异越小,垃圾被服的质量评分和管道气流速度的变化情况的同步性越高;/>表示垃圾被服的质量评分和管道气流速度的变化情况的判定系数,即垃圾被服的质量评分对管道气流速度的变化情况的可解释程度,/>表越接近于1,垃圾被服的质量评分对管道气流速度的变化情况的可解释程度越高、相关性越强。
质量-速度相关性即为垃圾被服的质量评分和管道气流速度之间的相关性,相关性越大,质量-速度相关性越大。
通过质量-速度相关性,可以调控气力式垃圾被服收集系统的操作参数,以实现最佳性能、减少能源消耗,提高资源利用效率。
至此,获取质量-速度相关性。
医用气力式垃圾被服收集智能调控模块,根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值,根据气流速度调控值实现医用气力式垃圾被服收集的智能调控。
根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值。
式中,表示第/>个垃圾被服密封袋的气流速度调控值;/>表示质量-速度相关性;/>表示第/>个垃圾被服密封袋的泄露风险;/>表示第/>个垃圾被服的质量;/>表示自然常数。
表示第/>个垃圾被服的质量所需要的气流速度,/>表示第/>个垃圾被服的泄露风险对于气流速度的调控因子,泄露风险越大,气流速度应越小,以确保垃圾被服在管道运输过程中的安全性,使得气力式垃圾被服收集系统稳定高效的运行。
以气流速度调控值作为使用气力式垃圾被服收集系统收运垃圾被服的管道气流速度对垃圾被服密封袋进行收运,实现医用气力式垃圾被服收集的智能调控。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.医用气力式垃圾被服收集智能调控系统,其特征在于,该系统包括以下模块:
数据采集模块,获取垃圾被服密封袋的图像并进行数据采集,获取垃圾被服的质量评分和管道气流速度以及垃圾被服密封袋的图像中的密封袋封口区域、密封袋主体区域、破损区域和气泡区域;
泄露风险确定模块,获取密封袋封口区域内的直线数量,获取垃圾被服密封袋的密封性,根据垃圾被服密封袋的图像获取垃圾被服密封袋的边缘线上的角点,确定第一角点,获取第一角点的密封袋边缘夹角,确定第一角点的边缘夹角差,根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度,根据垃圾被服密封袋的密封性、膨胀度和气泡区域获取垃圾被服密封袋的泄露风险;
质量-速度相关性评价模块,根据垃圾被服的质量评分获取垃圾被服的质量评分对应的拟合值和重量特征提取因子,获取管道气流速度对应的拟合值和速度特征提取因子,根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性;
医用气力式垃圾被服收集智能调控模块,根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值,根据气流速度调控值实现医用气力式垃圾被服收集的智能调控;
所述确定第一角点的方法为:
将垃圾被服密封袋的边缘线上每一个角点分别作为第一角点;
所述获取第一角点的密封袋边缘夹角的方法为:
将垃圾被服密封袋的边缘线上在第一角点两侧、与第一角点相邻的角点记为第二角点,以第一角点为公共端点,分别过两个第二角点作射线,将获取的角记为第一角点的密封袋边缘夹角;
所述确定第一角点的边缘夹角差的方法为:
任选垃圾被服密封袋的边缘线上的一个角点作为开端角点,从开端角点开始,按照顺时针方向,将第一角点的相邻角点记为第三角点,将第一角点与第三角点的密封袋边缘夹角的差值记为第一角点的边缘夹角差;
所述根据垃圾被服密封袋的边缘线上角点的边缘夹角差获取垃圾被服密封袋的膨胀度的方法为:
将垃圾被服密封袋的边缘线上所有角点的边缘夹角差的均值记为垃圾被服密封袋的膨胀度。
2.根据权利要求1所述的医用气力式垃圾被服收集智能调控系统,其特征在于,所述根据垃圾被服密封袋的图像获取垃圾被服密封袋的边缘线上的角点的方法为:
将垃圾被服密封袋的图像转换为灰度图像,对灰度图像进行边缘检测获取垃圾被服密封袋边缘图像,使用轮廓跟踪算法获取垃圾被服密封袋边缘图像中垃圾被服密封袋的边缘线,使用角点检测获取垃圾被服密封袋的边缘线上的角点。
3.根据权利要求1所述的医用气力式垃圾被服收集智能调控系统,其特征在于,所述根据垃圾被服的质量评分获取垃圾被服的质量评分对应的拟合值和重量特征提取因子的方法为:
按照时间顺序对垃圾被服的质量评分进行编号,将对垃圾被服的质量评分和对应的编号与曲线进行拟合,获取重量拟合曲线,获取重量拟合曲线上每个垃圾被服的质量评分对应的拟合值;
