[发明专利]一种基于深度学习与高光谱识别技术的垃圾碳值估算方法

说明书

本发明公开了一种基于深度学习与高光谱识别技术的垃圾碳值估算方法，2D工业相机拍摄垃圾的RGB图像，高光谱线扫相机同步采集垃圾的高光谱图片信息；将RGB图像输入到YOLOv4目标检测模型中获取图像中并经NMS算法过滤得到目标垃圾点坐标位置信息；高光谱图片信息经过PLS模型降维并进行分类；遍历YOLOv4目标检测模型预测出目标框置信度，判断每个目标框置信度是否大于0.8，并输出该目标物的最终碳值。本发明提供了一种基于深度学习与高光谱识别技术相结合的垃圾碳值估算方法，可对垃圾来料进行碳值分析计算，提升垃圾处置效率，增强识别计算的准确度。

技术领域

本发明涉及一种碳值估算方法，特别是一种基于深度学习与高光 谱识别技术的垃圾碳值估算方法，属于垃圾智能处理技术领域。

背景技术

目前，我国生活垃圾末端处理主要以填埋和焚烧为主，其中焚烧 是一种处理生活垃圾的常见方式，生活垃圾焚烧时为促进燃烧效果， 通常会在其中加入部分化石助燃燃料，如煤炭化石、燃油等，这些助 燃品随着垃圾焚烧会产生一定的二氧化碳气体，碳排放量会随之增加。 而生活垃圾填埋虽然可将垃圾掩埋于地下，但这个过程中也会产生一 定量的含碳气体，填埋中运用的渗沥液也会在渗沥液调节池中释放一 氧化氮和其他包含碳元素物质。因此，目前生活垃圾末端处置的方式 均不可避免的会在处置过程中产生二氧化碳。

为推动减少二氧化碳排放，对垃圾进行低碳化处置是减少二氧化 碳排放行之有效的一种方式，对垃圾进行碳值估算在一定程度上可促 进垃圾低碳化处置，对减少二氧化碳排放提供了一种新思路。然而传 统的垃圾碳值估算方法仅仅只是通过人工方法进行物料材质的判断， 不确定性因素大，且市面上的多种物料往往掺杂其他材质，纯度低， 大大降低了垃圾碳值估算的准确性。

发明内容

本发明所要解决的技术问题是提供一种基于深度学习与高光谱 识别技术的垃圾碳值估算方法，对垃圾来料进行碳值自动估算且估算 的准确度高。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于深度学习与高光谱识别技术的垃圾碳值估算方法，其特 征在于包含以下步骤：

步骤一：2D工业相机拍摄垃圾的RGB图像，高光谱线扫相机同 步采集垃圾的高光谱图片信息；

步骤二：将RGB图像输入到输入尺寸为416mm*416mm的YOLOv4 目标检测模型中获取图像中存在目标物料的所有位置框Bouding Box 的列表，经非极大值抑制NMS算法过滤得到最后需要保留的目标垃圾 点坐标位置信息；

步骤三：高光谱图片信息经过PLS模型降维后，获取目标物料特 征波段信息并进行分类；

步骤四：遍历YOLOv4目标检测模型预测出目标框置信度，判断 每个目标框置信度是否大于0.8，若目标框置信度大于0.8，根据目 标物标签信息获得对应目标物的碳值并输出碳值结果；

步骤五：若目标框置信度小于0.8，根据该目标物目标框的顶点 及末点坐标位置截取高光谱相机模型赋予每个像素点碳值的区域部 分，求出该区域里像素点之和，并输出该目标物的最终碳值。

进一步地，所述步骤二中非极大值抑制NMS算法具体为：

其中，Si代表了每个边框得分，M代表当前得分最高的框，bi 表示剩余框的某个框，Nt为设定的NMS阈值，iou为两个识别框的重 合面积比例。

进一步地，所述步骤二中YOLOv4目标检测模型的训练过程为：

2.1、根据目标物料不同，对每个目标物料进行标注；

2.2、将标注完毕的样本数据集按照416mm*416mm放入YOLOv4目 标检测模型中进行训练。