[发明专利]一种基于视觉技术和深度学习的存余垃圾识别方法和装置

说明书

本发明公开了一种基于视觉技术和深度学习的存余垃圾识别方法和装置，包括匀料器、视觉单元、执行单元、输送线和总控机，输送线为电机驱动的传送带装置，第一传送带的上方支架上连接有匀料器，物料从匀料器的上端进入，从匀料器的下端均匀的落入第一传送带上，第一传送带旁的地面上固定连接有总控机，物料顺着第一传送带运动到第二传送带上，第二传送带将物料运转到第三传送带上，本发明将替代人工劳动力，排除对人体危害，并且相比单纯依靠基于深度学习和机器视觉完成物体识别检测来讲，本研究先通过得到物体密度和坐标，再将少部分图像中物体进行算法识别，可以大幅度缩短识别耗时，提高识别精准度达到99.5％。

技术领域

本发明涉及一种存余垃圾分拣领域，具体是一种基于视觉技术和深度学习的存余垃圾识别方法和装置。

背景技术

近几年，在生活垃圾和建筑垃圾分拣工业流水线技术上，国内主要通过传统机械分选配合人工辅助完成分拣工作，同时，基于光电、电磁、风力等技术也在此行业研发和应用；发达国家在生活垃圾、建筑垃圾、一般工业垃圾分拣流水线上，开发出基于深度学习的机器人视觉分拣技术，国外最具代表的，如芬兰的ZenRobotics机器人在建筑垃圾分拣应用，美国的BHS公司的MAX_AI机械臂利用识别垃圾材质以分拣垃圾等。但投资较高，且对于我国存余垃圾特征不适用。

而我国存余垃圾多为混合堆填数年的垃圾，主要为生活垃圾的非正规垃圾堆体内含有建筑、一般工业、其他垃圾，环境复杂，通过传统的机械分拣，如滚筒筛、风力、光电、振动筛、弹跳筛分等单体功能设备组合，很难完成高要求纯净度的分拣效果，人工辅助能力有限，且劳动力日渐紧缺。

引进国外的机器人分拣，投资高昂，且数据库需要重新按照我国垃圾特征建立，难度高，算法也须根据我国垃圾特征不断优化。每个国家的机器人分拣技术因投资高，应用领域均为垃圾回收价值高的领域，如建筑垃圾、工业垃圾，或塑料、金属含量大的生活垃圾，在存余垃圾分拣领域目前尚无应用案例，所以，在存余垃圾智能化分拣领域创新应用，配合传统垃圾智能化机械分选流水线，替代人工辅助分拣，可最大限度解决筛分含杂率高的问题。

发明内容

本发明的目的在于提供一种基于视觉技术和深度学习的存余垃圾识别方法和装置，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于视觉技术和深度学习的存余垃圾识别方法，其识别方式为重质物输送流水线上的物料(40㎜＜粒径＜200㎜)基本为“砖头、石块、瓦砾、混凝土块”等无机类物料，但一般夹杂1％-10％的杂质，一般有“塑料类、橡胶类、棉织物、木类”，“砖头、石块、瓦砾、混凝土块”等无机类物料的干密度较大，均＞m0，棉织物类物料若含有大量泥水物，其密度增大，可能也会＞m0，a1物体在视觉区，称重得到其质量b1，双目相机得到其体积v1，通过计算机计算出其密度d1＝b1/v1，单目相机得到其物体图像和坐标；确定阈值m0大小，判断d1，若d1＜＝m0，则直接判定为杂质，若d1＞m0，则判定为待定物体，待定物体所在图像经过感兴趣区域提取，进入视觉单元，视觉单元由深度学习训练模型和机器视觉融合完成对目标物体图像的识别，深度学习训练模型由存余垃圾样本数据库的图像样本经预处理后训练完成，待定物体图像经过预处理后被视觉进行识别，若被正确识别，则输出检测结果至末端执行器，结果包括物体类别、坐标；若未被识别的照片则存入指定文件夹，用于后期补充训练，以不断提升数据库。