[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111832521A - 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶 - Google Patents

基于深度学习算法的垃圾桶控制系统、方法和垃圾桶 Download PDF

Info

Publication number
CN111832521A
CN111832521A CN202010712386.4A CN202010712386A CN111832521A CN 111832521 A CN111832521 A CN 111832521A CN 202010712386 A CN202010712386 A CN 202010712386A CN 111832521 A CN111832521 A CN 111832521A
Authority
CN
China
Prior art keywords
garbage
module
video data
deep learning
learning algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010712386.4A
Other languages
English (en)
Inventor
王淑雅
李娟�
王伟
谌江波
钱进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Institute of Information Engineering
Original Assignee
Anhui Institute of Information Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Institute of Information Engineering filed Critical Anhui Institute of Information Engineering
Priority to CN202010712386.4A priority Critical patent/CN111832521A/zh
Publication of CN111832521A publication Critical patent/CN111832521A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F1/00—Refuse receptacles; Accessories therefor
    • B65F1/0033—Refuse receptacles; Accessories therefor specially adapted for segregated refuse collecting, e.g. receptacles with several compartments; Combination of receptacles
    • B65F1/0053—Combination of several receptacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F1/00—Refuse receptacles; Accessories therefor
    • B65F1/14—Other constructional features; Accessories
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F2210/00—Equipment of refuse receptacles
    • B65F2210/128—Data transmitting means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F2210/00—Equipment of refuse receptacles
    • B65F2210/16—Music playing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F2210/00—Equipment of refuse receptacles
    • B65F2210/168—Sensing means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F2210/00—Equipment of refuse receptacles
    • B65F2210/176—Sorting means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于深度学习算法的垃圾桶控制系统、方法和垃圾桶，其中，系统包括：摄像头模块、烟雾传感器模块、显示屏模块、语音播报器模块和主控制器；摄像头模块用于采集需投放垃圾的视频数据，并将视频数据传输至主控制器，主控制器通过对采集的垃圾视频进行识别，并通过训练好的垃圾识别模型判断出该垃圾的类别，再通过显示屏模块和语音播报器模块分别显示和播报出来；垃圾识别模型是采用VGG‑16架构模型作为基础网络结构进行训练所得；烟雾传感器模块用于检测垃圾桶周围环境的烟雾浓度。该系统克服现有技术中的垃圾桶功能单一，仅仅提供存储功能，由于人们先前缺乏垃圾分类意识，在进行垃圾分类时也是屡屡出错的问题。

