详情

原文传递一种基于AI的智能分类垃圾桶及其方法

专利名称：	一种基于AI的智能分类垃圾桶及其方法
摘要：	本发明提出一种基于AI的智能分类垃圾桶及其方法，所采用的分类垃圾桶包括图像识别模块、控制模块和分为多个垃圾分类存储区的桶体；所述桶体与垃圾分类机构相通；所述垃圾分类机构外壁处设有垃圾投放口、图像采集区和触控屏；所述图像采集区处设有可扫描条形码和拍摄垃圾图像的的摄像头；所述控制模块与摄像头相连以对垃圾进行识别；本发明能自动对投入的垃圾进行分类存放。
专利类型：	发明专利
国家地区组织代码：	福建;35
申请人：	福州大学
发明人：	童同;林晨;周远波;兰俊林;高钦泉;杜民
专利状态：	有效
申请日期：	2019-09-18T00:00:00+0800
发布日期：	2019-11-26T00:00:00+0800
申请号：	CN201910879137.1
公开号：	CN110498152A
代理机构：	福州元创专利商标代理有限公司
代理人：	郭东亮;蔡学俊
分类号：	B65F1/00(2006.01);B;B65;B65F;B65F1
申请人地址：	350108 福建省福州市闽侯县福州大学城乌龙江北大道2号
主权项：	1.一种基于AI的智能分类垃圾桶，其特征在于：所述分类垃圾桶包括图像识别模块、控制模块和分为多个垃圾分类存储区的桶体（1）；所述桶体与垃圾分类机构相通；所述垃圾分类机构外壁处设有垃圾投放口（2）、图像采集区（4）和触控屏；所述图像采集区处设有可扫描条形码和拍摄垃圾图像的的摄像头；所述控制模块与摄像头相连以对垃圾进行识别。 2.根据权利要求1所述的一种基于AI的智能分类垃圾桶，其特征在于：所述垃圾分类机构内腔处设有可横向移动的垃圾传送区（5），所述垃圾传送区处设有用于放置垃圾的卡槽，垃圾传送区下端与垃圾分类存储区相通，当所述垃圾传送区位于初始位置时，垃圾传送区上方与垃圾投放口相邻；所述摄像头可拍摄垃圾传送区处的垃圾图像以供图像识别模块识别分类，当对垃圾进行分类投放时，所述控制模块根据垃圾分类结果，控制传送区把垃圾送至对应的垃圾分类存储区上方，释放卡槽使垃圾落入桶体内。 3.根据权利要求2所述的一种基于AI的智能分类垃圾桶，其特征在于：所述触控屏提供人机交互界面，使用者可通过人机交互界面对传送区进行控制；所述垃圾分类存储区包括未分类垃圾存储区。 4.根据权利要求3所述的一种基于AI的智能分类垃圾桶，其特征在于：当图像识别模块为服务器时，所述分类垃圾桶的使用方法分为以下步骤；步骤A1、使用者在触控屏处验证身份以获得使用权，垃圾桶开启垃圾投放口；若使用者未注册，则需完成注册后方能使用垃圾桶；步骤A2、若使用者需投放带有条形码的垃圾，则在触控屏处选择手动模式，把垃圾带条形码的一面朝上经垃圾投放口投入垃圾传送区，使控制模块可通过摄像头拍摄垃圾上的二维码图像；若使用者需投放无条形码的垃圾，则在触控屏上选择自动模式，直接把垃圾经垃圾投放口投入垃圾传送区；步骤A3、垃圾投放口关闭，控制模块经图像采集区的摄像头拍摄垃圾传送区上的垃圾图像，把图像经通讯模块送至服务器进行识别分类；步骤A4、若服务器对垃圾得出分类结果，则控制模块根据服务器的分类结果控制垃圾传送区移动至对应的垃圾分类存储区上方，释放卡槽使垃圾传送区处的垃圾落至对应的垃圾分类存储区内；若服务器无法识别垃圾，则控制模块在触控屏上显示需使用者手动分类的提示，当使用者在触控屏上选择垃圾传送区处垃圾的分类后，本设备把用户的分类选择结果送至服务器，由服务器端工作人员对用户的分类选择结果进行验证；控制模块根据经服务器验证的用户分类选择，控制垃圾传送区把垃圾倒入对应的垃圾分类存储区内；若服务器无法识别垃圾，且使用者无法对垃圾进行手动分类，则控制模块控制垃圾传送区把垃圾倒入未分类垃圾存储区。 5.根据权利要求4所述的一种基于AI的智能分类垃圾桶，其特征在于：所述触控屏为可对掌纹进行扫描识别的触控液晶屏；所述验证身份可通过在触控屏处验证掌纹来完成。 6.一种基于AI的智能分类方法，其特征在于：所述智能分类方法使用权利要求1所述的基于AI的智能分类垃圾桶，其图像识别模块为搭载AI模型进行垃圾识别的服务器；所述智能分类方法为把物体识别模型、以图搜图模型、条形码识别方法和自然语言处理相融合的垃圾分类方法；所述智能分类方法使用服务器搭载AI模型进行垃圾识别，以智能分类垃圾桶作为客户端与服务器进行实时交互，将用户实时产生的垃圾分类数据更新至数据库服务器，所述垃圾分类数据一方面用于AI模型训练以提升AI模型的分类精度，另一方面用于大数据分析，所述大数据分析用于统计不同类别的垃圾数量及辅助垃圾处理公司制定回收策略。 7.根据权利要求6所述的一种基于AI的智能分类方法，其特征在于：所述条形码识别方法为，当服务器收到的垃圾传送区垃圾图像包含条形码时，所述服务器对条形码进行识别以得到与垃圾对应的商品名称，并通过知识图谱查询该商品对应的垃圾类别以获得垃圾分类结果。 8.根据权利要求7所述的一种基于AI的智能分类方法，其特征在于：所述知识图谱的构建方法为，通过包括网络爬虫在内的技术方法从互联网获取图片，同时获取与图片对应的说明文字，经分词及词频统计处理后，自动完成对图片贴标签的作业，从而构建知识图谱。 9.根据权利要求6所述的一种基于AI的智能分类方法，其特征在于：所述物体识别模型为带反馈的卷积神经网络SHRNet；所述神经网络SHRNet由Stacked Hourglass Network算法、ResNet50算法以及升维模块Dline组成；升维模块Dline的卷积核大小为6433；物体识别模型的输入是经过归一化的3224244张量，通过Stacked Hourglass Network提取高维的特征，输入ResNet50中进行分类后，输出一个一维张量；所述一维张量通过一个升维模块DLine，生成一个高维张量来作为Resnet算法与Stacked Hourglass Network算法网络反馈调整网络的输入，其中对于Stacked Hourglass Network反馈只作用在反卷积模块上；所述物体识别模型采用加权融合的方式，通过反馈的张量和每层卷积神经网络的输入相结合构成新的特征图，特征图其中升维模块占0.3，卷积神经网络部分占0.7；所述以图搜图模型是利用垃圾图片搜索图片，从图片源中查找该垃圾图片或者与该垃圾图片相似的图片，所述以图搜图模型以ResNet50作为训练模型，先经训练模型输出与每张图片特定特征对应的向量，接着，计算这些向量的空间距离，搜索相似图片；最后，对垃圾图片的标签进行分词和词频统计，得到出现频率最高的词，放入构建好的知识图谱中进行查询得到与垃圾图片对应的垃圾类别。 10.根据权利要求9所述的一种基于AI的智能分类方法，其特征在于：在智能分类方法中，对物体识别模型所得结果和以图搜图模型所得结构进行两结果的加权融合；所述两结果的加权融合是对易于发生形变的垃圾赋予物体识别模型较高的初始权重，对不易形变的垃圾赋予以图搜图模型较高权重，并通过训练不断更新权重，将物体识别部分和以图搜图部分进行加权融合，提升准确率，得到垃圾分类的最终结果。
所属类别：	发明专利