一种互助共享多用垃圾桶处理系统的制作方法

本发明涉及环保，特别涉及一种互助共享多用垃圾桶处理系统。

背景技术：

1、在当前的城市垃圾处理体系中，准确的垃圾分类不仅是提升资源回收效率的必要条件，也是实现环境可持续性的关键因素。尽管人们越来越重视垃圾分类的重要性，现有的技术和方法在实际操作中却面临着显著的挑战，尤其是在确保垃圾分类准确性方面。大多数现行系统依赖于人工分类和基础的机械分选技术，这些方法存在多方面的局限。

2、首先，人工分类受限于人工操作的准确性。其次，简单的机械分选系统虽然提高了分拣速度，但其识别能力有限，往往无法准确区分外观相似但材质不同的垃圾，如不同类型的塑料和复合材料。这种技术限制导致了高错误率，进而影响了后续的资源回收和再利用过程。

3、这些传统方法的不足不仅降低了垃圾分类的整体效率，而且由于分类不准确，很多本可以回收利用的资源被误送至填埋场或焚烧厂，造成资源浪费和环境污染。错误分类的垃圾处理增加了额外的经济负担，包括处理成本的上升和资源价值的损失，同时也增加了温室气体排放和有害物质的释放，对环境可持续性构成威胁。

4、因此，开发一种新型的垃圾分类处理系统非常有必要。

技术实现思路

1、本技术提供一种互助共享多用垃圾桶处理系统，以提升垃圾处理的准确性和效率。

2、本技术提供一种互助共享多用垃圾桶处理系统，包括：

3、智能垃圾桶，设置有一个统一投放口，用于利用图像处理技术、微波技术、重量感应器和体积扫描器对投入垃圾进行处理，获得投入垃圾的分类信息、重量、体积和投放时间；根据所述分类信息，通过智能垃圾桶的内部机械结构将投入垃圾分流到桶内预设的相应容器中；将投入垃圾的分类信息、重量、体积和投放时间发送到云端数据管理中心；

4、移动应用程序，与云端数据管理中心交互，用于向用户显示最近的智能垃圾桶位置、记录用户投放的垃圾种类、重量、体积信息和投放时间；允许用户进行超大件物品的预约回收申请，并将所述预约回收申请发送到云端数据管理中心，所述预约回收申请包括超大件物品的种类、重量、体积、预约回收位置以及预约回收时间；

5、云端数据管理中心，用于接收来自智能垃圾桶的投入垃圾的分类信息、重量、体积和投放时间；对于所述投入垃圾的分类信息、重量、体积和投放时间进行统计，获得智能垃圾桶的垃圾存储信息；接收来自移动应用程序发送的预约回收申请；根据所述垃圾存储信息和预约回收申请，确定运输车辆的调度指令，所述调度指令包括运输车辆的最佳路线；将所述调度指令发送到运输车辆；

6、运输车辆，用于接收云端数据管理中心的调度指令，并根据所述调度指令进行智能垃圾桶的垃圾收集以及超大件物品的预约回收。

7、更进一步地，所述智能垃圾桶采用一个训练过的混合神经网络，对来自图像识别技术、微波技术、重量感应器和体积扫描器采集的数据进行分析，获得投入垃圾的分类信息；所述混合神经网络包括多尺度图像识别分支、微波-材质感知分支、重量-体积特征编码分支、时间序列-投放模式分支和多模态数据融合与决策层；

8、所述多尺度图像识别分支采用多尺度卷积神经网络架构，用于对垃圾的图像数据进行处理，获得图像特征向量；所述微波-材质感知分支采用基于图注意力网络的架构，将采集的微波信号数据视为图中的节点，利用注意力机制学习节点间的关系，获得微波反射特征向量；所述重量-体积特征编码分支，使用自编码器网络对于采集的垃圾重量和体积数据进行特征提取，获得物理属性特征向量；所述时间序列-投放模式分支采用基于变压器模型的时间序列处理模型，对于采集的投放时间数据进行处理，获得投放模式特征向量；所述多模态数据融合与决策层利用注意力机制和全连接层，对于所述图像特征向量、微波反射特征向量、物理属性特征向量和投放模式特征向量进行处理，获得垃圾的分类信息。