Description

基于深度学习算法的垃圾桶控制系统、方法和垃圾桶
技术领域
本发明涉及垃圾桶控制技术领域，具体地，涉及一种基于深度学习算法的垃圾桶控制系统、方法和垃圾桶。
背景技术
随着经济的发展，人民生活的改善，城市垃圾大量增加，垃圾分类处理已成为城市环境综合整治中的紧迫问题。垃圾分类指按一定规定或标准将垃圾分类存储、投放和搬运，从而转变为公共资源的一系列活动总称。垃圾分类可提高垃圾的资源价值和经济价值，同时，垃圾分类不仅可以减少占地、减少污染还能实现变废为宝。随着2019年7月1日，《上海市生活垃圾管理条例》正式实施，打响了全国垃圾分类的“第一枪”，该条例将生活垃圾按照“可回收物”、“有害垃圾”、“湿垃圾”、“干垃圾”的分类标准分为四类，将对没有垃圾分类和未指定投放到指定垃圾桶的行为进行罚款和行政处罚。
现有技术中的垃圾桶功能单一，仅仅提供存储功能，垃圾分类需要人们自己识别，但由于人们先前缺乏垃圾分类意识，在进行垃圾分类时也是屡屡出错。
因此，提供一种在使用过程中可以对投放的垃圾进行智能分类，从而方便用户投放的基于深度学习算法的垃圾桶控制系统、方法和垃圾桶是本发明亟需解决的问题。
发明内容
针对上述技术问题，本发明的目的是克服现有技术中的垃圾桶功能单一，仅仅提供存储功能，垃圾分类需要人们自己识别，但由于人们先前缺乏垃圾分类意识，在进行垃圾分类时也是屡屡出错的问题，从而提供一种在使用过程中可以对投放的垃圾进行智能分类，从而方便用户投放的基于深度学习算法的垃圾桶控制系统、方法和垃圾桶。
为了实现上述目的，本发明提供了一种基于深度学习算法的垃圾桶控制系统，所述系统包括：摄像头模块、烟雾传感器模块、显示屏模块、语音播报器模块和主控制器；
所述摄像头模块用于采集需投放垃圾的视频数据，并将所述视频数据传输至所述主控制器，所述主控制器通过对采集的垃圾视频进行识别，并通过训练好的垃圾识别模型判断出该垃圾的类别，再通过所述显示屏模块和所述语音播报器模块分别显示和播报出来；其中，
所述垃圾识别模型是采用VGG-16架构模型作为基础网络结构进行训练所得，且所述垃圾的类别包括：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾；
所述烟雾传感器模块用于检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块检测的烟雾浓度大于浓度阈值时，所述语音播报器模块发出语音报警信号。
优选地，所述垃圾识别模型训练所得的步骤包括：
收集训练所需的垃圾视频数据，并且将所述垃圾视频数据分成以下中的至少两者：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾，以获得测试视频数据；
对所述测试视频数据进行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的测试视频数据输入至所述VGG-16架构模型中进行训练以得出所述垃圾识别模型。
优选地，所述VGG-16架构模型进行训练的步骤包括：
利用所述预处理后的测试视频数据和其对应的类别作为网络学习的标签；
根据输入至所述VGG-16架构模型中的每一张图片和该图片所对应的标签，计算已有神经网络参数的梯度，并利用梯度下降法对所述神经网络参数进行更新，直到神经网络收敛。
优选地，所述述系统还包括：温湿度传感器模块；
所述温湿度传感器模块用于实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
优选地，所述摄像头模块为OV5640自动对焦摄像头模组，输出RGB视频；
所述烟雾传感器模块为MQ-2可燃气体传感器；
所述显示屏模块为TFT彩色液晶显示屏；
所述语音播报器模块为TTS中文转语音模块；
所述主控制器为FPGA芯片。
本发明还提供了一种基于深度学习算法的垃圾桶控制方法，其特征在于，所述方法包括：
采集需投放垃圾的视频数据；
对所述视频数据进行行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的视频数据输入至训练好的所述垃圾识别模型中；
将所述垃圾识别模型输出的类别显示在所述显示屏模块中，并且通过语音播报器模块播报出来。
优选地，所述视频抽帧处理至少抽出10帧图像数据；
所述垃圾识别模型将所述10帧图像数据中占比最大的类别作为识别类别结果输出。
优选地，所述方法还包括：
检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块检测的烟雾浓度大于浓度阈值时，所述语音播报器模块发出语音报警信号。
优选地，所述方法还包括：实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
本发明还提供了一种垃圾桶，所述垃圾桶包括权利要求1-5中任一项所述的基于深度学习算法的垃圾桶控制系统。
根据上述技术方案，本发明提供的基于深度学习算法的垃圾桶控制系统、方法和垃圾桶在使用时的有益效果为：可以对需要投放的垃圾进行准确地智能识别，并且输出对应的类别，从而方便用户实现垃圾分类的目的，而且还能对垃圾桶周围或内部的环境进行识别，对垃圾燃烧问题进行准确地识别和报警，从而防止发生火灾危害。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明；而且本发明中未涉及部分均与现有技术相同或可采用现有技术加以实现。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的一种优选的实施方式中提供的基于深度学习算法的垃圾桶控制系统的结构框图；
图2是本发明的一种优选的实施方式中提供的基于深度学习算法的垃圾桶控制方法的流程图；
