一种基于机器人的垃圾处理方法及系统与流程

本发明涉及垃圾处理领域，尤其涉及一种基于机器人的垃圾处理方法及系统。

背景技术：

垃圾是人类日常生活和生产中产生的固体废弃物，由于排出量大，成分复杂多样，且具有污染性、资源性和社会性，需要无害化、资源化、减量化和社会化处理，如不能妥善处理，就会污染环境，影响环境卫生，浪费资源，破坏生产生活安全，破坏社会和谐。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术人工处理效率低下、人力成本高，还容易让人身遭受垃圾所带来的严重危害，且垃圾回收率不高的技术问题。

技术实现要素：

本申请实施例通过提供一种基于机器人的垃圾处理方法及系统，解决了现有技人工处理效率低下、人力成本高，还容易让人身遭受垃圾所带来的严重危害，且垃圾回收率不高的技术问题，达到通过对人工的替代，保障了垃圾处理中的人身安全，推动了机器人进行垃圾分类处理高效而精准，从而降低成本，提高回收率，促进环保行业的转型升级发展的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于机器人的垃圾处理方法及系统。

第一方面，本申请实施例提供了一种基于机器人的垃圾处理方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；对所述第一图像信息进行特征提取，获得第一材料特性信息；根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；根据所述第一类别垃圾信息，获得第一垃圾处理方式；通过所述激光传感器装置确定所述第一识别垃圾的位置信息；根据所述第一识别垃圾的位置信息，规划确定第一运动路线；根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。

另一方面，本申请还提供了一种基于机器人的垃圾处理系统，所述系统包括：第一获得单元，所述第一获得单元用于通过第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；第二获得单元，所述第二获得单元用于对所述第一图像信息进行特征提取，获得第一材料特性信息；第三获得单元，所述第三获得单元用于根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；第四获得单元，所述第四获得单元用于将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；第五获得单元，所述第五获得单元用于对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；第六获得单元，所述第六获得单元用于根据所述第一类别垃圾信息，获得第一垃圾处理方式；第一确定单元，所述第一确定单元用于通过激光传感器装置确定所述第一识别垃圾的位置信息；第二确定单元，所述第二确定单元用于根据所述第一识别垃圾的位置信息，规划确定第一运动路线；第一处理单元，所述第一处理单元用于根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。

第三方面，本发明提供了一种基于机器人的垃圾处理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过所述第一图像采集装置获得第一图像信息；对所述第一图像信息进行特征提取，获得第一材料特性信息；根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；根据所述第一类别垃圾信息，获得第一垃圾处理方式；通过所述激光传感器装置确定所述第一识别垃圾的位置信息；根据所述第一识别垃圾的位置信息，规划确定第一运动路线；根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理，进而达到通过对人工的替代，保障了垃圾处理中的人身安全，推动了机器人进行垃圾分类处理高效而精准，从而降低成本，提高回收率，促进环保行业的转型升级发展的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于机器人的垃圾处理方法的流程示意图；

图2为本申请实施例一种基于机器人的垃圾处理系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第一确定单元17，第二确定单元18，第一处理单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种基于机器人的垃圾处理方法及系统，解决了现有技术人工处理效率低下、人力成本高，还容易让人身遭受垃圾所带来的严重危害，且垃圾回收率不高的技术问题，达到通过对人工的替代，保障了垃圾处理中的人身安全，推动了机器人进行垃圾分类处理高效而精准，从而降低成本，提高回收率，促进环保行业的转型升级发展的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

垃圾是人类日常生活和生产中产生的固体废弃物，由于排出量大，成分复杂多样，且具有污染性、资源性和社会性，需要无害化、资源化、减量化和社会化处理，如不能妥善处理，就会污染环境，影响环境卫生，浪费资源，破坏生产生活安全，破坏社会和谐。但现有技术人工处理效率低下、人力成本高，还容易让人身遭受垃圾所带来的严重危害，且垃圾回收率不高的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于机器人的垃圾处理方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；对所述第一图像信息进行特征提取，获得第一材料特性信息；根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；根据所述第一类别垃圾信息，获得第一垃圾处理方式；通过所述激光传感器装置确定所述第一识别垃圾的位置信息；根据所述第一识别垃圾的位置信息，规划确定第一运动路线；根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于机器人的垃圾处理方法，其中，所述方法包括：

步骤s100：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；

具体而言，所述第一图像信息为通过图像采集装置获取的所述第一垃圾的图像，包括所述垃圾的颜色、表面纹理、形状、大小、物理形态等信息。所述第一垃圾为失去使用价值、无法利用的废弃物品，是物质循环的重要环节，是不被需要或无用的固体、流体物质，是需要进行垃圾处理的对象，如报纸、各种包装纸、办公用纸、广告纸片、纸盒等；各种塑料袋、塑料瓶、泡沫塑料、一次性塑料餐盒餐具、硬塑料等；易拉罐、铁皮罐头盒、铅皮牙膏皮、废电池等各种需要处理分类以及回收的垃圾。

步骤s200：对所述第一图像信息进行特征提取，获得第一材料特性信息；

具体而言，所述第一材料特性信息为对所述第一图像信息进行特征提取后所述垃圾的材料特性，包括材料的纹理特征和材料的表面质感构成特征，反映出了所述垃圾的材料本质属性。可以用来对所述图像进行特征提取方法有：统计方法，基于像元及其邻域的灰度属性，研究纹理区域中的统计特性，或像元及其邻域内的灰度的一阶、二阶或高阶统计特性，如灰度共生矩阵、半方差图分析方法；几何法，建立在纹理基元，即基本的纹理元素理论基础上的一种纹理特征分析方法，如voronoi棋盘格特征法；模型法，在模型法中，假设纹理是以某种参数控制的分布模型方式形成的，从纹理图像的实现来估计计算模型参数，以参数为特征或采用某种分类策略进行图像分割，如马尔可夫随机场(mrf)模型法、gibbs随机场模型法；信号处理法，信号处理的方法是建立在时、频分析与多尺度分析基础之上,对纹理图像中某个区域内实行某种变换后,再提取保持相对平稳的特征值,以此特征值作为特征表示区域内的一致性以及区域间的相异性，如tamura纹理特征、自回归纹理模型、小波变换等，材料的特征提取为后续的垃圾识别打下了基础。

步骤s300：根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；

具体而言，所述第一垃圾的颜色信息为是基于像素点的特征，表征了所述垃圾表面颜色分布特征，所述第一垃圾的形态信息包括所述垃圾的形状、大小和物理形态等，如300ml的固体柱形易拉罐，是机器人识别垃圾种类必不可少的特点信息。

步骤s400：将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；

进一步而言，其中，所述将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息，本申请实施例步骤s400还包括：

步骤s410：将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型中，其中，所述垃圾识别模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息和用来标识第一识别垃圾的标识信息；

步骤s420：获得所述垃圾识别模型中的第一输出结果，所述第一输出结果包括所述第一识别垃圾信息。

具体而言，所述第一识别垃圾信息为所述垃圾的具体种类信息，如报纸、易拉罐、硬塑料等，所述垃圾识别模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(neuralnetworks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificialneuralnetworks，ann)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入神经网络模型，则输出所述第一识别垃圾信息。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息和用来标识第一识别垃圾的标识信息，将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入到神经网络模型中，根据用来标识第一识别垃圾的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的第一输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的第一识别垃圾信息更加合理、准确，进而达到减少了人工干预成本，实现自动识别垃圾具体种类更加高效准确，从而提高垃圾处理效率的技术效果。

