一种智能识别垃圾桶及其智能识别方法
文献发布时间:2023-06-19 13:30:50
技术领域:
本发明涉及垃圾投放领域,具体而言是一种智能识别垃圾桶及其智能识别方法。
背景技术:
随着社会的发展,和工业化进程,社会物质得到极大丰富,同时产生了种类繁多的垃圾;为了更好的保护环境,达到可持续发展的,国家乃至世界范围内都在大力推进垃圾分类;但依赖于个人去分类垃圾,受限于人们的素质、教育程度、个人习惯等因素的影响,垃圾分类的推进程度相对较慢,且并不是一帆风顺。特别是在家庭生活、办公、公共场所,只有最基础的不同种类的垃圾桶,需要依靠人为去选择投放到对应垃圾桶,并且投放时完全依赖个人行为,被动分类垃圾,基本没有达到垃圾分类的目的。
发明内容:
本发明所技术问题是,提供一种可真正达到自动化垃圾分类目的的智能识别垃圾桶,该智能识别垃圾桶可以解决靠人力去分类垃圾的过程,人们只需要丢垃圾,整个结构体系可以完成从感应、识别、分类、投放的后续过程,真正达到自动化垃圾分类的目的;从而极大的提高垃圾分类准确性,提高社会公共卫生和垃圾分类效率,真正达到在源头上达到垃圾分类的目标。
本发明的技术解决方案是,提供一种智能识别垃圾桶,包括垃圾桶本体,垃圾桶本体上设有垃圾投放区,垃圾投放区底部设有下料口,下料口封堵有可翻转的翻转板,翻转板由翻转电机驱动,垃圾投放区设有感应模块和视觉识别模块,垃圾桶本体中设有若干垃圾分类存放区,垃圾分类存放区与翻转板对应,还包括服务器,服务器与感应模块、视觉识别模块以及翻转电机无线连接。
作为优选的技术方案,垃圾桶本体顶部向下凹陷形成垃圾投放区,感应模块和视觉识别模块分别设置在垃圾投放区的侧壁上。
作为优选的技术方案,感应模块位于视觉识别模块下方设置。
作为优选的技术方案,感应模块为红外传感器或振动传感器,视觉识别模块为摄像头。
作为优选的技术方案,翻转板与下料口的轮廓和尺寸适配,翻转电机固定在垃圾桶本体内壁上,翻转电机的驱动轴插设于翻转板中,相对于插设有驱动轴的翻转板的相对侧连接有转动轴,转动轴转动连接于垃圾桶本体上,对应的,垃圾分类存放区为两个,分别位于驱动轴和转动轴连接线的两侧。
作为优选的技术方案,还包括电源模块,电源模块与翻转电机、感应模块以及视觉识别模块电连接。
本发明还提供一种智能识别垃圾桶的智能识别方法,包括以下步骤,
步骤一、数据收集处理阶段,首先收集拍摄的垃圾图片;并对垃圾图片进行人工筛选和标注,输出TXT格式的标注文件;然后将所形成的数据集按预定比例分为训练集、验证集和测试集;
步骤二、模型训练阶段,首先设置垃圾分类的种类;并设置模型参数,利用PyTorch搭建深度神经网络模型,并将通道注意力机制和空间注意力机制加入网络的特征提取部分,增强模型的特征提取能力,使之能够更好的利用垃圾图片特征,有助于提升模型的识别精度;然后基于深度神经网络模型,采用整理好的图像训练集和验证集对模型进行训练,直到模型的初步识别精度达到85%以上;
步骤三、利用训练好的模型进行垃圾分类阶段,服务器接收客户端请求,获取摄像头采集的垃圾图片;然后利用步骤二的深度学习模型对垃圾图片中的垃圾的类别进行识别,并按照识别结果将垃圾图片所对应的垃圾归类为可回收垃圾或不可回收垃圾;然后将垃圾图片和对应的分类数据存入数据库;最后将垃圾类别信息返回给客户端,进行下一步处理。
作为优选的技术方案,还包括
步骤四、模型更新阶段,在实际使用过程中,当摄像头采集垃圾图片经服务器的深度学习模型识别后,存储垃圾图片和其所对应的种类到MySQL搭建的数据库中;当新增的垃圾图片采集到预定数量后,对增加的垃圾图片及深度学习模型的自动标注进行人工检验;并对新增垃圾图片进行数据增强,包括将新增垃圾图片随机旋转、改变图像颜色通道、调整图像亮度等操作,利用数据增强后的垃圾图片扩充数据集图像数量,有助于后续提升深度学习模型对不同角度垃圾及各种亮度条件下垃圾图片的识别能力,进一步提升深度学习模型的鲁棒性。
进一步的,步骤四中,还利用新增垃圾图片对深度学习模型进行微调,即在上一次模型训练的基础上,依据新数据集小幅度调整模型内的权值,使模型的识别精度提升至90%以上,并能够对更多物品进行有效、准确的识别。
采用以上方案后与现有技术相比,本发明具有以下优点:可以应对90%以上的生活垃圾投放分类情况,完成垃圾自动分类的目标,完成从垃圾感应——识别——分类——盛放的自动化过程,并且最大化减少人为因素,完成垃圾自动分类;减轻垃圾分类的后道工作,提高社会效率。
附图说明:
图1为本发明的智能垃圾桶的结构示意图。
图2为图1的A-A剖视图。
具体实施方式:
下面结合附图就具体实施方式对本发明作进一步说明:
