CN115331129B - 一种基于无人机和人工智能的垃圾数据识别方法 - Google Patents
一种基于无人机和人工智能的垃圾数据识别方法 Download PDFInfo
- Publication number
- CN115331129B CN115331129B CN202211256439.1A CN202211256439A CN115331129B CN 115331129 B CN115331129 B CN 115331129B CN 202211256439 A CN202211256439 A CN 202211256439A CN 115331129 B CN115331129 B CN 115331129B
- Authority
- CN
- China
- Prior art keywords
- image
- garbage
- aerial vehicle
- unmanned aerial
- grid
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像识别技术,尤其为一种基于无人机和人工智能的垃圾数据识别方法,包括如下步骤:通过无人机作业,收集大数据量的高清视频影像数据,对视频进行帧间差处理,获取有效的高清图片;对抽帧图像进行预处理,得到数据集;通过对图像的特征提取进行网格划分,分类器确认网格内是否有垃圾存在;对存在垃圾的单元格进行垃圾识别分类。本发明通过无人机智能采集垃圾图像,节省了人力,减轻了劳动人员工作量;通过改进帧间差算法,获取高清有效的垃圾图片,并通过改进滤波算法进一步提高了图像的清晰度;通过划分网格并分类的方法将图像中的垃圾图像提取处理,便于对垃圾的智能识别;结合分类器对垃圾进行分类,便于垃圾的回收。
Description
技术领域
本发明涉及图像处理技术,尤其是一种基于无人机和人工智能的垃圾数据识别方法。
背景技术
在过去信息化技术尚未普及时,违章建筑管理部门通常采用人工巡视的手段来人工发现垃圾。近些年,也出现了利用摄像头进行远程监控的方法在各处进行监测,但是该种方法存在一些缺点,例如存在监测死角和资金投入较大等。这些方法虽然可以对垃圾影像进行采集,还需要精确地分类以及多样性的采集方式,在获取的影像数量较多或影像范围较大时,通过人工识别方式会产生巨大的工作量,简单的智能识别也无法完成所有任务,同时识别效率也相对较低。并且目前对于垃圾数据的识别多数仅停留在识别阶段,随着国家对垃圾分类的严格管控,已渐渐不能再适应人们的需求。
发明内容
本发明的目的是通过提出一种基于无人机和人工智能的垃圾数据识别方法,以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下:
提供一种基于无人机和人工智能的垃圾数据识别方法,包括如下步骤:
S1.1:通过无人机作业,收集大数据量的高清视频影像数据,对视频进行帧间差处理,获取有效的高清图片;
S1.2:对抽帧图像进行预处理,得到数据集;
S1.3:通过对图像的特征提取进行网格划分,分类器确认网格内是否有垃圾存在;
S1.4:对存在垃圾的单元格进行垃圾识别分类。
作为本发明的一种优选技术方案:所述S1.1中的帧间差处理图像算法如下:
取连续两帧图像:
其中:
作为本发明的一种优选技术方案:所述S1.2中,获取经过帧间差处理的差分图像后,对图像进行预处理,所述预处理步骤包括对图像进行颜色反转、滤波处理和增强处理。
得到:
作为本发明的一种优选技术方案:通过canny边缘提取算法,增加多方位模板算子,对图像进行边缘检测处理。
作为本发明的一种优选技术方案:所述S1.3中,对预处理后的图像基于图像尺度进行网格划分:
设原数据集设为M,宽度为r,高度为s,对于∀子图m∈M;
原数据集M的划分格数W根据下式确定:
定义各单元格内的权重系数满足:
本发明提供的基于无人机和人工智能的垃圾数据识别方法,与现有技术相比,其有益效果有:
本发明通过无人机智能采集垃圾图像,节省了人力,减轻了劳动人员工作量;通过改进帧间差算法,获取高清有效的垃圾图片,并通过改进滤波算法进一步提高了图像的清晰度;通过划分网格并分类的方法将图像中的垃圾图像提取处理,便于对垃圾的智能识别;结合分类器对垃圾进行分类,便于垃圾的回收。
附图说明
图1为本发明优选实施例的方法流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本实施例中的实施例及实施例中的特征可以相互组合,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,所描述的实施例仅仅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做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。
参照图1,本发明优选实施例提供了一种基于无人机和人工智能的垃圾数据识别方法,包括如下步骤:
S1.1:通过无人机作业,收集大数据量的高清视频影像数据,对视频进行帧间差处理,获取有效的高清图片;
S1.2:对抽帧图像进行预处理,得到数据集;
S1.3:通过对图像的特征提取进行网格划分,分类器确认网格内是否有垃圾存在;
