[发明专利]一种智能垃圾桶在线自主学习方法及系统

权利要求书

1.一种智能垃圾桶在线自主学习方法，其特征在于，所述方法包括以下步骤：

获取包括垃圾产生数据的历史场景数据，对每个历史场景的垃圾产生数据均进行对应的量化分级；

基于统计学的显著性检验，分析历史场景数据，提取特征参数，所述特征参数为影响场景产生垃圾数量的相关参数；

将提取的特征参数引入特征空间，从历史场景数据中抽取部分样本并计算每个样本的特征指标值，根据样本对应的特征指标值和量化分级构建分类器，作为训练模型；

垃圾收集设备采集场景数据，前往相应场景收集垃圾，同时应用训练模型对场景数据进行分类获得分类结果；

模型在线学习优化平台对分类结果以及实际采集的垃圾数量进行对比，获得反馈结果，根据反馈结果对训练模型进行优化更新。

2.根据权利要求1所述的一种智能垃圾桶在线自主学习方法，其特征在于，所述分析历史场景数据，提取特征参数，具体包括：对历史场景数据进行显著性检验，确定显著性大的特征指标。

3.根据权利要求1所述的一种智能垃圾桶在线自主学习方法，其特征在于，所述对每个历史场景的垃圾产生数据均进行对应的量化分级具体包括：

将垃圾数量由少到多划分为若干个等级，各个等级对应不同的分值；

根据同一历史场景不同时刻的垃圾产生数据确定不同时刻的分值，并求取不同时刻分值的平均值，将平均值对应的垃圾数量等级作为相应历史场景的量化分级。

4.根据权利要求1所述的一种智能垃圾桶在线自主学习方法，其特征在于，当所述反馈结果无差异或差异较小时，不对训练模型进行优化更新；当所述反馈结果存在较大差异时，模型在线学习优化平台对训练模型进行优化更新。

5.根据权利要求4所述的一种智能垃圾桶在线自主学习方法，其特征在于，模型在线学习优化平台根据反馈结果对训练模型进行优化更新，具体为通过增量式学习算法对训练模型进行调整优化，包括在反馈结果存在较大差异时通过增量式学习算法对训练模型进行在线实时调整；以及在遇到新类型的场景时通过增量式学习算法对训练模型进行在线实时更新。

6.根据权利要求1所述的一种智能垃圾桶在线自主学习方法，其特征在于，根据样本对应的特征指标值和量化分级构建分类器，具体包括：

将历史场景数据样本的70％作为训练样本，通过随机森林算法对训练样本进行训练以构建分类器，所述分类器用于分类出不同场景下垃圾存在的数量级；

将历史场景数据样本的另外30％作为验证样本，验证训练模型的精确度。

7.用于实现权利要求1所述方法的一种智能垃圾桶在线自主学习系统，其特征在于，所述系统包括数据采集中心、模型在线学习优化平台、模型离线训练平台以及垃圾收集设备，所述数据采集中心、模型在线学习优化平台、模型离线训练平台之间数据相通，所述模型在线学习优化平台通过网络与垃圾收集设备进行数据交互，

所述数据采集中心用于采集历史场景数据以及实时场景数据；

所述模型离线训练平台用于根据历史场景数据构建分类器获得训练模型；

所述模型在线学习优化平台用于根据实时场景数据通过增量式学习算法对训练模型进行在线调整优化；

所述垃圾收集设备用于接收模型在线学习优化平台的指令前往相应场景收集垃圾、检测所收集垃圾数量。

8.根据权利要求7所述的一种智能垃圾桶在线自主学习系统，其特征在于，所述数据采集中心通过网络获取历史场景数据以及实时场景数据，所述网络至少包括通信网、互联网以及物联网，所述历史场景数据、实时场景数据至少包括地点、天气、人流量、季节、节假日、有无节目演出。

9.根据权利要求7所述的一种智能垃圾桶在线自主学习系统，其特征在于，所述模型在线学习优化平台包括第一数据处理单元、第一特征提取单元、机器学习模型单元、模型反馈单元、增量训练单元以及模型更新单元。

10.根据权利要求7所述的一种智能垃圾桶在线自主学习系统，其特征在于，所述模型离线训练平台包括第二数据处理单元、第二特征提取单元、模型训练单元、模型验证单元以及模型应用单元。