基于AI识别技术的垃圾智能自动分类系统和分类方法与流程

本发明属于人工智能与垃圾分类技术领域，尤其涉及一种基于ai识别技术的垃圾智能自动分类系统、分类方法、以及实现该方法的非易失性存储介质。

背景技术：

随着社会经济的飞速发展和居民物质消费水平的大幅提高，我国居民生活垃圾的生产量也随之迅速增长，环境隐患日益突出，这已经成为新型城镇化发展的制约因素。现阶段，我国大约90％的城市都采用填埋的方式处理居民的生活垃圾,而由于居民生活垃圾的成分日益复杂化，填埋法产生的高浓度渗滤难以进行有效的处理，进而使得许多垃圾填埋场附近地区的生态环境会遭到了严重的破坏。

为了有效缓解此问题，垃圾分类是其关键处理环节，它可以显著降低垃圾处理成本，提高垃圾循环再利用价值，使之物尽其用。但是由于生活垃圾种类庞杂，许多人并不清楚垃圾的准确类别，造成了一定的乱投放行为，增加了垃圾处理的成本。

利用基于人工智能技术的垃圾分类回收系统可以对于垃圾实施挤压和脱水处理，这样可以减小垃圾的体积，有利于降低垃圾分类回收工作强度，提高工作效率，此外在运转垃圾时可以避免垃圾出现二次污染的问题，通过分类处理城市生活垃圾，还可以实现垃圾的循环再利用。

中国发明专利cn111137602b提出一种人工智能的垃圾分类系统，包括人工智能分类识别引擎。所述人工智能分类识别引擎对多个传送带各自传送的垃圾进行识别分类，多个传送带的每一个均设置有重量传感器、湿度传感器；所述重量传感器检测对应传送带上的垃圾的重量，所述湿度传感器用于检测所述对应传送带上的垃圾的湿度；如果所述多个传送带上的所有垃圾的重量值符合高斯分布，则保持所述量斗器沿第一水平方向往复运动的过程中的旋转速度和水平方向运动速度不变，否则，调节所述量斗器沿第一水平方向往复运动的过程中的旋转速度和/或水平方向运动速度，使得所述多个传送带上的所有垃圾的重量值符合高斯分布。

申请号为cn202010512980.9的中国发明专利申请提出一种基于人工智能的可回收垃圾图像分类方法，包括：步骤s1：部署硬件环境，建立摄像头、开发板主体和外接显示设备之间的联系；步骤s2：摄像头检测垃圾后拍摄图片；步骤s3：对图片进行预处理，按照预设的清晰度判别标准，对拍摄的图片进行清晰度比较，筛选出清晰度最高的一张图片；步骤s4：对筛选出的图片进行背景分割，分割出图片中包含的物体；步骤s5：将分割出的物体图片放入到卷积神经网络中进行图片分类，输出对应的概率分布；步骤s6：对概率分布进行判别并做出对应措施。该发明提升了使用者对垃圾分类的效率，从而提升了垃圾正确分类的概率。

然而，现有技术的垃圾分类系统大多强调从收集垃圾的源头时就对其进行准确分类，包括采用图像识别、组合传感识别等，这必将导致收集垃圾箱本身就要配置高精度识别的垃圾分类箱，使得垃圾分类成本大大增加，无法推广；而其他的垃圾分类处理和收集，又较多的完全依赖于垃圾箱本身收集的垃圾分类准确性。

可是，实践中发现，由于不同人群的垃圾分类意识不同，并且不同地区的垃圾分类标准不一，导致垃圾分类识别工作本身就无法精确展开，如果过于追求精确性，会导致垃圾分类实际上无法推广。如何在源端产生的垃圾本身分类不准确甚至垃圾混杂的情况下，在后期处理中能够较大程度的得出可分类的垃圾，应当成为首先解决的技术问题。

