一种垃圾焚烧炉渣智能分类系统的制作方法

本发明涉及垃圾处理，更具体地说，本发明涉及一种垃圾焚烧炉渣智能分类系统。

背景技术：

1、垃圾焚烧是一种常见的垃圾处理方法，垃圾焚烧炉渣是指通过垃圾焚烧过后会产生一些炉渣，不同的垃圾产生的炉渣成分不一样，炉渣包含底灰和烟气净化后的残渣，这些残渣需要通过严格处理，但其产生的炉渣如何分类和处理是一个难题。

2、传统的方法主要采用人工分拣或简单的机械分拣，只能对部分成分进行资源化处理，效率低下，而且难以完全清除有害物质，对环境造成一定的污染，随着城市化进程的加快，垃圾产生量逐年增加，垃圾处理问题日益突出。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种垃圾焚烧炉渣智能分类系统，通过科学组网模块，以解决上述背景技术中提出的问题。

2、技术方案

3、为实现上述目的，本发明提供如下技术方案：包括图像采集模块、目标监测模块、图像预处理模块、垃圾实物识别模块，目标管控模块以及云端测试模块；

4、图像采集模块：包括图像采集箱以及采集光源，对图像采集区域的垃圾目标移动情况进行实时监测，得到目标垃圾的监测集；

5、目标监测模块：通过在图像采集区域安装传感器，对图像采集区域的目标垃圾移动情况进行监测；

6、图像预处理模块：将获取到的图像数据进行标记，将标记后的图像数据通过无线网络传输至主控制端；

7、垃圾实物识别模块：将采集的初始图像数据进行数据扩充，扩充数据集的数量为初始图像数据的4倍，通过神经网络模型对炉渣进行分类；

8、目标管控模块：对图像采集区域进入和离开的目标进行监测；

9、云端测试模块：将设定的新模型以及模型权重发送给垃圾实物识别模块，能够将所有图像采集箱获得的垃圾图像上传回云端。

10、在一个优选地实施方式中，所述图像采集模块包括图像采集箱以及采集光源，对图像采集区域的垃圾目标移动情况进行实时监测，得到目标垃圾的监测集，通过监测传感器对进行图像采集箱的目标垃圾进行摄像，将图像采集箱的宽度设定为监测宽度，以监测宽度为准在图像采集箱的两侧进行监测宽度的拓展，将拓展后的区域设定为图像采集区域，对目标垃圾的摄像信息进行目标垃圾主体的标识，得到目标垃圾的初始图像信息。

11、在一个优选地实施方式中，所述目标监测模块对图像采集区域的目标垃圾移动情况进行监测，通过在图像采集区域安装传感器，对监测区域内是否有目标通过的情况进行监测，当有目标在图像采集区域移动时生成目标监测指令，在图像采集区域内，若图像采集区域没有目标通过则生成待机指令。

12、在一个优选地实施方式中，所述图像预处理模块获取图像采集区域的目标垃圾主体及其对应的高度，将获取到的图像数据进行标记，将标记后的图像数据通过无线网络传输至主控制端，图像预处理的具体操作步骤如下：

13、步骤1、对标记后的图像数据进行分割，将分割后的图像进行主体的标记，生成初始标记信号，将初始标记信号设定在分割后的图像内，对分割后的图像进行初始标记信号的依次标记：1，2，3，n；

14、步骤2、对分割图像的标记进行主体特征的特征标记，生成主体特征标记信号，主体特征标记信号为将主体特征标记信号与初始标记信号进行捆绑，生成图像参数的完整标记数据；

15、步骤3、将捆绑后的完整标记数据传输至主控制端。

16、在一个优选地实施方式中，所述垃圾实物识别模块，将采集的初始图像数据进行数据扩充，扩充数据集的数量为初始图像数据的4倍，通过神经网络模型对炉渣进行分类，具体包括以下步骤：

17、步骤1、预先收集炉渣的训练数据，训练数据包括炉渣特征数据与特征数据对应的炉渣类型标签，对炉渣的类型标签进行标定，如固体炉渣为1，粉状炉渣为2，将输入特征的每张特征图经过全局最大池化和全局平均池化，使用大小为k的卷积核分别对2种特征进行分组卷积，将卷积后的张量按元素进行相加，具体过程表达式为：

18、mc(f)＝σ(fk(gmax(f))+(gavg(f)))

19、式中，mc为eca，gmax代表全局最大池化特征，gavg为全局池化特征，f为输入特征图；

20、步骤2、设置神经网络模型的结构参数

21、步骤3、初始化神经网络模型中的权值与偏置；

22、步骤4、将收集的训练数据按照8:2的比例分为训练集与验证集；

23、步骤5、将训练集输入神经网络模型进行训练，得到训练后的神经网络模型；

24、步骤6、将验证集输入训练后的神经网络模型，得到神经网络模型的输出预测的炉渣类型标签编号，得到验证集实际的炉渣类型标签与预测的炉渣类型标签的误差；

25、步骤7、判断误差是否在预设误差范围内，若是，则停止训练，输出训练后的神经网络模型；若否，则根据误差对神经网络模型的权值与偏置进行调整，返回步骤5继续训练；

26、步骤8、使用训练后的神经网络模型对检测区域的炉渣类型进行识别。

27、在一个优选地实施方式中，所述目标管控模块将炉渣进入以及离开图像采集区域的时间点分别设置为第一管控时间与第二管控时间，在图像采集区域时间段内，对图像采集区域进入和离开的目标进行监测，在监测时间内进入以及离开的炉渣目标分别标记为j1以及k1，获取图像采集区域对应时段内的权重值标记为q，监测信号jc的具体计算方法如下：jc＝(j1-k1)/q。

28、在一个优选地实施方式中，所述云端测试模块显示当前所有在线图像采集箱终端中不同垃圾的存储量，能够升级各个图像采集箱中的识别模型，将设定的新模型以及模型权重发送给垃圾实物识别模块，能够将所有图像采集箱获得的垃圾图像上传回云端，供云端测试模块继续训练模型，优化垃圾分类结果，云端测试模块与图像采集箱终端使用无线连接，采用tcp/ip协议通信。

29、在一个优选地实施方式中，包括以下步骤：

30、101、包括图像采集箱以及采集光源，对图像采集区域的垃圾目标移动情况进行实时监测，得到目标垃圾的监测集；

31、102、通过在图像采集区域安装传感器，对图像采集区域的目标垃圾移动情况进行监测；

32、103、将获取到的图像数据进行标记，将标记后的图像数据通过无线网络传输至主控制端；

33、104、将采集的初始图像数据进行数据扩充，扩充数据集的数量为初始图像数据的4倍，通过神经网络模型对炉渣进行分类；

34、105、对图像采集区域进入和离开的目标进行监测；

35、106、将设定的新模型以及模型权重发送给垃圾实物识别模块，能够将所有图像采集箱获得的垃圾图像上传回云端。

36、本发明的技术效果和优点：

37、本发明采用深度学习技术，能够自动识别和分类炉渣，提高分类的准确性以及分类效率，采用机器学习算法对特征进行分类识别，将炉渣分为固体以及粉状，操作过程方便。

技术特征：

1.一种垃圾焚烧炉渣智能分类系统，其特征在于：包括图像采集模块、目标监测模块、图像预处理模块、垃圾实物识别模块，目标管控模块以及云端测试模块；

2.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：所述图像采集模块包括图像采集箱以及采集光源，对图像采集区域的垃圾目标移动情况进行实时监测，得到目标垃圾的监测集，通过监测传感器对进行图像采集箱的目标垃圾进行摄像，将图像采集箱的宽度设定为监测宽度，以监测宽度为准在图像采集箱的两侧进行监测宽度的拓展，将拓展后的区域设定为图像采集区域，对目标垃圾的摄像信息进行目标垃圾主体的标识，得到目标垃圾的初始图像信息。

3.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：所述目标监测模块对图像采集区域的目标垃圾移动情况进行监测，通过在图像采集区域安装传感器，对监测区域内是否有目标通过的情况进行监测，当有目标在图像采集区域移动时生成目标监测指令。

4.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：图像预处理模块获取图像采集区域的目标垃圾主体及其对应的高度，将获取到的图像数据进行标记，将标记后的图像数据通过无线网络传输至主控制端，图像预处理的具体操作步骤如下：

5.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：所述垃圾实物识别模块，将采集的初始图像数据进行数据扩充，扩充数据集的数量为初始图像数据的4倍，通过神经网络模型对炉渣进行分类，具体包括以下步骤：

6.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：所述目标管控模块将炉渣进入以及离开图像采集区域的时间点分别设置为第一管控时间与第二管控时间，在图像采集区域时间段内，对图像采集区域进入和离开的目标进行监测，在监测时间内进入以及离开的炉渣目标分别标记为j1以及k1，获取图像采集区域对应时段内的权重值标记为q，监测信号jc的具体计算方法如下：jc＝(j1-k1)/q。

7.根据权利要求1所述的一种垃圾焚烧炉渣智能分类系统，其特征在于：所述云端测试模块显示当前所有在线图像采集箱终端中不同垃圾的存储量，将设定的新模型以及模型权重发送给垃圾实物识别模块，将所有图像采集箱获得的垃圾图像上传回云端，供云端测试模块继续训练模型，优化垃圾分类结果。

技术总结
本发明公开了一种垃圾焚烧炉渣智能分类系统，具体垃圾处理技术领域，包括图像采集模块：包括图像采集箱以及采集光源，对图像采集区域的垃圾目标移动情况进行实时监测，得到目标垃圾的监测集；目标监测模块：通过在图像采集区域安装传感器，对图像采集区域的目标垃圾移动情况进行监测；图像预处理模块：将获取到的图像数据进行标记，将标记后的图像数据通过无线网络传输至主控制端；垃圾实物识别模块：将采集的初始图像数据进行数据扩充，通过神经网络模型对炉渣进行分类；目标管控模块：对图像采集区域进入和离开的目标进行监测；云端测试模块：将所有图像采集箱获得的垃圾图像上传回云端。

技术研发人员：李运杰,瞿建新,刘飞
受保护的技术使用者：江苏秦郡环保科技有限公司
技术研发日：
技术公布日：2024/1/15