【技术实现步骤摘要】
垃圾分类的方法、系统及存储介质
[0001]本专利技术涉及公共卫生
,尤其涉及垃圾分类的方法
、
系统及存储介质
。
技术介绍
[0002]随着城市化进程的加速和城市人口的持续增长,产生的垃圾量急剧上升
。
正确的垃圾分类不仅可以有效的资源再利用,还可以大大减少环境污染
。
为了鼓励市民参与垃圾分类,垃圾分为干垃圾
、
湿垃圾
、
有害垃圾以及可回收垃圾四个类别,各地政府采用了多种策略和手段,例如在社区建立垃圾分类投放点或垃圾回收站,进行广泛的垃圾分类宣传等
。
[0003]尽管政府和相关部门进行了广泛宣传,市民在日常生活中仍然面临垃圾分类的难题
。
由于垃圾种类繁多,对于大部分人来说,尤其是那些缺乏专业垃圾分类知识的市民,他们很难学会和适应垃圾分类
。
实际操作中,大部分垃圾仍然被投放到错误的垃圾桶中,这不仅导致垃圾分类的准确率低,而且为投放者带来了很多不便
。
[0004]为了解决这一问题,现有的技术方案
(
中国专利技术专利,申请号:
202110270882.3)
采用了切割垃圾的方式进行垃圾识别
。
这种方案主要依赖图像识别技术来判断垃圾的种类
。
具体来说,当系统识别到容器中存在多种垃圾时,会先对容器进行切割,然后再对容器内部的垃圾进行识别;现有技术存在较多缺陷,包括:
[000 ...
【技术保护点】
【技术特征摘要】
1.
一种垃圾分类的方法,其特征在于,包括以下步骤:采集垃圾的基础属性
、
物理特征数据以及化学特征数据;将采集的数据输入预训练好的深度学习模型中,对垃圾所属的类型进行初步鉴定,并生成初步鉴定结果;判断初步鉴定结果是否满足预设要求,若满足,则鉴定成功并确定垃圾所属的类型;若不满足,则鉴定失败并进行深度鉴定;基于初步鉴定结果的失败原因确定深度鉴定的方式并进行深度鉴定,根据生成的深度鉴定结果确定垃圾所属的类型
。2.
根据权利要求1所述的垃圾分类的方法,其特征在于,所述基础属性包括:垃圾外部包装状态及基础物理参数;所述垃圾外部包装状态包括:是否存在外部包装以及外部包装的类型;所述基础物理参数包括:垃圾重量
、
体积及密度的数值数据;所述物理特征数据包括:声学数据
、
电导率数据以及电容数据;以及所述化学特征数据包括:化学组成信息数据
、
气体种类及其浓度数据
。3.
根据权利要求1所述的垃圾分类的方法,其特征在于,所述深度学习模型包括输入层
、
隐藏层及输出层;所述输入层包括采集到垃圾的数据
x
;所述隐藏层计算表达式为:
h1=
σ
(W1x+b1)
其中,
h1是隐藏层的激活值;
σ
是
softmax
激活函数;
W1是隐藏层的权重矩阵;
b1是隐藏层的偏置向量;所述输出层计算表达式为:
z
=
W2g1+b2其中,
z
是输出层的原始输出;
W2是输出层的权重矩阵;
b2是输出层的偏置向量
。4.
根据权利要求3所述的垃圾分类的方法,其特征在于,通过所述
softmax
激活函数将所述深度学习模型的输出转换为概率分布,
softmax
激活函数的表达式为:其中,
C
是垃圾类型的总数量;
p
是
softmax
激活函数的输出,
p
是一个长度为
C
的向量,表示每个垃圾类型的概率分布;
i
是垃圾的类型;
p
i
是向量
p
的第
i
个元素,即垃圾类型
i
的概率;
z
是一个长度为
C
的向量,表示深度学习模型的原始输出;<...
【专利技术属性】
技术研发人员:李畅,李思儒,张翌,
申请(专利权)人:浙江立创信息技术服务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。