一种垃圾分类一站式智能管理平台制造技术

本发明专利技术属于垃圾分类技术领域，具体涉及一种垃圾分类一站式智能管理平台，包括垃圾箱体以及防止在垃圾箱体内底部的四个垃圾桶，所述垃圾箱体的顶端安装有高清摄像头，所述高清摄像头与垃圾桶之间设置有动作器，用于将垃圾分别投入四个垃圾桶内；所述垃圾箱体内安装有控制器、无线通讯模块以及图像处理单元，所述无线通讯模块用于与云服务器连接，获取垃圾品类的特征资料，所述图形处理单元用于对垃圾图像进行处理后判断该垃圾的品类，所述控制器用于根据垃圾的品类控制动作器将其投入对应的垃圾桶。通过高清摄像头配合识别模型对进入垃圾箱体内的垃圾进行识别，通过动作器自动将垃圾投放至对应的垃圾桶内，自动化水平高。自动化水平高。自动化水平高。

【技术实现步骤摘要】
一种垃圾分类一站式智能管理平台


[0001]本专利技术属于垃圾分类
，具体涉及一种垃圾分类一站式智能管理平台。

技术介绍

[0002]随着我国经济的发展和人口的增多，垃圾分类逐渐成为社会关注的热点话题。垃圾分类是对垃圾收集处置传统方式的改革，是对垃圾进行有效处置的一种科学管理方法。面对日益增长的垃圾产量和环境状况恶化的局面，如何通过垃圾分类管理、最大限度地实现垃圾资源利用、减少垃圾处置的数量、改善生存环境状态是当前世界各国共同关注的迫切问题。
[0003]目前对于垃圾分类主要的方式是使用多个垃圾桶，并在垃圾桶上分别标识不同的垃圾种类，指引人根据垃圾的种类将垃圾丢到对应的垃圾桶内；但是上述的方式会增加人员的学习成本，很多人难以确定垃圾具体属于哪种类别，同时也有人就不做分类，随意乱丢，影响了整体的垃圾分类。

