一种能够多垃圾分类及投递的智能垃圾收集系统的制作方法

文档序号:20516325发布日期:2020-04-24 19:08阅读:379来源:国知局
一种能够多垃圾分类及投递的智能垃圾收集系统的制作方法

本发明涉及一种能够多垃圾分类及投递的智能垃圾收集系统,属于智能公共设备技术领域。



背景技术:

目前,马路两边的分类垃圾桶普遍是在扔垃圾时,根据人的主观判断所投垃圾是哪一类,并投到对应的垃圾桶,这种方式对于单个垃圾或者散着的多个垃圾是可以的。但是在投递袋装的垃圾时,袋内存在多数量多类别的垃圾,如果再打开垃圾袋进行垃圾的分类投递,步骤是繁琐的,不适用的。

当前,国内研究者结合智能制造的技术,根据实际需求设计了诸多智能分类的垃圾桶。如中国专利申请号为201910590099.8,发明名称为一种智能分类垃圾桶及其分类方法中,在垃圾经识别算法分类完成后,反转倾倒隔板,操作简单。但这种方法也存在弊端,如果倾倒隔板上仅有一类垃圾,这是可行的,倘若有多类垃圾或者整袋垃圾,将无法达到分类的目的。如中国专利申请号为201910883247.5,发明名称为一种智能分类垃圾桶及智能分类系统,首先对于投入桶内的垃圾使用多个摄像头采集图像,经一系列图像处理算法后如亮度增强、灰度校正、噪声过滤、模板匹配等,并通过转动电机带动翻板转动,将垃圾运输至u型板上并依次投递到对应的分类箱进行压缩,对于垃圾的分类过程复杂,成本相对高,且在翻板转动过程中很可能将其他体积小的垃圾一并运输至u型板,造成分类不准的问题。

随着基于深度学习的全卷积神经网络技术的发展,图像识别的准确率越来越高,甚至在某些类别的识别上已经超过人类,在图像处理时并不需要过多的预处理步骤,这可以加快识别效率,并简化算法内容。

目前的智能分类垃圾桶多是针对单个垃圾或多个散装垃圾进行处理的,适用范围窄。以办公室或者家庭投递的垃圾为例,普遍是成袋丢出。这对于智能分类垃圾桶是一个挑战。因此,有必要针对垃圾桶进行进一步的改进设计,结合当前的物体检测和智能机器人技术,设计一种普遍适用的智能分类垃圾桶。



技术实现要素:

针对以上需求以及不足,设计了一种针对单个、散着的多个或者成袋的垃圾均适用的智能分类垃圾桶,可以同时对多个不同类别的垃圾或者袋装垃圾进行分类并准确投递,无需人工参与,只需将垃圾从入口处投入即可。

本发明的技术方案如下:

一种能够多垃圾分类及投递的智能垃圾收集系统,所述系统包括投递口装置、位于投递口装置下方的基座以及为整个系统提供电源的电源装置;

所述投递口装置包括盖体以及设置在盖体上方的垃圾投放口,所述垃圾投放口下方设有尺寸分类辊,所述尺寸分类辊与垃圾投放口的内壁形成尺寸控制环,所述尺寸分类辊通过两端的固定器固定,并且在固定器上设有电机用于驱动尺寸分类辊;

所述基座内设有垃圾存放筛和设置在垃圾存放筛下端的若干垃圾桶,所述垃圾存放筛位于垃圾投放口下端,所述垃圾存放筛固定在基座的侧壁上,并且设有激光感应装置,当有垃圾掉落时,整个系统开始工作;

所述垃圾存放筛的上方设置有两爪机械臂,用于抓取垃圾存放筛上的垃圾;所述垃圾存放筛的上方还设有垃圾图像采集与物体检测系统,用于对垃圾进行分类;所述垃圾图像采集与物体检测系统将采集的垃圾图像通过神经网络进行定位和分类,得到垃圾存放筛上垃圾的分布位置和类别,将各类垃圾对应的位置以电信号的方式传给微处理器,微处理器发射信号给两爪机械臂,两爪机械臂按照位置在垃圾存放筛上抓取垃圾,并根据类别移动到对应编号的垃圾桶上方进行投递。

