[发明专利]基于深度学习算法的垃圾桶控制系统、方法和垃圾桶在审

专利信息
申请号: 202010712386.4 申请日: 2020-07-22
公开(公告)号: CN111832521A 公开(公告)日: 2020-10-27
发明(设计)人: 王淑雅;李娟;王伟;谌江波;钱进 申请(专利权)人: 安徽信息工程学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01D21/02;G05B19/042;B65F1/00;B65F1/14;G08B17/10;G08B3/10
代理公司: 北京恒泰铭睿知识产权代理有限公司 11642 代理人: 王肖林
地址: 241000 安徽省芜*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 算法 垃圾桶 控制系统 方法
【说明书】:

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。

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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽信息工程学院,未经安徽信息工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010712386.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top