[发明专利]一种基于互联网的分类回收监管系统

权利要求书

1.一种基于互联网的分类回收监管系统，其特征是，包括回收袋、分类回收监管平台和垃圾分拣模块，所述回收袋用于存储可回收垃圾，所述分类回收监管平台包括用户注册单元、预约回收单元、垃圾分拣监控单元、错误提醒单元、数据库和积分激励单元，用户通过用户注册单元注册成为分类回收监管平台的会员，所述分类回收监管平台将回收袋配发给会员，所述回收袋上印有二维码，会员通过扫描所述二维码将所述回收袋和会员进行绑定，会员通过预约回收单元选取垃圾回收工作人员上门收取回收袋的时间，分类回收监管平台根据会员选取的回收时间令垃圾回收工作人员上门收取回收袋，并配发给会员新的回收袋，所述垃圾分拣模块包括视频采集单元、图像采集单元和垃圾称重单元，所述视频采集单元采用摄像头采集垃圾分拣人员对所述回收袋中的垃圾进行分拣的视频图像，并将采集的视频图像传输至垃圾分拣监控单元进行显示，所述图像采集单元用于在垃圾分拣人员在回收袋中发现非可回收垃圾时，对所述非可回收垃圾进行图像采集，并将采集的非可回收垃圾的图像传输至错误提醒单元进行显示，所述垃圾称重单元用于对垃圾分拣人员分拣所得的各种类的可回收垃圾进行称重，并将获取的回收袋中各种类的可回收垃圾的重量传输至积分激励单元，所述数据库中存储有根据各种类的可回收垃圾的重量进行奖励积分兑换的规则，所述积分激励单元用于根据接收到的回收袋中各种类的可回收垃圾的重量和数据库中存储的奖励积分的兑换规则计算所述回收袋中各种类的可回收垃圾兑换所得的奖励积分，并将兑换所得的奖励积分的总和传输至积分激励单元进行显示；

所述垃圾分拣模块采用GPRS通信方式将信息传输至分类回收监管平台；

所述错误提醒单元用于对接收到的非可回收垃圾的图像进行处理，并对处理后的非可回收垃圾的图像进行显示，包括图像滤波部分、图像分割部分和图像显示部分，所述图像滤波部分用于对接收到的图像进行滤波处理，所述图像分割部分用于在滤波处理后的图像中分割出非可回收垃圾的区域图像，所述图像显示部分用于显示分割所得的非可回收垃圾的区域图像；

所述图像滤波部分用于对接收到的图像进行滤波处理，设I表示接收到的大小为M×N的图像，I(x，y)表示图像I中坐标(x，y)处的像素，B(x，y)表示以像素I(x，y)为中心的C(x，y)×K(x，y)的局部参考区域，所述局部参考区域B(x，y)为矩形，C(x，y)表示局部参考区域B(x，y)的长，K(x，y)表示局部参考区域B(x，y)的宽，局部参考区域B(x，y)的宽K(x，y)采用下列方式确定：

给定一个以像素I(x，y)为中心的K×K的局部邻域Ω(x，y)，其中，K＜M且K＜N，设L(x，y)为像素I(x，y)的相邻像素集合，且L(x，y)＝{I(e，o)|Δl(e，o)＝1}，其中，I(e，o)为相邻像素集合L(x，y)中坐标(e，o)处的像素，Δl(e，o)表示像素I(e，o)和像素I(x，y)之间的空间距离，且设表示像素I(x，y)在相邻像素集合L(x，y)中的均值，且其中，f(e，o)表示像素I(e，o)的灰度值，f(x，y)表示像素I(x，y)的灰度值，N(L(x，y))表示相邻像素集合L(x，y)中的像素数；设I(i，j)表示局部邻域Ω(x，y)中坐标(i，j)处的像素，Δd(i，j)表示像素I(i，j)和像素I(x，y)之间的灰度距离，且令当Δd(i，j)满足时，将像素I(i，j)标记为候选参考像素，其中，N(Ω(x，y))表示局部邻域Ω(x，y)中的像素数，f(i，j)表示像素I(i，j)的灰度值；将局部邻域Ω(x，y)中标记为候选参考像素的像素组成集合F(x，y)，对集合F(x，y)中的候选参考像素定义检测系数，设I(m，n)为集合F(x，y)中坐标(m，n)处的候选参考像素，则候选参考像素I(m，n)对应的检测系数为β(m，n)，且β(m，n)的表达式为：

式中，δ(i，j)为判断函数，将以像素I(x，y)为起点同时包含候选参考像素I(m，n)的射线记为l((m，n)，(x，y))，当像素I(i，j)处于射线l((m，n)，(x，y))上时，则δ(i，j)＝1，否则，δ(i，j)＝0，s(m，n)为条件系数，当射线l((m，n)，(x，y))上的候选参考像素数大于1时，则s(m，n)＝1，当射线l((m，n)，(x，y))上的候选参考像素数等于1时，则s(m，n)＝0，Δl(m，n)表示候选参考像素I(m，n)和像素I(x，y)之间的空间距离，且Δl_max(x，y)表示集合F(x，y)中候选参考像素和像素I(x，y)之间的空间距离的最大值；

