[发明专利]一种垃圾识别和分类方法、装置及终端设备在审
申请号: | 201910259503.3 | 申请日: | 2019-04-01 |
公开(公告)号: | CN110110752A | 公开(公告)日: | 2019-08-09 |
发明(设计)人: | 万文惠;郭旭艳 | 申请(专利权)人: | 深圳市女娲机器人科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00;E01H1/00 |
代理公司: | 深圳中一专利商标事务所 44237 | 代理人: | 褚淑杰 |
地址: | 518000 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 传感器数据 扫地机器人 清扫模式 指令 预置 垃圾分类 垃圾清除 垃圾识别 图片数据 终端设备 垃圾 数据处理技术 传感器采集 分类效果 图像处理 返回 分类 申请 匹配 图片 | ||
1.一种垃圾识别和分类方法,其特征在于,包括:
接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的识别结果;
当所述识别结果为垃圾时,返回垃圾清除指令,所述垃圾清除指令用于控制扫地机器人使用预置传感器采集所述物体的传感器数据;
接收所述传感器数据,将所述传感器数据输入预置的垃圾分类模型,得到所述物体的垃圾类型;
返回与所述垃圾类型对应的清扫模式指令,所述清扫模式指令用于控制所述扫地机器人按照对应的清扫模式清理所述物体。
2.如权利要求1所述的垃圾识别和分类方法,其特征在于,所述接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的识别结果具体包括:
接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的第一轮廓特征值;
将所述第一轮廓特征值与垃圾数据库中的第二轮廓特征值进行匹配;
若所述第一轮廓特征值与所述第二轮廓特征值匹配成功,则所述物体的识别结果为垃圾。
3.如权利要求2所述的垃圾识别和分类方法,其特征在于,所述接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的识别结果还包括:
若所述第一轮廓特征值与所述第二轮廓特征值匹配失败,则以第一示警方式进行示警;
接收人工识别信息,若所述人工识别信息为垃圾,则所述物体的识别结果为垃圾且将所述第一轮廓特征值存入所述垃圾数据库中,若所述人工识别信息为非垃圾,则所述物体的识别结果为非垃圾。
4.如权利要求1所述的垃圾识别和分类方法,其特征在于,所述接收所述传感器数据,将所述传感器数据输入预置的垃圾分类模型,得到所述物体的垃圾类型具体包括:
接收所述传感器数据,将所述传感器数据输入预置垃圾分类模型进行匹配,判断是否匹配成功;
若匹配成功,则得到所述物体的垃圾类型;
若匹配失败,则以第二示警方式进行示警并接收人工分类信息,根据所述人工分类信息得到所述物体的垃圾类型。
5.一种垃圾识别和分类装置,其特征在于,包括:
垃圾识别模块,用于接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的识别结果;
数据采集模块,用于当所述识别结果为垃圾时,返回垃圾清除指令,所述垃圾清除指令用于控制扫地机器人使用预置传感器采集所述物体的传感器数据;
垃圾分类模块,用于接收所述传感器数据,将所述传感器数据输入预置的垃圾分类模型,得到所述物体的垃圾类型;
分类清理模块,用于返回与所述垃圾类型对应的清扫模式指令,所述清扫模式指令用于控制所述扫地机器人按照对应的清扫模式清理所述物体。
6.如权利要求5所述的垃圾识别和分类装置,其特征在于,所述垃圾识别模块具体包括:
特征值子模块,用于接收待识别的图片数据,使用预置图像处理模型对所述待识别的图片数据进行处理,得到物体的第一轮廓特征值;
匹配子模块,用于将所述第一轮廓特征值与垃圾数据库中的第二轮廓特征值进行匹配;
识别子模块,用于若所述第一轮廓特征值与所述第二轮廓特征值匹配成功,则所述物体的识别结果为垃圾。
7.如权利要求6所述的垃圾识别和分类装置,其特征在于,所述垃圾识别模块还包括:
第一示警子模块,用于若所述第一轮廓特征值与所述第二轮廓特征值匹配失败,则以第一示警方式进行示警;
人工识别子模块,用于接收人工识别信息,若所述人工识别信息为垃圾,则所述物体的识别结果为垃圾且将所述第一轮廓特征值存入所述垃圾数据库中,若所述人工识别信息为非垃圾,则所述物体的识别结果为非垃圾。
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深圳市女娲机器人科技有限公司,未经深圳市女娲机器人科技有限公司许可,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/201910259503.3/1.html,转载请声明来源钻瓜专利网。