[发明专利]一种基于深度学习的城市固体废弃物在线分选系统

说明书

本发明提供了一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；上述的基于深度学习的城市固体废弃物在线分选系统，相对于国内普遍使用的城市固体废弃物人工分选方法，本分选系统效率高、持续工作时间长、可显著改善工人工作环境，实现分选自动化。

技术领域

本发明涉及机械设备自动分选城市固体废弃物的技术领域，特别是涉及基于人工智能的城市固体废弃物在线分选系统。

背景技术

随着社会经济快速发展和城镇化进程不断加速，国内很多大型城市面临着垃圾围城困境。城市固体废弃物，尤其是其中的低值可回收物，如各种颜色的餐盒、洗护瓶等，精细分类后可降级再生甚至同级再生，有很大的循环利用价值，而其回收难点在于分选技术。

传统的分选方式主要依靠物体的物理性质，如弹跳筛、滚筒筛，无法将垃圾按材料精确分类；目前的分选方式主要依靠人工分拣，有着效率低、工作时间短、工作环境恶劣的缺点，无法满足庞大的城市固体废弃物日产量。

CN103180717A、CN101970135A、CN105874321B等专利系统地展现了欧洲公司在近红外光谱分选方面的研究成果。近红外光谱可以很好的分辨物体的材料，但其很难识别套标物体，如表面覆盖PE膜的PET饮料瓶易被当成PE物料；且近红外光谱设备成本昂贵，卤素灯等近红外光源寿命短，光强度会随着使用时间衰减。

发明内容

本发明目的在于克服现有技术、方法的不足，提供一种城市固体废弃物识别准确率高、分选效率高、成本低廉的城市固体废弃物在线分选系统。

为实现上述目的，本发明解决其技术问题所采用的技术方案是：一种基于深度学习的城市固体废弃物在线分选系统，包括：输送带、图像采集系统、工控机、分选执行机构；

所述输送带用于散布并输送城市固体废弃物物料，由进料口向图像采集系统及分选执行机构方向输送；所述图像采集系统位于输送带上方，于分选执行机构间隔一定距离；所述分选执行机构位于输送带末端；

分选时包括如下步骤：

步骤1)图像采集系统每隔固定时间采集长度为w像素、宽为w/n像素的图像p；及对应的采集时的程序时间t_p，并输入至工控机，存入原始图像总队列P；其中，参数n表示n张输入图拼成1张预测图；

步骤2)工控机待原始图像总队列P中的图像数大于n时，读取队列P最前n张原始图像p₁～p_1+n，拼成1张w×w像素的待预测图q，将待预测图q的时间t_q设为最末1张原始图像p₁的时间t_p1，并将待预测图q与对应时间t_q存入待预测图队列Q，并删除队列P中最前1张原始图像p₁；

步骤3)将图像输入深度学习网络，利用事先训练好的模型进行预测，得到图像中的每个物体的种类、掩膜图质心坐标(x_mask，y_mask)和掩膜长宽h_mask、w_mask；所述掩膜图为大小为目标物体的最小外接正矩形的二值图，掩膜图中物体像素点为白色，非物体像素点为黑色；

步骤4)根据掩膜图质心坐标(x_mask，y_mask)、掩膜高宽h_mask、w_mask、待预测图q对应时间求得物体的气吹时间T_object和执行分选参数，存入目标物体队列展丽婷；