S1.4:对存在垃圾的单元格进行垃圾识别分类。
所述S1.1中的帧间差处理图像算法如下:
取连续两帧图像:
其中:
所述S1.2中,获取经过帧间差处理的差分图像后,对图像进行预处理,所述预处理步骤包括对图像进行颜色反转、滤波处理和增强处理。
得到:
通过canny边缘提取算法,增加多方位模板算子,对图像进行边缘检测处理。
所述S1.3中,对预处理后的图像基于图像尺度进行网格划分:
设原数据集设为M,宽度为r,高度为s,对于∀子图m∈M;
原数据集M的划分格数W根据下式确定:
定义各单元格内的权重系数满足:
本实施例中,假设一帧图像中含有一张废纸和一块果皮。
无人机采集各处垃圾视频数据,根据改进的帧间差处理算法提取视频数据中的垃圾图像数据:取含有这一张废纸和一块果皮的连续两帧图像:
其中:
对差分得到的垃圾图像进行预处理,包括图像的颜色反转、图像滤波和图像增强。其中颜色反转数学表示公式如下:
反转像素值等于255减去当前像素值。
滤波处理步骤如下:
得到:
通过canny边缘提取算法,增加多方位模板算子,对图像进行边缘检测处理。
对于预处理完成后的图像进行特征提取,根据提取的特征进行网格划分,将完整的图像按照如下步骤划分:
设原数据集设为M,宽度为r,高度为s,对于∀子图m∈M;
原数据集M的划分格数W根据下式确定:
通过级联分类器确认划分的网格里是否存在垃圾目标:
定义各单元格内的权重系数满足:
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种基于无人机和人工智能的垃圾数据识别方法,其特征在于:包括如下步骤:
S1.1:通过无人机作业,收集大数据量的高清视频影像数据,对视频进行帧间差处理,获取有效的高清图片;
S1.2:对抽帧图像进行预处理,得到数据集;
S1.3:通过对图像的特征提取进行网格划分,分类器确认网格内是否有垃圾存在;
S1.4:对存在垃圾的网格进行垃圾识别分类;
所述S1.3中,对预处理后的图像基于图像尺度进行网格划分:
设原数据集设为M,宽度为r,高度为s,对于∀子图m∈M;
原数据集M的划分格数W根据下式确定:
定义各网格内的权重系数满足:
3.根据权利要求1所述的基于无人机和人工智能的垃圾数据识别方法,其特征在于:所述S1.2中,获取经过帧间差处理的差分图像后,对图像进行预处理,所述预处理步骤包括对图像进行颜色反转、滤波处理和增强处理。
6.根据权利要求1所述的基于无人机和人工智能的垃圾数据识别方法,其特征在于:通过canny边缘提取算法,增加多方位模板算子,对图像进行边缘检测处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256439.1A CN115331129B (zh) | 2022-10-14 | 2022-10-14 | 一种基于无人机和人工智能的垃圾数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256439.1A CN115331129B (zh) | 2022-10-14 | 2022-10-14 | 一种基于无人机和人工智能的垃圾数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115331129A CN115331129A (zh) | 2022-11-11 |
CN115331129B true CN115331129B (zh) | 2023-03-24 |
Family
ID=83915049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211256439.1A Active CN115331129B (zh) | 2022-10-14 | 2022-10-14 | 一种基于无人机和人工智能的垃圾数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115331129B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886795A (zh) * | 2017-02-17 | 2017-06-23 | 北京维弦科技有限责任公司 | 基于图像中的显著物体的物体识别方法 |
WO2022001961A1 (zh) * | 2020-06-28 | 2022-01-06 | 深圳天感智能有限公司 | 一种高空抛物动目标检测方法、检测设备和检测*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208165794U (zh) * | 2017-11-14 | 2018-11-30 | 中国矿业大学 | 一种智能分类垃圾桶 |
CN108960343A (zh) * | 2018-08-02 | 2018-12-07 | 霍金阁 | 一种固废识别方法、***、装置及可读存储介质 |
CN109050811A (zh) * | 2018-08-30 | 2018-12-21 | 深圳市研本品牌设计有限公司 | 一种用于清理垃圾的无人机及存储介质 |
CN110254993A (zh) * | 2018-12-27 | 2019-09-20 | 广东拜登网络技术有限公司 | 基于网格管理的垃圾分类及收集*** |
CN109928107B (zh) * | 2019-04-08 | 2022-11-29 | 江西理工大学 | 一种自动分类*** |
CN110781896B (zh) * | 2019-10-17 | 2022-07-19 | 暨南大学 | 一种轨道垃圾识别方法、清洁方法、***、资源配置方法 |
CN111559588A (zh) * | 2020-05-18 | 2020-08-21 | 广东邮电职业技术学院 | 一种垃圾分类投放的智能垃圾桶及垃圾分类投放方法 |
CN113569954A (zh) * | 2021-07-29 | 2021-10-29 | 皖江工学院 | 一种野生动物智能分类识别方法 |
CN113671975A (zh) * | 2021-08-11 | 2021-11-19 | 上海电机学院 | 基于机器视觉技术的海岸垃圾清理装置及方法 |
CN114202708A (zh) * | 2021-12-10 | 2022-03-18 | 深圳市旗扬特种装备技术工程有限公司 | 一种垃圾类型识别方法、***、电子设备及介质 |
-
2022
- 2022-10-14 CN CN202211256439.1A patent/CN115331129B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886795A (zh) * | 2017-02-17 | 2017-06-23 | 北京维弦科技有限责任公司 | 基于图像中的显著物体的物体识别方法 |
WO2022001961A1 (zh) * | 2020-06-28 | 2022-01-06 | 深圳天感智能有限公司 | 一种高空抛物动目标检测方法、检测设备和检测*** |
Non-Patent Citations (1)
Title |
---|
目标检测算法研究综述;方路平等;《计算机工程与应用》;20180701(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115331129A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11263434B2 (en) | Fast side-face interference resistant face detection method | |
CN107204006B (zh) | 一种基于双背景差分的静止目标检测方法 | |
CN108615226B (zh) | 一种基于生成式对抗网络的图像去雾方法 | |
CN113065558A (zh) | 一种结合注意力机制的轻量级小目标检测方法 | |
CN107480643B (zh) | 一种智能垃圾分类处理的机器人 | |
CN109345547B (zh) | 基于深度学习多任务网络的交通车道线检测方法及装置 | |
CN110909690A (zh) | 一种基于区域生成的遮挡人脸图像检测方法 | |
CN109685045B (zh) | 一种运动目标视频跟踪方法及*** | |
CN101216943B (zh) | 一种视频运动目标分割的方法 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN111222478A (zh) | 一种工地安全防护检测方法和*** | |
CN111126184B (zh) | 一种基于无人机视频的震后建筑物损毁检测方法 | |
CN110334660A (zh) | 一种雾天条件下基于机器视觉的森林火灾监测方法 | |
CN110309765B (zh) | 一种视频运动目标高效检测方法 | |
CN114943936B (zh) | 目标行为识别方法、装置、电子设备及存储介质 | |
CN113255605A (zh) | 一种路面病害检测方法、装置、终端设备及存储介质 | |
CN105869174A (zh) | 一种天空场景图像分割方法 | |
CN104243916A (zh) | 一种基于压缩传感的运动目标检测和跟踪方法 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN114842262A (zh) | 融合线路通道正射影像的激光点云地物自动识别方法 | |
CN114881869A (zh) | 一种巡检视频图像预处理方法 | |
CN116665092A (zh) | 基于ia-yolov7的污水悬浮物识别方法及*** | |
CN111461076A (zh) | 帧差法与神经网络结合的烟雾检测方法和检测*** | |
CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
CN115331129B (zh) | 一种基于无人机和人工智能的垃圾数据识别方法 |
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 |