技术实现要素：

为解决上述技术问题，本发明提出一种基于ai识别技术的垃圾智能自动分类系统与方法。系统包括垃圾粗归集装置、垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置以及人工智能引擎。垃圾粗分组装置获取预定分组大小的垃圾传递至水平投放带；当压力采样参数满足预定条件时，通过垃圾拦截装置拦截预定分组大小的垃圾，并移动筛选框，使得被拦截的预定分组大小的垃圾进入筛选框；垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置的工作参数由所述人工智能引擎基于所述筛选框剩余的垃圾的重量和种类确定。本发明还公开基于所述系统实现的基于ai识别技术的垃圾智能自动分类方法以及实现所述方法的非易失性存储介质。

具体而言，本发明的技术方案包含如下三个方面：

在本发明的第一个方面，提供一种基于ai识别技术的垃圾智能自动分类系统，所述分类系统包括垃圾粗归集装置、垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置以及人工智能引擎。

其中，所述垃圾粗归集装置用于归集多个垃圾收集点产生的垃圾，每个所述垃圾点产生至少两类垃圾；

所述垃圾粗投放装置包括具备第一长度的水平投放带，所述水平投放带的第一端通过第二长度的倾斜传递带连接至所述垃圾粗归集装置；所述垃圾粗分组装置基于粗分组参数，从所述垃圾粗归集装置中获取预定分组大小的垃圾，并将所述预定分组大小的垃圾通过所述倾斜传递带传递至所述水平投放带；

所述垃圾筛选装置包括至少一个垃圾拦截装置以及多个筛选尺寸可调的筛选框；

当所述预定分组大小的垃圾在所述水平投放带上移动时，通过所述压力采样传感器获得多个压力采样参数；

当所述压力采样参数满足预定条件时，通过所述垃圾拦截装置拦截所述预定分组大小的垃圾，并移动所述筛选框，使得所述被拦截的所述预定分组大小的垃圾进入所述筛选框；

并且，所述粗分组参数、所述筛选尺寸以及所述预定条件由所述人工智能引擎基于所述筛选框剩余的垃圾的重量和种类确定。

作为优选，所述系统还包括设置于所述水平投放带和所述筛选框之间的鼓风机；

作为更进一步的优选，所述系统还包括多个垃圾转运桶；所述垃圾转运桶接收通过所述水平投放带的第二端传递的垃圾。

在本发明的第二个方面，还提供一种基于ai识别技术的垃圾智能自动分类方法，所述方法基于包含垃圾粗归集装置、垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置以及人工智能引擎的垃圾智能自动分类系统实现，

基于上述硬件装置，所述方法包括如下步骤：

s800：初始化粗分组参数、筛选尺寸以及压力采样阈值；

s810：基于所述粗分组参数确定分组大小值，并基于分组大小值从所述垃圾粗归集装置获取分组垃圾堆；

s820：将所述分组垃圾堆置于所述垃圾粗投放装置的水平投放带第一端的端面上；

s830：通过设置于所述水平投放带的多个压力采样传感器获取所述水平投放带上经过所述压力采样传感器的分组垃圾堆产生的压力采样参数；

s840：判断所述压力采样参数是否大于所述压力采样阈值；

如果是，进入下一步，否则，进入步骤s870；

s850：启动所述垃圾筛选装置的垃圾拦截装置，拦截经过所述压力采样传感器的分组垃圾堆，并移动所述垃圾筛选装置的筛选框，使得所述被拦截的所述分组垃圾堆进入所述筛选框；

s860：获取进入所述筛选框的垃圾重量和种类，并基于所述垃圾重量和种类调节所述粗分组参数、筛选尺寸以及压力采样阈值，返回步骤s810；

s870：通过垃圾转运桶从所述水平投放带的第二端接收分组垃圾堆，返回步骤s810。

本发明的上述方法可以通过包含处理器和存储器的终端设备，尤其是图像处理终端设备，包括移动终端、桌面终端、服务器以及服务器集群等，通过程序指令自动化的执行，因此，在本发明的第三个方面，还提供一种非易失性计算机可读存储介质，其上存储有计算机程序指令；通过包含处理器和存储器的图像终端处理设备，执行所述程序指令，用于实现第二个方面所述方法的全部或者部分步骤。

