【技术实现步骤摘要】
本专利技术属于智能识别，具体涉及一种垃圾品类抓取分类识别方法及系统。
技术介绍
1、传统的分类抓取方式一般利用机械分选技术对垃圾进行分类，通过机器视觉技术将塑料和其他材料的垃圾分类，根据不同垃圾的物理性质分类然后使用统一的机械臂进行抓取，现有的这种分类识别技术在对垃圾进行分类的过程中，往往存在分类准确性不高、效率低下的问题，具体表现为在分类过程中依然存在许多无法分类识别或者分类识别错误的现象,进而降低复杂垃圾种类的识别能力并导致分类结果不理想。其中塑料类垃圾识别分类存在着对应的技术挑战，具体体现在一些深色塑料垃圾进行机器视觉分析技术存在着局限性，部分深色塑料垃圾含有更多的染色剂、添加剂等化学成分，例如常见包括苯胺类染料或者邻苯二甲酸酯材料，容易在自然环境下或者处理不当时形成环境污染，而对于机器视觉分析技术而言深色塑料吸收大部分亮度信息，使得普通亮度信息不足以支撑塑料垃圾分类模型的准确判断，从而在分类的过程中将有害的深色塑料垃圾错误分类到无害垃圾类中，进而引发垃圾品类抓取分类识别结果不准确的风险，对深色塑料垃圾的回收利用、科学处置或者循环使用都形成相当不利的条件，因此需要就如何提高识别深色塑料的技术问题实施补偿性调控方法。
技术实现思路
1、本专利技术的目的在于提出一种垃圾品类抓取分类识别方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
2、为了实现上述目的，根据本专利技术的一方面，提供一种垃圾品类抓取分类识别方法，所述方法包括以
3、s100，初始化品类光谱识别场景；
4、s200，从品类光谱识别场景中为垃圾池划分识别域，并形成各个识别域的信源域征组；
5、s300，根据信源域征组构建识别类异阶分析模型并计算获得域征偏离度；
6、s400，利用域征偏离度对垃圾池中的垃圾进行分类识别。
7、其中在步骤s300中，根据信源域征组构建识别类异阶分析模型并计算获得域征偏离度的方法是：从信源域征组提取反射率均差和谱量水平，将各个识别域的谱量水平进行横向对比筛选出强谱识别域和冗态识别域，通过强谱识别域和冗态识别域的位置关系计算冗态距离；通过冗态距离与反射率均差计算获得域态距离，根据域态距离标记父映向域并划分子映向区间，通过子映向区间获得子映向域，根据子映向域和冗态距离为当前识别域计算域征偏离度；
8、或者在步骤s300中，根据信源域征组构建识别类异阶分析模型并计算获得域征偏离度的方法是：对各个信源域征组进行异常点检测形成原簇，根据原簇中谱量水平计算谱量溢出阈值；根据谱量溢出阈值筛选衍识别域，并获得衍识别域的衍距离，通过衍距离计算衍距离均度；根据衍距离均度以及衍距离计算衍识别域的衍性模态；根据衍识别域及其衍性模态计算反衍模态，根据反衍模态获取反衍上限和反衍下限，反衍上限和反衍下限对反衍模态进行数值约束，通过数值约束修正反衍模态，根据修正后的反衍模态以及谱量水平计算子识别域的域征偏离度。
9、进一步地，在步骤s100中，所述初始化品类光谱识别场景的方法是：品类光谱识别场景中包括垃圾池、卤素灯、光谱相机、以及工业相机；通过卤素灯为垃圾提供恒定光源；利用光谱相机采集光谱信息，其中光谱相机为高光谱相机或者多光谱相机中的任一种；工业相机为基于ccd芯片的工业相机或者基于cmos芯片的工业相机中的任一种。