步骤s500：对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；

具体而言，对识别出的垃圾具体种类进行分类，以便后续进行不同类别的垃圾处理，举例而言，按照处理回收的方式进行垃圾分类，可分为四类：可回收垃圾，再生利用价值较高，能进入废品回收渠道的垃圾，如纸类(报纸、传单、杂志、旧书、纸板箱及其它未受污染的纸制品等)、金属(铁、铜、铝等制品)、玻璃(玻璃瓶罐、平板玻璃及其他玻璃制品)、除塑料袋外的塑料制品(泡沫塑料、塑料瓶、硬塑料等)；厨余垃圾，厨房产生的食物类垃圾以及果皮等，如剩菜剩饭与西餐糕点等食物残余、菜梗菜叶、动物骨骼内脏、茶叶渣、水果残余、果壳瓜皮、盆景等植物的残枝落叶、废弃食用油等；有害垃圾，含有有毒有害化学物质的垃圾，电池(蓄电池、钮扣电池等)、废旧电子产品、废旧灯管灯泡、过期药品、过期日用化妆品、染发剂、杀虫剂容器、除草剂容器、废弃水银温度计、废油漆桶、废打印机墨盒、硒鼓等；其他垃圾，除可回收物、有害垃圾、餐厨垃圾外的其他生活垃圾，即现环卫体系主要收集和处理的垃圾，如受污染与无法再生的纸张(纸杯、照片、复写纸、压敏纸、收据用纸、明信片、相册、卫生纸、尿片等)、受污染或其他不可回收的玻璃、塑料袋与其他受污染的塑料制品、废旧衣物与其他纺织品、破旧陶瓷品、一次性餐具、贝壳、烟头、灰土等。

步骤s600：根据所述第一类别垃圾信息，获得第一垃圾处理方式；

具体而言，所述第一垃圾处理方式包括再次回收、卫生填埋、热解法、堆山造景、高温堆肥和焚烧等方式，根据所述垃圾的类别不同，处理的方式也不同，如可回收垃圾，废纸被直接送到造纸厂，用以生产再生纸；饮料瓶、罐子和塑料等也可以送到相关的工厂，成为再生资源；家用电器可以送到专门的厂家，进行分解回收。如其他无害垃圾进行焚烧处理，焚烧是世界各国广泛采用的城市垃圾处理技术，大型的配备有热能回收与利用装置的垃圾焚烧处理系统，可以顺应回收能源的要求。

步骤s700：通过所述激光传感器装置确定所述第一识别垃圾的位置信息；

进一步而言，其中，所述通过所述激光传感器装置确定所述第一识别垃圾的位置信息，本申请实施例步骤s700还包括：

步骤s710：通过所述激光传感器装置发射第一探测光线，获得第一探测距离；

步骤s720：获得第一相位角信息；

步骤s730：根据所述第一探测距离和第一相位角信息，获得第一位置信息；

步骤s740：获得第一脉冲频率信息；

步骤s750：根据所述第一脉冲频率信息，对所述第一识别垃圾进行多次探测，获得第一调整参数；

步骤s760：根据所述第一调整参数，对所述第一位置信息进行调整，确定所述第一识别垃圾的位置信息。

具体而言，所述激光传感器为利用激光技术进行测量的传感器，它由激光器、激光检测器和测量电路组成，通过所述激光传感器装置发射探测激光光线，激光测距的优点是能实现无接触远距离测量，速度快，精度高，量程大，抗光、电干扰能力强等，并通过光元件进行接收，将激光对准目标发射出去后，测量它的往返时间，再乘以光速即得到往返距离，所述第一相位角信息为传感器测量的反射光角度，确定所述垃圾的角度方向，通过探测距离和探测相位角角度共同测量确定所述第一识别垃圾目标物的具体位置信息。在测量距离的过程中，目标物垃圾可能会产生运动偏离，从而改变距离位置，所述第一脉冲频率信息为所述激光传感器每秒发射的激光信号的探测频率，以此对所述第一识别垃圾的位置进行多次探测，获得所述第一调整参数即垃圾目标物的位置偏移移动量，并根据所述第一调整参数，对所述第一位置信息偏移量进行调整，调整具体位置变化量，确定所述第一识别垃圾的最终位置信息，达到实时测量垃圾目标物的所在位置，测量精度速度高，保证目标物位置准确性的技术效果。

