[发明专利]一种基于图像识别技术的智能分类垃圾箱

说明书

本发明公开了一种基于图像识别技术的智能分类垃圾箱，包括盖体、筒体以及设置于筒体内的垃圾仓；相对于传统的称重式、多种传感器配合等方法识别垃圾，深度学习图像处理技术重要具有以下两个优越性：一、识别精度高，可对垃圾进行分5类的识别与回收，塑料瓶类和易拉罐类的识别准确率在90％左右，且随着图像识别代码的改进这个精确度会逐步提升，二、减少了整个系统的能耗和内部结构的复杂程度。

技术领域

本发明属于机器学习技术领域，具体涉及一种基于图像识别技术的智能分类垃圾箱。

背景技术

深度学习：是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。垃圾分类回收在全球都是一个热点问题，希望可以通过图像识别技术对现有的垃圾筒施行升级改造提升垃圾分类效率。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于图像识别技术的智能分类垃圾箱。

本发明是通过以下技术方案实现的：

一种基于图像识别技术的智能分类垃圾箱，包括盖体、筒体以及设置于筒体内的垃圾仓；

所述盖体中部形成有筒型腔体，盖体上表面设置有由筒型腔体上边沿延伸至四角处的四条棱柱，在盖体内部四条棱柱下方朝向筒型腔体一侧分别形成有用于安装电子装置的空腔，空腔内设置有摄像头、主控板和舵机，在筒型腔体内设置第一红外检测器，筒型腔体上表面设置有按钮，所述摄像头、舵机、第一红外检测器及按钮通过电路与主控板相连，筒型腔体下端面设置有受舵机驱动的旋叶门；

所述垃圾仓包括1个中心垃圾仓和4个排布于中心垃圾仓四个方向上的侧面垃圾仓，中心垃圾仓的横截面呈正方形，侧面垃圾仓的横截面呈等腰梯形，侧面垃圾仓的上表面设置有向中心垃圾仓方向倾斜的仓盖，仓盖上设置有受驱动沿仓盖方向向相对一侧伸出、用于改变垃圾掉落路径的挡板；

所述筒体外壁设置LED显示屏，筒体底盘上端面设置用于限位垃圾仓的座框。

在上述技术方案中，所述旋叶门包括4个结构完全相同的90度扇面旋叶，每扇旋叶均由对称的高低两部分构成，旋叶弧面一侧安装于筒型腔体下端面的圆环上与舵机的传动齿轮轴相连接。

在上述技术方案中，所述棱柱上设置太阳能电池板。

在上述技术方案中，所述棱柱之间设置观察窗，观察窗表面透明。

在上述技术方案中，所述盖体内设置有蜂鸣器，蜂鸣器通过电路与主控板相连。

在上述技术方案中，所述仓盖通过转轴安装于侧面垃圾仓外侧板的上沿处。

在上述技术方案中，所述仓盖中部设置两条相对的滑轨，滑轨中间设置与之配合的挡板。

在上述技术方案中，所述挡板上设置绕线孔。

在上述技术方案中，所述侧面垃圾仓的外侧板上设置电机，在电机的上方设置绕线杆。

在上述技术方案中，所述侧面垃圾仓的内侧板上端与斜板的连接处之间形成缺口作为垃圾进入的仓口。

本发明的优点和有益效果为：

1、相对于传统的称重式、多种传感器配合等方法识别垃圾，深度学习图像处理技术重要有着以下两个优越性。