[发明专利]一种用于塑料瓶的识别定位技术

说明书

本发明公开了一种用于塑料瓶的识别定位技术，包括硬件和软件系统两大部分。硬件部分包括MCU、电源管理模块、图像采集设备、触摸屏、外围扩展模块。软件部分包括拍摄照片、对照片进行预处理、训练模型、得到所需要的模型文件、测试模型文件的识别精度是否达到预期要求，根据实验结果调节算法所涉及的参数，进行验证和比对。从而实现定位识别。该发明主要目的在于实现智能垃圾分类、节约人工成本，从而维持生态环境可持续发展。

技术领域

本发明属于环境保护方面，涉及到一种智能垃圾分拣——塑料瓶的识别定位技术。

背景技术

伴随着人民生活水平日益提高，如何处理大量的生活垃圾成为人类目前面临的重大问题。传统的垃圾分类回收是在最初投放垃圾时将垃圾先进行分类，将同一类型的垃圾放入指定的垃圾桶中，并运送到垃圾中转站，然后再由工人针对特殊垃圾二次分类，将可回收垃圾分选出，进行再利用。这样既费时，又费力。因此，发明一种智能垃圾分拣系统就显得尤为重要。

目前国内有关垃圾的处理方式大多都是采用传统的方法，即垃圾回收站的方式。绿色垃圾箱由厨余垃圾收运车清运，黑色垃圾箱由物业的保洁员或者环保部门的保洁员负责收运到各片区的中转站。国外的垃圾分拣都处于研发阶段，离工业化生产应用还有一段时间，因为垃圾分类是相当复杂的一个环境，物品多且处于被污染变形的状态。智能分类技术中，机器视觉和定位技术相当重要，可以对大量垃圾分类的研究提供关键技术，这对环境保护和经济发展都有着长远的意义。

发明内容

基于深度学习的YOLO算法对垃圾分类的巨大优势，本发明提供一种基于YOLO算法的智能垃圾分拣系统，以解决现有算法中速度慢、训练困难、精确度低的问题。其具体方案如下：

第一方面，本申请实例提供了一种智能垃圾分拣方法，包括：

通过U300这款CMOS工业相机拍摄和通过网络爬虫获取数据集，使用labelImg进行数据标记。

搭建Darknet、TensorFlow框架和CUDA并行计算框架，用来接收和处理数据。根据训练模型和匹配提取等算法进行图像识别。根据检测算法和定位算法对识别的塑料瓶进行定位。

该系统对输入的图片进行预处理，预处理操作主要通过一些数据增强的方式来进行，对数据集进行归一化等操作，为后续的训练提供便利。

训练模型，在训练模型之前，将系统所需环境安装好，测试无误后即可开始训练。主要过程是将预处理后的数据集送入YOLOv3的神经网络中。

第二方面，本申请实例提供了一种智能垃圾分拣系统，包括：

硬件系统：由采集塑料瓶图像的摄像头，以及运行识别算法的ARM处理器组成。

算法研究：主要是对塑料瓶图像的识别以及对塑料瓶位置进行定位的算法。

软件系统：主要是包括研究算法的代码实现以及在ARM板上的代码移植和交互界面的代码，软件系统在Linux下运行。

整个系统的运行流程为：1、设置安放相机的位置，对相机进行矫正。2、根据训练模型和匹配提取等算法进行图像识别。3、根据检测算法和定位算法对识别的塑料瓶进行定位。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实例提供的一种智能垃圾识别方法系统整体框架示意图。

具体实施方式