[发明专利]一种自动分类垃圾桶及其分类方法和系统在审

专利信息
申请号: 202010388293.0 申请日: 2020-05-09
公开(公告)号: CN111517034A 公开(公告)日: 2020-08-11
发明(设计)人: 王凤随;王启胜;陈金钢;刘芙蓉;罗淑慧;王杰;孙心怡;刘慧紫 申请(专利权)人: 安徽工程大学
主分类号: B65F1/14 分类号: B65F1/14;B65F1/00
代理公司: 北京风雅颂专利代理有限公司 11403 代理人: 王刚
地址: 241000 *** 国省代码: 安徽;34
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 自动 分类 垃圾桶 及其 方法 系统
【权利要求书】:

1.一种自动分类垃圾桶,其特征在于,包括:

桶体,被隔板分成上下两层,所述隔板设有自动开关的第一垃圾投入口;

垃圾图像采集箱,固定安装在所述隔板上,且底壁与所述第一垃圾投入口贯通,所述垃圾图像采集箱用于获取垃圾图像;

垃圾回收桶,活动安装在所述桶体的底壁上,所述垃圾回收桶顶部开设有第二垃圾投入口;所述隔板可在所述垃圾回收桶顶部做圆周运动;所述垃圾回收桶用于回收分类后的垃圾;

控制分类装置,固定安装在所述隔板上,分别与所述隔板、所述第一垃圾投入口和所述垃圾图像采集箱信号连接,用于对获取的垃圾图像进行处理、识别,并将识别后的垃圾放入到固定的垃圾回收桶内。

2.根据权利要求1所述的自动分类垃圾桶,其特征在于,所述垃圾图像采集箱包括:

箱盖,活动连接在所述垃圾图像采集箱的开口处,用于对所述垃圾图像采集箱进行遮光密封;

光源,固定安装在所述垃圾图像采集箱内壁的上部,与所述控制分类装置信号连接,为垃圾图像的获取提供光照;

光敏感应器,固定安装在所述垃圾图像采集箱内壁上,与所述控制分类装置信号连接;

垃圾图像拍摄设备,固定安装在所述垃圾图像采集箱内壁上;且与所述光源的位置相对,所述垃圾图像拍摄设备与所述控制分类装置信号连接,且拍摄角度可调节。

3.根据权利要求1所述的自动分类垃圾桶,其特征在于,所述控制分类装置包括:

控制系统,用于完成整合图像采集、图像处理和垃圾分类过程中的数据传输、指令输入和指令输出;

垃圾分类模型,嵌入在所述控制系统内,用于对获取的垃圾图像进行处理和种类识别。

4.根据权利要求1所述的自动分类垃圾桶,其特征在于,所述垃圾回收桶包括若干个分离回收桶。

5.一种权利要求1~4任一所述自动分类垃圾桶的分类方法,其特征在于,包括:

获取垃圾图像信息,并对获取的垃圾图像信息进行预处理,得到图像信息集;

将图像信息集分割成训练集a、验证集和测试集a;

分别对训练集a和测试集a进行数据增强处理,得到训练集b和测试集b;

构建VGG16卷积神经网络模型,并采用训练集b和验证集对构建的VGG16卷积神经网络模型进行迭代训练至收敛,将测试集b输入到训练后的模型中进行预测性能验证,至准确率达85%以上,得垃圾分类模型;

将垃圾分类模型嵌入到控制分类装置中,当垃圾图像采集箱将获取到的垃圾图像信息传输到控制分类装置中,垃圾分类模型对垃圾图像信息进行图像处理、种类识别;

垃圾分类模型将识别的垃圾分类信息传输给控制系统,控制系统控制舵机的转动,实现对垃圾的分类。

6.根据权利要求5所述的自动分类垃圾桶的分类方法,其特征在于,所述构建的VGG16卷积神经网络模型包括输入层、池化层、卷积核、13个卷积层,中间的Flatten层和隐含层,所述隐含层通过relu函数激活神经元,去掉3个全连接层,输出的结果是通过Softmax分类器函数计算的总概率和为1的13个概率值。

7.根据权利要求5所述的自动分类垃圾桶的分类方法,其特征在于,所述将图像信息集分割成训练集a、验证集和测试集a采用的是交叉验证法。

8.根据权利要求5所述的自动分类垃圾桶的分类方法,其特征在于,所述训练集a、验证集和测试集a的占比分别为60%、20%、20%。

9.根据权利要求5所述的自动分类垃圾桶的分类方法,其特征在于,所述分别对训练集a和测试集a进行数据增强处理包括:

对训练集a进行横向平移和纵向平移、错切变换、缩放、水平翻转;然后利用flow_from_directory函数生成训练数据,即为训练集b;

对测试集a进行设置放缩因子,设置图片大小,然后利用flow_from_directory函数生成测试数据,即为测试集b。

10.一种实现权利要求5~9任一所述的自动分类垃圾桶的分类方法的系统,其特征在于,包括:

图像获取模块,用于获取垃圾图像信息;

图像处理模块,对获取垃圾图像信息进行预处理;

垃圾分类模块,对预处理后的垃圾图像信息进行图像处理和种类识别;

控制模块,用于完成整合图像采集、图像处理和垃圾分类过程中的数据传输、指令输入和指令输出。

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安徽工程大学,未经安徽工程大学许可,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/202010388293.0/1.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