步骤s800：根据所述第一识别垃圾的位置信息，规划确定第一运动路线；

进一步而言，其中，所述根据所述第一识别垃圾的位置信息，规划确定第一运动路线，本申请实施例步骤s800还包括：

步骤s810：根据所述第一识别垃圾的位置信息，进行曲线拟合规划获得第一路线信息集；

步骤s820：根据所述第一路线信息集，获得第一运动路线信息，其中，所述第一运动路线信息为所述第一路线信息集中距离最短；

步骤s830：判断所述第一运动路线信息中是否有障碍物；

步骤s840：如果所述第一运动路线信息中没有障碍物，确定所述运动路线信息。

具体而言，根据所述第一识别垃圾的位置信息，机器人首先要进行全局路径规划，应用线段、圆弧或样条曲线拟合运动路径，形成一系列运动曲线段，然后依据规划的路径，在每一段运动曲线上进行局部轨迹规划，实时生成参考运动轨迹，获得到达所述垃圾位置的运动路线信息集合。所述第一运动路线信息为所述第一路线信息集中路线最短的一条，所述障碍物为在所述第一转移路线中存在障碍而无法通过的因素，如转移途中存在挡板从而导致无法通过，判断所述第一运动路线信息中是否有障碍物，如遇到障碍物需要重新规划路径及运动轨迹，如果所述运动路线中没有障碍物，则确定所述第一运动路线信息，表明可以通过所述运动路线到达所述垃圾位置，达到提前规划确定运动路线，使得到的路线更加准确快速，进而提高垃圾处理效率的技术效果。

步骤s900：根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。

具体而言，通过所述第一垃圾处理方式和所述第一运动路线，使机器人准确到达垃圾所在位置，并根据垃圾所在类别的处理方式对其进行垃圾处理，机器人处理垃圾的准确率和速度远高于人工处理，且还避免了人工处理时，可能遭受垃圾所带来的如腐蚀性等严重危害，通过对人工的替代，保障了垃圾处理中的人身安全。

进一步而言，其中，所述对所述第一图像信息进行特征提取，获得第一材料特性信息之前，本申请实施例步骤s200还包括：

步骤s210：获得所述第一图像的分辨率信息；

步骤s220：获得预定分辨率阈值；

步骤s230：判断所述第一图像的分辨率信息是否在所述预定分辨率阈值之内；

步骤s240：如果所述第一图像的分辨率信息不在所述预定分辨率阈值之内，获得第一重拍指令；

步骤s250：根据所述第一重拍指令，对所述第一垃圾进行重拍，获得第二图像信息。

具体而言，所述第一图像的分辨率信息为图像中存储的信息量，是每英寸图像内包含有多少个像素点，用来表征图像的清晰度，预定分辨率阈值为预先设定可以进行图像特征提取的分辨率大小范围，当对所述第一图像信息进行特征提取时，判断所述第一图像的分辨率信息是否在所述预定分辨率阈值之内，如果所述第一图像的分辨率信息不在所述预定分辨率阈值之内，即图像分辨率达不到进行特征提取时的要求，图像的分辨率不满足预定分辨率阈值，所提取计算出来的材料表面特征可能会有较大偏差，因此需要根据所述第一重拍指令，对所述第一垃圾进行重拍，获得满足分辨率要求的所述第二图像信息，达到减少图像分辨率对垃圾识别的影响，保证图像质量，增强垃圾自动识别的准确性的技术效果。

进一步而言，本申请实施例步骤s250还包括：

步骤s251：获得所述第一图像的亮度信息；

步骤s252：获得预定图像亮度阈值；

步骤s253：判断所述第一图像的亮度信息是否小于所述预定图像亮度阈值；

步骤s254：如果所述第一图像的亮度信息小于所述预定亮度阈值，获得第二重拍指令；

步骤s255：获得第一环境光线信息；

步骤s256：根据所述第一环境光线信息，获得第一环境光强度；

步骤s257：根据所述第一图像的亮度信息和所述第一环境光强度信息，获得第一修正参数；

步骤s258：根据所述第二重拍指令和所述第一修正参数，获得第三图像信息。

具体而言，所述第一图像的亮度信息为图像画面的明亮程度，是从白色表面到黑色表面的感觉连续体，由物体的反射系数决定，用来表征图像的明暗程度，预定图像亮度为预先设定可以进行图像特征提取的亮度大小范围，当对所述第一图像信息进行特征提取时，判断所述第一图像的亮度信息是否小于所述预定图像亮度阈值，如果所述第一图像的亮度信息小于所述预定亮度阈值，即图像的亮度达不到进行特征提取时的要求，图像的亮度不满足预定图像亮度阈值，所提取计算出来的材料表面特征会受物体的反射情况影响，得到错误的表面纹理特征，因此需要根据所述第二重拍指令，对所述第一垃圾进行重拍。所述第一环境光线信息为对垃圾进行分类处理时的环境光，通过所述第一环境光线信息，得到所述第一环境光强度，如在垃圾中转站进行垃圾分类时的中转站电灯光强度，所述光强度越大，物体进行反射时的亮度越大，根据所述第一图像的亮度信息与预定亮度阈值的差值和所述第一环境光强度信息，获得光补正修正参数，并通过所述修正参数对所述第一垃圾进行重拍，获得满足图像亮度要求的所述第三图像信息，达到减少图像亮度对垃圾识别的影响，保证图像质量，增强垃圾自动识别的准确性的技术效果。

进一步而言，本申请实施例步骤还包括：

步骤s1010：获得所述第一垃圾的行业来源；

步骤s1020：获得所述第一垃圾的化学特性；

步骤s1030：根据所述第一垃圾的行业来源和所述第一垃圾的化学特性，获得第一危险特性等级；

步骤s1040：获得所述第一垃圾的物理特性；

步骤s1050：根据所述第一危险特性等级和所述第一垃圾的物理特性，获得第二垃圾处理方式；

步骤s1060：根据所述第二垃圾处理方式，对所述第一垃圾进行处理。

具体而言，当所述第一垃圾是从化工厂、医院等特定场所运送来的危险废物时，需要进行特定单独处理，因为危险废物会破坏生态环境，影响人类健康，制约可持续发展。所述第一垃圾的行业来源为危险废物的产生行业，如化学药品原料药制造行业、生物医药行业和化学试剂生产行业等，所述第一垃圾的化学特性为所述垃圾的腐蚀性、毒性、易燃性、反应性和感染性等化学特性。通过所述第一垃圾的行业来源和所述第一垃圾的化学特性按照国家危险废物标准进行危险特性等级划分，得到所述垃圾的危险特性等级，所述第一垃圾的物理特性为危险废物的物理形态，如固态、液态还是气态，根据所述第一危险特性等级和所述第一垃圾的物理特性，共同确定所述垃圾处理方式，并通过所述垃圾处理方式，对所述第一垃圾进行处理，如化学处理，化学处理是采用化学方法破坏固体废物中的有害成分，从而达到无害化，或将其转变成为适于进一步处理、处置的形态，其方法包括酸碱反应等；生物处理，生物处理是利用微生物分解固体废物中可降解的有机物，从而达到无害化或综合利用，生物处理方法包括好氧处理、厌氧处理和兼性厌氧处理；热处理，热处理是通过高温破坏和改变固体废物组成和结构，同时达到减容、无害化或综合利用的目的，其方法包括焚化、热解、湿式氧化以及焙烧、烧结等。达到针对危险废物的特性选用适用性强的处理方法，从而减少对人体和环境的危害，提高危险废物无害化利用的技术效果。

综上所述，本申请实施例所提供的一种基于机器人的垃圾处理方法及系统具有如下技术效果：

1、由于采用了通过所述第一图像采集装置获得第一图像信息；对所述第一图像信息进行特征提取，获得第一材料特性信息；根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；根据所述第一类别垃圾信息，获得第一垃圾处理方式；通过所述激光传感器装置确定所述第一识别垃圾的位置信息；根据所述第一识别垃圾的位置信息，规划确定第一运动路线；根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理，进而达到通过对人工的替代，保障了垃圾处理中的人身安全，推动了机器人进行垃圾分类处理高效而精准，从而降低成本，提高回收率，促进环保行业的转型升级发展的技术效果。

2、由于采用了将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入神经网络模型的方式，进而使得输出的第一识别垃圾信息更加合理、准确，进而达到减少了人工干预成本，实现自动识别垃圾具体种类更加高效准确，从而提高垃圾处理效率的技术效果。

3、由于采用了实时测量垃圾目标物的所在位置，减少图像亮度和分辨率对垃圾识别的影响，针对危险废物的特性选用适用性强的处理方法，达到保证图像质量，测量精度速度高，增强垃圾自动识别的准确性，保证目标物位置准确性，提高危险废物无害化利用的技术效果。

实施例二

基于与前述实施例中一种基于机器人的垃圾处理方法同样发明构思，本发明还提供了一种基于机器人的垃圾处理系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；

第二获得单元12，所述第二获得单元12用于对所述第一图像信息进行特征提取，获得第一材料特性信息；

第三获得单元13，所述第三获得单元13用于根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；

第四获得单元14，所述第四获得单元14用于将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；

第五获得单元15，所述第五获得单元15用于对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；

第六获得单元16，所述第六获得单元16用于根据所述第一类别垃圾信息，获得第一垃圾处理方式；

第一确定单元17，所述第一确定单元17用于通过激光传感器装置确定所述第一识别垃圾的位置信息；

第二确定单元18，所述第二确定单元18用于根据所述第一识别垃圾的位置信息，规划确定第一运动路线；

第一处理单元19，所述第一处理单元19用于根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得所述第一图像的分辨率信息；

第八获得单元，所述第八获得单元用于获得预定分辨率阈值；

第一判断单元，所述第一判断单元用于判断所述第一图像的分辨率信息是否在所述预定分辨率阈值之内；

第九获得单元，所述第九获得单元用于如果所述第一图像的分辨率信息不在所述预定分辨率阈值之内，获得第一重拍指令；

第十获得单元，所述第十获得单元用于根据所述第一重拍指令，对所述第一垃圾进行重拍，获得第二图像信息。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于获得所述第一图像的亮度信息；

第十二获得单元，所述第十二获得单元用于获得预定图像亮度阈值；

第二判断单元，所述第二判断单元用于判断所述第一图像的亮度信息是否小于所述预定图像亮度阈值；

第十三获得单元，所述第十三获得单元用于如果所述第一图像的亮度信息小于所述预定亮度阈值，获得第二重拍指令；

第十四获得单元，所述第十四获得单元用于获得第一环境光线信息；

第十五获得单元，所述第十五获得单元用于根据所述第一环境光线信息，获得第一环境光强度；

第十六获得单元，所述第十六获得单元用于根据所述第一图像的亮度信息和所述第一环境光强度信息，获得第一修正参数；

第十七获得单元，所述第十七获得单元用于根据所述第二重拍指令和所述第一修正参数，获得第三图像信息。

进一步的，所述系统还包括：

第十八获得单元，所述第十八获得单元用于通过所述激光传感器装置发射第一探测光线，获得第一探测距离；

第十九获得单元，所述第十九获得单元用于获得第一相位角信息；

第二十获得单元，所述第二十获得单元用于根据所述第一探测距离和第一相位角信息，获得第一位置信息；

第二十一获得单元，所述第二十一获得单元用于获得第一脉冲频率信息；

第二十二获得单元，所述第二十二获得单元用于根据所述第一脉冲频率信息，对所述第一识别垃圾进行多次探测，获得第一调整参数；

第三确定单元，所述第三确定单元用于根据所述第一调整参数，对所述第一位置信息进行调整，确定所述第一识别垃圾的位置信息。

进一步的，所述系统还包括：

第二十三获得单元，所述第二十三获得单元用于根据所述第一识别垃圾的位置信息，进行曲线拟合规划获得第一路线信息集；

第二十四获得单元，所述第二十四获得单元用于根据所述第一路线信息集，获得第一运动路线信息，其中，所述第一运动路线信息为所述第一路线信息集中距离最短；

第三判断单元，所述第三判断单元用于判断所述第一运动路线信息中是否有障碍物；

第四确定单元，所述第四确定单元用于如果所述第一运动路线信息中没有障碍物，确定所述运动路线信息。

进一步的，所述系统还包括：

第二十五获得单元，所述第二十五获得单元用于获得所述第一垃圾的行业来源；

第二十六获得单元，所述第二十六获得单元用于获得所述第一垃圾的化学特性；

第二十七获得单元，所述第二十七获得单元用于根据所述第一垃圾的行业来源和所述第一垃圾的化学特性，获得第一危险特性等级；

第二十八获得单元，所述第二十八获得单元用于获得所述第一垃圾的物理特性；

第二十九获得单元，所述第二十九获得单元用于根据所述第一危险特性等级和所述第一垃圾的物理特性，获得第二垃圾处理方式；

第二处理单元，所述第二处理单元用于根据所述第二垃圾处理方式，对所述第一垃圾进行处理。

进一步的，所述系统还包括：

第一输入单元，所述第一输入单元用于将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型中，其中，所述垃圾识别模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息和用来标识第一识别垃圾的标识信息；

第三十获得单元，所述第三十获得单元用于获得所述垃圾识别模型中的第一输出结果，所述第一输出结果包括所述第一识别垃圾信息。

前述图1实施例一中的一种基于机器人的垃圾处理方法的各种变化方式和具体实例同样适用于本实施例的一种基于机器人的垃圾处理系统，通过前述对一种基于机器人的垃圾处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于机器人的垃圾处理系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于机器人的垃圾处理方法的发明构思，本发明还提供一种基于机器人的垃圾处理系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于机器人的垃圾处理方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种基于机器人的垃圾处理方法，所述方法包括：通过所述第一图像采集装置获得第一图像信息，所述第一图像信息包括第一垃圾的图像信息；对所述第一图像信息进行特征提取，获得第一材料特性信息；根据所述第一图像信息，获得所述第一垃圾的颜色信息和形态信息；将所述第一材料特性信息、所述第一垃圾的颜色信息和形态信息输入垃圾识别模型，获得第一识别垃圾信息；对所述第一识别垃圾信息进行分类，获得第一类别垃圾信息；根据所述第一类别垃圾信息，获得第一垃圾处理方式；通过所述激光传感器装置确定所述第一识别垃圾的位置信息；根据所述第一识别垃圾的位置信息，规划确定第一运动路线；根据所述第一垃圾处理方式和所述第一运动路线，对所述第一识别垃圾进行处理。解决了现有技术人工处理效率低下、人力成本高，还容易让人身遭受垃圾所带来的严重危害，且垃圾回收率不高的技术问题，达到通过对人工的替代，保障了垃圾处理中的人身安全，推动了机器人进行垃圾分类处理高效而精准，从而降低成本，提高回收率，促进环保行业的转型升级发展的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。