一种垃圾分类系统及方法技术方案

本发明专利技术公开一种垃圾分类系统，包括：图像采集装置，用于对待分类垃圾进行拍摄，获得采集图像；处理装置，与图像采集装置连接，依据一神经网络模型对采集图像进行识别获得待分类垃圾的种类信息；驱动装置，与处理装置连接，依据种类信息驱动一机械臂将待分类垃圾投放至对应的垃圾桶。垃圾分类方法包括：S1；图像采集装置拍摄垃圾的图像；S2：处理装置根据神经网络模型判断垃圾的种类；S3：处理装置根据种类信息控制驱动装置；S4：机械臂将待分类垃圾投放入对应的垃圾桶。本发明专利技术的有益效果在于：通过图像识别方法实现了对垃圾的自动分类，并通过机械装置投放垃圾，避免了传统人工分拣垃圾易出错、成本高昂的缺陷，提升了垃圾分拣的效率和准确度。

【技术实现步骤摘要】
一种垃圾分类系统及方法
本专利技术涉及自动化控制
，具体涉及一种垃圾分类系统及方法。
技术介绍
近年来，随着经济的发展，生活水平的提高，生活垃圾无害化处理方式也正逐步走入人们的视野，我国也推行了垃圾分类处理的相关措施。现有技术中，对垃圾分类处理主要依赖行政法规，在源头上要求公众对垃圾进行分类分时投放；或者在垃圾处理中心设置专人进行拣选垃圾。这两种方式较为低效、不便且容易招致抵触心理。
技术实现思路
针对现有技术中存在的上述问题，现提供一种垃圾分类系统及方法。具体技术方案如下：一种垃圾分类系统，包括：图像采集装置，用于对待分类垃圾进行拍摄，获得采集图像；处理装置，与所述图像采集装置连接，依据一神经网络模型对所述采集图像进行识别获得所述待分类垃圾的种类信息；驱动装置，与所述处理装置连接，依据所述种类信息驱动一机械臂将待分类垃圾投放至对应的垃圾桶。优选地，所述机械臂为六自由度爪式机械臂或三自由度吸盘式机械臂，所述机械臂于所述驱动装置的驱动下自初始位置向预定方向转送预定角度。优选地，用于训练所述神经网络模型的训练集为垃圾图像；所述垃圾图像具体包括金属、玻璃、纸张、硬纸板、塑料、一般垃圾六类垃圾的图像；所述垃圾图像的样本数量为2000-2500个。优选地，所述处理装置对所述垃圾图像进行预处理后，输入所述神经网络模型；所述神经网络模型对所述垃圾图像进行100轮迭代，步长为70，获得训练后的神经网络模型。优选地，所述预处理过程包括：对所述垃圾图像进行归一化处理；对所述垃圾图像进行随机水平方向与随机竖直方向上的翻转；将所述垃圾图像调整为分辨率150*150的图像。优选地，所述神经网络模型具有13个卷积层，3个全链接层。优选地，所述处理装置根据所述神经网络模型输出的结果进一步地将垃圾分为可回收垃圾和干垃圾。优选地，所述垃圾桶包括可回收垃圾桶和干垃圾桶；所述可回收垃圾桶和所述干垃圾桶沿所述机械臂的初始方向并列设置在所述机械臂前方；或所述可回收垃圾桶和所述干垃圾桶，与所述机械臂的初始方向垂直设置在所述机械臂前方；或所述可回收垃圾桶和所述干垃圾桶分别设置在所述机械臂两侧。一种垃圾分类方法，具体包括：S1；所述图像采集装置拍摄所述待分类垃圾的图像；S2：所述处理装置根据所述神经网络模型判断所述待分类垃圾的种类；S3：所述处理装置根据所述种类控制所述驱动装置；S4：所述驱动装置控制所述机械臂将所述待分类垃圾投放入可回收垃圾桶或干垃圾桶。上述技术方案具有如下优点或有益效果：通过图像识别方法实现了对垃圾的自动分类，并通过机械装置投放垃圾，避免了传统人工分拣垃圾易出错、成本高昂的缺陷，提升了垃圾分拣的效率和准确度。附图说明参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。图1为本专利技术实施例的系统模块示意图；图2为本专利技术实施例的机械臂示意图；图3为本专利技术实施例的垃圾桶摆放示意图；图4为本专利技术实施例的另一种垃圾桶摆放示意图；图5为本专利技术实施例的另一种垃圾桶摆放方式示意图；图6为本专利技术实施例的垃圾分类方法流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。本专利技术包括一种垃圾分类系统，包括：图像采集装置3，用于对待分类垃圾进行拍摄，获得采集图像；处理装置4，与图像采集装置3连接，依据一神经网络模型对采集图像进行识别获得待分类垃圾的种类信息；驱动装置2，与处理装置连接4，依据种类信息驱动一机械臂1将待分类垃圾投放至对应的垃圾桶。在一种较优的实施例中，机械臂1为六自由度爪式机械臂或三自由度吸盘式机械臂，机械臂1于驱动装置2的驱动下自初始位置向预定方向转送预定角度。具体地，通过设置爪式机械臂和吸盘式机械臂可以有效处理不同体积、种类、质量的垃圾，提高系统整体的可用性。在一种较优的实施例中，图像采集装置3设置在机械臂1的前端。在一种较优的实施例中，用于训练神经网络模型的训练集为垃圾样本图像；垃圾样本图像具体包括金属、玻璃、纸张、硬纸板、塑料、一般垃圾六类垃圾的图像；垃圾训练图像的样本数量为2000-2500个。在一种较优的实施例中垃圾样本图像的样本数量为2259个。在一种较优的实施例中，处理装置对垃圾样本图像进行预处理后，输入神经网络模型；神经网络模型对垃圾图像进行100轮迭代，步长为70，获得训练后的神经网络模型。通过设置100轮迭代可以有效地保证神经网络模型对垃圾样本图形进行训练，提高神经网络的准确性。在一种较优的实施例中，预处理过程包括：对垃圾样本图像进行归一化处理；对垃圾样本图像进行随机水平方向与随机竖直方向上的翻转；将垃圾样本图像调整为分辨率150*150的图像。具体地，通过将垃圾样本图像进行归一化处理，可以在保留图像细节的基础上有效缩减图像大小，利于神经网络模型的收敛；通过对垃圾样本图像进行随机翻转，可以排除部分垃圾样本图像因为同一图像采集设备在同一视角采集时带来的近似特征对神经网络模型造成的干扰。在一种较优的实施例中，神经网络模型具有13个卷积层，3个全链接层。在一种较优的实施例中，可以采用VGG16模型对待分类垃圾的图像进行识别，通过SGD算法对神经网络模型训练过程进行优化，以取得较好的训练效果和较短的训练时间，提高了神经网络模型训练的效率。进一步地，神经网络模型完成训练后采用248个测试样本图像对神经网络模型进行测试，测试结果表明神经网络模型的准确度高达91％。在一种较优的实施例中，处理装置4根据神经网络模型输出的结果进一步地将垃圾分为可回收垃圾和干垃圾。在一种较优的实施例中，如图3至图5所示，垃圾桶包括可回收垃圾桶5和干垃圾桶6；可回收垃圾桶5和干垃圾桶6沿机械臂1的初始方向并列设置在机械臂1前方；或可回收垃圾桶5和干垃圾桶6，与机械臂1的初始方向垂直设置在机械臂1前方；或可回收垃圾桶5和干垃圾桶6分别设置在机械臂1两侧。进一步地，根据垃圾桶摆放方式的不同，处理装置4可控制驱动装置2驱动机械臂1以不同方向和角度将待分类垃圾投放入对应的垃圾桶。具体地，处理装置4内存储有对应不同垃圾桶的机械臂1各舵机转动角度，通过神经网络模型判断待分类垃圾的种类，处理装置4选择将待分类垃圾投放入可回收垃圾桶5或干垃圾桶6，并向驱动装置2发出指令，驱动装置2根据处理装置4发出的指本文档来自技高网...