技术实现思路

[0004]本专利技术的目的在于提供一种垃圾分类一站式智能管理平台，克服了现有技术的不足，通过高清摄像头配合识别模型对进入垃圾箱体内的垃圾进行识别，通过动作器自动将垃圾投放至对应的垃圾桶内，自动化水平高。
[0005]为解决上述问题，本专利技术所采取的技术方案如下：
[0006]一种垃圾分类一站式智能管理平台，包括垃圾箱体以及防止在垃圾箱体内底部的四个垃圾桶，所述垃圾箱体的顶端安装有高清摄像头，所述高清摄像头与垃圾桶之间设置有动作器，用于将垃圾分别投入四个垃圾桶内；
[0007]所述垃圾箱体内安装有控制器、无线通讯模块以及图像处理单元，所述无线通讯模块用于与云服务器连接，获取垃圾品类的特征资料，所述图形处理单元用于对垃圾图像进行处理后判断该垃圾的品类，所述控制器用于根据垃圾的品类控制动作器将其投入对应的垃圾桶。
[0008]进一步，所述图像处理单元包括数据处理模块、模型训练模块以及模型测试模块；所述数据处理模块用于将数据集划分为训练集、验证集和测试集，同时对训练集数据进行增强；所述模型训练模块是通过预训练的图像识别模型作为基础框架搭建深度卷积神经网络进行迁移学习，并使用经过数据增强的训练集对模型进行训练，且使用验证集的数据验证训练效果，所述模型测试模块通过获取高清摄像头拍摄的图像输入到训练好的图像识别模型，输出垃圾的识别结果。
[0009]进一步，所述数据处理模块将自云数据库获取的更新图像数据作为训练集，将本地之前获取的图像数据作为验证集，将实时获取的待识别图像作为测试集。
[0010]进一步，所述对训练集数据进行增强，其方式包括翻转变换、随机修剪、色彩抖动、平移变换、尺度变换、对比度变换、噪声扰动、旋转变换/反射变换、横向/纵向平移、错切变
换、缩放、水平翻转。
[0011]进一步，所述图像识别模型包括输入层、Flatten层、隐含层以及输出层，所述输入层输入的是经过VGG16提取特征的神经元，所述Flatten层用于将多纬的输入一维化，所述隐含层通过relu函数激活神经元，使整个网络稀疏性更强。
[0012]进一步，所述模型训练模块采用对数损失函数进行计算，其数学模型为：
[0013][0014]其中，y
i
是指第i个样本所属的真实类别0或者1，p
i
表示第i个样本属于类别1的概率，N代表测试样本总数。
[0015]进一步，所述动作器包括一个第一挡板和两个第二挡板，且两个第二挡板分别安装在第一挡板的两侧下方位置，所述第一挡板位于高清摄像头的正下方，所述第二挡板位于两个垃圾桶的连接处上方所述第一挡板和第二挡板的中轴处均连接有驱动器，用于驱动第一挡板和第二挡板顺时针/逆时针转动。
[0016]进一步，所述垃圾箱体的内部顶端安装有多个补光灯，且补光灯分别安装在高清摄像头的两侧。
[0017]本专利技术与现有技术相比较，具有以下有益效果：
[0018]本专利技术所述一种垃圾分类一站式智能管理平台，通过高清摄像头配合识别模型对进入垃圾箱体内的垃圾进行识别，通过动作器自动将垃圾投放至对应的垃圾桶内，自动化水平高；通过深度卷积神经网络进行迁移学习，使图像识别模型不断进步、完善，提高识别的准确率和速率。
附图说明
[0019]图1为一种垃圾分类一站式智能管理平台的结构示意图。
[0020]图2为一种垃圾分类一站式智能管理平台的原理结构框图。
[0021]图中：1、垃圾箱体；2、垃圾桶；3、高清摄像头；4、补光灯；5、第一挡板；6、第二挡板。
具体实施方式
[0022]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，都属于本专利技术保护的范围。
[0023]如图1
‑
图2所示，本专利技术所述一种垃圾分类一站式智能管理平台，包括垃圾箱体1以及防止在垃圾箱体1内底部的四个垃圾桶2，垃圾箱体1的顶端安装有高清摄像头3，高清摄像头3与垃圾桶2之间设置有动作器，用于将垃圾分别投入四个垃圾桶2内；
[0024]垃圾箱体1内安装有控制器、无线通讯模块以及图像处理单元，无线通讯模块用于与云服务器连接，获取垃圾品类的特征资料，图形处理单元用于对垃圾图像进行处理后判断该垃圾的品类，控制器用于根据垃圾的品类控制动作器将其投入对应的垃圾桶2。
[0025]图像处理单元包括数据处理模块、模型训练模块以及模型测试模块；数据处理模块用于将数据集划分为训练集、验证集和测试集，同时对训练集数据进行增强；模型训练模
块是通过预训练的图像识别模型作为基础框架搭建深度卷积神经网络进行迁移学习，并使用经过数据增强的训练集对模型进行训练，且使用验证集的数据验证训练效果，模型测试模块通过获取高清摄像头3拍摄的图像输入到训练好的图像识别模型，输出垃圾的识别结果。
[0026]数据处理模块将自云数据库获取的更新图像数据作为训练集，将本地之前获取的图像数据作为验证集，将实时获取的待识别图像作为测试集。
[0027]对训练集数据进行增强，其方式包括翻转变换、随机修剪、色彩抖动、平移变换、尺度变换、对比度变换、噪声扰动、旋转变换/反射变换、横向/纵向平移、错切变换、缩放、水平翻转。
[0028]图像识别模型包括输入层、Flatten层、隐含层以及输出层，输入层输入的是经过VGG16提取特征的神经元，Flatten层用于将多纬的输入一维化，隐含层通过relu函数激活神经元，使整个网络稀疏性更强。
[0029]模型训练模块采用对数损失函数进行计算，其数学模型为：
[0030][0031]其中，yi是指第i个样本所属的真实类别0或者1，pi表示第i个样本属于类别1的概率，N代表测试样本总数。
[0032]为了自动分类，动作器包括一个第一挡板5和两个第二挡板6，且两个第二挡板6分别安装在第一挡板5的两侧下方位置，第一挡板5位于高清摄像头本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种垃圾分类一站式智能管理平台，其特征在于：包括垃圾箱体(1)以及防止在垃圾箱体(1)内底部的四个垃圾桶(2)，所述垃圾箱体(1)的顶端安装有高清摄像头(3)，所述高清摄像头(3)与垃圾桶(2)之间设置有动作器，用于将垃圾分别投入四个垃圾桶(2)内；所述垃圾箱体(1)内安装有控制器、无线通讯模块以及图像处理单元，所述无线通讯模块用于与云服务器连接，获取垃圾品类的特征资料，所述图形处理单元用于对垃圾图像进行处理后判断该垃圾的品类，所述控制器用于根据垃圾的品类控制动作器将其投入对应的垃圾桶(2)。2.根据权利要求1所述的一种垃圾分类一站式智能管理平台，其特征在于：所述图像处理单元包括数据处理模块、模型训练模块以及模型测试模块；所述数据处理模块用于将数据集划分为训练集、验证集和测试集，同时对训练集数据进行增强；所述模型训练模块是通过预训练的图像识别模型作为基础框架搭建深度卷积神经网络进行迁移学习，并使用经过数据增强的训练集对模型进行训练，且使用验证集的数据验证训练效果，所述模型测试模块通过获取高清摄像头(3)拍摄的图像输入到训练好的图像识别模型，输出垃圾的识别结果。3.根据权利要求2所述的一种垃圾分类一站式智能管理平台，其特征在于：所述数据处理模块将自云数据库获取的更新图像数据作为训练集，将本地之前获取的图像数据作为验证集，将实时获取的待识别图像作为测试集。4.根据权利要求3所述的一种垃圾分类一站式智能管理平台，其特征在于：所述对训练...

【专利技术属性】
技术研发人员：张利芳，金伟，翟卫龙，罗红波，郭学鹏，李银凤，
申请(专利权)人：浙江绿达智能科技有限公司，
类型：发明
国别省市：