[发明专利]嵌入式智能垃圾分类系统及其工作方法

说明书

本发明涉及一种嵌入式智能垃圾分类系统及其工作方法，分类系统包括拍照模块、图片预处理模块、redis数据库模块、压缩深度模型和执行器，拍照模块拍摄获得的图片经过图片预处理模块后传输到redis数据库模块，压缩深度模型连接redis数据库模块，压缩深度模型用于根据垃圾图片信息识别垃圾类别，执行器连接redis数据库模块，执行器通过redis数据库模块接收垃圾类别信息并通过不同的翻转方向实现垃圾的分类投掷。本发明通过拍照模块拍摄垃圾图片并传输至数据库，嵌入式本地压缩深度模型从数据库读取垃圾图片并计算预测该垃圾类别，预测结果数据两秒内返回，准确度超过85％。

技术领域

本发明涉及垃圾分类技术领域，具体涉及一种嵌入式智能垃圾分类系统及其工作方法。

背景技术

在北京、杭州等城市，垃圾分类试点已经推行了14年，却未见明显实效，尽管小区门口放了不同颜色的垃圾桶，但仍然各种垃圾混杂、免费发放的可降解垃圾袋也被用来装其他垃圾。

没有解决精确的分类正确率问题，前端二次混合、转运二次混合使得后端设备处理能力无法满足处理要求。对于居民、清运者的奖励刺激较小，无法促动年青一代主动分类，公共场合的垃圾分类无法实行有效的奖励刺激。

如果前端不分类，或者在转运过程中混合，后端的处理效率和污染水平指数级上升，生活垃圾在后端分类，转运成本极大，前端分类可以把需转运的生活垃圾减量30-50％。因此，智能的垃圾分类的研发具有重要意义。

虽然垃圾分类的深度学习模型可以部署在云端，但是需要有4G网络保证正常通讯，这样会增加硬件成本，并且智能垃圾桶在4G网络信号不好的区域无法正常工作。

发明内容

本发明的目的在于提供一种嵌入式智能垃圾分类系统及其工作方法，用以解决现有技术中的垃圾分类难以实施以及云端垃圾分类系统必须要网络正常的问题。

本发明一方面提供了一种嵌入式智能垃圾分类系统，包括拍照模块、图片预处理模块、redis数据库模块、压缩深度模型和执行器，所述拍照模块连接图片预处理模块，所述图片预处理模块连接redis数据库模块，所述拍照模块拍摄获得的图片经过图片预处理模块后传输到redis数据库模块，所述redis数据库模块用于信息缓存和信息交换，所述压缩深度模型连接redis数据库模块，所述压缩深度模型用于根据垃圾图片信息识别垃圾类别，所述执行器连接redis数据库模块，所述执行器通过redis数据库模块接收垃圾类别信息并通过不同的翻转方向实现垃圾的分类投掷。

进一步的，所述压缩深度模型为mobileNet压缩深度模型。

本发明另一方面提供一种嵌入式智能垃圾分类系统的工作方法，包括如下步骤：

(1)拍照模块拍摄垃圾图片并将图片传输至图片预处理模块，通过opencv把图片处理成224*224像素的RGB图片；

(2)图片预处理模块将预处理后的图片通过redis接口写入redis数据库模块；

(3)压缩深度模型从redis数据库模块读取图片信息，随后开始计算，计算完成后返回子分类预测结果，并根据用户自定义词典将子分类结果映射到可回收垃圾和其他垃圾类别；

(4)压缩深度模型将预测的垃圾类别信息通过redis数据库返回并传输至执行器；

(5)执行器根据垃圾类别信息进行相应方向的翻转，实现垃圾的分类投掷。

进一步的，所述压缩深度模型采用stride＝2进行卷积运算，卷积核的通道数等于输入特征图的通道数。

进一步的，压缩深度模型利用tensorflow深度学习框架进行训练和预测。

进一步的，所述用户自定义词典在步骤(1)之前载入压缩深度模型，所述用户自定义词典定义可回收类别的垃圾模型和其他类别的垃圾模型。