相对于现有技术，本发明的垃圾分类方法至少可以针对干湿垃圾、重量明显存在差异的混合垃圾执行精确的识别分类；同时，本发明可以处理在垃圾投放源头就存在分类不均、未进行准确分类的垃圾，本发明的技术方案可以视为垃圾分类过程中的一个初级分类阶段，其分类输出结果虽然可能不能作为最终分类结果，但是可以为后续的进一步精确分类提供良好的基础；而且，本发明的目的也不仅在于实行精确分类，而是通过初级的分类积累垃圾分离的学习数据，从而更好的训练所述人工智能引擎。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的基于ai识别技术的垃圾智能自动分类系统的模块结构图

图2是图1所述系统部分装置的安装位置示意图

图3是图1所述系统的人工智能引擎的工作数据控制示意图

图4是本发明一个实施例的一种基于ai识别技术的垃圾智能自动分类方法的主体流程图

图5所述图4所述方法的进一步优选实施例示意图

图6是实现图5所述方法的终端设备结构示意图

具体实施方式

下面，结合附图以及具体实施方式，对发明做出进一步的描述。

参照图1，是本发明一个实施例的一种基于ai识别技术的垃圾智能自动分类系统的模块结构图。

在图1的结构中，所述基于ai识别技术的垃圾智能自动分类系统包括垃圾粗归集装置、垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置以及人工智能引擎。

其中，所述垃圾粗归集装置用于归集多个垃圾收集点产生的垃圾，该垃圾粗归集装置独立工作，不受所述人工智能引擎的控制或者影响；

所述垃圾粗归集装置可以是垃圾归集车，所述垃圾归集车包括至少两个垃圾归集桶，所述垃圾归集桶从多个垃圾收集点归集第一类垃圾和第二类垃圾。

根据当前垃圾分类实际情况，每个垃圾收集点至少配置两个不同类别的垃圾收集箱。为便于实际，各地采用的类别分类标准不同，但是至少都要分为两类。

作为一个示意性的两类分类，每个垃圾收集点配置干垃圾收集箱和湿垃圾收集箱；

作为另一个示意性的两类分类，每个垃圾收集点配置可回收垃圾收集箱和不可回收垃圾收集箱。

当然，实践中还存在其中多种分类标准，但是都可以视为在已有两种分类基础上的进一步细分。

图1的所述系统的其他模块装置均要与所述人工智能引擎通信，通过所述人工智能引擎调节所述其他模块装置的工作状态。

这里的其他模块包括垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置，工作状态包括垃圾粗投放装置的投放工作参数、垃圾粗分组装置的粗分组工作参数以及垃圾筛选装置的筛选参数；