获取重量拟合曲线在垃圾被服的质量评分的取值范围内所有极值点,将每个极值点分别作为第一极值点,将与第一极值点相邻且对应的垃圾被服的质量评分最大的极值点记为第二极值点,将第一极值点与第二极值点的管道气流速度的差值的绝对值作为第一极值点的波动幅值;
将所有极值点的波动幅值的标准差和极差的乘积记为垃圾被服密封袋的重量特征提取因子。
4.根据权利要求1所述的医用气力式垃圾被服收集智能调控系统,其特征在于,所述根据垃圾被服密封袋的重量特征提取因子、速度特征提取因子、管道气流速度对应的拟合值和垃圾被服的质量评分对应的拟合值获取质量-速度相关性的方法为:
式中,表示质量-速度相关性;/>表示垃圾被服密封袋的重量特征提取因子;/>表示垃圾被服密封袋的速度特征提取因子;/>表示第一调节参数,经验值为1;/>表示第/>个垃圾被服的质量评分对应的拟合值;/>第/>个管道气流速度对应的拟合值;/>表示所有管道气流速度对应的拟合值的均值;/>表示垃圾被服的质量评分的数量。
5.根据权利要求1所述的医用气力式垃圾被服收集智能调控系统,其特征在于,所述根据质量-速度相关性、垃圾被服密封袋的泄露风险和垃圾被服的质量获取气流速度调控值的方法为:
将以自然常数为底数,以垃圾被服密封袋的泄露风险的相反数为指数的幂记为泄露调节因子,将泄露调节因子与垃圾被服的质量和质量-速度相关性的乘积记为气流速度调控值。
6.根据权利要求1所述的医用气力式垃圾被服收集智能调控系统,其特征在于,所述根据气流速度调控值实现医用气力式垃圾被服收集的智能调控的方法为:
以气流速度调控值作为使用气力式垃圾被服收集系统收运垃圾被服的管道气流速度对垃圾被服密封袋进行收运,实现医用气力式垃圾被服收集的智能调控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410445506.7A CN118068869B (zh) | 2024-04-15 | 2024-04-15 | 医用气力式垃圾被服收集智能调控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410445506.7A CN118068869B (zh) | 2024-04-15 | 2024-04-15 | 医用气力式垃圾被服收集智能调控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118068869A true CN118068869A (zh) | 2024-05-24 |
CN118068869B CN118068869B (zh) | 2024-06-28 |
Family
ID=91107508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410445506.7A Active CN118068869B (zh) | 2024-04-15 | 2024-04-15 | 医用气力式垃圾被服收集智能调控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118068869B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040200424A1 (en) * | 2003-04-14 | 2004-10-14 | Stolpe Carl Kenneth | Prepackaged litter and litter box system |
CN112478529A (zh) * | 2020-11-30 | 2021-03-12 | 重庆电子工程职业学院 | 智慧垃圾收运系统 |
CN115545574A (zh) * | 2022-11-30 | 2022-12-30 | 北京梅凯尼克环保科技有限公司 | 一种基于物联网的垃圾智能化收运处理方法及系统 |
CN115631080A (zh) * | 2022-12-20 | 2023-01-20 | 高漠生态环境科技有限公司 | 一种基于垃圾分类回收服务的智慧社区构建方法 |
KR102495349B1 (ko) * | 2021-11-15 | 2023-02-08 | 사단법인 한국장애인자립협회 | 블록체인 기반 암호 화폐를 통한 종량제 봉투 결제관리시스템 |
CN116443458A (zh) * | 2022-12-13 | 2023-07-18 | 天津理工大学 | 一种基于气力输送的垃圾分类投放站及其控制方法 |
CN117851974A (zh) * | 2024-03-07 | 2024-04-09 | 艾信智能环境科技(无锡)有限公司 | 医用气力式垃圾被服智能收集系统 |
-
2024