图3是本发明的一种优选的实施方式中提供的垃圾桶的结构示意图。
附图标记说明
1垃圾箱体 2摄像头模块
3温湿度传感器模块 4烟雾传感器模块
5显示屏模块 6语音播报器模块
7主控制器
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1所示，本发明提供了一种基于深度学习算法的垃圾桶控制系统，所述系统包括：摄像头模块2、烟雾传感器模块4、显示屏模块5、语音播报器模块6和主控制器7；
所述摄像头模块2用于采集需投放垃圾的视频数据，并将所述视频数据传输至所述主控制器7，所述主控制器7通过对采集的垃圾视频进行识别，并通过训练好的垃圾识别模型判断出该垃圾的类别，再通过所述显示屏模块5和所述语音播报器模块6分别显示和播报出来；其中，
所述垃圾识别模型是采用VGG-16架构模型作为基础网络结构进行训练所得，且所述垃圾的类别包括：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾；
所述烟雾传感器模块4用于检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块4检测的烟雾浓度大于浓度阈值时，所述语音播报器模块6发出语音报警信号。
在上述方案中，所述主控制器7将采集的需投放垃圾的视频数据输入至垃圾识别模型中以准确地识别出垃圾的类别，然后通过显示屏模块5和所述语音播报器模块6分别显示和播报出来，提供用户将垃圾投入对应的垃圾箱体1中；本发明中的垃圾识别模型是采用VGG-16架构模型作为基础网络结构进行训练所得，其识别的准确度有保障。本发明中还设置有烟雾传感器模块用于检测垃圾桶周围环境的烟雾浓度，如果发生垃圾燃烧等问题时，所述烟雾传感器模块可以准确地采集到，并且通过语音播报器模块发出语音报警信号，提供用户或者工作人员采取灭火等相应措施，防止发生火灾等危险。
在本发明的一种优选的实施方式中，所述垃圾识别模型训练所得的步骤包括：
收集训练所需的垃圾视频数据，并且将所述垃圾视频数据分成以下中的至少两者：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾，以获得测试视频数据；
对所述测试视频数据进行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的测试视频数据输入至所述VGG-16架构模型中进行训练以得出所述垃圾识别模型。
在本发明的一种优选的实施方式中，所述VGG-16架构模型进行训练的步骤包括：
利用所述预处理后的测试视频数据和其对应的类别作为网络学习的标签；
根据输入至所述VGG-16架构模型中的每一张图片和该图片所对应的标签，计算已有神经网络参数的梯度，并利用梯度下降法对所述神经网络参数进行更新，直到神经网络收敛。
在上述方案中，利用标签好的测试视频数据对VGG-16架构模型进行训练，然后以所述神经网络参数的梯度为参考因素，利用梯度下降法对神经网络参数进行更新，然后对VGG-16架构模型进行持续地训练，直到神经网络收敛的目的，这样可以保证垃圾识别模型识别的准确度。
在本发明的一种优选的实施方式中，所述系统还包括：温湿度传感器模块；
所述温湿度传感器模块用于实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
在本发明的一种优选的实施方式中，所述摄像头模块为OV5640自动对焦摄像头模组，输出RGB视频；
所述烟雾传感器模块为MQ-2可燃气体传感器；
所述显示屏模块为TFT彩色液晶显示屏；
所述语音播报器模块为TTS中文转语音模块；
所述主控制器为FPGA芯片。
根据上述内容，本发明提供的基于深度学习算法的垃圾桶控制系统的工作原理为：用户将需投放的垃圾放在所述摄像头模块前进行视频数据采集，然后所述主控制器利用所述垃圾识别模型判断出该垃圾的类别，再通过所述显示屏模块和所述语音播报器模块分别显示和播报出来，用户了解垃圾的类别后可以直接将其投入对应的垃圾箱中。对于垃圾桶的安全问题，还设置烟雾传感器模块和温湿度传感器模块对垃圾桶周围的环境参数进行获取，例如：温度、湿度和烟雾浓度，采集的温度、湿度通过显示屏模块显示，而烟雾浓度的检测结果超过浓度阈值时大概率说明有垃圾燃烧情况，所以进行报警，提供工作人员或用户进行灭火操作。
如图2所示，本发明还提供了一种基于深度学习算法的垃圾桶控制方法，所述方法包括：
采集需投放垃圾的视频数据；
对所述视频数据进行行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的视频数据输入至训练好的所述垃圾识别模型中；
将所述垃圾识别模型输出的类别显示在所述显示屏模块中，并且通过语音播报器模块播报出来。
在本发明的一种优选的实施方式中，所述视频抽帧处理至少抽出10帧图像数据；
所述垃圾识别模型将所述10帧图像数据中占比最大的类别作为识别类别结果输出。
在本发明的一种优选的实施方式中，所述方法还包括：
检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块检测的烟雾浓度大于浓度阈值时，所述语音播报器模块发出语音报警信号。
在本发明的一种优选的实施方式中，所述方法还包括：实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
根据上述内容，本发明提供的基于深度学习算法的垃圾桶控制方法的工作原理为：用户按下显示器上的垃圾识别按钮，启动摄像头模块并将垃圾置于摄像头前，摄像头模块按设置好的模式录制两秒的视频；主控制器按设置好的采样方法选取视频中的10帧；将选取好的10帧图片，先按照中心截取方法截取为大小448*448的图片，然后通过FFT算法对图片进行去模糊化处理，最后将图片压缩为224*224的图片；将预处理好的十张图片送入训练好的基于VGG-16的垃圾分类框架中，取十张图片结果最大的作为分类的最终结果；模型输出最终识别结果，在显示器上显示“可回收物”、“有害垃圾”、“湿垃圾”、“干垃圾”、“未识别”并同时通过语音播报模块进行播报。