优选地,上述两爪机械臂的其中一个爪为电磁机械爪,通电时可吸附金属铁,断电时金属铁掉落。

优选地,每个垃圾桶的底部设置有颤动装置,所述颤动装置包括弹性支撑机结构和用于上下移动的电机螺纹丝杆装置,每次垃圾投递完毕时,在垃圾桶停止工作间隙自动触发开关颤动桶体使桶内垃圾分布均匀,将一些小垃圾填充在桶内,提高空间利用度。

垃圾投放口,是根据实际的使用场景,确定投放口的尺寸,可以为圆形或者正方形等形状,以此区域垃圾桶内的垃圾的存放方式来判断,如单个垃圾的尺寸、袋装垃圾的尺寸。如果此区域每天投放的垃圾较小且大部分为单个垃圾则设计的投放口尺寸就小,如500ml的饮料瓶、易拉罐等,应用场景如公路两边的、校园内的或者景区内的垃圾桶等;如果投放的垃圾尺寸较大且部分为袋装垃圾,如26cm或者32cm直径的圆形纸篓用塑料袋,应用场景如办公楼内或者小区楼下的垃圾桶。垃圾桶投放口的尺寸设定为投入垃圾的直径的1.5倍。

当垃圾投放口是圆形时,尺寸分类辊位于尺寸控制环之间,尺寸分类辊与圆形的垃圾入口内壁形成尺寸控制环,在垃圾投入桶内时,首先通过尺寸分类辊,尺寸分类辊通过电机旋转带动,对投入的垃圾进行初步处理,即单个垃圾或者袋装垃圾,当垃圾尺寸小于设定尺寸控制环阈值时,则直接掉到垃圾存放筛上;反之,则会被尺寸分类辊挤压至袋子破裂,使垃圾袋中的垃圾散落出来,掉到垃圾存放筛,尺寸分类辊的位置距离投放垃圾的圆柱的圆心的1/3处。

优选地,上述垃圾桶设置为四个,分别盛装可回收垃圾、有害垃圾、厨余垃圾和其他垃圾。

四个垃圾桶分别收集的垃圾类别:

可回收垃圾:有废纸、塑料、玻璃、金属和布料五大类。

厨余垃圾:剩菜剩饭、骨头、菜根菜叶、果皮等食品类废物。

有害垃圾:包含电池、荧光灯管、灯泡、水银温度计、油漆桶、部分家电、过期药品、过期化妆品等。含有对人体健康有害的重金属、有毒的物质或对环境造成现实危害或者潜在危害的废弃物。

其他垃圾:除上述几类垃圾之外的垃圾。

优选地,上述电源装置为光伏供电、蓄电池供电以及市政供电的一种或者多种的组合。

优选地,上述系统还包括状态检测系统,所述状态检测系统包括高度信号传感器和图像状态感受器;高度信号传感器安装在每个垃圾桶的桶壁的3/4高度处,高度信号传感系统实时监测垃圾桶中垃圾高度,高度一旦触及限位值,投放口将关闭,同时发送信号到就近物业管理处以便安排专门人员尽快倾倒垃圾;图像状态感受器定期对所采集图像进行自检,如果发现图像的分辨率过低或者无法采集图像等现象,投放口关闭,并反馈信号给就近物业管理处进行自动报修。

优选地,上述垃圾图像采集与物体检测系统对垃圾进行检测分类的方法采用garbagenet算法,具体步骤如下:

(1)、建立各种垃圾种类的数据集;为训练用于物体检测的全卷积神经网络,建立可回收垃圾、有害垃圾、厨余垃圾和其他垃圾的数据集,数据集内包含各类垃圾图像30k张,其中可回收垃圾8.2k张,有害垃圾7.8k张,厨余垃圾8k张,其余为其他垃圾,使用上述图像对网络进行训练后所得权重模型文件提供给物体检测系统10,实现对存放筛上各类垃圾的检测;

