[发明专利]一种基于深度学习识别的社区垃圾分类系统及方法

权利要求书

1.一种基于深度学习识别的社区垃圾分类系统，其特征在于，包括：

垃圾信息获取模块，用于对垃圾进行吸收光谱探测，以便获得吸收光谱特征向量；

垃圾成分测定模块，用于将所述吸收光谱特征向量代入深度学习模型，以此获得垃圾成分测定特征；

燃烧性质分析模块，用于将所述垃圾成分测定特征代入燃烧性质模型，从而得出所述垃圾的燃烧性质参数组；

垃圾处理模块，用于根据所述燃烧性质参数组，判断所述垃圾的燃烧性质，从而由所述燃烧性质与焚烧设备的适配性将所述垃圾输送至焚烧站；

所述深度学习模型包括：BP神经网络深度学习模型；所述垃圾成分测定模块，用于将若干特定垃圾样本输入所述BP神经网络深度学习模型进行训练，以此获得训练之后的BP神经网络深度学习模型；所述特定垃圾样本包括：垃圾成分含量值及其吸收光谱特征向量。

2.根据权利要求1所述的社区垃圾分类系统，其特征在于，所述垃圾信息获取模块包括：分段光谱探测设备，用于向所述垃圾发送探测红外光，从而使得所述探测红外光被划分为若干光谱分段，并以此获得吸收光谱特征；信息预处理单元，用于通过参考白板比较法进行黑白校正得到所述垃圾的反射率来消除暗电流对所述吸收光谱特征带来的噪声；主特征提取单元，用于将所述若干光谱分段合并为若干光谱段，并针对所述光谱段提取特征值，从而将所述吸收光谱特征转换为若干所述吸收光谱特征向量。

3.根据权利要求1所述的社区垃圾分类系统，其特征在于，所述燃烧性质模型包括：

LHV＝θ₁·PL+θ₂·PA+θ₃·TE+θ₄·FD-θ₅·NB-θ₆·WA

其中，LHV表示燃烧性质参数，PL、PA、TE、FD、NB和WA表示各垃圾成分含量值，θ₁、θ₂、θ₃、θ₄、θ₅和θ₆表示各垃圾对应的系数值。

4.根据权利要求1所述的社区垃圾分类系统，其特征在于，所述垃圾处理模块，用于根据所述燃烧性质参数组，判断所述垃圾是否处于所述焚烧站的所述焚烧设备适配的燃烧性质参数值适用范围之内，并将所述焚烧站适用范围内的所述垃圾分别运输和焚烧。

5.一种基于深度学习识别的社区垃圾分类方法，其特征在于，包括：

垃圾信息获取步骤，对垃圾进行吸收光谱探测，以便获得吸收光谱特征向量；

垃圾成分测定步骤，将所述吸收光谱特征向量代入深度学习模型，以此获得垃圾成分测定特征；

燃烧性质分析步骤，将所述垃圾成分测定特征代入燃烧性质模型，从而得出所述垃圾的燃烧性质参数组；

垃圾处理步骤，根据所述燃烧性质参数组，判断所述垃圾的燃烧性质，从而由所述燃烧性质与焚烧设备的适配性将所述垃圾输送至焚烧站；

所述深度学习模型包括：BP神经网络深度学习模型；所述垃圾成分测定步骤，将若干特定垃圾样本输入所述BP神经网络深度学习模型进行训练，以此获得训练之后的BP神经网络深度学习模型；所述特定垃圾样本包括：垃圾成分含量值及其吸收光谱特征向量。

6.根据权利要求5所述的社区垃圾分类方法，其特征在于，所述垃圾信息获取步骤包括：分段光谱探测步骤，向所述垃圾发送探测红外光，从而使得所述探测红外光被划分为若干光谱分段，并以此获得吸收光谱特征；信息预处理步骤，通过参考白板比较法进行黑白校正得到所述垃圾的反射率来消除暗电流对所述吸收光谱特征带来的噪声；主特征提取步骤，将所述若干光谱分段合并为若干光谱段，并针对所述光谱段提取特征值，从而将所述吸收光谱特征转换为若干所述吸收光谱特征向量。