9、更进一步地，所述混合神经网络的训练步骤采取分阶段的方法进行，具体包括：

10、在单独训练阶段，分别单独训练多尺度图像识别分支、微波-材质感知分支、重量-体积特征编码分支和时间序列-投放模式分支，确保每个分支能够有效地处理其对应的数据类型并提取相关特征；

11、在端到端训练阶段，整个混合神经网络作为一个整体进行端到端的训练。

12、更进一步地，在单独训练阶段，所述多尺度图像识别分支采用交叉熵损失函数作为损失函数；所述微波-材质感知分支采用交叉熵损失函数作为损失函数；所述重量-体积特征编码分支采用均方误差损失函数作为损失函数；所述时间序列-投放模式分支采用交叉熵损失函数作为损失函数。

13、更进一步地，所述移动应用程序允许用户通过填写电子表格或上传照片的方式提交超大件物品的预约回收申请，并实时接收云端数据管理中心的回收确认和预约时间安排。

14、更进一步地，所述移动应用程序根据用户的位置和偏好设置，主动推送附近即将进行的垃圾收集活动信息，或提醒用户参与定期的回收活动。

15、更进一步地，所述云端数据管理中心对接收到的垃圾分类信息、重量、体积和投放时间进行数据分析，以预测垃圾产生的趋势和智能垃圾桶的清空周期，从而优化整个垃圾收集和处理流程。

16、更进一步地，所述云端数据管理中心采用一个优化算法，确定运输车辆的最优路径；所述优化算法如下面的公式1所示：

17、

18、其中，sopt表示表示选定路径的最优分数；n表示考虑路径的总数；di表示第i条路径的总距离；vi表示第i条路径的平均车速；ti表示第i条路径的预计行驶时间；wi表示第i条路径的拥堵指数；ci表示第i条路径的碳排放成本；ei表示第i条路径的紧急性评分；ω1、ω2、ω3、ω4和ω5是权重系数；α1、α2、α3、α4和α5是调整参数；τ是时间敏感性阈值，用于调整紧急任务的权重。

19、更进一步地，所述运输车辆装备有gps定位和移动通信技术，实时向云端数据管理中心报告车辆位置、状态和垃圾收集进度，以便于实时监控和调整运输计划。

20、本技术具有如下有益的技术效果：

21、(1)提高垃圾分类的准确性：通过结合图像识别技术、微波技术、重量感应器和体积扫描器，本系统能够高效准确地识别和分类投入的垃圾。与传统依赖人工分拣或简单机械分选的方法相比，这种综合技术方案大幅提高了垃圾分类的准确率，为资源的回收和再利用奠定了坚实的基础。

22、(2)优化垃圾收集与运输过程：系统中的云端数据管理中心能够实时接收和处理来自智能垃圾桶的数据，包括垃圾的种类、重量、体积和投放时间信息。这些数据用于优化运输车辆的调度指令，包括最佳路线和时间安排，从而提高垃圾收集和运输的效率，减少能耗和运营成本。

23、(3)增强用户参与度和体验：通过移动应用程序，用户不仅可以轻松找到最近的智能垃圾桶位置，还可以跟踪自己的垃圾投放记录，甚至进行超大件物品的预约回收申请。这种交互方式鼓励用户积极参与垃圾分类和回收过程，同时提升了用户的环保意识和满意度。

24、(4)促进资源共享和循环利用：本系统通过精确的垃圾分类和有效的资源调配，促进了垃圾回收物的高效利用，减少了填埋和焚烧的比例，有助于资源的共享和循环利用，对环境保护和可持续发展具有重要意义。