[发明专利]一种智能垃圾分类处理的机器人

说明书

本发明提供一种智能垃圾分类处理的机器人，所述一种智能垃圾分类处理的机器人包括：中央处理单元、机械手单元、按压单元、垃圾箱、图像分析处理单元、图像信息存储单元；所述中央处理单元分别与机械手单元、垃圾箱、图像分析处理单元、图像信息存储单元、按压单元相连；所述图像信息存储单元与图像分析处理单元相连；本发明所述的一种智能垃圾分类处理的机器人设计合理，能够对垃圾进行自动分类，大大提升了垃圾处理的效率，由此带来生活环境清洁与舒适的社会效益。

技术领域

本发明涉及垃圾处理技术，尤其涉及一种智能垃圾分类处理的机器人。

背景技术

城市垃圾资源化利用可以为国民经济提供巨大的经济效益，并由此带来生活环境清洁与舒适的社会效益。而垃圾资源回收再利用，最重要的环节就是要把垃圾经过分离，然后根据所分离出来的垃圾按照其特性加以利用，现有垃圾分类只是简单的依赖于人工，人工作业效率低且容易出错，无法满足城市垃圾资源化的高要求。

OSTU算法是一种完全自动的、无监督或无交互式的阈值分割算法,用OSTU算法计算全局分割阈值的具体方式为：

获取目标图像的灰度级，选定目标图像的初始分割阈值，遍历目标图像的所有像素点，将像素点灰度值大于初始阈值的记为背景图像，像素点灰度值小于初始阈值的记为前景图像，统计前景图像和背景图像像素点数，依次计算出前景图像的像素点所占整幅图像像素点的个数比、背景图像的像素点所占整幅图像像素点的个数比、前景图像的平均灰度值和背景图像的平均灰度值；在目标图像的灰度范围内逐步增大分割阈值，当背景图像与前景图像的灰度差的绝对值达到最大时，此时的阈值即作为全局分割阈值。

HOG算法是一种局部区域描述符,它通过计算局部区域上的梯度方向直方图来构成目标图像特征,能够很好地描述目标图像的边缘。它对光照变化和小量的偏移不敏感。用HOG提取边缘特征的具体方式为：把目标图像分割为若干个像素的单元(cell)，把梯度方向平均划分为9个区间(bin)，在每个单元里面对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块(block)，把一个块内的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元。最后将所有块的特征串联起来，就得到了目标图像的特征。

发明内容

针对上述问题，本发明旨在提供一种智能垃圾分类处理的机器人。

本发明的目的采用以下技术方案来实现：

一种智能垃圾分类处理的机器人，其特征在于，该机器人包括中央处理单元、机械手单元、按压单元、垃圾箱、图像分析处理单元、图像信息存储单元；所述中央处理单元分别与机械手单元、垃圾箱、图像分析处理单元、图像信息存储单元、按压单元相连；所述图像信息存储单元与图像分析处理单元相连；

所述中央处理单元用于根据图像分析处理单元反馈过来的信息控制不同类别的所述垃圾箱箱盖打开或关闭；所述机械手单元根据图像分析处理单元反馈过来的信息来抓取不同种类的垃圾放置于所述指定垃圾箱以实现垃圾分类；所述图像分析处理单元包括垃圾图像采集单元和数据分析处理单元，垃圾图像采集单元用于采集垃圾图像；数据分析处理单元用于对采集的所述垃圾图像进行识别，通过与预设不同类别的垃圾对应的垃圾图像相匹配进行垃圾分类；所述图像信息存储单元用于存储预设不同类别的垃圾对应的垃圾图像；所述按压单元用于按压所述垃圾箱内部的垃圾。

本发明的有益效果：本发明所述的一种智能垃圾分类处理的机器人设计合理，能够对垃圾进行自动分类，大大提升了垃圾处理的效率，由此带来生活环境清洁与舒适的社会效益。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的框架结构图；