【技术保护点】
1.一种垃圾分类系统，其特征在于，包括：/n图像采集装置，用于对待分类垃圾进行拍摄，获得采集图像；/n处理装置，与所述图像采集装置连接，依据一神经网络模型对所述采集图像进行识别获得所述待分类垃圾的种类信息；/n驱动装置，与所述处理装置连接，依据所述种类信息驱动一机械臂将待分类垃圾投放至对应的垃圾桶。/n

【技术特征摘要】
1.一种垃圾分类系统，其特征在于，包括：
图像采集装置，用于对待分类垃圾进行拍摄，获得采集图像；
处理装置，与所述图像采集装置连接，依据一神经网络模型对所述采集图像进行识别获得所述待分类垃圾的种类信息；
驱动装置，与所述处理装置连接，依据所述种类信息驱动一机械臂将待分类垃圾投放至对应的垃圾桶。


2.根据权利要求2所述的垃圾分类系统，其特征在于，所述机械臂为六自由度爪式机械臂或三自由度吸盘式机械臂，所述机械臂于所述驱动装置的驱动下自初始位置向预定方向转送预定角度。


3.根据权利要求2所述的垃圾分类系统，其特征在于，用于训练所述神经网络模型的训练集为垃圾样本图像；
所述垃圾样本图像具体包括金属、玻璃、纸张、硬纸板、塑料、一般垃圾六类垃圾的图像；
所述垃圾样本图像的样本数量为2000-2500个。


4.根据权利要求3所述的垃圾分类系统，其特征在于，所述处理装置对所述垃圾样本图像进行预处理后，输入所述神经网络模型；
所述神经网络模型对所述垃圾样本图像进行100轮迭代，步长为70，获得训练后的神经网络模型。


5.根据权利要求4所述的垃圾分类系统，其特征在于，所述预处理过程包括：
对所述垃圾图像进行归一化...

【专利技术属性】
技术研发人员：胡健，陈亦菲，周佳欣，
申请(专利权)人：上海市格致中学，
类型：发明
国别省市：上海;31