CN111790251B - 一种基于光的垃圾除臭控制方法及相关产品 - Google Patents

一种基于光的垃圾除臭控制方法及相关产品 Download PDF

Info

Publication number
CN111790251B
CN111790251B CN201910282023.9A CN201910282023A CN111790251B CN 111790251 B CN111790251 B CN 111790251B CN 201910282023 A CN201910282023 A CN 201910282023A CN 111790251 B CN111790251 B CN 111790251B
Authority
CN
China
Prior art keywords
decomposition
sub
garbage
light
score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910282023.9A
Other languages
English (en)
Other versions
CN111790251A (zh
Inventor
李瑜
吕玟萱
蒋晓明
吕胜军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jiajia Classification Technology Co ltd
Original Assignee
Shenzhen Jiajia Classification Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Jiajia Classification Technology Co ltd filed Critical Shenzhen Jiajia Classification Technology Co ltd
Priority to CN201910282023.9A priority Critical patent/CN111790251B/zh
Publication of CN111790251A publication Critical patent/CN111790251A/zh
Application granted granted Critical
Publication of CN111790251B publication Critical patent/CN111790251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/30—Controlling by gas-analysis apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/007—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by irradiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/76—Gas phase processes, e.g. by using aerosols
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2251/00—Reactants
    • B01D2251/10—Oxidants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2251/00—Reactants
    • B01D2251/10—Oxidants
    • B01D2251/104—Ozone
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/90—Odorous compounds not provided for in groups B01D2257/00 - B01D2257/708
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • General Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Toxicology (AREA)
  • Dispersion Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本申请公开了一种基于光的垃圾除臭控制方法及相关产品，所述方法用于垃圾处理设备，所述垃圾处理设备包括：传感器、光线发射器以及处理器，所述方法包括：接收所述传感器的垃圾分解数据；获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案；依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。采用本申请实施例可解决垃圾分解中产生的恶臭气体对环境产生二次污染的问题，缩短垃圾处理的周期，简化垃圾处理的流程，提高垃圾处理的效率，具有用户体验度高的优点。

Description

一种基于光的垃圾除臭控制方法及相关产品
技术领域
本申请涉及环保领域，具体涉及一种基于光的垃圾除臭控制方法及相关产品。
背景技术
随着人们生活水平的提高，垃圾处理逐渐成为一个社会热点问题，目前，对垃圾的处理方式普遍是通过将垃圾收集后转运到垃圾站进行统一处理。
