System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能识别领域,且更为具体地,涉及一种基于智能识别的垃圾分类回收管理系统及方法。
技术介绍
1、传统的垃圾分类方式通常需要人工参与,例如通过居民手动将垃圾分类放置在不同的垃圾桶中,或是通过垃圾收集员在回收过程中进行分类。然而,由于人力资源的有限性和人为因素的干扰,传统的垃圾分类方式存在一些问题。例如,由于垃圾产生量大且分散,这需要大量的人力和时间来进行分类和回收,人工分类的方式不仅费时费力,效率低下,还容易出现疏漏和主观误差,导致垃圾分类的准确性下降。此外,由于垃圾种类繁多,有些垃圾具有相似的外观或特征,很容易被误分类,这不仅会导致垃圾的混淆,还会影响垃圾的回收和资源利用效率。
2、因此,期望一种基于智能识别的垃圾分类回收管理系统。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于智能识别的垃圾分类回收管理系统及方法,其通过在垃圾投放端设有智能垃圾箱,其能够通过部署于智能垃圾箱的摄像头采集待识别垃圾图像,并在后端引入图像处理和分析算法来进行该待识别垃圾图像的分析和检测,以此来识别出待识别垃圾的类型。这样,能够实现自动化地垃圾识别和分类,从而提高垃圾分类的准确性和效率,为垃圾的回收管理提供更准确的数据支持,从而促进资源的有效利用和环境的保护。
2、根据本申请的一个方面,提供了一种基于智能识别的垃圾分类回收管理方法,其包括:
3、获取由摄像头采集的待识别垃圾图像;
4、通过基于深度神经网络模型的垃
5、对所述垃圾检测特征图进行空间特征自强化处理以得到空间自强化垃圾检测特征图;
6、对所述空间自强化垃圾检测特征图进行垃圾局部信息特征加强分析以得到局部显化垃圾检测特征;
7、基于所述局部显化垃圾检测特征,确定待识别垃圾的类别标签。
8、根据本申请的另一个方面,提供了一种基于智能识别的垃圾分类回收管理系统,其包括:
9、图像采集模块,用于获取由摄像头采集的待识别垃圾图像;
10、图像特征提取模块,用于通过基于深度神经网络模型的垃圾图像特征提取器对所述待识别垃圾图像进行特征提取以得到垃圾检测特征图;
11、空间特征自强化模块,用于对所述垃圾检测特征图进行空间特征自强化处理以得到空间自强化垃圾检测特征图;
12、垃圾局部信息特征加强分析模块,用于对所述空间自强化垃圾检测特征图进行垃圾局部信息特征加强分析以得到局部显化垃圾检测特征;
13、标签生成模块,用于基于所述局部显化垃圾检测特征,确定待识别垃圾的类别标签。
14、与现有技术相比,本申请提供的一种基于智能识别的垃圾分类回收管理系统及方法,其通过在垃圾投放端设有智能垃圾箱,其能够通过部署于智能垃圾箱的摄像头采集待识别垃圾图像,并在后端引入图像处理和分析算法来进行该待识别垃圾图像的分析和检测,以此来识别出待识别垃圾的类型。这样,能够实现自动化地垃圾识别和分类,从而提高垃圾分类的准确性和效率,为垃圾的回收管理提供更准确的数据支持,从而促进资源的有效利用和环境的保护。
本文档来自技高网...【技术保护点】
1.一种基于智能识别的垃圾分类回收管理方法,其特征在于,包括:
2.根据权利要求1所述的基于智能识别的垃圾分类回收管理方法,其特征在于,所述深度神经网络模型为卷积神经网络模型。
3.根据权利要求2所述的基于智能识别的垃圾分类回收管理方法,其特征在于,对所述垃圾检测特征图进行空间特征自强化处理以得到空间自强化垃圾检测特征图,包括:将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图。
4.根据权利要求3所述的基于智能识别的垃圾分类回收管理方法,其特征在于,将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图,包括:以如下自注意力强化公式将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图;
5.根据权利要求4所述的基于智能识别的垃圾分类回收管理方法,其特征在于,对所述空间自强化垃圾检测特征图进行垃圾局部信息特征加强分析以得到局部显化垃圾检测特征,包括:将所述空间自强化垃圾检测特征图通过垃圾局部信息特征加强模块以得到局部显化垃圾检测特征图作为所述局部显化垃圾检
6.根据权利要求5所述的基于智能识别的垃圾分类回收管理方法,其特征在于,将所述空间自强化垃圾检测特征图通过垃圾局部信息特征加强模块以得到局部显化垃圾检测特征图作为所述局部显化垃圾检测特征,包括:将所述空间自强化垃圾检测特征图通过垃圾局部信息特征加强模块中使用如下局部显化公式进行处理以得到所述局部显化垃圾检测特征图;
7.根据权利要求6所述的基于智能识别的垃圾分类回收管理方法,其特征在于,基于所述局部显化垃圾检测特征,确定待识别垃圾的类别标签,包括:
8.根据权利要求7所述的基于智能识别的垃圾分类回收管理方法,其特征在于,对所述局部显化垃圾检测特征图进行特征分布优化以得到优化局部显化垃圾检测特征图,包括:
9.根据权利要求8所述的基于智能识别的垃圾分类回收管理方法,其特征在于,将所述优化局部显化垃圾检测特征图通过分类器以得到分类结果,所述分类结果用于表示待识别垃圾的类别标签,包括:
10.一种基于智能识别的垃圾分类回收管理系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于智能识别的垃圾分类回收管理方法,其特征在于,包括:
2.根据权利要求1所述的基于智能识别的垃圾分类回收管理方法,其特征在于,所述深度神经网络模型为卷积神经网络模型。
3.根据权利要求2所述的基于智能识别的垃圾分类回收管理方法,其特征在于,对所述垃圾检测特征图进行空间特征自强化处理以得到空间自强化垃圾检测特征图,包括:将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图。
4.根据权利要求3所述的基于智能识别的垃圾分类回收管理方法,其特征在于,将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图,包括:以如下自注意力强化公式将所述垃圾检测特征图通过空间自注意力强化模块以得到所述空间自强化垃圾检测特征图;
5.根据权利要求4所述的基于智能识别的垃圾分类回收管理方法,其特征在于,对所述空间自强化垃圾检测特征图进行垃圾局部信息特征加强分析以得到局部显化垃圾检测特征,包括:将所述空间自强化垃圾检测特征图通过垃圾局部信息特征加强模块以得到局部显化垃...
【专利技术属性】
技术研发人员:黄雅文,江维,李小奔,邱睿,周丽彬,
申请(专利权)人:浙江七巧连云生物传感技术股份有限公司,
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。