基于人工智能的垃圾溯源方法、装置、终端设备及介质制造方法及图纸

本申请适用于人工智能领域，尤其涉及一种基于人工智能的垃圾溯源方法、装置、终端设备及介质。该方法在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含N个垃圾类别，若N个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息，可以实现在垃圾分类回收时对不符合回收类型的垃圾进行溯源，查找到投放该垃圾的垃圾投放点，从而可以严控该垃圾投放点的管理。理。理。

【技术实现步骤摘要】
基于人工智能的垃圾溯源方法、装置、终端设备及介质


[0001]本申请属于人工智能领域，尤其涉及一种基于人工智能的垃圾溯源方法、装置、终端设备及介质。

技术介绍

[0002]目前，在传统的缺乏信息化管理手段的情况下，针对垃圾处置中对分流分类、宣传督导、责任落实三大体系的监管基本依靠人工现场抽检，人工报送纸质材料、人工统计的传统管理模式，存在数据准确度相对较低、数据报送不及时、手工上报数据容易造假、无法全方位覆盖等一系列问题，无法将对垃圾处置的监管职能的触角深入到每一个细节与方面，因此，如何实现垃圾的溯源问题成为亟待解决的问题。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种基于人工智能的垃圾溯源方法、装置、终端设备及介质，以解决垃圾站对回收垃圾的溯源问题。
[0004]第一方面，本申请实施例提供一种基于人工智能的垃圾溯源方法，所述方法包括：
[0005]在垃圾车到达垃圾投放点时，获取所述垃圾投放点的标记信息，并根据所述标记信息，确定所述垃圾投放点回收垃圾的回收类别；
[0006]在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像；
[0007]使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含N个垃圾类别，N为大于零的整数；
[0008]若所述N个垃圾类别中存在不属于所述回收类别的垃圾类别，则根据所述标记信息，确定所述垃圾投放点的投放点信息。
[0009]第二方面，本申请实施例提供一种基于人工智能的垃圾溯源装置，所述垃圾溯源装置包括：
[0010]回收类别确定模块，用于在垃圾车到达垃圾投放点时，获取所述垃圾投放点的标记信息，并根据所述标记信息，确定所述垃圾投放点回收垃圾的回收类别；
[0011]图像采集模块，用于在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像；
[0012]垃圾类别确定模块，用于使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含N个垃圾类别，N为大于零的整数；
[0013]投放点确定模块，用于若所述N个垃圾类别中存在不属于所述回收类别的垃圾类别，则根据所述标记信息，确定所述垃圾投放点的投放点信息。
[0014]第三方面，本申请实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的垃圾溯源方法。
[0015]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介
质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的垃圾溯源方法。
[0016]第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的垃圾溯源方法。
[0017]本申请实施例与现有技术相比存在的有益效果是：本申请在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含N个垃圾类别，若N个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息，可以实现在垃圾分类回收时对不符合回收类型的垃圾进行溯源，查找到投放该垃圾的垃圾投放点，从而可以严控该垃圾投放点的管理。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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。
[0019]图1是本申请实施例一提供的一种基于人工智能的垃圾溯源方法的流程示意图；
[0020]图2是本申请实施例二提供的一种基于人工智能的垃圾溯源方法的流程示意图；
[0021]图3是本申请实施例三提供的一种基于人工智能的垃圾溯源装置的结构示意图；
[0022]图4是本申请实施例四提供的一种终端设备的结构示意图。
具体实施方式
[0023]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0024]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0025]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0026]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0027]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0028]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请
的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0029]本申请实施例中的终端设备可以是掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra
‑
mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。
[0030]本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的垃圾溯源方法，其特征在于，所述方法包括：在垃圾车到达垃圾投放点时，获取所述垃圾投放点的标记信息，并根据所述标记信息，确定所述垃圾投放点回收垃圾的回收类别；在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像；使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含N个垃圾类别，N为大于零的整数；若所述N个垃圾类别中存在不属于所述回收类别的垃圾类别，则根据所述标记信息，确定所述垃圾投放点的投放点信息。2.根据权利要求1所述的垃圾溯源方法，其特征在于，在所述根据所述标记信息，确定所述垃圾投放点的投放点信息之后，还包括：根据所述垃圾投放点的投放点信息，获取所述垃圾投放点在目标时间段内每次投放垃圾时的图像；使用训练好的分类模型对在目标时间段内获取的每次投放垃圾时的图像进行垃圾分类识别，得到每个图像对应投放垃圾的垃圾类别；根据每个图像对应投放垃圾的垃圾类别，确定目标图像，所述目标图像中投放垃圾的垃圾类别不属于所述回收类别。3.根据权利要求2所述的垃圾溯源方法，其特征在于，在所述根据每个图像对应投放垃圾的垃圾类别，确定目标图像之后，还包括：对所述目标图像进行人脸识别，并将识别结果与数据库中人脸信息进行匹配，确定与所述识别结果匹配的人脸信息为目标对象；在预设范围内，确定所述目标对象对应的住址信息。4.根据权利要求1所述的垃圾溯源方法，其特征在于，在所述在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像之后，还包括：将所述当前图像与所述标记信息关联，得到关联数据；相应地，在所述使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含N个垃圾类别之后，还包括：若所述N个垃圾类别中存在不属于所述回收类别的垃圾类别，则生成警示信息，并将所述警示信息与所述关联数据关联；在所述警示信息被触发时，显示所述关联数据。5.根据权利要求4所述的垃圾溯源方法，其特征在于，在所述...

【专利技术属性】
技术研发人员：刘荣荣，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：