[发明专利]一种基于计算机视觉的垃圾分类软件在审

专利信息
申请号: 201911045897.9 申请日: 2019-10-30
公开(公告)号: CN110929760A 公开(公告)日: 2020-03-27
发明(设计)人: 冷聪;姜振涛 申请(专利权)人: 中国科学院自动化研究所南京人工智能芯片创新研究院;中国科学院自动化研究所
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 南京泰普专利代理事务所(普通合伙) 32360 代理人: 窦贤宇
地址: 211000 江苏省南*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算机 视觉 垃圾 分类 软件
【说明书】:

发明公开了一种基于计算机视觉的垃圾分类软件,包括移动端图像采集系统、垃圾类别数据系统、垃圾类别判定系统和个性化用户升级系统;所述移动端图像采集系统通过移动端的照相功能对垃圾图像进行采集;所述垃圾类别数据系统可以利用深度学习模式对垃圾类别数据进行高强度的学习和训练;垃圾类别判定系统对已拍摄的垃圾照片根据学习模型匹配结果获得类别结果;所述个性化用户升级系统可以针对用户习惯性产出的垃圾进行新增门目,从而保证垃圾分类的准确性。本发明实现了对垃圾分类的智能化识别,通过简单的拍摄操作就可以完成多种垃圾的同时分类识别,为居民生活提供了很大便利。

技术领域

本发明涉及一种计算机视觉技术,尤其是一种基于计算机视觉的垃圾分类软件。

背景技术

随着人民生活水平的不断提高,居民对城镇生活的环境质量要求也不断提高,这需要对城镇环境的整洁程度进行一定的质量把控,仅仅依靠着环卫工人单方面的清洁工作并无法达到一个比较好的状态。这就需要从居民自身出发,不仅仅是提高居民自身的卫生清洁意识,更加需要居民们都参与到每日的环境整治中来,从根源上降低卫生清洁的难度,从而将居民生活环境进行飞跃式的改进。

为了实现这一点,上海等城市首先作为试点城市开始进行居民的日常垃圾管理,通过让居民们参与到日常的生活垃圾分类中来,减轻环卫工人的清洁任务,提高生活垃圾处理的便捷程度。

随着《上海市生活垃圾管理条例》正式开始施行,越来越多的城市开始实施垃圾分类的管理,但对于大多数的城镇居民来说,垃圾分类还是一个熟悉而陌生的理念。很多人知道垃圾分类的概念,但并不知道如何去进行垃圾分类。现在垃圾种类也随着条例的规定趋于多样,并不再仅局限与可回收垃圾和不可回收垃圾,而是分为湿垃圾、干垃圾、有害垃圾和可回收垃圾。同时,垃圾的样式也是多种多样,各自分别对应着不同种类,一时间很难人工做好分类工作。

本发明提出使用计算机视觉技术,建立垃圾分类系统,识别不同样式的垃圾,并得出垃圾所属的种类,从而进行分类指导。用户可以在垃圾分类系统的指导下,较准确地进行垃圾分类工作。

发明内容

发明目的:提供一种基于计算机视觉的垃圾分类软件,以解决上述问题。

技术方案:一种基于计算机视觉的垃圾分类软件,包括移动端图像采集系统、垃圾类别数据系统、垃圾判定识别系统和个性化用户升级系统,利用移动端对垃圾进行拍摄,进一步通过学习模型进行垃圾类别识别,从而完成垃圾分类;

移动端图像采集系统,直接通过移动端的照相功能采集待识别垃圾的图像;

垃圾类别数据系统,前期通过收集大量的垃圾照片进行常用垃圾类别学习,建立垃圾分类识别的学习模型和数据库,利用深度学习模式对垃圾类别数据进行高强度的学习和训练;

垃圾类别判定系统,根据所述垃圾类别数据系统对已拍摄的垃圾照片学习后的结果,与学习模型中的类别进行结果匹配,获得类别结果;

个性化用户升级系统,针对用户习惯性产出的垃圾进行新增门目,从而考虑到不同用户的特殊性,保证垃圾分类的准确性;

所述移动端图像采集系统,用户在移动客户端上安装垃圾分类软件时,需要给与垃圾分类软件一定的操作权限,即垃圾分类软件需要获取移动端的图像使用权限,具体步骤为:

步骤1、使用移动端的图像采集设备,根据用户需求去采集垃圾图像,可以直接访问用户移动端中已经存储的图像或者直接利用拍摄装置进行图像拍摄;

步骤2、将采集到不明垃圾的图像导入垃圾分类系统中的深度学习模型里,与学习模型中的垃圾分类数据进行图像比对;

步骤3、经过深度学习模型中层层计算,最终计算出图像中各部分垃圾分类标签,并将分类标签呈现在之前采集的图像上,此时用户可以根据图像上的标签结果将垃圾正确的进行分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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中国科学院自动化研究所南京人工智能芯片创新研究院;中国科学院自动化研究所,未经中国科学院自动化研究所南京人工智能芯片创新研究院;中国科学院自动化研究所许可,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/201911045897.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top