基于深度学习的垃圾自分类方法技术

基于深度学习的垃圾自分类方法，采用基于深度学习的自分类垃圾桶进行垃圾分类，该基于深度学习的自分类垃圾桶包括桶体

【技术实现步骤摘要】
基于深度学习的垃圾自分类方法


[0001]本专利技术涉及垃圾分类设备领域，具体的说，涉及一种基于深度学习的垃圾自分类方法
。

技术介绍

[0002]我国每年在垃圾分类方面都是使用的人力来进行分类
。
然而，采用人为的分类运输，不但成本高，而且工序繁杂，需要消耗大量物力和财力
。
垃圾分类有利于保护环境，可是，严苛的分类标准和条例却让国人叫苦不迭，由于人为处理较为复杂
、
意识和习惯未形成，“垃圾分类难”深深困扰着大众
。
目前智能分类垃圾箱技术仍不成熟，存在可靠性低
、
制造成本高等问题，并且采用传统供电方式，耗能大
、
不环保
。

技术实现思路

[0003]本专利技术的目的是提供一种基于深度学习的垃圾自分类方法，本专利技术能够实现对垃圾的自动化识别和分类，更快速
、
准确地完成垃圾分类，提高分类效率，降低人力成本，更加节能环保
。
[0004]为实现上述目的，本专利技术采用如下技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于深度学习的垃圾自分类方法，其特征在于：采用基于深度学习的自分类垃圾桶进行垃圾分类，该基于深度学习的自分类垃圾桶包括桶体
、
垃圾自动转运装置
、
摄像头和带有人机交互触控屏的控制器，控制器内嵌有图像识别模型，桶体内部通过分隔架分隔为四个垃圾分类腔，分别对应储存可回收垃圾
、
厨余垃圾
、
有害垃圾和其余垃圾，首先通过人机交互触控屏选择垃圾分类工作模式，具体分为两种垃圾分类工作模式：模式一为手动模式：将垃圾投放到桶体中，用户在人机交互触控屏上选择垃圾分类的类型，控制器控制垃圾自动转运装置将垃圾倒入对应的垃圾分类腔中；模式二为智能模式：将垃圾投放到桶体中，摄像头捕获当前图像并传给控制器，图像识别模型对图像进行识别，控制器根据识别结果控制垃圾自动转运装置将垃圾倒入对应的垃圾分类腔中
。2.
根据权利要求1所述的基于深度学习的垃圾自分类方法，其特征在于：该基于深度学习的自分类垃圾桶还包括太阳能电池板和蓄电池组，桶体的上端设有垃圾收纳口，太阳能电池板和蓄电池组设置在桶体上部，太阳能电池板与蓄电池组电性连接，蓄电池组分别提供电源给垃圾自动转运装置
、
摄像头和控制器，控制器分别与摄像头和垃圾自动转运装置信号连接
。3.
根据权利要求2所述的基于深度学习的垃圾自分类方法，其特征在于：桶体为正方形箱体，垃圾收纳口为上大下小的四棱锥斗，垃圾收纳口的下端一体成型固定连接在桶体的顶板中部，桶体的顶板上安装有摄像支架，摄像头安装在摄像支架的上端；分隔架包括上固定座
、
下固定座和四块分隔板，四块分隔板呈十字型排列并固定安装在上固定座和下固定座之间，上固定座和下固定座结构相同且上下对称，下固定座为圆柱结构，下固定座同中心固定安装在桶体内底部中心，下固定座的顶部开设有上侧和外侧均敞口的十字型卡槽，十字型卡槽的四侧口分别与桶体的四侧板一一正对应；四块分隔板均沿下固定座的径向竖直设置，四块分隔板的外侧边分别与桶体的四侧板内壁中部一一对应接触，四块分隔板的下侧边内侧部分别对应卡接在下固定座的十字型卡槽中，四块分隔板的上侧边内侧部分别对应卡接在上固定座的十字型卡槽中， 四块分隔板将桶体内部空腔分隔为四个垃圾分类腔
。4.
根据权利要求3所述的基于深度学习的垃圾自分类方法，其特征在于：垃圾自动转运装置包括旋转舵机
、
转盘
、
托盘
、
翻转舵机和红外对射传感器，转盘转动设置在上固定座正上方，旋转舵机固定安装在转盘的顶部中心，旋转舵机的动力轴竖向设置，旋转舵机的动力轴下端穿过转盘中心并固定连接在上固定座的顶部中心，转盘的外圆左侧和右侧均一体成型有沿转盘的径向水平设置的长支板，两块长支板径向对称设置，左侧的长支板的上侧面左侧部和右侧的长支板的上侧面右侧部均一体成型有第一连接耳板，托盘上大下小且与垃圾收纳口上下对应，托盘水平设置在旋转舵机的正上方，托盘的底部左右两侧均固定设置有第二连接耳板，两块第二连接耳板的下侧部分别通过一根沿左右方向水平设置的转轴转动在相应两块第一连接耳板上，左侧的第二连接耳板位于左侧的第一连接耳板右侧，翻转舵机固定安装在左侧的长支板的上侧面右侧部，翻转舵机的动力轴左端固定连接在左侧的第二连接耳板右侧面上并与左侧的转轴同轴设置，红外对射传感器的发射端设置在托盘的左侧内壁或右侧内壁上，红外对射传感器的接收端设置在托盘的左侧内壁或右侧内壁上，蓄电池组分别与旋转舵机和翻转舵机电性连接，控制器分别与旋转舵机
、
翻转舵机和红外
对...

【专利技术属性】
技术研发人员：杨赛东，刘德波，吴群雄，陈帮军，张涛，
申请(专利权)人：黄河科技学院，
类型：发明
国别省市：