- 2024-04-15 CN CN202410445506.7A patent/CN118068869B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040200424A1 (en) * | 2003-04-14 | 2004-10-14 | Stolpe Carl Kenneth | Prepackaged litter and litter box system |
CN112478529A (zh) * | 2020-11-30 | 2021-03-12 | 重庆电子工程职业学院 | 智慧垃圾收运系统 |
KR102495349B1 (ko) * | 2021-11-15 | 2023-02-08 | 사단법인 한국장애인자립협회 | 블록체인 기반 암호 화폐를 통한 종량제 봉투 결제관리시스템 |
CN115545574A (zh) * | 2022-11-30 | 2022-12-30 | 北京梅凯尼克环保科技有限公司 | 一种基于物联网的垃圾智能化收运处理方法及系统 |
CN116443458A (zh) * | 2022-12-13 | 2023-07-18 | 天津理工大学 | 一种基于气力输送的垃圾分类投放站及其控制方法 |
CN115631080A (zh) * | 2022-12-20 | 2023-01-20 | 高漠生态环境科技有限公司 | 一种基于垃圾分类回收服务的智慧社区构建方法 |
CN117851974A (zh) * | 2024-03-07 | 2024-04-09 | 艾信智能环境科技(无锡)有限公司 | 医用气力式垃圾被服智能收集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118068869B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022027949A1 (zh) | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 | |
CN103996168B (zh) | 一种基于区域自适应处理的x射线安全检查图像增强方法 | |
CN106952258A (zh) | 一种基于梯度方向直方图的瓶口缺陷检测方法 | |
CN111127429A (zh) | 基于自训练深度神经网络的水利系统管螺纹缺陷检测方法 | |
CN118068869B (zh) | 医用气力式垃圾被服收集智能调控系统 | |
EP1074292A8 (en) | Vacuum filter device | |
CN104574418A (zh) | 基于神经网络的压力容器焊缝缺陷识别方法及其装置 | |
CN107480643A (zh) | 一种智能垃圾分类处理的机器人 | |
CN105833306A (zh) | 针对不同人群的细菌浓度超标杀菌系统及其杀菌方法 | |
CN111307681A (zh) | 一种扬尘浓度检测装置及扬尘检测方法 | |
CN109146895A (zh) | 一种颜色不均匀情况下太阳能板红外图像的有效分割方法 | |
WO2020119246A1 (zh) | 一种基于反射光的高光物体表面缺陷检测系统及方法 | |
CN107392202A (zh) | 一种指针型读数识别方法和系统 | |
CN111652883A (zh) | 基于深度学习的玻璃表面缺陷检测方法 | |
Dubuisson et al. | Segmentation and classification of bacterial culture images | |
CN111661518B (zh) | 基于灭菌的医疗废弃物回收垃圾桶及其数据存储方法 | |
CN209236967U (zh) | 一种可控式痰液收集器 | |
KR102426937B1 (ko) | 계수 정밀도가 개선된 콜로니 이미지 카운터 | |
CN106530349A (zh) | 一种基于椭圆中心的动态定位方法及装置 | |
CN214750100U (zh) | 一种全自动材料生物降解测试结构 | |
CN108181054B (zh) | 罐体密封性检测装置 | |
CN211535864U (zh) | 一种带试纸的吸痰管 | |
CN208133577U (zh) | 用于管材真空箱的真空恒压控制系统 | |
CN208152196U (zh) | 一种弯管的排气装置 | |
CN201803963U (zh) | 利用x射线对食物中异物检测的设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |