一种垃圾识别分类的方法、系统、终端及存储介质技术方案

本发明专利技术公开了一种垃圾识别分类的方法，该方法包括如下步骤：采集待识别垃圾的实时图片信息；将实时图片信息输入到模型中，所述模型由多组训练数据训练而成，多组所述训练数据中每一组训练数据均包括第一类训练数据，所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息；从模型中输出实时图片信息符合该种垃圾的图片；获取符合该种垃圾所在实时图片信息的相对位置；按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置；对该种垃圾进行精确分拣。本发明专利技术提供一种垃圾识别分类的方法，可以高效又准确的垃圾分类识别。

A method, system, terminal and storage medium for garbage identification and classification

The invention discloses a garbage recognition and classification method, which comprises the following steps: collecting real-time picture information of garbage to be identified; inputting real-time picture information into the model, the model is trained by multiple groups of training data, each group of training data in the multiple groups includes the first type of training data, and the first type of training data includes a certain type of training data The pictures of garbage and the identification information used to identify the corresponding pictures of the garbage; the real-time picture information output from the model conforms to the pictures of the garbage; the relative position of the real-time picture information of the garbage is obtained; the actual position of the garbage is restored according to the scale of the real-time picture information and the actual picture collection area; the garbage is accurately sorted. The invention provides a garbage recognition and classification method, which can effectively and accurately classify and identify garbage.

【技术实现步骤摘要】
一种垃圾识别分类的方法、系统、终端及存储介质
本专利技术涉及垃圾分类
，尤其涉及一种垃圾识别分类的方法、系统、终端及存储介质。
技术介绍
随着社会的进步，人们的生活水平和质量逐渐提高，能够消费的东西也日益增多，因此产生的垃圾也越来越多，垃圾主要采用填埋和焚烧等办法进行处理。为了有效地减少垃圾的处理量，减缓对地球资源的消耗，可以对垃圾中可回收的垃圾进行分类回收再利用。目前，可回收垃圾的分类回收方法主要包括人工拣选等手段，其人工成本高、处理速度慢、效率低，并且极易出现分拣失误，造成某些有害垃圾混入可回收垃圾中，以至于造成可怕的后果。目前，较为智能的垃圾识别分类的方法如中国专利CN201410596554.2一种垃圾分类回收方法，包含以下步骤：1)如果垃圾中包含任何类型的自动识别ID，根据此ID，从制造商数据库中获取该物品的必要信息，然后将其分类存储，并添加一条记录到物联网识别数据库中；2)如果垃圾中不包含任何类型的自动识别ID，通过物理空间相关性扫描，搜索垃圾桶周边的拥有自动识别ID的物品，如果有必要还能够在整个生活区或工业区中的垃圾桶中搜索；如果不能发现任何自动识别ID，跳至步骤3。采用了普适计算下的识别和搜索技术，极大提高了垃圾分类的效率。而在日常生活中，有害垃圾将夹杂在其他垃圾之间，此时有害垃圾与数据库中对比物的相似度将会受到影响，以至于影响垃圾分类。又如中国专利CN201811137854.9公开了一种基于多传感器融合和深度学习的垃圾分类识别方法，包括步骤：S1：获取学习样本数据，样本数据包括已知分类垃圾的图像和物理参量，所述物理参量包括介电常数、磁导率、光电参数和重量；S2：采用深度学习神经网络方法训练分类模型，分类模型的输入为上述样本数据，输出为预测的垃圾种类；S3：拍摄待分类垃圾的图像，采集待分类发垃圾的物理参量，然后将信息输入到步骤S2中的分类模型，得到预测的垃圾种类。利用训练分类模型能够高速且准确地将用户投放的生活垃圾分类，做到尽可能成功分类常见的生活垃圾，并同时将垃圾种类等信息反馈回来，进而提高垃圾的回收率。该种方法依旧是结合定义参照物进行扫描对比的方法，其相对的识别率也相对不高。因此，研究一种既高效又准确的垃圾分类识别方法具有重要意义。
技术实现思路
本专利技术的目的在于提供一种垃圾识别分类的方法，可以高效又准确的垃圾分类识别。本专利技术公开的一种垃圾识别分类的方法所采用的技术方案是:一种垃圾识别分类的方法，该方法包括如下步骤：采集待识别垃圾的实时图片信息；将实时图片信息输入到模型中，所述模型由多组训练数据训练而成，多组所述训练数据中每一组训练数据均包括第一类训练数据，所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息；从模型中输出实时图片信息符合该种垃圾的图片；获取符合该种垃圾所在实时图片信息的相对位置；按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置；对该种垃圾进行精确分拣。作为优选方案，所述训练数据均包括第二类训练数据，所述第二类训练数据包括未含有某一种垃圾的图片和用于标识未含有该种垃圾对应图片的标识信息。作为优选方案，所述采集待识别垃圾的实时图片信息步骤之前需要对待识别的垃圾进行平铺处理。作为优选方案，所述采集待识别垃圾的实时图片信息中，所述实时图片信息为多采集装置采集的多张不同角度的图片信息。作为优选方案，所述对该种垃圾进行精确分拣时需要获取模型运算时间以及预设垃圾的运行速度，以确定该种垃圾运动的距离。本技术方案还提供一种垃圾识别分类的系统，该系统包括传送模块、图片采集模块、数据存储模块、模型算法模块、驱动模块和分拣模块；其中模型算法模块首先从数据存储模块内获取多组训练数据进行训练，多组所述训练数据中每一组训练数据均包括第一类训练数据，所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。所述传送模块将待识别的垃圾传送至图片采集模块下方；所述图像采集模块采集待识别垃圾的实时图片信息传送至模型算法模块；此时所述模型算法模块将根据已经训练好的模型算法进行筛选特定的垃圾，并进行标识；将标识信息传递至驱动模块，使驱动模块控制分拣模块对该种垃圾进行分拣处理。作为优选方案，还包括平铺装置，所述平铺模块，设于传送模块上。作为优选方案，所述图片采集装置为多台。本技术方案还提供一种终端，所述终端包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如前述的垃圾识别分类的方法。本技术方案还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述的垃圾识别分类的方法。本专利技术公开的一种垃圾识别分类的方法的有益效果是：利用训练数据对模型进行识别的训练，使该模型生成一种可以自主识别某种垃圾图片的能力。换句话说，模型将根据训练数据的共性生成对某种垃圾识别的独有标识。再将采集的实时图片信息输入模型中，根据自身的判断准则来判断垃圾的种类。凭借着模型的高效、精准的运算能力，降低人为分拣的误差，同时又可以快速又准确的垃圾分类识别。附图说明图1是本专利技术一种垃圾识别分类的方法的结构示意图。具体实施方式下面结合具体实施例和说明书附图对本专利技术做进一步阐述和说明:请参考图1，一种垃圾识别分类的方法，本方法主要针对于高危险垃圾的识别分类，例如电池、医用垃圾。该方法包括如下步骤：步骤S100：采集待识别垃圾的实时图片信息。具体的，将待识别垃圾放置于传送带上，同时需要对待识别的垃圾进行平铺处理。以便图片的采集工作。当传送带上的垃圾通过高清摄像头时，高清摄像头对传送带上待识别的垃圾进行拍照，并生成实时图片信息。本实施例中的高清摄像头包括至少两组。分别以先后顺序对待识别垃圾进行图片采集工作；同时每组包括多台不同角度的高清摄像头，多台高清摄像头将对同一区域的待识别垃圾进行同时拍摄。因此，生成的实时图片信息将为两组，且每组包含多个角度的待识别图片。两组图像识别是为了均衡数据，避免某一时刻一组数据中出现极端值影响准确性。实时图片信息将传入新的存储单元进行保存。步骤S200：将实时图片信息输入到模型中，模型由多组训练数据训练而成，多组训练数据中每一组训练数据均包括第一类训练数据，第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息。具体的，将实时图片信息传入到模型中，本实施例将以一组多个角度的待识别图片进行解释说明。该模型是利用历史正向训练数据对自身进行识别的训练，(正向数据是指含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息，即第一类训练数据)使该自身生成一种可以自主识别某种垃圾图片的能力。换句话说，模型将根据正向训练数据(即实时图片信息)的共性本文档来自技高网...

【技术保护点】
1.一种垃圾识别分类的方法，其特征在于，包括如下步骤：/n采集待识别垃圾的实时图片信息；/n将所述实时图片信息输入到模型中，所述模型由多组训练数据训练而成，多组所述训练数据中每一组训练数据均包括第一类训练数据，所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息；/n从所述模型中输出实时图片信息符合该种垃圾的图片；/n获取符合该种垃圾所在实时图片信息的相对位置；/n按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置；/n对该种垃圾进行精确分拣。/n

【技术特征摘要】
1.一种垃圾识别分类的方法，其特征在于，包括如下步骤：
采集待识别垃圾的实时图片信息；
将所述实时图片信息输入到模型中，所述模型由多组训练数据训练而成，多组所述训练数据中每一组训练数据均包括第一类训练数据，所述第一类训练数据包括含有某一种垃圾的图片和用于标识该种垃圾对应图片的标识信息；
从所述模型中输出实时图片信息符合该种垃圾的图片；
获取符合该种垃圾所在实时图片信息的相对位置；
按照实时图片信息与实际图片采集区域的比例尺还原出该种垃圾的实际位置；
对该种垃圾进行精确分拣。


2.如权利要求1所述的一种垃圾识别分类的方法，其特征在于，所述训练数据均包括第二类训练数据，所述第二类训练数据包括未含有某一种垃圾的图片和用于标识未含有该种垃圾对应图片的标识信息。


3.如权利要求1或2任一项所述的一种垃圾识别分类的方法，其特征在于，所述采集待识别垃圾的实时图片信息步骤之前需要对待识别的垃圾进行平铺处理。


4.如权利要求3所述的一种垃圾识别分类的方法，其特征在于，所述采集待识别垃圾的实时图片信息中，所述实时图片信息为多采集装置采集的多张不同角度的图片信息。


5.如权利要求1或2任一项所述的一种垃圾识别分类的方法，其特征在于，所述对该种垃圾进行精确分拣时需要获取模型运算时间以及预设垃圾的运行速度，以确定该种垃圾运动的距离。


...

【专利技术属性】
技术研发人员：庄若桥，段武伟，
申请(专利权)人：华育昌肇庆智能科技研究有限公司，利事丰肇庆自动化技术有限公司，
类型：发明
国别省市：广东;44