(2)、垃圾图像采集与物体检测系统的摄像头采集垃圾的彩色图像;将得到的彩色图像输入到一个浅层的卷积神经网络中提取彩色像素、像素空间位置的一些抽象的语义特征,卷积神经网络计算过程中,图片的尺寸保持不变;

每层卷积层之后需要分别使用批正则化和修正线性单元处理;

图像输入后的卷积层处理得到原图像的16通道的特征图,滑动窗口大小为原图像边长的0.2倍,依次从左到右,从上到下滑动,移动步长为2;

(3)、使用上述尺寸的滑动窗检测器,对采集到的彩色垃圾图像的特征图进行处理,分为两个过程:

(3-1)、将彩色垃圾图像的特征图转为8位灰度图像,计算滑动窗检测器中的灰度共生矩阵,并分别计算滑动窗口内表征像素复杂程度的熵、纹理一致性程度的自相关性以及图像纹理局部变化快慢的逆差矩阵,以此初步确定图像中的垃圾的物体类别;

(3-2)、将窗口内的特征图分别计算方向梯度直方图以及进一步的卷积处理,将两者所得的特征进行融合,采用交叉熵作为分类函数得到分类结果,采用逻辑回归获得最终图像的包围框;分类结果的框可能包括许多的重合框,采用非极大值抑制方法,计算不同窗口的重合面积,如果重合面积大于设定阈值则删除其中一个包围框;循环上述操作,直至全部计算完成;

(3-3)、对于每张图片包含的类别,将(3-2)的分类结果与步骤(3-1)的确定的物体类别比较,两者结果相同则分类正确,否则错误,错误时返回滑动窗口处,改变窗口尺寸为边长的0.5倍,如果灰度共生矩阵所得结果与网络分类结果仍不相同,则按照网络分类结果进行处理;

(3-4)、采用误差逆传播算法,再次以交叉熵函数作为损失函数,按照上述步骤对垃圾分类garbagenet算法进行训练,迭代50k次或者在分类损失达到0.05左右时,停止训练;

(4)、训练完成后,将步骤(3-4)训练的权重文件导入垃圾分类系统,进行使用,得到分类结果;

(5)、根据步骤(4)分类的结果以及垃圾桶与包围框的位置进行抓取并投递到对应的垃圾桶中。

本发明系统的工作过程如下:

袋装的垃圾在投入桶内时,入口处下方的尺寸控制环会将袋子挤压变形,袋子破裂,袋子内的垃圾会掉落在下方垃圾存放筛中,垃圾存放筛会首先过滤掉垃圾中的水分或者细小物体残渣,垃圾存放筛上方的垃圾图像采集与物体检测系统的摄像头会闪光拍摄垃圾图像,通过基于深度学习的物体检测全卷积神经网络,以画框的方式识别出图像中的垃圾类别,并进行定位,此时两爪机械臂会主动抓取每一类别的垃圾并根据识别的标号,投入对应的垃圾桶中。

垃圾桶存放满时,工作人员清理垃圾时,可以将存放筛拆下进行清理,避免筛网堵塞。

本发明所达到的有益效果:

1、建立各种垃圾的数据集,用于训练和验证用于垃圾分类和定位的算法,提高了识别的精度,简化了算法的复杂性,无需前期的图像预处理等。由于数据集对于算法的准确性很重要,因此对数据集进行增强,包括旋转、对比度调整、亮度调整、裁剪等操作。

2、可以同时处理多类别多数量的垃圾,不仅仅限于单个、多个也可用于袋装垃圾的处理,操作简单,成本有优势,无需人工参与。

3、根据统计学的方法设计垃圾投放口的尺寸以及垃圾存储箱的大小,可以更接近实际的各类垃圾投放重量,延长了清理垃圾箱的周期,节省了人力物力。

附图说明

图1是本发明的整体结构示意图;

图2是图1去除投递口装置后的示意图;

图3是投递口装置的结构示意图;

图4是基座的结构示意图;

图5是垃圾分类的garbage_net算法算法流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。

如图1、图2所示,一种能够多垃圾分类及投递的智能垃圾收集系统,所述系统包括投递口装置、位于投递口装置下方的基座以及为整个系统提供电源的电源装置;

如图3所示,所述投递口装置包括盖体以及设置在盖体上方的垃圾投放口12,所述垃圾投放口12下方设有尺寸分类辊7,所述尺寸分类辊7与垃圾投放口12的内壁形成尺寸控制环9,所述尺寸分类辊7通过两端的固定器8固定,并且在固定器8上设有电机6用于驱动尺寸分类辊7;

如图4所示,所述基座内设有垃圾存放筛4和设置在垃圾存放筛4下端的若干个垃圾桶3,所述垃圾存放筛4位于垃圾投放口12下端,所述垃圾存放筛12固定在基座的侧壁上,并且设有激光感应装置,当有垃圾掉落时,整个系统开始工作;

所述垃圾存放筛4的上方设置有两爪机械臂5,用于抓取垃圾存放筛4上的垃圾;所述垃圾存放筛4的上方还设有垃圾图像采集与物体检测系统10,用于对垃圾进行分类;所述垃圾图像采集与物体检测系统10将采集的垃圾图像通过神经网络进行定位和分类,得到垃圾存放筛4上垃圾的分布位置和类别,将各类垃圾对应的位置以电信号的方式传给微处理器11,微处理器11发射信号给两爪机械臂5,两爪机械臂5按照位置在垃圾存放筛4上抓取垃圾,并根据类别移动到对应编号的垃圾桶3上方进行投递。

优选地,上述两爪机械臂5的其中一个爪为电磁机械爪,通电时可吸附金属铁,断电时金属铁掉落。

优选地,每个垃圾桶3的底部设置有颤动装置,所述颤动装置包括弹性支撑机结构1和用于上下移动的电机螺纹丝杆装置2,每次垃圾投递完毕时,在垃圾桶停止工作间隙自动触发开关颤动桶体使桶内垃圾分布均匀,将一些小垃圾填充在桶内,提高空间利用度。

垃圾投放口12,是根据实际的使用场景,确定投放口的尺寸,可以为圆形或者正方形等形状,以此区域垃圾桶内的垃圾的存放方式来判断,如单个垃圾的尺寸、袋装垃圾的尺寸。如果此区域每天投放的垃圾较小且大部分为单个垃圾则设计的投放口尺寸就小,如500ml的饮料瓶、易拉罐等,应用场景如公路两边的、校园内的或者景区内的垃圾桶等;如果投放的垃圾尺寸较大且部分为袋装垃圾,如26cm或者32cm直径的圆形纸篓用塑料袋,应用场景如办公楼内或者小区楼下的垃圾桶。垃圾桶投放口的尺寸设定为投入垃圾的直径的1.5倍。

当垃圾投放口12是圆形时,尺寸分类辊7位于尺寸控制环9之间,尺寸分类辊7与圆形的垃圾投放口12内壁形成尺寸控制环,在垃圾投入桶内时,首先通过尺寸分类辊7,尺寸分类辊7通过电机6旋转带动,对投入的垃圾进行初步处理,即单个垃圾或者袋装垃圾,当垃圾尺寸小于设定尺寸控制环阈值时,则直接掉到垃圾存放筛上;反之,则会被尺寸分类辊7挤压至袋子破裂,使垃圾袋中的垃圾散落出来,掉到垃圾存放筛4,尺寸分类辊7的位置距离投放垃圾的圆柱的圆心的1/3处。

优选地,上述垃圾桶3设置为四个,分别盛装可回收垃圾、有害垃圾、厨余垃圾和其他垃圾。

四个垃圾桶分别收集的垃圾类别:

可回收垃圾:有废纸、塑料、玻璃、金属和布料五大类。

厨余垃圾:剩菜剩饭、骨头、菜根菜叶、果皮等食品类废物。

有害垃圾:包含电池、荧光灯管、灯泡、水银温度计、油漆桶、部分家电、过期药品、过期化妆品等。含有对人体健康有害的重金属、有毒的物质或对环境造成现实危害或者潜在危害的废弃物。

