[发明专利]一种能够多垃圾分类及投递的智能垃圾收集系统

权利要求书

1.一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述系统包括投递口装置、位于投递口装置下方的基座以及为整个系统提供电源的电源装置；

所述投递口装置包括盖体以及设置在盖体上方的垃圾投放口，所述垃圾投放口下方设有尺寸分类辊，所述尺寸分类辊与垃圾投放口的内壁形成尺寸控制环，所述尺寸分类辊通过两端的固定器固定，并且在固定器上设有电机用于驱动尺寸分类辊；

所述基座内设有垃圾存放筛和设置在垃圾存放筛下端的若干垃圾桶，所述垃圾存放筛位于垃圾投放口下端，所述垃圾存放筛固定在基座的侧壁上，并且设有激光感应装置，当有垃圾掉落时，整个系统开始工作；

所述垃圾存放筛的上方设置有两爪机械臂，用于抓取垃圾存放筛上的垃圾；所述垃圾存放筛的上方还设有垃圾图像采集与物体检测系统，用于对垃圾进行分类；所述垃圾图像采集与物体检测系统将采集的垃圾图像通过神经网络进行定位和分类，得到垃圾存放筛上垃圾的分布位置和类别，将各类垃圾对应的位置以电信号的方式传给微处理器，微处理器发射信号给两爪机械臂，两爪机械臂按照位置在垃圾存放筛上抓取垃圾，并根据类别移动到对应编号的垃圾桶上方进行投递。

2.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述两爪机械臂的其中一个爪为电磁机械爪，通电时可吸附金属铁，断电时金属铁掉落。

3.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：每个垃圾桶的底部设置有颤动装置，所述颤动装置包括弹性支撑机结构和用于上下移动的电机螺纹丝杆装置，每次垃圾投递完毕时，在垃圾桶停止工作间隙自动触发开关颤动桶体使桶内垃圾分布均匀，将一些小垃圾填充在桶内，提高空间利用度。

4.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述垃圾投放口是圆形的，所述尺寸分类辊的位置距离垃圾投放口的圆心的1/3处。

5.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述垃圾桶设置为四个，分别盛装可回收垃圾、有害垃圾、厨余垃圾和其他垃圾。

6.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述电源装置为光伏供电、蓄电池供电以及市政供电的一种或者多种的组合。

7.根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述系统还包括状态检测系统，所述状态检测系统包括高度信号传感器和图像状态感受器；高度信号传感器安装在每个垃圾桶的桶壁的3/4高度处，高度信号传感系统实时监测垃圾桶中垃圾高度，高度一旦触及限位值，投放口将关闭，同时发送信号到就近物业管理处以便安排专门人员尽快倾倒垃圾；图像状态感受器定期对所采集图像进行自检，如果发现图像的分辨率过低或者无法采集图像等现象，投放口关闭，并反馈信号给就近物业管理处进行自动报修。

8. 根据权利要求1所述的一种能够多垃圾分类及投递的智能垃圾收集系统，其特征在于：所述垃圾图像采集与物体检测系统对垃圾进行检测分类的方法采用Garbage Net算法，具体步骤如下：

（1）、建立各种垃圾种类的数据集；

（2）、垃圾图像采集与物体检测系统的摄像头采集垃圾的彩色图像；将得到的彩色图像输入到一个浅层的卷积神经网络中提取彩色像素、像素空间位置的一些抽象的语义特征，卷积神经网络计算过程中，图片的尺寸保持不变；

每层卷积层之后需要分别使用批正则化和修正线性单元处理；

图像输入后的卷积层处理得到原图像的16通道的特征图，滑动窗口大小为原图像边长的0.2倍，依次从左到右，从上到下滑动，移动步长为2；

（3）、使用上述尺寸的滑动窗检测器，对采集到的彩色垃圾图像的特征图进行处理，分为两个过程：

（3-1）、将彩色垃圾图像的特征图转为8位灰度图像，计算滑动窗检测器中的灰度共生矩阵，并分别计算滑动窗口内表征像素复杂程度的熵、纹理一致性程度的自相关性以及图像纹理局部变化快慢的逆差矩阵，以此初步确定图像中的垃圾的物体类别；

（3-2）、将窗口内的特征图分别计算方向梯度直方图以及进一步的卷积处理，将两者所得的特征进行融合，采用交叉熵作为分类函数得到分类结果，采用逻辑回归获得最终图像的包围框；分类结果的框可能包括许多的重合框，采用非极大值抑制方法，计算不同窗口的重合面积，如果重合面积大于设定阈值则删除其中一个包围框；循环上述操作，直至全部计算完成；

（3-3）、对于每张图片包含的类别，将（3-2）的分类结果与步骤（3-1）的确定的物体类别比较，两者结果相同则分类正确，否则错误，错误时返回滑动窗口处，改变窗口尺寸为边长的0.5倍，如果灰度共生矩阵所得结果与网络分类结果仍不相同，则按照网络分类结果进行处理；

（3-4）、采用误差逆传播算法，再次以交叉熵函数作为损失函数，按照上述步骤对垃圾分类Garbage Net算法进行训练，迭代50K次或者在分类损失达到0.05左右时，停止训练；

（4）、训练完成后，将步骤（3-4）训练的权重文件导入垃圾分类系统，进行使用，得到分类结果；

（5）、根据步骤（4）分类的结果以及垃圾桶与包围框的位置进行抓取并投递到对应的垃圾桶中。