[发明专利]基于深度学习的垃圾分类投放智能监管系统及方法

权利要求书

1.一种基于深度学习的垃圾分类投放智能监管系统，其特征在于，包括：用户登录模块、控制模块、图像采集模块、第一检测模块、远程数据处理模块和用户积分系统，其中，

所述用户登录模块，用于接收用户登录信息，并将所述用户登录信息与所述用户积分系统中的用户信息进行匹配；

所述第一检测模块，用于检测垃圾箱的投放口的状态，

当检测到垃圾箱的投放口打开时，向所述控制模块发送第一控制信号，以使所述控制模块根据所述第一控制信号控制所述图像采集模块采集垃圾投放前垃圾箱内的第一图像信息；

当检测到垃圾箱的投放口关闭时，向所述控制模块发送第二控制信号，以使所述控制模块根据所述第二控制信号控制所述图像采集模块采集垃圾投放后垃圾箱内的第二图像信息；

所述控制模块，还用于将所述第一图像信息和所述第二图像信息传输至所述远程数据处理模块，所述远程数据处理模块用于判断垃圾分类是否正确，得到判断结果，并将所述判断结果发送至所述用户积分系统；

所述用户积分系统，用于根据所述判断结果对用户的积分信息进行更新；所述远程数据处理模块包括图像预处理单元、垃圾分类模型和判断单元，其中，

所述图像预处理单元，用于根据所述第一图像信息和所述第二图像信息，得到第三图像信息，并根据所述第三图像信息，判断是否投放垃圾；其中，图像预处理单元将第一图像信息和第二图像信息进行相减，以检测出两幅图像的图像差异信息，并对相减后的图像差异信息进行滤波和图像增强处理，得到第三图像信息，当第一图像信息和第二图像信息之间存在差异，则判断有投放垃圾，当第一图像信息和第二图像信息之间没有差异，则判断没有投放垃圾；

当判断投放垃圾时，所述垃圾分类模型对所述第三图像信息进行分类处理，得到垃圾分类结果，所述判断单元根据所述垃圾分类结果和预设的垃圾箱信息，判断垃圾分类是否正确，得到所述判断结果；

所述垃圾分类模型通过对神经网络模型训练得到，所述垃圾分类模型包括依次连接的图像特征提取单元、图像特征注意单元和概率计算单元，其中，图像特征提取单元用于对应垃圾的具体特征进行学习，并同时提取第三图像信息的特征至图像特征注意单元，图像特征注意单元用于对提取的特征进行特征拼接并对其进行注意力学习，同时排除图像背景噪声干扰，概率计算单元用于对学习到的垃圾注意力特征进行概率学统计计算，得到第三图像信息中的垃圾分类结果及准确分类的概率值。

2.根据权利要求1所述的基于深度学习的垃圾分类投放智能监管系统，其特征在于，所述用户信息包括用户注册信息、与用户注册信息关联的QR识别码和积分信息。

3.根据权利要求1所述的基于深度学习的垃圾分类投放智能监管系统，其特征在于，还包括第二检测模块，所述第二检测模块用于检测垃圾箱的垃圾装填质量信息和垃圾装填高度信息，并将所述垃圾装填质量信息和所述垃圾装填高度信息发送至所述控制模块；

响应于所述垃圾装填质量信息或所述垃圾装填高度信息达到预设的阈值，所述控制模块发出报警信息。

4.根据权利要求3所述的基于深度学习的垃圾分类投放智能监管系统，其特征在于，还包括显示模块，所述显示模块用于显示用户信息、报警信息和垃圾分类结果。

5.根据权利要求1所述的基于深度学习的垃圾分类投放智能监管系统，其特征在于，所述图像采集模块包括摄像机和环形补光灯。

6.根据权利要求3所述的基于深度学习的垃圾分类投放智能监管系统，其特征在于，所述第二检测模块包括超声波测距传感器和质量传感器。