基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法技术

本发明专利技术涉及垃圾回收技术领域，公开了基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，包括以下步骤：机器开始工作时位于生活垃圾袋上方的破刀在气动推杆的带动下执行破袋操作；破刀完成后，位于破袋区上方的视觉摄像头传输工作区垃圾袋图像至上位机，上位机使用图像处理OpenCV库检测传输图像是否模糊；然后判断塑料袋是否破袋成功。本发明专利技术与现有技术相比，不仅使得垃圾破袋回收过程全自动化，智能化，安全反馈机制还保障了操作者的安全。气动推杆破刀与双卷轴的使用在达到精准破袋的同时，实现垃圾袋缠卷回收；视觉摄像头的实时检测保障了破袋与收袋的成功，避免了垃圾袋还未完全回收或垃圾未完全释放的情况。还未完全回收或垃圾未完全释放的情况。还未完全回收或垃圾未完全释放的情况。

【技术实现步骤摘要】
基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法


[0001]本专利技术涉及垃圾回收
，具体为一种基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法。

技术介绍

[0002]垃圾分类有利于垃圾的回收利用与处理，能够将垃圾变废为宝。为提高垃圾的可回收利用率，垃圾分类政策逐渐在全国推行，在这样的大背景下，人们在做垃圾分类时，通常使用垃圾袋将分类好的垃圾投入到垃圾回收箱中，而此时丢弃的垃圾与塑料垃圾袋实际上并没有实现分类，当今垃圾分类基本上都是通过人为拆袋投放垃圾，这样做增加了人力成本及分类难度，所以垃圾分类回收处理过程中需要用到一种破袋回收设备，能够将垃圾与塑料垃圾袋很好地分离出来进行分类处理。对于这一流程的检测方案大多依赖于人工经验，智能化程度较低，往往无法正确判断垃圾袋是否破开，垃圾袋是否完成回收；
[0003]现有的破袋回收装置大多纯依靠锋利的道具简单的将垃圾袋破除，这种方法不仅需要人工的配合，还具备一定的危险。在智能垃圾桶中，垃圾袋的混入会对生活垃圾的识别分类造成干扰，但现有的设备的检测方案并不智能，对于混入垃圾的垃圾袋无法处理。对于垃圾是否成功破袋，现有技术一般依靠简单的图像处理操作，识别精度较低，受光线影响较大；
[0004]当刀具旋转接近袋装垃圾，切削刃接触到袋装垃圾的表面，由于转速适当时，铣削刀刃无法将垃圾袋表面破坏，只会将垃圾袋顺着切屑槽向上缠绕，以此垃圾袋回收任务。关于旋转缠绕的现象，其特点为：具有对周围物品进行汇聚作用。气旋会将周围的空气往气旋中心压缩，如工业钻头，是利用挤压原理将周围的坯料往钻头中心处的排屑槽进行输送。但上述例子，仅仅是对刚性或非连续体进行此原理的实施。将该原理利用到破袋技术上，不仅可以对袋装垃圾进行破袋处理，而且还能对破袋后的垃圾袋进行收集。
[0005]本专利技术提出了一套智能的垃圾袋破袋回收方案，仅需将垃圾袋放入工作区，即可完成破袋和回收工作，基于多级反馈的控制方式，该方案安全可靠。通过位于工作区上端的高清摄像头搭载神经网络算法及图像处理算法即可实现破袋检测及垃圾袋回收检测。