其他垃圾:除上述几类垃圾之外的垃圾。

优选地,上述电源装置为光伏供电、蓄电池供电以及市政供电的一种或者多种的组合。

优选地,上述系统还包括状态检测系统,所述状态检测系统包括高度信号传感器和图像状态感受器;高度信号传感器安装在每个垃圾桶的桶壁的3/4高度处,高度信号传感系统实时监测垃圾桶中垃圾高度,高度一旦触及限位值,投放口将关闭,同时发送信号到就近物业管理处以便安排专门人员尽快倾倒垃圾;图像状态感受器定期对所采集图像进行自检,如果发现图像的分辨率过低或者无法采集图像等现象,投放口关闭,并反馈信号给就近物业管理处进行自动报修。

如图5所示,优选地,上述垃圾图像采集与物体检测系统10对垃圾进行检测分类的方法采用garbagenet算法,具体步骤如下:

(1)、建立各种垃圾种类的数据集;

(2)、垃圾图像采集与物体检测系统的摄像头采集垃圾的彩色图像;将得到的彩色图像输入到一个浅层的卷积神经网络中提取彩色像素、像素空间位置的一些抽象的语义特征,卷积神经网络计算过程中,图片的尺寸保持不变;

每层卷积层之后需要分别使用批正则化和修正线性单元处理;

图像输入后的卷积层处理得到原图像的16通道的特征图,滑动窗口大小为原图像边长的0.2倍,依次从左到右,从上到下滑动,移动步长为2;

(3)、使用上述尺寸的滑动窗检测器,对采集到的彩色垃圾图像的特征图进行处理,分为两个过程:

(3-1)、将彩色垃圾图像的特征图转为8位灰度图像,计算滑动窗检测器中的灰度共生矩阵,并分别计算滑动窗口内表征像素复杂程度的熵、纹理一致性程度的自相关性以及图像纹理局部变化快慢的逆差矩阵,以此初步确定图像中的垃圾的物体类别;

(3-2)、将窗口内的特征图分别计算方向梯度直方图以及进一步的卷积处理,将两者所得的特征进行融合,采用交叉熵作为分类函数得到分类结果,采用逻辑回归获得最终图像的包围框;分类结果的框可能包括许多的重合框,采用非极大值抑制方法,计算不同窗口的重合面积,如果重合面积大于设定阈值则删除其中一个包围框;循环上述操作,直至全部计算完成;

(3-3)、对于每张图片包含的类别,将(3-2)的分类结果与步骤(3-1)的确定的物体类别比较,两者结果相同则分类正确,否则错误,错误时返回滑动窗口处,改变窗口尺寸为边长的0.5倍,如果灰度共生矩阵所得结果与网络分类结果仍不相同,则按照网络分类结果进行处理;

(3-4)、采用误差逆传播算法,再次以交叉熵函数作为损失函数,按照上述步骤对垃圾分类garbagenet算法进行训练,迭代50k次或者在分类损失达到0.05左右时,停止训练;

(4)、训练完成后,将步骤(3-4)训练的权重文件导入垃圾分类系统,进行使用,得到分类结果;

(5)、根据步骤(4)分类的结果以及垃圾桶与包围框的位置进行抓取并投递到对应的垃圾桶中。

本发明系统的工作过程如下:

袋装的垃圾在投入桶内时,入口处下方的尺寸控制环会将袋子挤压变形,袋子破裂,袋子内的垃圾会掉落在下方垃圾存放筛中,垃圾存放筛会首先过滤掉垃圾中的水分或者细小物体残渣,垃圾存放筛上方的垃圾图像采集与物体检测系统的摄像头会闪光拍摄垃圾图像,通过基于深度学习的物体检测全卷积神经网络,以画框的方式识别出图像中的垃圾类别,并进行定位,此时两爪机械臂会主动抓取每一类别的垃圾并根据识别的标号,投入对应的垃圾桶中。

垃圾桶存放满时,工作人员清理垃圾时,可以将存放筛拆下进行清理,避免筛网堵塞。

以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1