在垃圾进行降解的过程中会释放大量的恶臭气体，现有技术中，垃圾站对恶臭气体的治理是通过冲洗、喷洒除臭药剂等简单的措施来减少恶臭气体，但是，冲洗、喷洒除臭药剂等措施不仅效果不佳还使得整个垃圾处理的周期长，垃圾处理流程复杂，目前仍缺少一种能在垃圾分解的过程中对恶臭气体进行有效治理的方法，导致垃圾站周围环境质量造成严重破坏，甚至给周边环境带来二次污染，垃圾处理效率低下。
发明内容
本申请实施例提供了一种基于光的垃圾除臭控制方法及相关产品，可以实现在垃圾处理设备对垃圾进行分解的过程中，通过对光线进行调控，实现了对垃圾分解中产生的恶臭气体进行有效除臭的目的，避免了垃圾分解中产生的恶臭气体对环境产生二次污染，缩短了垃圾处理的周期，简化了垃圾处理的流程，提高了垃圾处理的效率，因此具有用户体验度高的优点。
第一方面，本申请实施例提供一种基于光的垃圾除臭控制方法，所述方法用于垃圾处理设备，所述垃圾处理设备包括：传感器、光线发射器以及处理器，所述方法包括：
接收所述传感器的垃圾分解数据；
获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案；
依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
结合本申请第一方面，在本申请第一方面的一种可能的实施方式中，依据所述光线调控方案对所述光线发射器进行调控后，获取处理后的气体的处理气味浓度数据，依据所述气味浓度数据确定所述处理后的气体满足排放要求，其中，所述对处理后的气体进行检测包括：确定所述处理气味浓度数据中包含的多种气味及所述多种气味对应的多个浓度数据；获取气味与气味权重对应的权重映射关系，依据所述权重映射关系确定所述多气味对应的多个权重；依据所述多个浓度数据与所述多个权重计算所述处理气味浓度数据得到处理气味分数，获取预设的气味分数阈值，判断所述处理气味分数是否小于所述气味分数阈值，若所述处理气味分数小于所述气味分数阈值，确定所述处理后的气体满足排放要求；若所述处理气味分数大于或等于所述气味分数阈值，控制所述光线发射器发射光线对所述处理后的气体进行二次除臭。
第二方面，本申请实施例提供一种基于光的垃圾除臭控制***，所述***包括：
接收单元，用于接收所述传感器的垃圾分解数据；
分析单元，用于获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案；
调控单元，用于依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如第一方面任一项所述的方法中的步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面任意一项所述的方法。
可以看出，在本申请实施例中，通过接收所述传感器的垃圾分解数据；获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案；依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于除臭，实现了对垃圾分解中产生的恶臭气体进行有效除臭的目的，并且缩短了垃圾处理的周期，简化了垃圾处理的流程，提高了垃圾处理的效率，提高了用户体验度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于光的垃圾除臭控制方法的流程示意图。
图2是本申请实施例提供的第一种光线调控方案生成方法的流程示意图。
图3是本申请实施例提供的一种图像分析算法的流程示意图。
图4是本申请实施例提供的第二种光线调控方案生成方法的流程示意图。
图5是本申请实施例提供的第三种光线调控方案生成方法的流程示意图。
图6是本申请实施例提供的一种基于光的垃圾除臭控制***600的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
请参阅图1，图1是本申请实施例提供的一种基于光的垃圾除臭控制方法的流程示意图，如图1所示，所述方法包括：
步骤S101、接收所述传感器的垃圾分解数据。
可选的，在接收所述传感器的垃圾分解数据之前，接收获取数据指令，所述获取指令用于指示接收垃圾分解数据，所述获取数据指令包括：目标传感器。
进一步地，依据所述获取数据指令获取所述目标传感器的收集的垃圾分解数据，所述目标传感器包括以下至少一个：气味传感器、温度传感器、影响传感器等等，在此不作限定；若所述目标传感器为气味传感器，则所述垃圾分解数据包括：气味浓度数据，若所述目标传感器为温度传感器，则所述垃圾分解数据包括：温度变化数据，若所述目标传感器为影像传感器，则所述垃圾分解数据包括：垃圾分解图像数据。
步骤S102、获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案。
可选的，获取预设的分析算法，依据所述预设的分析算法对所述垃圾分解数据进行分析，其中，所述分析算法包括以下至少一种：图像分析算法、气味分析算法、温度分析算法。
在本申请的一种实施方式中，确定所述垃圾分解数据为所述垃圾分解图像数据，获取预设的图像分析算法，依据所述图像分析算法与所述垃圾分解图像确定所述垃圾的分解分数；确定所述分解分数对应的目标分解分数段，获取预设的光线调控指令与分解分数段的第一映射关系，依据所述第一映射关系确定所述目标分解分数段对应的光线调控指令；生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
进一步地，所述图像分析算法包括：确定所述垃圾分解图像中包含的x种物品，依据所述x种物品对所述垃圾分解图像进行切割得到所述x种物品对应的x个子图片，其中，x>0；
对所述x个子图片进行归一化处理，得到x个归一化后的子图片；