技术实现思路

[0006]本专利技术的目的在于提供一种基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，以解决
技术介绍
中的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]一种基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，包括以下步骤：
[0009]S1：机器开始工作时位于生活垃圾袋上方的破刀在气动推杆的带动下执行破袋操作；
[0010]S2：破刀完成后，位于破袋区上方的视觉摄像头传输工作区垃圾袋图像至上位机，上位机使用图像处理OpenCV库检测传输图像是否模糊；
[0011]S3：若图像清晰，执行滤波降噪操作；若模糊，判断模糊类型；
[0012]S4：若为离焦模糊，通过检测离焦模糊半径复原图像后执行滤波降噪操作；若为运动模糊，检测运动模糊方向和尺度复原图像后执行滤波降噪操作；
[0013]S5：然后判断塑料袋是否破袋成功；
[0014]S6：若破袋不成功，破刀重复执行S1
‑
S5；
[0015]S7：若破袋成功，然后倾斜电机驱动工作区底板倾斜，将垃圾袋靠近双卷轴，双卷轴执行缠卷操作；
[0016]S8：当双卷轴执行缠卷操作的同时，位于工作区上方的视觉摄像头不断传输工作区图像至上位机进行一系列识别判断塑料袋是否缠卷回收成功，具体流程如下：
[0017]S8.1：上位机使用图像处理OpenCV库检测传输图像是否模糊；
[0018]S8.2：若图像清晰，执行滤波降噪操作；若模糊，判断模糊类型；
[0019]S8.3：若为离焦模糊，通过检测离焦模糊半径复原图像后执行滤波降噪操作；若为运动模糊，检测运动模糊方向和尺度复原图像后执行滤波降噪操作；
[0020]S8.4：最后判断塑料袋是否缠卷回收成功。
[0021]优选的，S5中：通过卷积神经网络训练大量破袋成功的图像，当神经网络输出图像的裂纹热图大于设定阈值时，则破袋成功。
[0022]优选的，S5中：通过卷积神经网络训练大量破袋成功的图像，若神经网络输出图像的裂纹热图小于设定阈值时，破刀重复执行破袋操作，裂纹热图是垃圾袋图片经卷积神经网络训练后，根据垃圾袋开口的大小及深度赋予不同热值，分类器可通过深层热值占比判断塑料袋是否破袋成功。
[0023]优选的，S8.3中：上位机通过二值化、边缘检测等方法计算垃圾袋像素占工作区比例，输出占比数值k。
[0024]优选的，若k小于0.95，双卷轴持续执行缠卷操作，若k大于0.95，破袋回收工作完成。
[0025]优选的，位于工作区上方固定位置的摄像头实时传输图像，通过一系列图像预处理操作计算垃圾袋占工作区比例，即占比数值k。
[0026]本专利技术提供的基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，具备以下有益效果：
[0027]本专利技术与现有技术相比，不仅使得垃圾破袋回收过程全自动化，智能化，安全反馈机制还保障了操作者的安全。气动推杆破刀与双卷轴的使用在达到精准破袋的同时，实现垃圾袋缠卷回收。视觉摄像头的实时检测保障了破袋与收袋的成功，避免了垃圾袋还未完全回收或垃圾未完全释放的情况。
附图说明
[0028]图1为本专利技术实施例的整体流程示意图。
具体实施方式
[0029]如图1所示，本专利技术提供的基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，包括以下步骤：
[0030]S1：机器开始工作时位于生活垃圾袋上方的破刀在气动推杆的带动下执行破袋操作；
[0031]S2：破刀完成后，位于破袋区上方的视觉摄像头传输工作区垃圾袋图像至上位机，上位机使用图像处理OpenCV库检测传输图像是否模糊；
[0032]S3：若图像清晰，执行滤波降噪操作；若模糊，判断模糊类型；
[0033]S4：若为离焦模糊，通过检测离焦模糊半径复原图像后执行滤波降噪操作；若为运动模糊，检测运动模糊方向和尺度复原图像后执行滤波降噪操作；
[0034]S5：然后判断塑料袋是否破袋成功：通过卷积神经网络训练大量破袋成功的图像，当神经网络输出图像的裂纹热图大于设定阈值时，则破袋成功；通过卷积神经网络训练大量破袋成功的图像，若神经网络输出图像的裂纹热图小于设定阈值时，破刀重复执行破袋操作，裂纹热图是垃圾袋图片经卷积神经网络训练后，根据垃圾袋开口的大小及深度赋予不同热值，分类器可通过深层热值占比判断塑料袋是否破袋成功；
[0035]S6：若破袋不成功，破刀重复执行S1
‑
S5；
[0036]S7：若破袋成功，然后倾斜电机驱动工作区底板倾斜，将垃圾袋靠近双卷轴，双卷轴执行缠卷操作；
[0037]S8：当双卷轴执行缠卷操作的同时，位于工作区上方的视觉摄像头不断传输工作区图像至上位机进行一系列识别判断塑料袋是否缠卷回收成功，具体流程如下：...

【技术保护点】

【技术特征摘要】
1.一种基于破刀破袋与双轴缠绕回收垃圾袋的视觉算法检测方法，其特征在于：包括以下步骤：S1：机器开始工作时位于生活垃圾袋上方的破刀在气动推杆的带动下执行破袋操作；S2：破刀完成后，位于破袋区上方的视觉摄像头传输工作区垃圾袋图像至上位机，上位机使用图像处理OpenCV库检测传输图像是否模糊；S3：若图像清晰，执行滤波降噪操作；若模糊，判断模糊类型；S4：若为离焦模糊，通过检测离焦模糊半径复原图像后执行滤波降噪操作；若为运动模糊，检测运动模糊方向和尺度复原图像后执行滤波降噪操作；S5：然后判断塑料袋是否破袋成功；S6：若破袋不成功，破刀重复执行步骤S1
‑
S5；S7：若破袋成功，然后倾斜电机驱动工作区底板倾斜，将垃圾袋靠近双卷轴，双卷轴执行缠卷操作；S8：当双卷轴执行缠卷操作的同时，位于工作区上方的视觉摄像头不断传输工作区图像至上位机进行一系列识别判断塑料袋是否缠卷回收成功，具体流程如下：S8.1：上位机使用图像处理OpenCV库检测传输图像是否模糊；S8.2：若图像清晰，执行滤波降噪操作；若模糊，判断模糊类型；S8.3：若为离焦模糊，通过检测离焦模糊半径复原图像后执行滤波降噪操作；若为运动模糊，检测运...

【专利技术属性】
技术研发人员：刘长红，曾智帆，谢泽文，冼嘉辉，陈浩然，张嘉铭，梁忠伟，刘晓初，
申请(专利权)人：广州大学，
类型：发明
国别省市：