[发明专利]一种生活垃圾自动分拣系统

说明书

技术领域

本发明属于环保机械领域，解决生活垃圾中的目标对象快速自动分拣问题。

背景技术

生活垃圾回收生产线一般以传送带为载体，对传送带上平铺的垃圾进行分类分拣。现有的垃圾分拣实现一般以人工抓取的分拣方式。采用在垃圾分拣线上采用多机械手对目标物进行抓取分拣的方法具有工作效率高及降低工人劳动强度的优点。

但是由于生活垃圾总类繁多且环境复杂恶劣，从生活垃圾中需要识别的目标类别、特征种类非常多，例如各种形状、颜色的瓶子、罐子等，由于特征提取的计算量很大，提取多种特征的方法在实时性上不能满足要求；并且特征提取的方法的准确率一直不高，在工业自动化生产线上，很难满足使用要求。

并且现有的机械手控制大部分都是对单台机械手的运动控制，即使是多台机械手的控制也是针对不同种类的分拣目标在不同工序上的分拣任务。针对多目标在移动生产线上的垃圾分拣的实际应用情况，这种分拣方法容易漏检，效率低。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种生活垃圾自动分拣系统。

本发明的技术解决方案是：一种生活垃圾自动分拣系统，包括垃圾目标识别单元、垃圾分拣控制单元、机械手和在传输生活垃圾的传送带上固定位置安装的采样相机；

采样相机实时拍摄传送带上的生活垃圾，将得到的光学图像传输至垃圾目标识别单元；

垃圾目标识别单元实时接收上述光学图像并显示，根据预分拣的目标垃圾的特点，对光学图像进行处理，对图像中的目标物进行识别，得到目标位姿信息帧，并输入至垃圾分拣控制单元；

垃圾分拣控制单元根据输入的目标位姿信息帧，根据机械手与传送带的相对位置，判断目标物是否进行空闲机械手的工作区间，将进入机械手工作区间的目标物的位姿信息转换到机械手坐标系下，并发送至对应的机械手，控制对应的机械手抓取对应的目标物。

所述的垃圾目标识别单元采用深度学习或者形态学识别的方式结合人工交互对目标物进行识别，得到目标的位姿信息。

所述的垃圾目标识别单元包括形态学识别模块、中间结果综合处理单元和人工辅助处理模块；

形态学识别模块实时接收采样相机拍摄的光学图像，对接收的每帧图像进行形态学综合处理，即根据图像目标物形态提取、剔除、颜色聚类后得到图像上检测目标在图像坐标系下的二维坐标、角度和时间，并在上述光学图像上对检测目标物进行着重跟踪显示，判断该目标信息是否与上一帧识别出的目标信息为同一目标，如果不是同一目标则将处理后的图像以及图像上检测目标的坐标、角度和时间信息发送至中间结果综合处理单元，将处理后的图像发送至人工辅助处理模块，否则不发送；所述的时间为图像拍摄时间，所述的角度为目标所在轴线与图像坐标系X轴之间的夹角；

人工辅助处理模块对接收每帧处理后的图像进行连续显示，由人工根据拍摄的光学图像的具体情况，人工在显示的图像上点击屏幕上形态学识别模块没有识别的目标物，人工辅助处理模块自动获得点击屏幕时刻的本地坐标系下的平面坐标和时间信息，并以上述平面坐标为中心点于预期被识别物平均面积的区域内进行角度识别，并对识别出的目标物进行着重显示，同时将本地坐标系的坐标、角度信息以及时间发送至中间结果综合处理单元；

中间结果综合处理单元将本地坐标系下坐标信息转换到图像坐标系下，得到人工辅助补充的目标物的坐标，判断该补充目标物坐标信息是否与形态学识别模块识别的坐标信息有重复，对重复的信息进行剔除，输出目标物的坐标、角度信息，将目标物的坐标、角度和拍摄时间信息组成目标的位姿信息帧。

所述的形态学综合处理具体步骤如下：

(1)设定待识别物体的最大长度、最小长度、最大宽度、最小宽度、最大长宽比、最小长宽比；

(2)对采集到的每帧图像做基于颜色的聚类处理；

(3)对聚类后的图像进行最小轮廓识别；

(4)对最小轮廓图像进行逐个分析，判断最小轮廓长度、最小轮廓宽度、最小轮廓长宽比是否在步骤(1)设定的相应最大最小范围之内，如果最小轮廓满足步骤(1)中的范围则判断是目标物，并以最小轮廓的几何中心为目标物的平面坐标，其长边为参考计算目标物角度信息。

所述的中间结果综合处理单元具体实现步骤如下：

(1)将本地坐标系下坐标信息转换到图像坐标系下，得到人工辅助补充的目标物的坐标；

(2)将本地坐标系下坐标信息与当前帧形态学识别目标物信息进行逐一比对，如果两目标物坐标信息的位置偏差小于预设的阈值，则认为是重复目标，剔除人工辅助补充的目标物信息；