将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；
对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；
从所述第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数ai，其中，0＜i≤x，其中，分解子分数计算操作包括：
获取第i个边缘子图片；
对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N1；
计算所述第i个边缘子图片的总像素点个数N2；
依据公式ai＝N1/N2计算得到第i个边缘子图片对应的第i个分解子分数ai；
依据预设的分解分数计算公式对所述x个分解子分数ai进行计算得到所述分解分数b，其中，分解分数计算公式包括：
Figure BDA0002021989850000051
在本申请的一种实施方式中，确定所述垃圾分解数据为所述气味浓度数据；获取预设的气味分析算法，依据所述气味分析算法与所述气味浓度数据确定所述气味分数；确定所述气味分数对应的目标气味分数段，获取预设的光线调控指令与气味分数段的第二映射关系，依据所述第二映射关系确定所述目标气味分数段对应的光线调控指令；生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
进一步地，所述气味分析算法包括：确定所述气味浓度数据中包含的x种气味及所述y种气味对应的y个浓度数据sj，其中，y＞0，0＜j≤y；
获取气味与气味权重对应的权重映射关系，依据所述权重映射关系确定所述x种气味对应的y个权重wj；
依据预设的加权计算公式对所述y个浓度数据sj与所述y个权重wj进行计算得到所述气味分数k，其中，所述加权计算公式包括：
Figure BDA0002021989850000052
在本申请的一种实施方式中，确定所述垃圾分解数据为所述温度变化数据；获取预设的温度分析算法，依据所述温度分析算法与所述温度变化数据确定目标温度数据，其中，所述温度分析算法具体包括：从所述温度变化数据中获取当前温度数据，确定所述当前温度数据为目标温度数据；获取预设的温度阈值，判断所述目标温度数据是否大于或等于所述温度阈值，如所述温度数据大于或等于所述温度阈值，生成第一光线调控方案，其中，所述第一光线调控方案包括：减弱光线强度指令；如所述温度数据小于所述温度阈值，生成第二光线调控方案，其中，所述第二光线调控方案包括：增大光线强度指令。
步骤S103、依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
可选的，获取所述光线调控方案，从所述光线调控方案中获取所述光线调控指令，依据所述光线调控指令对所述光线发射器进行调控，所述光线发射器用于对所述垃圾处理设备进行除臭，其中，所述光线发射器包括：紫外光光线发射器、无极紫外光光线发射器等等，在此不作限定。
其中，通过所述光线发射器发射光线，一方面，高能光线辐射将恶臭物质分子结合链打断，光解形成活性分子碎片；另一方面，波长在200nm以下的真空光线辐射能光解氧气生成氧自由基，氧自由基与氧气结合产生臭氧，臭氧的强氧化能力能将很多恶臭物质氧化。除此以外，臭氧获得复合离子光子的能量后，能极为迅速地分解，在湿度环境下产生氧化能力更强的羟基自由基。羟基自由基的氧化能力极强，与恶臭气体发生一系列协同，连锁反应的过程，可在很短的时间内完成。恶臭气体最终被氧化降解为低分子物质，水和二氧化碳，从而达到最终的除臭目的。
可选的，依据所述光线调控方案对所述光线发射器进行调控后，获取处理后的气体的处理气味浓度数据，依据所述气味浓度数据确定所述处理后的气体满足排放要求，其中，所述对处理后的气体进行检测包括：确定所述处理气味浓度数据中包含的多种气味及所述多种气味对应的多个浓度数据；获取气味与气味权重对应的权重映射关系，依据所述权重映射关系确定所述多气味对应的多个权重；依据所述多个浓度数据与所述多个权重计算所述处理气味浓度数据得到处理气味分数，获取预设的气味分数阈值，判断所述处理气味分数是否小于所述气味分数阈值，若所述处理气味分数小于所述气味分数阈值，确定所述处理后的气体满足排放要求；若所述处理气味分数大于或等于所述气味分数阈值，控制所述光线发射器发射光线对所述处理后的气体进行二次除臭。
请参阅图2，图2是本申请实施例提供的第一种光线调控方案生成方法的流程示意图，如图2所示，所述方法包括：
步骤S201、确定所述垃圾分解数据为所述垃圾分解图像数据。
可选的，获取所述垃圾分解数据，依据所述垃圾分解数据确定所述垃圾分解数据对应的传感器，判断所述传感器是否为影像传感器，如所述传感器为影像传感器，确定所述垃圾分解数据为所述垃圾分解图像数据，如所述传感器不为影像传感器，确定所述垃圾分解数据不为所述垃圾分解图像数据。
步骤S202、获取预设的图像分析算法，依据所述图像分析算法与所述垃圾分解图像确定垃圾的分解分数。
可选的，确定所述垃圾分解数据为所述垃圾分解图像数据后，从数据库中获取图像分析算法，其中，所述图像分析算法用于对所述垃圾分解图像数据进行评分，依据所述图像分析算法与所述垃圾分解图像确定所述垃圾的分解分数，所述分解分数用于确定所述垃圾的分解程度。