10、进一步地，在步骤s200中，所述从品类光谱识别场景中为垃圾池划分识别域，并形成各个识别域的信源域征组的方法是：对于一个垃圾池，利用工业相机获得该垃圾池的机器视觉图像，同时利用光谱相机获得垃圾池的高光谱图像；对获得的机器视觉图像进行锐化处理，通过分水岭算法或者canny边缘检测算法将机器视觉图像分割成若干个区域作为识别域；在高光谱图像的各像素点对应位置均采集在不同波长范围下的反射率和光谱数据；根据机器视觉图像划分的识别域，对于任一识别域，获取该识别域中相同波长范围下所有像素点的反射率中的最大值与最小值的差值作为反射率差度，将各个波长范围对应反射率差度的平均值记为反射率均差；对光谱数据进行波段选择，通过高斯滤波器对光谱数据进行影子去除，通过偏振滤波器或极化信息进行偏振特性提取，根据偏振特性剔除镜面反射区域；对剔除镜面反射区域后的光谱数据进行归一化处理，将归一化处理后得到的光谱数据记为光谱值，以识别域内各个像素对应光谱值的平均值记为谱量水平；将反射率均差和谱量水平写入该识别域的信源域征组。
11、各个识别域默认预设默认值为0的二元组作为信源域征组。
12、进一步地，当根据子映向域和冗态距离为当前识别域计算域征偏离度时，步骤s300具体为：
13、将各个识别域的谱量水平构成谱量水平序列，以谱量水平序列的上四分位数记为强谱量点hgp；当一个识别域的谱量水平大于等于强谱量点则将该识别域定义为强谱识别域，否则为冗态识别域；任一冗态识别域搜索距离其最近的强谱识别域，并将二者谱量水平的差值记为该冗态识别域的冗态距离，强谱识别域的冗态距离取值为零；
14、其中两个识别域之间的距离定义为二者所有像素中距离最远端的两个像素点之间的距离，且两个像素分别取自两个识别域；
15、将识别域的冗态距离与反射率均差构建成的二元组记为距离域态；以任一识别域作为当前识别域，为当前识别域计算域征偏离度：根据欧氏距离法计算当前识别域与其他识别域的距离域态之间的差异性并记为域态距离mods，将当前识别域获得的各个域态距离中拥有最小值对应的识别域记为当前识别域的父映向域；把当前识别域与父映向域的反射率均差作为子映向区间，若任一识别域的反射率均差在子映向区间内则定义该识别域为当前识别域的子映向域；根据子映向域和冗态距离为当前识别域计算域征偏离度zsdv：
16、；
17、其中j1为累加变量，nhg为子映向域的数量，cld为当前识别域的冗态距离,splvj1和rz.redsj1为第j1个子映向域的谱量水平和子映向权重，modsj1为第j1个子映向域与当前识别域的域态距离；第j1个子映向域的子映向权重计算方法如下，
18、；
19、式子中α是取值为实数的约束系数，redsf和reds0分别代表当前识别域及其父映向域的反射率均差，redsj1为第j1个子映向域的反射率均差。
20、由于上述计算域征偏离度的方法是基于反射率均差和谱量水平进行计算，可以有效量化不同颜色的塑料垃圾对不同波长光的反射率的波动性以及含有有害物质的深色塑料垃圾对波长范围的一致性，但这种运算方式对谱量水平数值较大的区域识别灵敏性不足，尤其是当图像分割后子区域面积较小的情况，对识别域量化的精准度会有所下滑；进而使得为各个识别域进行量化的数值产生一定模糊反应，然而现有技术无法解决这种部分区域导致量化不足导致的整体精准度出现模糊的问题，为了使域征偏离度的计算更加可靠，对图像分割技术的使适用性更强，所以本专利技术提出了一个更优选的方案。
21、优选地，本文档来自技高网...
