[发明专利]一种基于计算机视觉的垃圾分类系统

权利要求书

1.一种基于计算机视觉的垃圾分类系统，其特征在于：包括

身份识别模块，用于获取当前用户的身份信息；

图像采集模块，用于对投放的垃圾进行图形采集，并将图像采集数据上传；

图像识别模块，用于接收图像采集数据，并进行判断分析，根据分析结果对投放的垃圾进行分类，并得出分类结果后进行上传；

垃圾回收柜，包括柜体、传送带、机械手臂和多个间隔设置的回收箱，所述柜体具有一与所述传送带对接的投入口，所述传送带水平设置在所述柜体内，并位于多个所述回收箱的上方，所述机械手臂用于根据分类结果将对应垃圾投入对应所述回收箱中；

控制模块，所述控制模块分别与所述身份识别模块、所述图像识别模块和所述机械手臂通讯连接，所述控制模块设置为根据所述图像识别模块获取的分类结果及该垃圾对应的位置信息，并控制所述机械手臂抓取该垃圾投入至对应所述回收箱中。

2.根据权利要求1所述的一种基于计算机视觉的垃圾分类系统，其特征在于：所述控制模块存储有用户的注册信息，注册信息为：用户姓名、用户住址、人脸信息、生物指纹信息或电话号码信息的其中之一信息或任意组合信息，当身份识别模块获取当前垃圾投放者的用户信息后与存储在控制模块的注册信息进行对比，若判断为注册用户，则打开投入口，若判断为非注册用户，则提示当前垃圾投放者进行注册，注册成功后，将当前垃圾投放者的用户信息存储到控制模块中，并打开投入口。

3.根据权利要求2所述的一种基于计算机视觉的垃圾分类系统，其特征在于：所述图像识别模块包括深度学习训练及计算单元，所述深度学习训练及计算单元用以根据所述图像采集数据识别出垃圾的材质得出目标垃圾及目标垃圾对应的位置信息。

4.根据权利要求3所述的一种基于计算机视觉的垃圾分类系统，其特征在于：所述深度学习训练及计算单元通过仿照人工神经网络的模式进行垃圾图片分类学习，从而获得对垃圾类别数据的高准确度判断，具体步骤为：

步骤1、收集大量垃圾图像数据，形成垃圾图像数据集；

步骤2、将步骤S1中的垃圾图像数据集送入深度卷积神经网络中进行模型的训练，生成垃圾分类神经网络模型；在垃圾分类神经网络模型的训练过程中，垃圾图像分类模型训练完一个epoch后，进行模型验证；训练完毕后使用测试集测试垃圾图像分类模型，测试集用于测试深度学习模型学到的垃圾分类能力，并根据测试结果对该模型进一步的优化和更新；

步骤3、获取待分类垃圾的图像采集数据；

步骤4、将待分类垃圾的图像采集数据输入到步骤2中的垃圾分类神经网络模型中；

步骤5、根据垃圾分类神经网络模型的输出结果获得待分类垃圾的类别。

5.根据权利要求4所述的一种基于计算机视觉的垃圾分类系统，其特征在于：步骤1中大量垃圾图像数据来源为网络照片和现实生活照片，垃圾图像数据集采用图像增强技术进行随机扩充，所述图像增强技术包括随机翻转、随机亮度和随机裁剪。

6.根据权利要求4所述的一种基于计算机视觉的垃圾分类系统，其特征在于：待分类垃圾的类别包括可回收垃圾、厨余垃圾、有害垃圾和其他垃圾，所述回收箱的类别也为四个，分别包括可回收垃圾、厨余垃圾、有害垃圾和其他垃圾。

7.根据权利要求1所述的一种基于计算机视觉的垃圾分类系统，其特征在于：所述图像采集模块包括图片裁剪单元和图片处理单元，所述图片裁剪单元用于将投放的垃圾裁剪为512像素*512的图片，所述图片处理单元用于将裁剪后的图片进行尺度变换和归一化后发送至所述图像识别模块。