如图1、2所示,一种智能识别垃圾桶,包括垃圾桶本体,垃圾桶本体上设有垃圾投放区3,垃圾投放区3底部设有下料口,下料口封堵有可翻转的翻转板4,翻转板4由翻转电机5驱动,垃圾投放区3设有感应模块(未示出)和视觉识别模块(未示出),垃圾桶本体中设有若干垃圾分类存放区,垃圾分类存放区与翻转板4对应,还包括服务器,服务器为远程服务器,服务器与感应模块、视觉识别模块以及翻转电机5无线连接。垃圾投放区可设置成桶盖1的一部分,而垃圾分类存放区设置成桶身2的一部分,桶盖1和桶身2以现有技术的连接方式如扣合、套接等进行连接。无线连接方式包括通信连接,如互联网、Wi-Fi网络、蜂窝网络,局域网(LAN)、广域网(WAN)等。并且,还包括电源模块,电源模块与翻转电机、感应模块以及视觉识别模块电连接,电源模块可选择电池型、插电、充电型或者是户外太阳能常规技术手段。当然,服务器具有存储功能和控制功能,控制功能可由常规的处理器来实现,处理器可包括一个或多个微处理器、微控制器、现场可编程门阵列(FPGA)、专用集成电路(ASIC),可编程逻辑器件(PLD)、可编程逻辑阵列(PLA)、可编程阵列逻辑器件(PAL)或数字信号处理器(DSP)等。
本实施例中,桶盖1的中间区域向下凹陷形成垃圾投放区3,感应模块和视觉识别模块分别固定在垃圾投放区的侧壁上,固定方式可采用粘接、热熔胶固定等方式实现。其中,感应模块为红外传感器或振动传感器,视觉识别模块为摄像头,并且,感应模块位于视觉识别模块下方设置。
翻转板4与下料口的轮廓以及尺寸适配,翻转电机5固定在桶盖1内壁上,翻转电机5的驱动轴插设于翻转板中,相对于插设有驱动轴的翻转板的相对侧连接有转动轴6,转动轴6转动连接于桶盖壁上,转动轴为销轴件,对应的,垃圾分类存放区为两个,即桶身内设置两个垃圾分类投放区,分别位于驱动轴和转动轴连接线的两侧,这样,通过翻转电机的正转和反转可实现两个不同垃圾分类投放区上方的翻转板向下倾斜,从而使位于翻转板上的垃圾进入到对应的垃圾分类投放区中,实现垃圾分类。本实施例的结构可适应可回收垃圾和不可回收垃圾的两种分类。
当然,也可以对翻转板的翻转方式进行调整,以适应更多种的垃圾分类,如采用翻转电机将盛放垃圾的翻转板,以三至四种角度倾斜:左上、左下、右上、右下,实现将垃圾分类到四个不同垃圾桶内。
本发明的智能垃圾桶,垃圾识别分类投放操作流程如下,感应垃圾投放→拍摄图片→图片传输到识别系统→识别系统识别分类→发送操作信号→垃圾桶接受信号→根据信号完成垃圾分类投放。具体的,
本发明的智能识别垃圾桶的智能识别方法,包括以下步骤,
步骤一、数据收集处理阶段,首先收集拍摄的垃圾图片;并对垃圾图片进行人工筛选和标注,输出TXT格式的标注文件;然后将所形成的数据集按预定比例分为训练集、验证集和测试集;
步骤二、模型训练阶段,首先设置垃圾分类的种类;并设置模型参数,利用PyTorch搭建深度神经网络模型,并将通道注意力机制和空间注意力机制加入网络的特征提取部分,增强模型的特征提取能力,使之能够更好的利用垃圾图片特征,有助于提升模型的识别精度;然后基于深度神经网络模型,采用整理好的图像训练集和验证集对模型进行训练,直到模型的初步识别精度达到85%以上;
步骤三、利用训练好的模型进行垃圾分类阶段,服务器接收客户端请求,获取摄像头采集的垃圾图片;然后利用步骤二的深度学习模型对垃圾图片中的垃圾的类别进行识别,并按照识别结果将垃圾图片所对应的垃圾归类为可回收垃圾或不可回收垃圾;然后将垃圾图片和对应的分类数据存入数据库;最后将垃圾类别信息返回给客户端,进行下一步处理。
进一步的,还包括
步骤四、模型更新阶段,在实际使用过程中,当摄像头采集垃圾图片经服务器的深度学习模型识别后,存储垃圾图片和其所对应的种类到MySQL搭建的数据库中;当新增的垃圾图片采集到预定数量后,对增加的垃圾图片及深度学习模型的自动标注进行人工检验;并对新增垃圾图片进行数据增强,包括将新增垃圾图片随机旋转、改变图像颜色通道、调整图像亮度等操作,利用数据增强后的垃圾图片扩充数据集图像数量,有助于后续提升深度学习模型对不同角度垃圾及各种亮度条件下垃圾图片的识别能力,进一步提升深度学习模型的鲁棒性。同时,还利用新增垃圾图片对深度学习模型进行微调,即在上一次模型训练的基础上,依据新数据集小幅度调整模型内的权值,使模型的识别精度提升至90%以上,并能够对更多物品进行有效、准确的识别。
通过上述改进,本发明可以应对90%以上的生活垃圾投放分类情况,完成垃圾自动分类的目标,完成从垃圾感应——识别——分类——盛放的自动化过程,并且最大化减少人为因素,完成垃圾自动分类;减轻垃圾分类的后道工作,提高社会效率,而且对于现有的垃圾桶只需要增加桶盖或进行适当改造就可以实际应用,成本较低;在源头完成分类,减轻垃圾分类的后道工作,提高社会效率。
以上仅就本发明较佳的实施例作了说明,但不能理解为是对权利要求的限制。凡是利用本发明说明书所做的等效结构或等效流程变换,均包括在本发明的专利保护范围之内。
- 一种智能识别垃圾桶及其智能识别方法
- 基于深度学习的垃圾分类识别方法、装置及智能垃圾桶