【技术保护点】
1.一种垃圾品类抓取分类识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种垃圾品类抓取分类识别方法，其特征在于，在步骤S100中，所述初始化品类光谱识别场景的方法是：品类光谱识别场景中包括垃圾池、卤素灯、光谱相机、以及工业相机；通过卤素灯为垃圾提供恒定光源；利用光谱相机采集光谱信息，其中光谱相机为高光谱相机或者多光谱相机中的任一种；工业相机为基于CCD芯片的工业相机或者基于CMOS芯片的工业相机中的任一种。
3.根据权利要求2所述的一种垃圾品类抓取分类识别方法，其特征在于，在步骤S200中，所述从品类光谱识别场景中为垃圾池划分识别域，并形成各个识别域的信源域征组的方法是：对于一个垃圾池，利用工业相机获得该垃圾池的机器视觉图像，同时利用光谱相机获得垃圾池的高光谱图像；对获得的机器视觉图像进行锐化处理，通过分水岭算法或者Canny边缘检测算法将机器视觉图像分割成若干个区域作为识别域；在高光谱图像的各像素点对应位置均采集在不同波长范围下的反射率和光谱数据；根据机器视觉图像划分的识别域，对于任一识别域，获取该识别域中相同波长范围下所有像素点
4.根据权利要求1所述的一种垃圾品类抓取分类识别方法，其特征在于，当根据子映向域和冗态距离为当前识别域计算域征偏离度时，步骤S300具体为：将各个识别域的谱量水平构成谱量水平序列，以谱量水平序列的上四分位数记为强谱量点HGP；当一个识别域的谱量水平大于等于强谱量点则将该识别域定义为强谱识别域，否则为冗态识别域；任一冗态识别域搜索距离其最近的强谱识别域，并将二者谱量水平的差值记为该冗态识别域的冗态距离，强谱识别域的冗态距离取值为零；
5.根据权利要求1所述的一种垃圾品类抓取分类识别方法，其特征在于，当根据修正后的反衍模态以及谱量水平计算子识别域的域征偏离度时，步骤S300具体为：通过DBSCAN聚类算法对各个识别域的信源域征组进行异常点检测，异常点检测过程形成若干个簇，其中异常点的识别率设定为5%-15%；各个簇中包含元素数量最少的簇记为原簇，获取原簇中各个元素的谱量水平，以获得的各个谱量水平中的最大值与最小值的比值作为谱量溢出阈值；
6.据权利要求1所述的一种垃圾品类抓取分类识别方法，其特征在于，在步骤S400中，所述利用域征偏离度对垃圾池中的垃圾进行分类识别的方法是：任一识别域均获得一个域征偏离度，记所有识别域的域征偏离度的最大值、最小值以及平均值分别为第一域征偏离度FCSL、第二域征偏离度SCSL和第三域征偏离度TSCL，计算获得识别阈值CCNB，；对于任一识别域，当该识别域的域征偏离度小于识别阈值，则将该识别域中的垃圾标记为深色垃圾。
7.一种垃圾品类抓取分类识别系统，其特征在于，所述一种垃圾品类抓取分类识别系统包括：处理器、存储器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权利要求1-6中任一项所述的一种垃圾品类抓取分类识别方法中的步骤。
...【技术特征摘要】
1.一种垃圾品类抓取分类识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种垃圾品类抓取分类识别方法，其特征在于，在步骤s100中，所述初始化品类光谱识别场景的方法是：品类光谱识别场景中包括垃圾池、卤素灯、光谱相机、以及工业相机；通过卤素灯为垃圾提供恒定光源；利用光谱相机采集光谱信息，其中光谱相机为高光谱相机或者多光谱相机中的任一种；工业相机为基于ccd芯片的工业相机或者基于cmos芯片的工业相机中的任一种。
3.根据权利要求2所述的一种垃圾品类抓取分类识别方法，其特征在于，在步骤s200中，所述从品类光谱识别场景中为垃圾池划分识别域，并形成各个识别域的信源域征组的方法是：对于一个垃圾池，利用工业相机获得该垃圾池的机器视觉图像，同时利用光谱相机获得垃圾池的高光谱图像；对获得的机器视觉图像进行锐化处理，通过分水岭算法或者canny边缘检测算法将机器视觉图像分割成若干个区域作为识别域；在高光谱图像的各像素点对应位置均采集在不同波长范围下的反射率和光谱数据；根据机器视觉图像划分的识别域，对于任一识别域，获取该识别域中相同波长范围下所有像素点的反射率中的最大值与最小值的差值作为反射率差度，将各个波长范围对应反射率差度的平均值记为反射率均差；对光谱数据进行波段选择，通过高斯滤波器对光谱数据进行影子去除，通过偏振滤波器或极化信息进行偏振特性提取，根据偏振特性剔除镜面反射区域，将镜面反射区域从高光谱图像和视觉图像中的数据进行消除；对剔除镜面反射区域后的光谱数据进行归一化处理，将归一化处理后得到的光谱数据记为光谱值，以识别域内各个像素对应光谱值的平均值记为谱量水平；将反射率均差和谱量水平写入该识别域的信源域征组。
4.根据权利要求1所述的一种垃圾品类...
【专利技术属性】
技术研发人员：付小平，钟学笔，张彩艳，胡斌，
申请(专利权)人：佛山市绿能环保有限公司，
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。