其中，所述图像分析算法包括：确定所述垃圾分解图像中包含的x种物品，依据所述x种物品对所述垃圾分解图像进行切割得到所述x种物品对应的x个子图片，其中，x＞0；对所述x个子图片进行归一化处理，得到x个归一化后的子图片；将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；从所述第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数ai，其中，0＜i≤x，其中，分解子分数计算操作包括：获取第i个边缘子图片；对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N1；计算所述第i个边缘子图片的总像素点个数N2；依据公式ai＝N1/N2计算得到第i个边缘子图片对应的第i个分解子分数ai；依据预设的分解分数计算公式对所述x个分解子分数ai进行计算得到所述分解分数b，其中，分解分数计算公式包括：
Figure BDA0002021989850000071
步骤S203、确定所述分解分数对应的目标分解分数段，获取预设的光线调控指令与分解分数段的第一映射关系，依据所述第一映射关系确定所述目标分解分数段对应的光线调控指令。
可选的，获取分解分数段模板，依据所述分解分数段模板确定所述分解分数对应的目标分解分数段，获取第一映射关系，所述第一映射关系用于存储光线调控指令与分解分数段的映射关系，依据所述目标分解分数段与所述第一映射关系确定目标光线调控指令；例如，所述分解分数为85，所述目标分解分数段为80-89分数段，通过第一映射关系得到，80-89分数段对应的光线调控指令为：光线强度三级，则所述目标光线调控指令为：光线强度三级。
步骤S204、生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
可选的，获取光线调控指令，依据所述光线调控指令生成光线调控方案，所述光线调控方案用于指示所述光线发射器依据所述光线调控指令对发射的光线进行调整控制。
请参阅图3，图3是本申请实施例提供的一种图像分析算法的流程示意图，如图3所示，所述算法包括：
步骤S301、确定所述垃圾分解图像中包含的x种物品，依据所述x种物品对所述垃圾分解图像进行切割得到所述x种物品对应的x个子图片，其中，x>0。
可选的，在确定所述垃圾分解图像中包含的x中物品之前，采集物品的图像数据，依据物品的种类对所述图像数据进行分类，得到多组图像数据，建立种类识别模型，所述种类识别模型用于对图像中的物品进行识别，通过所述多组图像数据对所述种类识别模型进行训练，得到训练好的种类识别模型。
可选的，获取所述垃圾分解图像，获取预设的数量识别模型，将所述垃圾分解图像作为所述数量识别模型的输入，得到所述垃圾分解图像包含的垃圾个数x，将所述垃圾分解图像作为种类识别模型的输入，所述垃圾个数x作为所述种类识别模型的输入参数，得到所述垃圾分解图像中包含的x种物品的种类。
进一步地，依据所述x种物品对所述垃圾分解图像进行切割得到x种物品对应的x个子图片，其中，每一子图片包含且一种物品。
步骤S302、对所述x个子图片进行归一化处理，得到x个归一化后的子图片，将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；
可选的，获取预设的归一化模型，将所述x个子图片作为所述归一化模型的输入，得到到x个归一化后的子图片；获取预设的滤波器，所述滤波器包含：中值滤波器，所述滤波器用于对所述到x个归一化后的子图片进行中值滤波，将所述x个归一化后的子图片作为所述滤波器的输入，得到x个滤波后的子图片。
其中，图像归一化就是通过一系列变换，即利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响，将待处理的原始图像转换成相应的唯一标准形式，其中，该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性，基于矩的图像归一化技术基本工作原理为：首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数，然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)，图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。
其中，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。中值滤波方法是用二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升或下降的为二维数据序列。
步骤S303、对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；
可选的，获取预设的检测模型，所述检测模型用于对图片执行边缘检测，将所述x个滤波后的子图片作为所述检测模型的输入，得到x个边缘子图片。
其中，边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化，所述重要事件和变化包括：深度上的不连续、表面方向不连续、物质属性变化和场景照明变化等等，图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界。
步骤S304、从所述第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数；
可选的，获取分解子分数计算算法，从所述第一个边缘子图片开始执行分解子分数计算操作，直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数ai，其中，0＜i≤x；其中，所述分解子分数计算算法包括：
获取第i个边缘子图片；
对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N1；
计算所述第i个边缘子图片的总像素点个数N2；
依据公式ai＝N1/N2计算得到第i个边缘子图片对应的第i个分解子分数ai，令i＝i+1。
步骤S305、依据预设的分解分数计算公式对所述x个分解子分数进行计算得到所述分解分数b。
可选的，获取预设的分解分数计算公式，将所述x个分解子分数作为所述分解分数计算公式的输入进行计算，得到分解分数b，其中，分解分数计算公式包括：
Figure BDA0002021989850000101
请参阅图4，图4是本申请实施例提供的第二种光线调控方案生成方法的流程示意图，如图4所示，所述方法包括：
步骤S401、确定所述垃圾分解数据为所述气味浓度数据。
可选的，获取所述垃圾分解数据，依据所述垃圾分解数据确定所述垃圾分解数据对应的传感器，判断所述传感器是否为气味传感器，如所述传感器为气味传感器，确定所述垃圾分解数据为所述气味浓度数据，如所述传感器不为气味传感器，确定所述垃圾分解数据不为所述气味浓度数据。
步骤S402、获取预设的气味分析算法，依据所述气味分析算法与所述气味浓度数据确定气味分数；
可选的，确定所述垃圾分解数据为所述气味浓度数据后，从数据库中获取气味分析算法，其中，所述气味分析算法用于对所述气味浓度数据进行评分，依据所述气味分析算法与所述气味浓度数据确定垃圾的气味分数，所述气味分数用于确定所述垃圾的分解程度。
其中，所述气味分析算法包括：确定所述气味浓度数据中包含的x种气味及所述y种气味对应的y个浓度数据sj，其中，y＞0，0＜j≤y；获取气味与气味权重对应的权重映射关系，依据所述权重映射关系确定所述x种气味对应的y个权重wj；依据预设的加权计算公式对所述y个浓度数据sj与所述y个权重wj进行计算得到所述气味分数k，其中，所述加权计算公式包括：
Figure BDA0002021989850000102
步骤S403、确定所述气味分数对应的目标气味分数段，获取预设的光线调控指令与气味分数段的第二映射关系，依据所述第二映射关系确定所述目标气味分数段对应的光线调控指令。
可选的，获取气味分数段模板，依据所述气味分数段模板确定所述气味分数对应的目标气味分数段，获取第二映射关系，所述第二映射关系用于存储光线调控指令与气味分数段的映射关系，依据所述目标气味分数段与所述第二映射关系确定目标光线调控指令；例如，所述气味分数为92，所述目标分解分数段为90-95分数段，通过第二映射关系得到，90-95分数段对应的光线调控指令为：光线强度五级，则所述目标光线调控指令为：光线强度五级。
步骤S404、生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
可选的，获取光线调控指令，依据所述光线调控指令生成光线调控方案，所述光线调控方案用于指示所述光线发射器依据所述光线调控指令对发射的光线进行调整控制。
请参阅图5，图5是本申请实施例提供的第三种光线调控方案生成方法的流程示意图，如图5所示，所述方法包括：
步骤S501、确定所述垃圾分解数据为所述温度变化数据；
可选的，获取所述垃圾分解数据，依据所述垃圾分解数据确定所述垃圾分解数据对应的传感器，判断所述传感器是否为温度传感器，如所述传感器为温度传感器，确定所述垃圾分解数据为所述温度变化数据，如所述传感器不为温度传感器，确定所述垃圾分解数据不为所述温度变化数据。
步骤S502、获取预设的温度分析算法，依据所述温度分析算法与所述温度变化数据确定目标温度数据，其中，所述温度分析算法具体包括：从所述温度变化数据中获取当前温度数据，确定所述当前温度数据为目标温度数据；
可选的，获取预设的温度分析算法，依据所述温度分析算法与所述温度变化数据确定目标温度数据，其中，所述温度分析算法包括：获取温度变化数据，从所述温度变化数据中获取当前温度数据，确定所述当前温度数据为目标温度数据，确定目标温度数据之后，依据所述温度变化数据生成温度与时间的变化曲线，依据所述变化曲线计算所述温度变化的变化率。
步骤S503、获取预设的温度阈值，判断所述目标温度数据是否大于或等于所述温度阈值，如所述温度数据大于或等于所述温度阈值，生成第一光线调控方案，其中，所述第一光线调控方案包括：减弱光线强度指令；
可选的，获取预设的温度阈值，获取所述目标温度数据，依据所述温度阈值对所述目标温度数据进行判断，确定所述目标温度数据是否大于或等于温度阈值，如所述目标温度数据大于或等于所述温度阈值，获取所述温度变化率，获取温度变化率分数段模板，依据所述温度变化率分数段模板确定所述温度变化率对应的目标变化率分数段，获取第四映射关系，所述第四映射关系用于存储光线调控数值与温度变化率分数段的映射关系，依据所述目标变化率分数段与所述第四映射关系确定光线调控数值，依据所述目标温度数据与所述光线调控数值生成第一光线调控方案，其中，所述第一光线调控方案包括：减弱光线强度指令、光线调控数值。
步骤S504、如所述温度数据小于所述温度阈值，生成第二光线调控方案，其中，所述第二光线调控方案包括：增大光线强度指令。
可选的，如所述温度数据小于所述温度阈值，获取所述温度变化率，获取温度变化率分数段模板，依据所述温度变化率分数段模板确定所述温度变化率对应的目标变化率分数段，获取第四映射关系，所述第四映射关系用于存储光线调控数值与温度变化率分数段的映射关系，依据所述目标变化率分数段与所述第四映射关系确定光线调控数值，依据所述目标温度数据与所述光线调控数值生成第二光线调控方案，其中，所述第二光线调控方案包括：增大光线强度指令、光线调控数值。
请参阅图6，图6是本申请实施例提供的一种基于光的垃圾除臭控制***600的结构示意图，如图6所示，所述基于光的垃圾除臭***600包括：
接收单元601，用于接收所述传感器的垃圾分解数据；
分析单元602，用于获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案；
调控单元603，用于依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
在本申请的一种实施方式中，所述获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案方面，所述分析单元602，具体用于：确定所述垃圾分解数据为所述垃圾分解图像数据；获取预设的图像分析算法，依据所述图像分析算法与所述垃圾分解图像确定所述垃圾的分解分数；确定所述分解分数对应的目标分解分数段，获取预设的光线调控指令与分解分数段的第一映射关系，依据所述第一映射关系确定所述目标分解分数段对应的光线调控指令；其中，所述图像分析算法包括：确定所述垃圾分解图像中包含的x种物品，依据所述x种物品对所述垃圾分解图像进行切割得到所述x种物品对应的x个子图片，其中，x＞0；对所述x个子图片进行归一化处理，得到x个归一化后的子图片；将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；从所述第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数ai，其中，0＜i≤x，其中，分解子分数计算操作包括：获取第i个边缘子图片；对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N1；计算所述第i个边缘子图片的总像素点个数N2；依据公式ai＝N1/N2计算得到第i个边缘子图片对应的第i个分解子分数ai；依据预设的分解分数计算公式对所述x个分解子分数ai进行计算得到所述分解分数b，其中，分解分数计算公式包括：
Figure BDA0002021989850000131
生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
在本申请的一种实施方式中，所述获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案方面，所述分析单元602，具体用于：确定所述垃圾分解数据为所述气味浓度数据；获取预设的气味分析算法，依据所述气味分析算法与所述气味浓度数据确定所述气味分数；确定所述气味分数对应的目标气味分数段，获取预设的光线调控指令与气味分数段的第二映射关系，依据所述第二映射关系确定所述目标气味分数段对应的光线调控指令；其中，所述气味分析算法包括：确定所述气味浓度数据中包含的x种气味及所述y种气味对应的y个浓度数据sj，其中，y＞0，0＜j≤y；获取气味与气味权重对应的权重映射关系，依据所述权重映射关系确定所述x种气味对应的y个权重wj；依据预设的加权计算公式对所述y个浓度数据sj与所述y个权重wj进行计算得到所述气味分数k，其中，所述加权计算公式包括：
Figure BDA0002021989850000141
生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令。
在本申请的一种实施方式中，所述获取预设的分析算法对所述垃圾分解数据进行分析得到目标数据，依据所述目标数据生成光线调控方案方面，所述分析单元602，具体用于：确定所述垃圾分解数据为所述温度变化数据；获取预设的温度分析算法，依据所述温度分析算法与所述温度变化数据确定目标温度数据，其中，所述温度分析算法具体包括：从所述温度变化数据中获取当前温度数据，确定所述当前温度数据为目标温度数据；获取预设的温度阈值，判断所述目标温度数据是否大于或等于所述温度阈值，如所述温度数据大于或等于所述温度阈值，生成第一光线调控方案，其中，所述第一光线调控方案包括：减弱光线强度指令；如所述温度数据小于所述温度阈值，生成第二光线调控方案，其中，所述第二光线调控方案包括：增大光线强度指令。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种发送信息的方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种发送信息的方法的部分或全部步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请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，本申请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。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信***。
本申请是参照本申请实施例的方法、装置(设备)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装置。
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装置的制造品，该指令装置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。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (6)

1.一种基于光的垃圾除臭控制方法，其特征在于，所述方法用于垃圾处理设备，所述垃圾处理设备包括：传感器、光线发射器以及处理器，所述方法包括：
接收所述传感器的垃圾分解数据；
确定所述垃圾分解数据为垃圾分解图像数据；
确定所述垃圾分解图像数据中包含的x种物品，依据所述x种物品对所述垃圾分解图像数据进行切割得到所述x种物品对应的x个子图片，其中，x>0；
对所述x个子图片进行归一化处理，得到x个归一化后的子图片；
将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；
对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；
从所述x个边缘子图片中的第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数，其中，0<i≤x，其中，所述x个分解子分数中的第i个分解子分数a i 计算操作包括：
获取所述x个边缘子图片中的第i个边缘子图片；
对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N 1；
计算所述第i个边缘子图片的总像素点个数N 2；
依据公式a i =N 1/N 2计算得到所述第i个边缘子图片对应的所述第i个分解子分数a i ，令i=i+1；
依据预设的分解分数计算公式对所述x个分解子分数进行计算得到分解分数b，其中，所述预设的分解分数计算公式包括：
Figure 492986DEST_PATH_IMAGE001
；
确定所述分解分数对应的目标分解分数段，获取预设的光线调控指令与分解分数段的第一映射关系，依据所述第一映射关系确定所述目标分解分数段对应的光线调控指令；
生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令；依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
2.根据权利要求1所述的方法，其特征在于，所述传感器为影像传感器。
3.一种基于光的垃圾除臭控制***，其特征在于，应用于垃圾处理设备，所述垃圾处理设备包括：传感器、光线发射器以及处理器，所述***包括：
接收单元，用于接收所述传感器的垃圾分解数据；
分析单元，用于确定所述垃圾分解数据为垃圾分解图像数据；
所述分析单元，还用于确定所述垃圾分解图像数据中包含的x种物品，依据所述x种物品对所述垃圾分解图像数据进行切割得到所述x种物品对应的x个子图片，其中，x>0；
所述分析单元，还用于对所述x个子图片进行归一化处理，得到x个归一化后的子图片；
所述分析单元，还用于将所述x个归一化后的子图片输入到预设的滤波器中进行中值滤波得到x个滤波后的子图片；
所述分析单元，还用于对所述x个滤波后的子图片输入到预设的检测模型中进行边缘检测得到x个边缘子图片；
所述分析单元，还用于从所述x个边缘子图片中的第一个边缘子图片开始执行分解子分数计算操作直至最后一个边缘子图片的分解子分数计算操作执行结束为止，得到x个分解子分数，其中，0<i≤x，其中，所述x个分解子分数中的第i个分解子分数a i 计算操作包括：获取所述x个边缘子图片中的第i个边缘子图片；对所述第i个边缘子图片中的边缘轮廓进行识别，计算所述边缘轮廓内包含的像素点个数N 1；计算所述第i个边缘子图片的总像素点个数N 2；依据公式a i =N 1/N 2计算得到所述第i个边缘子图片对应的所述第i个分解子分数a i ，令i=i+1；
所述分析单元，还用于依据预设的分解分数计算公式对所述x个分解子分数进行计算得到分解分数b，其中，所述预设的分解分数计算公式包括：
Figure 888195DEST_PATH_IMAGE001
；
所述分析单元，还用于确定所述分解分数对应的目标分解分数段，获取预设的光线调控指令与分解分数段的第一映射关系，依据所述第一映射关系确定所述目标分解分数段对应的光线调控指令；
所述分析单元，还用于生成光线调控方案，其中，所述光线调控方案包括：所述光线调控指令；
调控单元，用于依据所述光线调控方案对所述光线发射器进行调控，所述光线发射器用于发射光线对垃圾进行除臭。
4.根据权利要求3所述的***，其特征在于，所述传感器为影像传感器。
5.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1或2所述的方法中的步骤的指令。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1或2所述的方法。
CN201910282023.9A 2019-04-09 2019-04-09 一种基于光的垃圾除臭控制方法及相关产品 Active CN111790251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910282023.9A CN111790251B (zh) 2019-04-09 2019-04-09 一种基于光的垃圾除臭控制方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910282023.9A CN111790251B (zh) 2019-04-09 2019-04-09 一种基于光的垃圾除臭控制方法及相关产品

Publications (2)

Publication Number Publication Date
CN111790251A CN111790251A (zh) 2020-10-20
CN111790251B true CN111790251B (zh) 2022-05-27

Family

ID=72805293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910282023.9A Active CN111790251B (zh) 2019-04-09 2019-04-09 一种基于光的垃圾除臭控制方法及相关产品

