[发明专利]垃圾箱溢满检测方法、装置、智能机器人及存储介质

说明书

本申请公开了一种垃圾箱溢满检测方法、装置、智能机器人及存储介质，通过智能机器人采集待检测垃圾箱的目标图像，并将目标图像输入到目标溢满检测模型，对目标图像进行多尺度分割，生成多尺度特征图像；以及对多尺度特征图像进行目标检测，确定待检测垃圾箱在目标图像中的目标位置区域，和对多尺度特征图像进行特征提取，生成每个尺度目标的原型掩膜；对多个原型掩膜和目标位置区域进行组合运算，得到待检测垃圾箱的垃圾溢满检测结果，以根据每个垃圾箱的垃圾箱位置和该垃圾箱位置中的垃圾掩膜数据，确定垃圾溢满检测结果，实现垃圾箱自动化溢满检测，降低人力和物力成本。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种垃圾箱溢满检测方法、装置、智能机器人及存储介质。

背景技术

垃圾清运是现代人们生活中必不可少的重要环节，其是保障居住环境卫生的重要保障。目前垃圾清运采用人工方式，通过将环境划分为若干块区域，由清运工定期对各块区域的各个垃圾桶进行清理，但是人工方式通常存在发生垃圾桶溢满未被及时发现而影响环境卫生以及垃圾清运问题。

目前，主要是通过在垃圾桶安装各类传感器，传感器检测垃圾桶的温度、湿度、气味和烟雾等数据，并通过数据处理后实现自动溢满报警功能。但是通过安装传感器的方式会导致垃圾桶成本增高，并且传感器寿命有限，需要定期检测更换传感器，进一步增加了成本。

发明内容

本申请提供了一种垃圾箱溢满检测方法、装置、智能机器人及存储介质，以解决现有针对垃圾箱溢满检测存在检测成本高的技术问题。

为了解决上述技术问题，本申请实施例提供了一种垃圾箱溢满检测方法，应用于智能机器人，包括：

采集待检测垃圾箱的目标图像；

将目标图像输入到目标溢满检测模型，对目标图像进行多尺度分割，生成多尺度特征图像，多尺度特征图像中包含多个尺度目标；

对多尺度特征图像进行目标检测，确定待检测垃圾箱在目标图像中的目标位置区域；

对多尺度特征图像进行特征提取，生成每个尺度目标的原型掩膜；

对多个原型掩膜和目标位置区域进行组合运算，得到待检测垃圾箱的垃圾溢满检测结果。

本实施例通过智能机器人采集待检测垃圾箱的目标图像，并将目标图像输入到目标溢满检测模型，对目标图像进行多尺度分割，生成多尺度特征图像，以区分图像中不同尺寸的目标，在基本不增加原有模型计算量的情况下，大幅度提升小物体检测的性能，提高检测准确度；以及对多尺度特征图像进行目标检测，确定待检测垃圾箱在目标图像中的目标位置区域，和对多尺度特征图像进行特征提取，生成每个尺度目标的原型掩膜，从而识别待检测垃圾箱的位置和垃圾箱的掩膜数据以及垃圾箱中垃圾的掩膜数据；对多个原型掩膜和目标位置区域进行组合运算，得到待检测垃圾箱的垃圾溢满检测结果，以根据每个垃圾箱的垃圾箱位置和该垃圾箱位置中的垃圾掩膜数据，确定垃圾溢满检测结果，实现垃圾箱自动化溢满检测，降低人力和物力成本。

在一实施例中，将目标图像输入到目标溢满检测模型，对目标图像进行多尺度分割，生成多尺度特征图像，包括：

基于目标溢满检测模型中的Backbone网络，对目标图像进行特征提取，得到目标图像的多尺度特征；

基于目标溢满检测模型中的特征金字塔FPN网络，对多尺度特征进行多次降采样和上采样，得到底层特征和高层特征；

对底层特征和高层特征进行融合，得到多尺度特征图像。

由于垃圾箱图像中通常存在不同尺寸的目标，而不同目标具有不同特征，本实施例通过对图像进行多尺度特征提取，以利用浅层特征区分简单目标，利用深层特征区分复杂目标，从而能够更好的对垃圾箱的垃圾进行识别，提高识别准确度。