[发明专利]一种基于深度学习的瓶罐类垃圾识别分类机器人

说明书

本发明属于机器人技术设计领域，涉及一种基于深度学习的瓶罐类垃圾识别分类机器人。其特征在于：机器人系统由垃圾图像采集系统、数字图像处理与识别训练系统和工业机器人分拣系统三部分构成。图像采集系统由工业CCD相机完成图像的采集，处理与识别训练系统是基于卷积神经网络通过对垃圾样本训练集的特征提取（轮廓和OCR字符特征）、创建分类器和训练分类器来达到定位识别分类。机器人分拣系统是将得到的识别分类信息以指令的形式传递给机械手臂完成垃圾的分拣。根据相关国家政策、环保行业以及利润分析得出：大部分可回收瓶罐类垃圾都具有不易分解且无法采用常规筛选分类的特点，实现此类垃圾的分类回收对环境和资源再利用具有巨大的价值意义。

技术领域

本发明属于垃圾处理领域，特涉及一种基于深度学习针对瓶罐类垃圾的智能垃圾识别分类机器人。

背景技术

随着城市生活越来越自动化、智能化，城市垃圾的分类处理也逐步实现智能化。对垃圾回收再利用，使垃圾资源化具有重要的意义。根据环保行业及相关国家政策，并通过利润分析得出：大部分可回收瓶罐类垃圾例如：玻璃（啤酒瓶）、塑料瓶以及大部分易拉罐（饮料瓶），都具有不易分解且无法采用常规磁吸、震动筛选分类的特点，且对环境和资源再利用具有巨大的价值意义。

物体识别是机器视觉领域中重要的部分，针对此瓶罐类垃圾设计一种定位识别系统，并应用于工业分类机器人，通过快速精准的识别定位分为不同的类别并进行分拣回收处理。在现有的专利和技术研究中，如关于基于图像识别技术的视觉定位系统对种类繁多的垃圾实际情况应用较差，在复杂的垃圾处理流程中，特征匹配的复杂度高、鲁棒性差，很难达到识别分类的要求如中国CN201610056834.3号专利。在中国CN201810939861.4号专利中，设计了一种基于视觉识别和卷积神经网络的垃圾分拣系统，其基于卷积神经网络的识别系统在很大程度上提高了识别分类的精度并设计出识别分拣系统执行结构详细的介绍了每个部分的分拣操作过程，但对于种类繁多的垃圾种类和环境复杂的垃圾场，要实现精准的全部分类显然是不可能的，在识别分类系统中针对各类垃圾设计不同的卷积神经网络结构和算法是有很大难度的，并且工作量太大，很难实现定位识别系统的优化设计，在该专利中并没有对各类垃圾有着明确的算法参数设计。其中主要对垃圾分拣系统的结构设计进行了详细的介绍，但其结构的稳定性和识别控制联合系统的配合优化较差，很难实现在复杂环境下的识别分拣任务。

本发明基于深度学习，采用卷积神经网络算法（CNN）特别的针对瓶罐类垃圾进行各种类目标的特征提取训练，并进行特征匹配，包括分类器的创建、训练和识别（轮廓和OCR字符特征）并完成卷积神经网络算法参数优化设定，通过反复训练模板设计出应用于各种复杂情况的机器人识别分拣系统。其中分拣控制系统采用的是较为成熟的工业六轴机器人，极大的减少了抓取结构的优化设计并具有高效率和稳定性。

发明内容

本发明提供一种基于深度学习针对瓶罐类垃圾具有高准确度、高效率、稳定性好的智能垃圾识别分类机器人，目的是通过机器视觉算法的设定实现对瓶罐类垃圾准确定位识别分拣的效果。

本发明为解决其技术问题所采取的技术方案是：

一种基于深度学习的瓶罐类垃圾识别分类机器人，其特征在于，包括：

垃圾图像采集系统，用图像采集设备获取瓶罐类垃圾目标的图像，并将采集的图像信息传递给数字图像处理与训练识别系统；

数字图像处理与训练识别系统，是基于卷积神经网络通过对垃圾目标图像样本训练集的特征提取、创建分类器和训练分类器来达到定位识别分类；

工业机器人分拣系统，是将从数字图像处理与训练识别系统得到的识别分类信息以指令的形式传递给机械手臂完成垃圾的分拣。

卷积神经网络由七部分组成，分别为：输入层、卷积层、激活函数层、池化层、Dropout层、全连接层和输出层。

卷积神经网络各组成部分的处理过程如下：