接下来，在图1基础上，结合图2进一步介绍图1所述系统的各个装置的布置位置图以及上述工作参数。

参见图2，所述垃圾粗归集装置包括第一类垃圾归集桶和第二类垃圾归集桶；将第一类垃圾归集到所述第一类垃圾归集桶，将所述第二类垃圾归集到所述第二类垃圾归集桶。

所述垃圾粗投放装置包括具备第一长度的水平投放带和具备第二长度的倾斜传递带；所述水平投放带的第一端通过倾斜传递带连接至所述垃圾粗归集装置；

同时参见图2，所述倾斜传递带的上端连接垃圾粗分组装置，下端连接至水平投放带，同时所述水平投放带配置多个压力采样传感器。

所述垃圾粗投放装置的工作参数包括所述水平投放带的移动速度以及所述压力采样传感器的压力采样阈值；

所述垃圾粗分组装置的动作参数包括粗分组参数，基于所述粗分组参数可确定垃圾堆分组大小；

因此，基于粗分组参数，所述垃圾粗分组装置可从所述垃圾粗归集装置中获取预定分组大小的垃圾，并将所述预定分组大小的垃圾通过所述倾斜传递带传递至所述水平投放带。

所述垃圾筛选装置包括至少一个垃圾拦截装置以及多个筛选尺寸可调的筛选框，因此，垃圾筛选装置的工作参数包括所述筛选框的筛选尺寸。

所述粗分组参数、所述筛选尺寸以及所述预定条件由所述人工智能引擎基于所述筛选框剩余的垃圾的重量和种类确定，即通过所述人工智能引擎调节所述其他模块装置的工作状态。

作为具体的实现方式，所述垃圾拦截装置包括至少一个机械臂，所述机械臂的高度与所述传送带上表面高度相同，通过机械臂执行分组垃圾拦截以及移除。

进一步的，作为更进一步的优选，图2所述的系统中，所述系统还包括设置于所述水平投放带和所述筛选框之间的鼓风机。

进一步的，所述系统还包括设置于所述筛选框下方的收集传递板，所述收集传递板包括多个重力传感器，通过所述重力传感器获取位于所述收集传递板上的垃圾重量。

进一步的，所述系统还包括多个垃圾转运桶；所述垃圾转运桶接收通过所述水平投放带的第二端传递的垃圾。

需要指出的是，图2仅仅示出了部分装置或者部分结构，而不代表整个方案的全部部件。例如，所述筛选框还应具备相应的支撑装置和旋转或者移动装置，所述倾斜传递带、水平投放带还应具备相应的连接传送带、所述垃圾转运桶还应具备相应的转运移动装置等，本发明对此未做一一展开介绍。

接下来，结合图3介绍图1-图2所述系统或者装置的工作原理和控制流程。

在图2中，所述垃圾粗分组装置基于粗分组参数，从所述垃圾粗归集装置中获取预定分组大小的垃圾，并将所述预定分组大小的垃圾通过所述倾斜传递带传递至所述水平投放带；

所述垃圾筛选装置包括至少一个垃圾拦截装置以及多个筛选尺寸可调的筛选框；

当所述预定分组大小的垃圾在所述水平投放带上移动时，通过所述压力采样传感器获得多个压力采样参数；

当所述压力采样参数满足预定条件时，通过所述垃圾拦截装置拦截所述预定分组大小的垃圾，并移动所述筛选框，使得所述被拦截的所述预定分组大小的垃圾进入所述筛选框。

作为进一步的优选，所述垃圾粗归集装置包括第一类垃圾归集桶和第二类垃圾归集桶；

将第一类垃圾归集到所述第一类垃圾归集桶，将所述第二类垃圾归集到所述第二类垃圾归集桶；

并且，所述垃圾粗分组装置交替性的从所述第一类垃圾归集桶或第二类垃圾归集桶获取预定分组大小的垃圾。

所述垃圾拦截装置包括至少一个机械臂，所述机械臂的高度与所述传送带上表面高度相同；

当所述压力采样传感器获得的所述压力采样参数满足预定条件时，所述垃圾拦截装置启动所述机械臂拦截所述预定分组大小的垃圾，同时移动所述筛选框，将所述预定分组大小的垃圾进入所述筛选框。

这里的预定条件，包括判断所述压力采样参数是否大于压力采样阈值。

作为一个方面，当所述压力采样参数满足预定条件时，以第一功率启动所述鼓风机；否则，以第二功率启动所述鼓风机。

所述人工智能引擎获取进入所述筛选框的垃圾重量和种类，并基于所述垃圾重量和种类调节所述分组尺寸、所述筛选尺寸、所述预定条件中的任意一个或者多个；

所述人工智能引擎基于获取的所述收集传递板上的垃圾重量，调节所述鼓风机的功率。

这里的人工智能引擎可以基于最终的垃圾分类结果的反馈信号，进行自学习调整，从而得出调整参数，调节所述工作参数。人工智能的自学习模型在本领域存在多种可实现方式，例如给定输入和输出，确定初始人工智能模型的参数后执行迭代循环和参数调优等；

作为一个示意性的例子，若进入所述筛选框的垃圾重量低于设定重量阈值，则应当增大所述压力采样阈值，使得大部分垃圾通过所述水平投放带的第二端传递至所述垃圾转运桶。

当然，更具体的参数设定，可以是初始化粗分组参数、筛选尺寸以及压力采样阈值之后，由所述人工智能引擎自学习和训练之后动态调整和确定，本发明对此不作具体限定，本领域技术人员可以采用各种已知的机器学习、神经网络(cnn、rnn)、深度学习、深度信念网络(drn)等公知技术实现自学习和训练模型。

在图1-图3基础上，参见图4-图5，给出了基于ai识别技术的垃圾智能自动分类方法的主要步骤。

一方面，图4-图5所述的方法可以基于图1-图3所述实施例实现；另一方面，所述方法可基于任何包含垃圾粗归集装置、垃圾粗投放装置、垃圾粗分组装置、垃圾筛选装置以及人工智能引擎的垃圾智能自动分类系统实现。

在具体实现上，参见图4，所述方法包括如下步骤：

s800：初始化粗分组参数、筛选尺寸以及压力采样阈值；

s810：基于所述粗分组参数确定分组大小值，并基于分组大小值从所述垃圾粗归集装置获取分组垃圾堆；

s820：将所述分组垃圾堆置于所述垃圾粗投放装置的水平投放带第一端的端面上；

s830：通过设置于所述水平投放带的多个压力采样传感器获取所述水平投放带上经过所述压力采样传感器的分组垃圾堆产生的压力采样参数；

s840：判断所述压力采样参数是否大于所述压力采样阈值；

如果是，进入下一步，否则，进入步骤s870；

s850：启动所述垃圾筛选装置的垃圾拦截装置，拦截经过所述压力采样传感器的分组垃圾堆，并移动所述垃圾筛选装置的筛选框，使得所述被拦截的所述分组垃圾堆进入所述筛选框；

s860：获取进入所述筛选框的垃圾重量和种类，并基于所述垃圾重量和种类调节所述粗分组参数、筛选尺寸以及压力采样阈值，返回步骤s810；

s870：通过垃圾转运桶从所述水平投放带的第二端接收分组垃圾堆，返回步骤s810。

在上述各个实施例中，所述垃圾转运桶从所述水平投放带的第二端接收分组垃圾堆时，所述垃圾转运桶的入口端面高度与所述水平投放带的第二端端面高度存在大于预设高度差；所述预设高度差不小于所述筛选框与所述水平投放带之间的高度差。

需要指出的是，下方的收集传递板一直延伸到所述垃圾转运桶下方，使得分组垃圾堆落入所述垃圾转运桶的过程中，可通过鼓风机进行筛选，从而落入所述下方的收集传递板。

显然，上述高度差的存在使得所述鼓风机能够更好的在各个条件下均能发生作用。

优选的，参见图5，至少一个鼓风机设置于所述筛选框与所述水平投放带之间；

在所述步骤s840中判断所述压力采样参数不大于所述压力采样阈值时，以第一功率开启所述鼓风机；

在所述步骤s840中判断所述压力采样参数大于所述压力采样阈值时，以第二功率开启所述鼓风机；

所述第一功率低于所述第二功率。

显然，这种功率性的调节方法，能够智适应水平传送带上的分组垃圾堆的重量情况，从而使得分组垃圾堆不管是落入筛选框，还是落入所述垃圾转运桶，均可以通过鼓风机进行筛选，从而落入所述下方的收集传递板。

图4-图5的上述方法可以通过包含处理器和存储器的终端设备，尤其是图像处理终端设备，包括移动终端、桌面终端、服务器以及服务器集群等，通过程序指令自动化的执行。

作为示例，参见图6，所述终端设备包含存储器和处理器，存储器和处理器通过总线连接，存储器用于存储程序代码，处理器执行所述程序代码，从而实现前述步骤s800-s870的部分或者全部步骤。

本发明的技术方案可以视为垃圾分类过程中的一个初级分类阶段，其分类输出结果虽然可能不能作为最终分类结果，但是可以为后续的进一步精确分类提供良好的基础；

本发明虽然不必实行精确分类，但是通过初级的分类积累垃圾分离的学习数据，从而更好的训练所述人工智能引擎，从而该垃圾分类方法至少可以针对干湿垃圾、重量明显存在差异的混合垃圾执行精确的识别分类；同时，本发明可以处理在垃圾投放源头就存在分类不均、未进行准确分类的垃圾，具有更好的适用性和推广性。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。