选取集合F(x，y)中具有最大检测系数的候选参考像素为局部参考区域B(x，y)的参考像素，设I(a，b)为选取的局部参考区域B(x，y)的参考像素，将以像素I(x，y)为起点同时包含参考像素I(a，b)的射线记为l((a，b)，(x，y))，则局部参考区域B(x，y)的宽K(x，y)所在的直线和射线l((a，b)，(x，y))平行，且K(x，y)的值为：

式中，Δl(a，b)为参考像素I(a，b)和像素I(x，y)之间的空间距离，且I(r，u)表示局部邻域Ω(x，y)中坐标(r，u)处的像素，f(r，u)为像素I(r，u)的灰度值，η(r，u)为像素I(r，u)对应的判断函数，当像素I(r，u)处于射线l((a，b)，(x，y))上时，则η(r，u)＝1，否则，η(r，u)＝0，f(max)和f(min)为图像I中的最大和最小灰度值，表示同时处于局部邻域Ω(x，y)和射线l(a，b)，(x，y)上的像素的灰度值均值，且

局部参考区域B(x，y)的长C(x，y)所在的直线和射线l((a，b)，(x，y))垂直，且C(x，y)的值为：

式中，σ(x，y)表示像素I(x，y)的局部邻域Ω(x，y)中像素灰度值的方差，σ(max)表示图像I中像素的局部邻域中像素灰度值的方差的最大值，所述像素的局部邻域为以该像素为中心的K×K的局部邻域。

2.根据权利要求1所述的一种基于互联网的分类回收监管系统，其特征是，对局部参考区域B(x，y)进行检测，给定局部参考区域B(x，y)的第一区域统计函数h₁(x，y)和第二区域统计函数h₂(x，y)，且其中，N(B(x，y))为局部参考区域B(x，y)中的像素数，I(i_B，j_B)为局部参考邻域B(x，y)中坐标(i_B，j_B)处的像素，f(i_B，j_B)为像素I(i_B，j_B)的灰度值，θ₁(i_B，j_B)为像素I(i_B，j_B)对应的第一取值函数，当像素I(i_B，j_B)的灰度值f(i_B，j_B)满足f(i_B，j_B)＜M₁(x，y)时，则θ₁(i_B，j_B)＝1，否则，θ₁(i_B，j_B)＝0；其中，θ₂(i_B，j_B)为像素I(i_B，j_B)对应的第二取值函数，当像素I(i_B，j_B)的灰度值f(i_B，j_B)满足f(i_B，j_B)＞M₂(i，j)时，则θ₂(i_B，j_B)＝1，否则θ₂(i_B，j_B)＝0，M₁(x，y)和M₂(x，y)分别为给定的局部参考区域B(x，y)的第一像素检测阈值和第二像素检测阈值，且M₁(x，y)＝u(B(x，y))-σ(B(x，y))，M₂(x，y)＝u(B(x，y))+σ(B(x，y))，其中，u(B(x，y))为局部参考区域B(x，y)中像素灰度值的均值，σ(B(x，y))为局部参考区域B(x，y)中像素灰度值的方差；

设f′(x，y)为对像素I(x，y)进行滤波处理后的灰度值，则f′(x，y)采用下列方式确定：

当像素I(x，y)的灰度值f(x，y)满足M₁(x，y)≤f(x，y)≤M₂(x，y)时，则f′(x，y)＝f(x，y)；

当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M₁(x，y)且时，则判定像素I(x，y)为噪声像素，则β(h₂(x，y)，f(i_B，j_B))为第二区域统计函数h₂(x，y)和像素I(i_B，j_B)对应的判断函数，当f(i_B，j_B)＞M₂(x，y)且时，则β(h₂(x，y)，f(i_B，j_B))＝0，否则β(h₂(x，y)，f(i_B，j_B))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＜M₁(x，y)且时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)；

当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M₂(x，y)且时，则判定像素I(x，y)为噪声像素，则β(h₁(x，y)，f(i_B，j_B))为第一区域统计函数h₁(x，y)和像素I(i_B，j_B)对应的判断函数，当f(i_B，j_B)＜M₁(x，y)且时，则β(h₁(x，y)，f(i_B，j_B))＝0，否则β(h₁(x，y)，f(i_B，j_B))＝1；当像素I(x，y)的灰度值f(x，y)满足f(x，y)＞M₂(x，y)且时，则判定像素I(x，y)为非噪声数据，则f′(x，y)＝f(x，y)。