[发明专利]垃圾分类回收方法及系统

权利要求书

1.一种垃圾分类回收方法，其特征在于，所述垃圾分类回收方法包括步骤：

获取待分类垃圾的投放人的身份信息；

对待分类垃圾进行检测，得到待分类垃圾的检测数据；

分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；

根据垃圾查验结论处理待分类垃圾；以及

绑定所述身份信息、所述检测数据以及所述垃圾查验结论，

其中，所述检测数据至少包括所述待分类垃圾的射线扫描图像，所述分析检测数据的步骤包括：

利用语义分割模型分析待分类垃圾的射线扫描图像；

对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾或者非混装垃圾中的一种；

输出语义标签图；以及

对于混装垃圾，对所述语义标签图进行滤波去噪、连通域分析、以及以下估算中的其中之一：面积估算、体积估算、重量估算，得到各种垃圾的具体组成比例和位置分布，

其中，对于所述混装垃圾，所述垃圾查验结论包括所述各种垃圾的具体组成比例和位置分布。

2.如权利要求1所述的垃圾分类回收方法，其特征在于，所述获取待分类垃圾的投放人的身份信息的步骤包括如下至少之一：

利用读卡器从卡片上读取垃圾投放人的识别信息；

读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息；

识别垃圾投放人的生物特征，得到投放人的识别信息。

3.如权利要求1所述的垃圾分类回收方法，其特征在于，所述检测数据还包括所述待分类垃圾的重量信息。

4.如权利要求1所述的垃圾分类回收方法，其特征在于，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。

5.如权利要求1所述的垃圾分类回收方法，其特征在于，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：

对多幅垃圾射线扫描图像进行像素或体素级标注；

将标注的垃圾射线扫描图像输入到语义分割卷积神经网络，进行训练。

6.如权利要求1所述的垃圾分类回收方法，其特征在于，所述分析检测数据的步骤还包括：

对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额均小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。

7.如权利要求6所述的垃圾分类回收方法，其特征在于，所述垃圾分类回收方法还包括步骤：对于混装垃圾，通过电子通讯的方式向垃圾投放人发送垃圾查验结论以及检测数据。

8.如权利要求6所述的垃圾分类回收方法，其特征在于，所述垃圾分类回收方法还包括步骤：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出所述各种垃圾的具体组成比例和位置分布。

9.如权利要求1所述的垃圾分类回收方法，其特征在于，所述非混装垃圾具体为如下之一：

可回收垃圾、有害垃圾、厨余垃圾、其它垃圾。