Country Status (1)

Country Link
CN (1) CN111790251B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114504867B (zh) * 2021-12-31 2022-12-23 江苏天河水务设备有限公司 一种农牧废水多级处理***的处理方法
CN116562486B (zh) * 2023-06-01 2023-11-28 中诚华隆计算机技术有限公司 城市生活垃圾运输路线的优化方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000343068A (ja) * 1999-03-31 2000-12-12 Matsushita Electric Works Ltd 生ごみ処理装置の運転制御方法
JP2005241509A (ja) * 2004-02-27 2005-09-08 Rigaku Corp Ｃｃｄセンサの測定データ取得方法及び装置並びにｘ線回折装置
CN107133968A (zh) * 2017-06-07 2017-09-05 武汉洁美雅科技有限公司 一种基于物联网的垃圾处理控制***
CN107480399A (zh) * 2017-08-31 2017-12-15 广东美的环境电器制造有限公司 滤网使用寿命的确定方法及装置、净化器、计算机存储介质
CN109420415A (zh) * 2017-08-30 2019-03-05 张雪 一种卫生间除臭方法和***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107054936A (zh) * 2017-03-23 2017-08-18 广东数相智能科技有限公司 一种基于图像识别的垃圾分类提示垃圾桶和***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000343068A (ja) * 1999-03-31 2000-12-12 Matsushita Electric Works Ltd 生ごみ処理装置の運転制御方法
JP2005241509A (ja) * 2004-02-27 2005-09-08 Rigaku Corp Ｃｃｄセンサの測定データ取得方法及び装置並びにｘ線回折装置
CN107133968A (zh) * 2017-06-07 2017-09-05 武汉洁美雅科技有限公司 一种基于物联网的垃圾处理控制***
CN109420415A (zh) * 2017-08-30 2019-03-05 张雪 一种卫生间除臭方法和***
CN107480399A (zh) * 2017-08-31 2017-12-15 广东美的环境电器制造有限公司 滤网使用寿命的确定方法及装置、净化器、计算机存储介质

Also Published As

Publication number Publication date
CN111790251A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111790251B (zh) 一种基于光的垃圾除臭控制方法及相关产品
CN107608877B (zh) 一种基于机器学习的自动化应用程序界面测试方法和测试***
CN110263872B (zh) 训练数据处理方法及装置
CN107516102B (zh) 图像数据分类与建立分类模型方法、装置及***
CN106960154A (zh) 一种基于决策树模型的恶意程序动态识别方法
CN111160802B (zh) 预设方案评估方法及装置
CN111914665A (zh) 一种人脸遮挡检测方法、装置、设备及存储介质
CN113642576B (zh) 一种目标检测及语义分割任务中训练图像集合的生成方法及装置
JP2014229115A (ja) 情報処理装置および方法、プログラム、記憶媒体
CN114581491A (zh) 一种行人轨迹跟踪方法、***及相关装置
CN113095441A (zh) 一种猪群扎堆检测方法、装置、设备及可读存储介质
CN115170512A (zh) 缺陷分类识别方法及装置、存储介质及电子设备
CN117234455B (zh) 基于环境感知的音频装置智能控制方法及***
CN113128760A (zh) 安全生产的双控管理方法、装置、设备及存储介质
CN115661810A (zh) 安检ct目标物识别方法和装置
CN112085164A (zh) 一种基于无锚框网络的区域推荐网络提取方法
CN115631362B (zh) 一种铁器的识别方法及装置
CN116152571A (zh) 基于深度学习的厨余垃圾识别分类方法
CN111445383B (zh) 影像参数的调节方法、装置及***
CN113591856A (zh) 票据图片处理方法及装置
CN113688695A (zh) 一种图片识别方法、***、存储介质和电子设备
CN114298137A (zh) 基于对抗生成网络的微小目标检测***
JP2004094427A5 (zh)
JP2010224797A (ja) 対象物検出装置及びプログラム
Zhao et al. Crowd-counting through a cascaded, multi-task convolutional neural network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant