垃圾中转站分类计量系统及方法

技术领域

本发明涉及一种垃圾中转站分类计量系统及方法。

背景技术

目前垃圾中转站主要依赖压缩箱体或槽罐箱体产品自身带有的重量计算、体积计算部件，如果在箱体没有计量功能时，依靠箱体转运到垃圾处理厂后，垃圾处理厂告知的重量数据，这种方式一方面数据不全，无法知道分类垃圾的来源，另外重量和体积数据也不准确，特别是垃圾压缩箱的体积是压缩后的，压缩前的体积无法得知。

目前垃圾中转站的计量方式主要有几种，一种是依赖于箱体的计重功能、一种是依赖处理厂最后的过重回报、还有就是使用普通的计重设备加以手工登记，无论使用那种方式，均有数据不全的问题，既无法在同一个作业动作上，完成分类垃圾桶的类型识别、垃圾桶来源识别、重量计算、垃圾体积计算、分类质量评估。

另外专利号为“202122670180.2”，专利名称为“垃圾智能称重计量管理系统”，公开了通过射频技术对垃圾桶的来源进行识别，并通过称重平台对垃圾桶进行称重，还是无法做到对垃圾体积计算以及对垃圾的分类质量进行评估。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供了一种采用物联网设备部件，集成后实现一个能同时对分类垃圾桶称重、垃圾体积计算、来源登记、质量评估，减少环卫作业人员的计量工作难度的垃圾中转站分类计量系统及方法。

本发明所采用的技术方案是：垃圾中转站分类计量系统，包括称重设备，所述称重设备上放置有垃圾桶，所述垃圾桶的侧壁设置有射频识别标签，所述称重设备的一侧设置有立杆，所述立杆上设置有与所述射频识别标签处于同一水平面的射频识别读取器，所述立杆顶部设置有支架，所述支架上设置有位于所述垃圾桶正上方的图像采集设备，所述图像采集设备用于拍摄所述垃圾桶内的垃圾类型，所述立杆上还设置有控制主板和触摸控制屏，所述称重设备、所述射频识别读取器、所述图像采集设备和所述触摸控制屏均与所述控制主板电性连接。

进一步的，所述垃圾桶为纯色垃圾桶，且所述垃圾桶呈上宽下窄的梯形垃圾桶，所述图像采集设备用于拍摄所述垃圾桶的桶顶边和垃圾面的平面距离，从而计算出垃圾桶内的垃圾体积。

进一步的，所述控制主板具有数据处理能力和数据存储能力，且安装Linux操作系统，所述控制主板包括电路板和集成在电路板上的处理器、内存、存储卡、若干个数据连接端口、通讯模块和显示屏连接端口，所述内存中存储有垃圾异常码库。

进一步的，所述立杆上还设置有4G信号增强天线，所述4G信号增强天线与后台的服务器信号连接，所述服务器可采用云平台，所述4G信号增强天线包括外壳，所述外壳是采用镀锌板或不锈钢材料制成，所述外壳内部设置有4G模块，所述外壳的外部设置有天线，所述4G模块通过数据线与天线电性连接。

进一步的，所述称重设备为地磅，所述地磅的磅面与所述地面平行，所述磅面上设置有与垃圾桶底部相适配的定位导向框板。

进一步的，所述射频识别标签外部设置有塑封保护层。

更进一步的，本实用还包括一种垃圾中转站分类计量方法，它包括以下步骤：

S1.垃圾桶拖动到称重设备上后，称重设备开始上报实时的重量给到控制主板，控制主板获得重量后，先进行记录，循环上报的时间为0.5秒，如果在3秒内重量没有变化，则视为垃圾桶已经放置平稳，以该重量为准，控制主板启动射频识别读取器，进入下一个工作环节；

S2.射频识别读取器获取垃圾桶的射频识别标签唯一码，如果获取不到编码，则视为放置物为非提前登记的垃圾桶或非垃圾桶物件，程序予以提示；如果成功获取到标签编码，则进入下一个工作环节；

S3.所述图像采集设备对垃圾桶进行拍照，当控制主板收集到拍照的图片后，对图片进行垃圾的体积评估分析和垃圾分类质量评估；

S4.控制主板收集完一次作业的重量、识别标签码、图像照片后，先存储到控制主板中的存储卡内，然后再异步上传数据给服务器；

S5.数据到达服务器后，对数据进行存入数据库处理，在数据积攒到一定数量后，系统即可对数据进行分析，获得如下结果：

A.控制主板上传数据能反应出各个垃圾源点产生的垃圾体积、重量和垃圾桶的配比数量，针对设定所有的垃圾源的满载预警值，如果发现某个垃圾源持续超出警戒值，说明垃圾桶的配比不足，需要增设垃圾桶；

B.控制主板上传数据能反应出各个垃圾源点产生的垃圾分类质量，在一定时长内分类评估值低的源头，或者非其它垃圾占比异常的，管理单位可以依据该数据执行整改措施，政府在落实垃圾分类工作中，每段时间都需要对垃圾分类源和管理单位进行考核，该数据有效帮助管理单位落实垃圾分类指标要求；

C.通过垃圾的体积和重量识别，能及时了解垃圾中转站每天的转运能力，从而可以合理的规划建设中转站、合理配备不同垃圾类型的清运箱体数量、合理安排垃圾清运班次、环卫工人上班时间；

D.系统收集到的重量汇总数据，可以与垃圾处理厂过磅的重量进行比对，作为垃圾处理的费用计算依据，使政府支付的处理费用更加准确明了。

进一步的，所述垃圾的体积评估分析具体分析步骤为：由于垃圾桶是一个梯形结构，上宽下窄，由俯视垃圾桶中看出，桶底和桶面在俯视状态下会有一个距离，这里称“满距”；垃圾面和桶顶部边线也会有一个距离，由于垃圾桶是纯色的，通过颜色边缘算法可以得到垃圾的边界线，由于垃圾的不规则，为了确保测量的准确性，建立若干个采集距离点，然后求平均值作为计算的“空距”，并由空距转化成体积显示于触控屏，采用的公式为“空距除以满距在乘以垃圾桶的体积规格等于测量垃圾体积”。

进一步的，所述垃圾分类质量评估的评估步骤为根据识别的标签，可以区分出垃圾桶的类型，根据不同的类型，调用不同的异常物特征码库对图片进行识别，最后根据异常码库匹配到的物件数量，生成分类质量的评估值；且为了提高识别效率，异常码库存放在控制主板的内存中，由控制主板通过边缘计算的方式进行本地匹配运算，提高效率，也能将分析处理压力分摊到每台系统中，减缓服务器的运行压力。

本发明的有益效果是：1.独立于中转站的现有设备，比起原有的压缩箱重量自测或人工作业方案，更加容易应用到实际的使用场景之中，只需要通过简单的安装即可投入使用；2.本系统的结构清晰简单，各部件联动又相互较为独立，在发生故障或硬件损耗时能容易地进行维修更换，基本可以在一个工作日内完成，而传统的通过压缩箱感应重量的方式，一般需要一个月的维修周期；3.本装置只需环卫工人进行简单的垃圾桶拖动，放置，拖离操作，无需其它专业的使用技巧，能简化原来的手动作业流程；4.建立了一个更便捷的中转站计量方式，提高了中转站计量作业的普及率，以此形成了垃圾分类的数据体系，数据体系包括以下：a.能准确知道四分类垃圾每天的占比情况，为调配清运资源提供更准确的数据依据；b.能更加准确了解垃圾分类工作的落实情况，对于分类质量差的来源可以更好地进行宣传引导，推进工作进行。且能准确了解垃圾的来源分布，为以后在投入中转站建设、暂存点建设、垃圾桶投放提供数据依据。

附图说明

图1是垃圾中转站分类计量系统的结构示意图；

图2是控制主板接口说明图；

图3是垃圾中转站分类计量方法的运行流程图；

图4是垃圾体积分析原理图；

图5是垃圾分类质量评估算法流程图。

具体实施方式

如图1所示，在本实施例中，本发明包括垃圾中转站分类计量系统及方法，垃圾中转站分类计量系统包括称重设备1，所述称重设备1上放置有垃圾桶2，所述垃圾桶2的侧壁设置有射频识别标签3，射频识别标签3又称RFID标签，是一种较为通用的识别技术，能提供远距离的数据被读写功能，标签无需电源，采用线圈供电，在射频识别标签3对外使用之前，都会对射频识别标签3进行统一编码，编码统一管理不会重复，从而确保溯源准确性，；另外基于垃圾桶2的使用环境较为恶劣，射频识别标签3的外层设置有塑封保护层，塑封的规格应达到七级防水及WF2防腐标准，所述称重设备1的一侧设置有立杆4，所述立杆4上设置有与所述射频识别标签3处于同一水平面的射频识别读取器5，射频识别读取器5是一种较为通用的识别技术，通过射频识别读取器5发送磁波触发线圈产生电流，从而驱动射频识别标签3工作，并接手射频识别标签3返回的唯一识别码，所述立杆4顶部设置有支架6，所述支架6上设置有位于所述垃圾桶2正上方的图像采集设备7，所述图像采集设备7用于拍摄所述垃圾桶2内的垃圾类型，所述立杆4上还设置有控制主板8和触摸控制屏9，所述称重设备1、所述射频识别读取器5、所述图像采集设备7和所述触摸控制屏9均与所述控制主板8电性连接，所述触摸控制屏9为电容触控屏幕，用于在控制主板8获取到业务数值后，业务数值包括重量、体积、标签来源、分类评估指标等，并将业务数值显示出来，并在业务过程中给予操作提示。

图像采集设备7为了确保分析原始图像文件的准确性，所述图像采集设备7需要使用1080P清晰度标准的摄像头，并且具备自动对焦功能的图像采集设备，图像采集设备7与控制主板8连接，能收取抓拍指令型号进行图片抓拍，并且将抓拍的图片传输给控制主板8。

如图2所示，在本实施例中，所述垃圾桶2为纯色垃圾桶，且所述垃圾桶2呈上宽下窄、开口逐渐减小的梯形垃圾桶，所述图像采集设备7用于拍摄所述垃圾桶2的桶顶边和垃圾面的平面距离，从而计算出垃圾桶2内的垃圾体积。

在本实施例中，所述控制主板8具有数据处理能力和数据存储能力，且安装Linux操作系统，器语言环境采用Python，所述控制主板8包括电路板和集成在电路板上的处理器、内存、存储卡、三个数据连接端口、通讯模块和显示屏连接端口，所述内存中存储有垃圾异常码库；所述处理器采用5GHz双核ARMCortex-A72，所述内存采用4GBLPDDR4，所述存储卡采用32GBSD卡，所述数据连接端口USB2.0端口，用于连接射频识别读取器5、图像采集设备7、称重设备1，所述通讯模块采用4G移动通信网络模组，使其能插入运营商的sim卡，所述显示屏连接端口采用DSI显示器接口，用于与触摸控制屏9电性连接。

在本实施例中，所述立杆4上还设置有与4G移动通信网络模组电性连接的4G信号增强天线10，所述4G信号增强天线10与后台的服务器信号连接，所述服务器可采用云平台，此设计可以通过控制主板8获得准确且实时的数据，并将数据上传到服务器，最终通过服务器的数据存储、分析、展示功能，提供完整的数据可视化界面；所述4G信号增强天线包括外壳，所述外壳是采用镀锌板或不锈钢材料制成，该材料属于会屏蔽4G信号的介质，使4G信号无法进入所述外壳内部，所述外壳内部设置有4G模块，所述外壳的外部设置有天线，所述4G模块通过数据线与天线电性连接，从而提升系统整体的信号稳定性。

在本实施例中，所述称重设备1为地磅，主要用于采集放置物的重量信息，体积根据垃圾桶的大小进行设置，安装方式建议采用埋地的方式，磅面和地面平行，便于垃圾桶2拖动到称重设备1上完成作业后拖离，如果现场条件不足，需要在称重设备1前端做一个导坡结构，便于拖动垃圾桶2，称重设备1的最大称重大于200公斤，满足垃圾桶2满桶时的称重需求，另外所述磅面上设置有与垃圾桶2底部相适配的定位导向框板，方便垃圾桶2的移动定位，方便图像采集设备7更精准的拍摄垃圾桶2。

如图3所示，在本实施例中，一种垃圾中转站分类计量方法，它包括以下步骤：

S1.垃圾桶2拖动到称重设备1上后，称重设备1开始上报实时的重量给到控制主板8，控制主板8获得重量后，先进行记录，循环上报的时间为0.5秒，如果在3秒内重量没有变化，相当于收到6次一样重量数据，则视为垃圾桶2已经放置平稳，以该重量为准，控制主板8启动射频识别读取器5，进入下一个工作环节；

S2.射频识别读取器5获取垃圾桶2的射频识别标签3唯一码，如果获取不到编码，则视为放置物为非提前登记的垃圾桶2或非垃圾桶2物件，程序予以提示，该提示可以通过触摸控制屏9显示称重异常，未获取到正确的垃圾桶2编号；如果成功获取到标签编码，则进入下一个工作环节；

S3.所述图像采集设备7对垃圾桶2进行拍照，当控制主板8收集到拍照的图片后，对图片进行垃圾的体积评估分析和垃圾分类质量评估；

S4.控制主板8收集完一次作业的重量、识别标签码、图像照片后，先存储到控制主板8中的存储卡内，然后再异步上传数据给服务器，考虑到可能有网络不稳定的情况，数据需要多次上传，直到上传成功之后，再将暂存数据删除；

S5.数据到达服务器后，对数据进行存入数据库处理，在数据积攒到一定数量后，一般需要一个月以上的数据累计时长，系统即可对数据进行分析，获得如下结果：

A.控制主板8上传数据能反应出各个垃圾源点产生的垃圾体积、重量和垃圾桶2的配比数量，针对设定所有的垃圾源的满载预警值，所述满载预警值设定为，如果发现某个垃圾源持续超出警戒值，说明垃圾桶2的配比不足，需要增设垃圾桶2；

B.控制主板8上传数据能反应出各个垃圾源点产生的垃圾分类质量，在一定时长内分类评估值低的源头，或者非其它垃圾占比异常的，管理单位可以依据该数据执行整改措施，政府在落实垃圾分类工作中，每段时间都需要对垃圾分类源和管理单位进行考核，该数据有效帮助管理单位落实垃圾分类指标要求；

C.通过垃圾的体积和重量识别，能及时了解垃圾中转站每天的转运能力，从而可以合理的规划建设中转站、合理配备不同垃圾类型的清运箱体数量、合理安排垃圾清运班次、环卫工人上班时间；

D.系统收集到的重量汇总数据，可以与垃圾处理厂过磅的重量进行比对，作为垃圾处理的费用计算依据，使政府支付的处理费用更加准确明了。

在本实施例中，根所述垃圾的体积评估分析具体分析步骤为：由于垃圾桶2是一个梯形结构，上宽下窄，俯视图垃圾桶2可以看出，桶底和桶面在俯视状态下会有一个距离，这里称“满距”；垃圾面和桶顶部边线也会有一个距离，由于垃圾桶2是纯色的，通过颜色边缘算法可以得到垃圾的边界线，由于垃圾的不规则，为了确保测量的准确性，建立四个采集距离点，分别为垃圾平面与垃圾桶2四周之间的间距，如图4所示中的A、B、C、D，然后求平均值作为计算的“空距”，并由空距转化成体积显示于触控屏，采用的公式为“空距除以满距在乘以垃圾桶2的体积规格等于测量垃圾体积”，一般采用的垃圾体积为120升。

如图5所示，在本实施例中，所述垃圾分类质量评估的评估步骤为根据识别的标签，可以区分出垃圾桶2的类型，根据不同的类型，调用不同的异常物特征码库对图片进行识别，最后根据异常码库匹配到的物件数量，生成分类质量的评估值；且为了提高识别效率，异常码库存放在控制主板8的内存中，由控制主板8通过边缘计算的方式进行本地匹配运算，提高效率，也能将分析处理压力分摊到每台系统中，减缓服务器的运行压力。异常物特征码库定时与服务器的最新特征码库进行同步，服务器的特征码库会根据使用场景中上传的图片进行图像识别训练，不断完善特征码，使其评估能力准确率越来越高。垃圾分类识别的准确率取决于特征库的建立完善度，系统采用人工标注、机器学习的方式不断对特征码库进行补充，以达到提高识别率的效果。系统在持续运行过程中，设备会将每次称重作业的识别图片上传到服务器，系统能收集到大量的识别样本，工作人员对样本识别，并对识别结果进行特征标注，比如果皮、所料带、玻璃瓶等，同时也对误识别的结果进行修正，经过大量样本的标注学习工作，最终得出一个更加精准的特征码库。特征码库在系统非作业时间进行后台更新，确保系统的识别能力。

本发明应用于垃圾中转站的技术领域。

虽然本发明的实施例是以实际方案来描述的，但是并不构成对本发明含义的限制，对于本领域的技术人员，根据本说明书对其实施方案的修改及与其他方案的组合都是显而易见的。