如图3所示，本发明还提供了一种垃圾桶，所述垃圾桶包括基于深度学习算法的垃圾桶控制系统，所述垃圾桶中设置有用于装载不同类别垃圾的垃圾箱体1，每个垃圾箱体上设置有对应的类别名称。
综上所述，本发明提供的基于深度学习算法的垃圾桶控制系统、方法和垃圾桶克服现有技术中的垃圾桶功能单一，仅仅提供存储功能，垃圾分类需要人们自己识别，但由于人们先前缺乏垃圾分类意识，在进行垃圾分类时也是屡屡出错的问题，可以对需要投放的垃圾进行准确地智能识别，并且输出对应的类别，从而方便用户实现垃圾分类的目的，而且还能对垃圾桶周围或内部的环境进行识别，对垃圾燃烧问题进行准确地识别和报警，从而防止发生火灾危害。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种基于深度学习算法的垃圾桶控制系统，其特征在于，所述系统包括：摄像头模块、烟雾传感器模块、显示屏模块、语音播报器模块和主控制器；
所述摄像头模块用于采集需投放垃圾的视频数据，并将所述视频数据传输至所述主控制器，所述主控制器通过对采集的垃圾视频进行识别，并通过训练好的垃圾识别模型判断出该垃圾的类别，再通过所述显示屏模块和所述语音播报器模块分别显示和播报出来；其中，
所述垃圾识别模型是采用VGG-16架构模型作为基础网络结构进行训练所得，且所述垃圾的类别包括：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾；
所述烟雾传感器模块用于检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块检测的烟雾浓度大于浓度阈值时，所述语音播报器模块发出语音报警信号。
2.根据权利要求1所述的基于深度学习算法的垃圾桶控制系统，其特征在于，所述垃圾识别模型训练所得的步骤包括：
收集训练所需的垃圾视频数据，并且将所述垃圾视频数据分成以下中的至少两者：可回收物、有害垃圾、湿垃圾、干垃圾以及未识别垃圾，以获得测试视频数据；
对所述测试视频数据进行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的测试视频数据输入至所述VGG-16架构模型中进行训练以得出所述垃圾识别模型。
3.根据权利要求2所述的基于深度学习算法的垃圾桶控制系统，其特征在于，所述VGG-16架构模型进行训练的步骤包括：
利用所述预处理后的测试视频数据和其对应的类别作为网络学习的标签；
根据输入至所述VGG-16架构模型中的每一张图片和该图片所对应的标签，计算已有神经网络参数的梯度，并利用梯度下降法对所述神经网络参数进行更新，直到神经网络收敛。
4.根据权利要求1所述的基于深度学习算法的垃圾桶控制系统，其特征在于，所述系统还包括：温湿度传感器模块；
所述温湿度传感器模块用于实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
5.根据权利要求1所述的基于深度学习算法的垃圾桶控制系统，其特征在于，
所述摄像头模块为OV5640自动对焦摄像头模组，输出RGB视频；
所述烟雾传感器模块为MQ-2可燃气体传感器；
所述显示屏模块为TFT彩色液晶显示屏；
所述语音播报器模块为TTS中文转语音模块；
所述主控制器为FPGA芯片。
6.一种根据权利要求1-5中任一项所述的基于深度学习算法的垃圾桶控制方法，其特征在于，所述方法包括：
采集需投放垃圾的视频数据；
对所述视频数据进行行预处理，所述预处理包括：依次进行的视频抽帧处理以及视频帧图像裁剪处理；
将预处理后的视频数据输入至训练好的所述垃圾识别模型中；
将所述垃圾识别模型输出的类别显示在所述显示屏模块中，并且通过语音播报器模块播报出来。
7.根据权利要求6所述的基于深度学习算法的垃圾桶控制方法，其特征在于，所述视频抽帧处理至少抽出10帧图像数据；
所述垃圾识别模型将所述10帧图像数据中占比最大的类别作为识别类别结果输出。
8.根据权利要求6所述的基于深度学习算法的垃圾桶智能控制方法，其特征在于，所述方法还包括：
检测垃圾桶周围环境的烟雾浓度；其中，
在所述烟雾传感器模块检测的烟雾浓度大于浓度阈值时，所述语音播报器模块发出语音报警信号。
9.根据权利要求6所述的基于深度学习算法的垃圾桶控制方法，其特征在于，所述方法还包括：实时检测垃圾桶周围的环境温度和湿度，并且在所述显示屏模块中显示出检测的结果。
10.一种垃圾桶，其特征在于，所述垃圾桶包括权利要求1-5中任一项所述的基于深度学习算法的垃圾桶控制系统。
CN202010712386.4A 2020-07-22 2020-07-22 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶 Pending CN111832521A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010712386.4A CN111832521A (zh) 2020-07-22 2020-07-22 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010712386.4A CN111832521A (zh) 2020-07-22 2020-07-22 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶

Publications (1)

Publication Number Publication Date
CN111832521A true CN111832521A (zh) 2020-10-27

Family

ID=72924726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010712386.4A Pending CN111832521A (zh) 2020-07-22 2020-07-22 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶

Country Status (1)

Country Link
CN (1) CN111832521A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364727A (zh) * 2020-10-28 2021-02-12 中标慧安信息技术股份有限公司 一种基于图像识别的垃圾信息采集系统
CN113650987A (zh) * 2021-09-13 2021-11-16 南京邮电大学 智能垃圾桶及智能垃圾桶的智能分类方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110386384A (zh) * 2019-07-25 2019-10-29 青岛方天科技股份有限公司 智能分类垃圾箱远程控制的软件产品及软件方法
CN111186655A (zh) * 2019-12-26 2020-05-22 深圳华卫民康科技有限公司 一种智能垃圾分类系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110386384A (zh) * 2019-07-25 2019-10-29 青岛方天科技股份有限公司 智能分类垃圾箱远程控制的软件产品及软件方法
CN111186655A (zh) * 2019-12-26 2020-05-22 深圳华卫民康科技有限公司 一种智能垃圾分类系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋铁: "基于机器视觉的家庭智能分类垃圾桶设计研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》, 15 March 2020 (2020-03-15), pages 024 - 485 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364727A (zh) * 2020-10-28 2021-02-12 中标慧安信息技术股份有限公司 一种基于图像识别的垃圾信息采集系统
CN112364727B (zh) * 2020-10-28 2021-07-06 中标慧安信息技术股份有限公司 一种基于图像识别的垃圾信息采集系统
CN113650987A (zh) * 2021-09-13 2021-11-16 南京邮电大学 智能垃圾桶及智能垃圾桶的智能分类方法

Similar Documents

Publication Publication Date Title
CN111462451A (zh) 基于视频信息的秸秆焚烧检测报警系统
CN111832521A (zh) 基于深度学习算法的垃圾桶控制系统、方法和垃圾桶
CN110517461B (zh) 一种防止人携带包裹逃避安检的方法
CN112597804A (zh) 一种垃圾分类投递现场的语音提示与视频图像监管的方法
CN110619277A (zh) 一种多社区智慧布控方法以及系统
CN105741477B (zh) 带有智能消防语音助手的飞行器
CN108777777A (zh) 一种基于深度神经网络的监控视频秸秆焚烧巡检方法
CN112320133B (zh) 一种垃圾分类方法、装置以及垃圾桶
CN116543241B (zh) 泄露气体云团的检测方法、装置、存储介质和电子设备
CN112978146A (zh) 一种基于视频分析的乱扔垃圾智能检测方法
CN110740189A (zh) 一种基于物联网技术的智慧环保监管系统
CN115661732A (zh) 一种基于ai智能识别系统的垃圾分类及督导方法
CN109164737A (zh) 一种应用于环境保护的物联网大数据平台
CN204375138U (zh) 基于人流密度识别技术的智能预警系统
CN201697870U (zh) 烟气黑度的自动监控与分析系统
CN102196250A (zh) 考试监控系统的图像处理方法和系统
CN116416281A (zh) 一种粮库ai视频监管分析方法及系统
CN112241651A (zh) 数据展示方法及系统、数据处理方法、存储介质、系统
CN113673406B (zh) 一种幕墙玻璃爆裂检测方法、系统、电子设备及存储介质
CN111832749A (zh) 垃圾袋识别方法及相关装置
CN207938183U (zh) 一种车辆鸣号违法抓拍系统
CN206908742U (zh) 一种安防监控系统
CN211197376U (zh) 一种具有抓拍功能的智能垃圾分类箱
CN111818356A (zh) 一种基于场景识别的高危作业直播中断的智能方法
CN114104549A (zh) 一种一体化智能垃圾分类投放设备及投放方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination