CN117292207B - 一种基于大数据图像处理的垃圾识别方法及*** - Google Patents

一种基于大数据图像处理的垃圾识别方法及*** Download PDF

Info

Publication number
CN117292207B
CN117292207B CN202311577071.3A CN202311577071A CN117292207B CN 117292207 B CN117292207 B CN 117292207B CN 202311577071 A CN202311577071 A CN 202311577071A CN 117292207 B CN117292207 B CN 117292207B
Authority
CN
China
Prior art keywords
delivery
historical
characteristic
garbage
user
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
CN202311577071.3A
Other languages
English (en)
Other versions
CN117292207A (zh
Inventor
何长虹
张蕾
雷冬雪
陟心纬
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.)
Hangzhou Zhenshan Information Technology Co ltd
Zhejiang Zhenshan Technology Co ltd
Original Assignee
Zhejiang Zhenshan Technology Co ltd
Hangzhou Zhenshan Information 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 Zhejiang Zhenshan Technology Co ltd, Hangzhou Zhenshan Information Technology Co ltd filed Critical Zhejiang Zhenshan Technology Co ltd
Priority to CN202311577071.3A priority Critical patent/CN117292207B/zh
Publication of CN117292207A publication Critical patent/CN117292207A/zh
Application granted granted Critical
Publication of CN117292207B publication Critical patent/CN117292207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/10—Waste collection, transportation, transfer or storage, e.g. segregated refuse collecting, electric or hybrid propulsion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Processing Of Solid Wastes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及垃圾识别分类管理技术领域，具体为一种基于大数据图像处理的垃圾识别方法及***，包括对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；对用户的历史垃圾投递记录进行第一次归类整理，计算用户对各回收垃圾类别的第一特征投递指数；对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及。

Description

一种基于大数据图像处理的垃圾识别方法及***
技术领域
本发明涉及垃圾识别分类管理技术领域，具体为一种基于大数据图像处理的垃圾识别方法及***。
背景技术
垃圾分类已逐渐成为不可或缺的生活方式，很多人不得不面对如何正确记住分类标准的难题。湿垃圾、干垃圾、有害垃圾、其他垃圾等种类繁多，容易搞混，手动分类更耗时费力。垃圾分类问题是当今社会的紧迫任务，对环保和可持续发展至关重要。传统的垃圾分类方式因为易受到主观因素的干扰，分类准确性不高，效率有限，资源浪费严重；而我们的人工智能在该领域展现出了强大的潜力和应用价值。
对日常居民的垃圾分类行为进行智能化的有效监督和引导，在一定程度上能帮助广大公民集体形成垃圾分类的好习惯。
发明内容
本发明的目的在于提供一种基于大数据图像处理的垃圾识别方法及***，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据图像处理的垃圾识别方法，方法包括：
步骤S100：基于智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
步骤S200：分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
步骤S300：根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
步骤S400：在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
步骤S500：结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及。
进一步的，步骤S100包括：
步骤S101：获取智能垃圾分类回收***中呈现一字排开的所有智能回收桶对应的回收垃圾类别，分别对摆放于两端的智能回收桶，捕捉位于最外侧的桶边缘线L1，L2，捕捉智能垃圾分类回收***中的人脸识别设备在正前方能捕捉到满足信息识别清晰度要求时所对应的最远识别点D；
步骤S102；垂直最远识别点D作直线L3，直线L3同时相交于桶边缘线L1和L2，将L1，L2、L3和智能垃圾分类回收***中呈现一字排开的所有智能回收桶坐在直线所围成的封闭区域，作为智能垃圾分类回收***对应的管理区域S；
步骤S103：分别将以各智能回收桶两侧桶边缘线所在直线，于管理区域中进行区域分割后得到的封闭区域，作为各智能回收桶对应的目标区域。
进一步的，步骤S200包括：
步骤S201：每当智能垃圾分类回收***捕捉到用户进入智能垃圾分类回收***对应的管理区域S内，且对某智能回收桶进行了一次垃圾投递行为，在智能垃圾分类回收***中，生成用户对某智能回收桶的一次历史垃圾投递记录；获取在各历史垃圾投递记录中，用户目标投递的智能回收桶对用户投递的垃圾在进行机器视觉分析和图像处理后所得出的投递结论；
步骤S202：在各历史垃圾投递记录中，将用户最开始进入管理区域S时的时间戳，设为各历史垃圾投递记录的第一特征时间，将用户最开始进入目标投递的智能回收桶所对应的目标区域时的时间戳，设为各历史垃圾投递记录的第二特征时间，将用户对目标投递的智能回收桶开始操作垃圾投递行为时对应的时间戳，设为各历史垃圾投递记录的第三特征时间。
进一步的，步骤S300包括:
步骤S301：分别在各用户显示投递结论为正确的所有历史垃圾投递记录中，分别将第一特征时间相同的历史垃圾投递记录进行汇集，得到对应各用户的若干个目标历史垃圾投递记录集合；其中，第一特征时间对应为在在各历史垃圾投递记录中，用户最开始进入管理区域S时的时间戳te，将第一特征时间相同的历史垃圾投递记录进行汇集，是为了将用户进入智能垃圾分类回收***后，因对多个智能回收桶有垃圾投递需求所产生的记录进行对比分析，对多个智能回收桶有垃圾投递需求，即意味着用户进入智能垃圾分类回收***时手中拿有多种类的垃圾需要分类投递；
在各目标历史垃圾投递记录集合中，提取各历史垃圾投递记录对应的第三特征时间，将各目标历史垃圾投递记录集合中的所有历史垃圾投递记录按照相应的第三特征时间的先后顺序进行排序，得到记录序列，获取各历史垃圾投递记录在记录序列中对应的排序值A；
上述即，当进入智能垃圾分类回收***的管理区域，若要执行多个垃圾投递行为，则按照行为完成的时间先后顺序进行排序；
步骤S302：依次提取记录序列内各历史垃圾投递记录所对应的智能回收桶的位置信息，若某目标历史垃圾投递记录集合F中，排序值A=1的历史垃圾投递记录L1所对应的智能回收桶为P(L1)，某目标历史垃圾投递记录集合对应的第一特征时间为Tr，分别捕捉于Tr时，在F中对应包含的所有智能回收桶与用户之间的最短直线距离，将所有智能回收桶，按照相应的最短直线距离从低到高进行排序，得到的排布序列G，获取P(L1)在排布序列G中的排序值B，计算在历史垃圾投递记录L1中用户的第一特征指数
α1=｜B-1｜；
步骤S303：若某目标历史垃圾投递记录集合F中，排序值A=i的历史垃圾投递记录Li所对应的智能回收桶为P(Li)，分别获取用户在排序值A=i-1的历史垃圾投递记录Li-1所对应的第三特征时间时，与在F中对应包含的所有智能回收桶之间的最短直线距离，其中，i≥2；将所有智能回收桶按照相应的最短直线距离从低到高进行排序，得到排布序列F，获取P(Li)在排布序列F中的排序值C，计算在历史垃圾投递记录Li中用户的第一特征指数αi=｜C-A｜；
步骤S304：分别将各用户对应智能回收桶相同的所有历史垃圾投递记录进行汇集，得到对应各用户的若干个历史垃圾投递记录集合；分别在各历史垃圾投递记录集合内，对所有历史垃圾投递记录中的用户的特征指数取平均值，将平均特征指数作为相应用户对各历史垃圾投递记录集合所对应的回收垃圾类别的第一特征投递指数β1；
第一特征投递指数β1越大，在一定程度上代表用户在进行相关垃圾类别投递时，存在犹豫或者拿不准的可能性越高。
进一步的，步骤S400包括:
步骤S401：分别在各用户的各目标历史垃圾投递记录集合内，将对应目标投递的智能回收桶相同的历史垃圾投递记录归为一类，得到若干个特征历史垃圾投递记录集合；获取在某特征历史垃圾投递记录集合内的各历史垃圾投递记录中，从第二特征时间开始至第三特征时间截止所对应的投递时长；
步骤S402：设某特征历史垃圾投递记录集合所对应的回收垃圾类别为a，当某特征历史垃圾投递记录集合中包含的记录总数Q=1，将投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；当某特征历史垃圾投递记录集合中包含的记录总数Q≥2，对Q个历史垃圾投递记录的投递时长取平均值，将平均投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；投递时长越短，说明用户在进行垃圾投递时越果断，对于待分类的垃圾所属的类别结果越笃定；
步骤S403：分别对各用户，在对应的回收垃圾类别相同的所有特征历史垃圾投递记录集合中，取各用户对相应的回收垃圾类别所呈现的所有第二特征指数的平均值；将平均第二特征指数，作为相应用户对相应回收垃圾类别的第二特征投递指数β2。
进一步的，步骤S500：
步骤S501：在各用户的所有历史垃圾投递记录中，获取各用户对各回收垃圾类别的正确投递概率G=n/N，其中，N表示对应各回收垃圾类别的历史垃圾投递记录总数；n表示在N条历史垃圾投递记录中，显示投递结论为正确的历史垃圾投递记录总数；
步骤S502：分别提取各用户对各回收垃圾类别的第一特征投递指数β1和第二特征投递指数β2，计算各用户对各回收垃圾类别的特征识别指数δ=(G1/β1)×(1/β2)；
步骤S503：当某用户对某回收垃圾类别的特征识别指数δ小于阈值，反馈智能垃圾分类回收***，每当识别到某用户进入管理区域，在显示屏上对显示某回收垃圾类别的相关分类知识。
为更好的实现上述方法，还提出了一种垃圾识别***，***包括区域划分管理模块、特征信息提取管理模块、第一特征投递指数计算模块、第二特征投递指数计算模块、垃圾识别管理模块；
区域划分管理模块，用于根据智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
特征信息提取管理模块，用于分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
第一特征投递指数计算模块，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
第二特征投递指数计算模块，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
垃圾识别管理模块，用于结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及。
进一步的，第一特征投递指数计算模块包括第一归类整理单元、第一特征投递指数计算单元；第二特征投递指数计算模块包括第二归类整理单元、第二特征投递指数计算单元；
第一归类整理单元，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理；
第一特征投递指数计算单元，用于根据第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；
第二归类整理单元，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理；
第二特征投递指数计算单元，用于根据第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数。
与现有技术相比，本发明所达到的有益效果是：本发明通过对使用智能垃圾分类回收***的用户进行垃圾分类投递行为的智能监管，根据用户在各回收垃圾类别上的分类投递错误率以及用户在进行相关投递行为时效率情况，对用户进行各回收垃圾类别的特征识别指数评估，实现有针对性的科普相关垃圾分类知识，提高用户对垃圾分类的学习意识，在一定程度上也能提高用户使用智能垃圾分类回收***的效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据图像处理的垃圾识别方法的流程示意图；
图2是本发明一种基于大数据图像处理的垃圾识别***的结构示意图；
图3是本发明一种基于大数据图像处理的垃圾识别方法中，智能垃圾分类回收***对应的管理区域的示意图；
图4是本发明一种基于大数据图像处理的垃圾识别方法中，为各智能回收桶所划分得到目标区域的示意图。
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。
请参阅图1-图4，本发明提供技术方案：一种基于大数据图像处理的垃圾识别方法，方法包括：
步骤S100：基于智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
其中，步骤S100包括：
步骤S101：获取智能垃圾分类回收***中呈现一字排开的所有智能回收桶对应的回收垃圾类别，分别对摆放于两端的智能回收桶，捕捉位于最外侧的桶边缘线L1，L2，捕捉智能垃圾分类回收***中的人脸识别设备在正前方能捕捉到满足信息识别清晰度要求时所对应的最远识别点D；
步骤S102；垂直最远识别点D作直线L3，直线L3同时相交于桶边缘线L1和L2，将L1，L2、L3和智能垃圾分类回收***中呈现一字排开的所有智能回收桶坐在直线所围成的封闭区域，作为智能垃圾分类回收***对应的管理区域S；
如图3所示，在虚线L1，L2、L3和智能垃圾分类回收***所围成的空白区域即为智能垃圾分类回收***对应的管理区域S；
步骤S103：分别将以各智能回收桶两侧桶边缘线所在直线，于管理区域中进行区域分割后得到的封闭区域，作为各智能回收桶对应的目标区域；
如图4所示，当前智能回收桶包括4个，分别对应可回收垃圾、其他垃圾、有害垃圾、厨余垃圾；其中，以对应可回收垃圾的智能回收桶两侧桶边缘线所在直线划分得到的目标区域为A，以对应其他垃圾的智能回收桶两侧桶边缘线所在直线划分得到的目标区域为B，以对应有害垃圾的智能回收桶两侧桶边缘线所在直线划分得到的目标区域为C，以对应厨余垃圾的智能回收桶两侧桶边缘线所在直线划分得到的目标区域为D；
步骤S200：分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
其中，步骤S200包括：
步骤S201：每当智能垃圾分类回收***捕捉到用户进入智能垃圾分类回收***对应的管理区域S内，且对某智能回收桶进行了一次垃圾投递行为，在智能垃圾分类回收***中，生成用户对某智能回收桶的一次历史垃圾投递记录；获取在各历史垃圾投递记录中，用户目标投递的智能回收桶对用户投递的垃圾在进行机器视觉分析和图像处理后所得出的投递结论；
步骤S202：在各历史垃圾投递记录中，将用户最开始进入管理区域S时的时间戳，设为各历史垃圾投递记录的第一特征时间，将用户最开始进入目标投递的智能回收桶所对应的目标区域时的时间戳，设为各历史垃圾投递记录的第二特征时间，将用户对目标投递的智能回收桶开始操作垃圾投递行为时对应的时间戳，设为各历史垃圾投递记录的第三特征时间；
步骤S300：根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
其中，步骤S300包括:
步骤S301：分别在各用户显示投递结论为正确的所有历史垃圾投递记录中，分别将第一特征时间相同的历史垃圾投递记录进行汇集，得到对应各用户的若干个目标历史垃圾投递记录集合；在各目标历史垃圾投递记录集合中，提取各历史垃圾投递记录对应的第三特征时间，将各目标历史垃圾投递记录集合中的所有历史垃圾投递记录按照相应的第三特征时间的先后顺序进行排序，得到记录序列，获取各历史垃圾投递记录在记录序列中对应的排序值A；
步骤S302：依次提取记录序列内各历史垃圾投递记录所对应的智能回收桶的位置信息，若某目标历史垃圾投递记录集合F中，排序值A=1的历史垃圾投递记录L1所对应的智能回收桶为P(L1)，某目标历史垃圾投递记录集合对应的第一特征时间为Tr，分别捕捉于Tr时，在F中对应包含的所有智能回收桶与用户之间的最短直线距离，将所有智能回收桶，按照相应的最短直线距离从低到高进行排序，得到的排布序列G，获取P(L1)在排布序列G中的排序值B，计算在历史垃圾投递记录L1中用户的第一特征指数α1=｜B-1｜；
例如说，在排布序列G中，智能回收桶P(L1)对应的排序值B=3，对应智能回收桶P(L1)的历史垃圾投递记录L1的排序值A=1，所以α1=｜3-1｜=2；
步骤S303：若某目标历史垃圾投递记录集合F中，排序值A=i的历史垃圾投递记录Li所对应的智能回收桶为P(Li)，分别获取用户在排序值A=i-1的历史垃圾投递记录Li-1所对应的第三特征时间时，与在F中对应包含的所有智能回收桶之间的最短直线距离，其中，i≥2；将所有智能回收桶按照相应的最短直线距离从低到高进行排序，得到排布序列F，获取P(Li)在排布序列F中的排序值C，计算在历史垃圾投递记录Li中用户的第一特征指数αi=｜C-A｜；
例如说，在排布序列F中，智能回收桶P(L6)对应的排序值C=4，对应智能回收桶P(Li)的历史垃圾投递记录L6的排序值A=6，所以α6=｜4-6｜=2；
步骤S304：分别将各用户对应智能回收桶相同的所有历史垃圾投递记录进行汇集，得到对应各用户的若干个历史垃圾投递记录集合；分别在各历史垃圾投递记录集合内，对所有历史垃圾投递记录中的用户的特征指数取平均值，将平均特征指数作为相应用户对各历史垃圾投递记录集合所对应的回收垃圾类别的第一特征投递指数β1；
步骤S400：在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
其中，步骤S400包括:
步骤S401：分别在各用户的各目标历史垃圾投递记录集合内，将对应目标投递的智能回收桶相同的历史垃圾投递记录归为一类，得到若干个特征历史垃圾投递记录集合；获取在某特征历史垃圾投递记录集合内的各历史垃圾投递记录中，从第二特征时间开始至第三特征时间截止所对应的投递时长；
步骤S402：设某特征历史垃圾投递记录集合所对应的回收垃圾类别为a，当某特征历史垃圾投递记录集合中包含的记录总数Q=1，将投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；当某特征历史垃圾投递记录集合中包含的记录总数Q≥2，对Q个历史垃圾投递记录的投递时长取平均值，将平均投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；
步骤S403：分别对各用户，在对应的回收垃圾类别相同的所有特征历史垃圾投递记录集合中，取各用户对相应的回收垃圾类别所呈现的所有第二特征指数的平均值；将平均第二特征指数，作为相应用户对相应回收垃圾类别的第二特征投递指数β2；
步骤S500：结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及；
其中，步骤S500：
步骤S501：在各用户的所有历史垃圾投递记录中，获取各用户对各回收垃圾类别的正确投递概率G=n/N，其中，N表示对应各回收垃圾类别的历史垃圾投递记录总数；n表示在N条历史垃圾投递记录中，显示投递结论为正确的历史垃圾投递记录总数；
步骤S502：分别提取各用户对各回收垃圾类别的第一特征投递指数β1和第二特征投递指数β2，计算各用户对各回收垃圾类别的特征识别指数δ=(G1/β1)×(1/β2)；
步骤S503：当某用户对某回收垃圾类别的特征识别指数δ小于阈值，反馈智能垃圾分类回收***，每当识别到某用户进入管理区域，在显示屏上对显示某回收垃圾类别的相关分类知识。
为更好的实现上述方法，还提出了一种垃圾识别***，***包括区域划分管理模块、特征信息提取管理模块、第一特征投递指数计算模块、第二特征投递指数计算模块、垃圾识别管理模块；
区域划分管理模块，用于根据智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
特征信息提取管理模块，用于分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
第一特征投递指数计算模块，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
其中，第一特征投递指数计算模块包括第一归类整理单元、第一特征投递指数计算单元；
第一归类整理单元，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理；
第一特征投递指数计算单元，用于根据第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；
第二特征投递指数计算模块，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
第二特征投递指数计算模块包括第二归类整理单元、第二特征投递指数计算单元；
第二归类整理单元，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理；
第二特征投递指数计算单元，用于根据第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
垃圾识别管理模块，用于结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于大数据图像处理的垃圾识别方法，其特征在于，所述方法包括：
步骤S100：基于智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
步骤S200：分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
步骤S300：根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
步骤S400：在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
步骤S500：结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及；
所述步骤S100包括：
步骤S101：获取智能垃圾分类回收***中呈现一字排开的所有智能回收桶对应的回收垃圾类别，分别对摆放于两端的智能回收桶，捕捉位于最外侧的桶边缘线L1，L2，捕捉智能垃圾分类回收***中的人脸识别设备在正前方能捕捉到满足信息识别清晰度要求时所对应的最远识别点D；
步骤S102；垂直所述最远识别点D作直线L3，直线L3同时相交于桶边缘线L1和L2，将L1，L2、L3和智能垃圾分类回收***中呈现一字排开的所有智能回收桶坐在直线所围成的封闭区域，作为智能垃圾分类回收***对应的管理区域S；
步骤S103：分别将以各智能回收桶两侧桶边缘线所在直线，于所述管理区域中进行区域分割后得到的封闭区域，作为所述各智能回收桶对应的目标区域；
所述步骤S200包括：
步骤S201：每当智能垃圾分类回收***捕捉到用户进入智能垃圾分类回收***对应的管理区域S内，且对某智能回收桶进行了一次垃圾投递行为，在所述智能垃圾分类回收***中，生成用户对所述某智能回收桶的一次历史垃圾投递记录；获取在各历史垃圾投递记录中，用户目标投递的智能回收桶对用户投递的垃圾在进行机器视觉分析和图像处理后所得出的投递结论；
步骤S202：在各历史垃圾投递记录中，将用户最开始进入管理区域S时的时间戳，设为所述各历史垃圾投递记录的第一特征时间，将用户最开始进入目标投递的智能回收桶所对应的目标区域时的时间戳，设为所述各历史垃圾投递记录的第二特征时间，将用户对目标投递的智能回收桶开始操作垃圾投递行为时对应的时间戳，设为所述各历史垃圾投递记录的第三特征时间；
所述步骤S300包括:
步骤S301：分别在各用户显示投递结论为正确的所有历史垃圾投递记录中，分别将第一特征时间相同的历史垃圾投递记录进行汇集，得到对应各用户的若干个目标历史垃圾投递记录集合；在各目标历史垃圾投递记录集合中，提取各历史垃圾投递记录对应的第三特征时间，将所述各目标历史垃圾投递记录集合中的所有历史垃圾投递记录按照相应的第三特征时间的先后顺序进行排序，得到记录序列，获取各历史垃圾投递记录在所述记录序列中对应的排序值A；
步骤S302：依次提取所述记录序列内各历史垃圾投递记录所对应的智能回收桶的位置信息，若某目标历史垃圾投递记录集合F中，排序值A=1的历史垃圾投递记录L1所对应的智能回收桶为P(L1)，所述某目标历史垃圾投递记录集合对应的第一特征时间为Tr，分别捕捉于Tr时，在F中对应包含的所有智能回收桶与用户之间的最短直线距离，将所述所有智能回收桶，按照相应的最短直线距离从低到高进行排序，得到的排布序列G，获取P(L1)在所述排布序列G中的排序值B，计算在历史垃圾投递记录L1中用户的第一特征指数α1=｜B-1｜；
步骤S303：若某目标历史垃圾投递记录集合F中，排序值A=i的历史垃圾投递记录Li所对应的智能回收桶为P(Li)，分别获取用户在排序值A=i-1的历史垃圾投递记录Li-1所对应的第三特征时间时，与在F中对应包含的所有智能回收桶之间的最短直线距离，其中，i≥2；将所述所有智能回收桶按照相应的最短直线距离从低到高进行排序，得到排布序列F，获取P(Li)在所述排布序列F中的排序值C，计算在历史垃圾投递记录Li中用户的第一特征指数αi=｜C-A｜；
步骤S304：分别将各用户对应智能回收桶相同的所有历史垃圾投递记录进行汇集，得到对应各用户的若干个历史垃圾投递记录集合；分别在各历史垃圾投递记录集合内，对所有历史垃圾投递记录中的用户的特征指数取平均值，将平均特征指数作为相应用户对所述各历史垃圾投递记录集合所对应的回收垃圾类别的第一特征投递指数β1；
所述步骤S400包括:
步骤S401：分别在各用户的各目标历史垃圾投递记录集合内，将对应目标投递的智能回收桶相同的历史垃圾投递记录归为一类，得到若干个特征历史垃圾投递记录集合；获取在某特征历史垃圾投递记录集合内的各历史垃圾投递记录中，从第二特征时间开始至第三特征时间截止所对应的投递时长；
步骤S402：设某特征历史垃圾投递记录集合所对应的回收垃圾类别为a，当所述某特征历史垃圾投递记录集合中包含的记录总数Q=1，将所述投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；当所述某特征历史垃圾投递记录集合中包含的记录总数Q≥2，对Q个历史垃圾投递记录的投递时长取平均值，将平均投递时长，作为用户在某特征历史垃圾投递记录集合中，对a呈现的第二特征指数；
步骤S403：分别对各用户，在对应的回收垃圾类别相同的所有特征历史垃圾投递记录集合中，取所述各用户对相应的回收垃圾类别所呈现的所有第二特征指数的平均值；将平均第二特征指数，作为相应用户对相应回收垃圾类别的第二特征投递指数β2；
所述步骤S500：
步骤S501：在各用户的所有历史垃圾投递记录中，获取各用户对各回收垃圾类别的正确投递概率G=n/N，其中，N表示对应各回收垃圾类别的历史垃圾投递记录总数；n表示在N条历史垃圾投递记录中，显示投递结论为正确的历史垃圾投递记录总数；
步骤S502：分别提取各用户对各回收垃圾类别的第一特征投递指数β1和第二特征投递指数β2，计算各用户对各回收垃圾类别的特征识别指数δ=(G1/β1)×(1/β2)；
步骤S503：当某用户对某回收垃圾类别的特征识别指数δ小于阈值，反馈智能垃圾分类回收***，每当识别到某用户进入管理区域，在显示屏上对所述某用户显示所述某回收垃圾类别的相关分类知识。
2.用于执行权利要求1中所述的一种基于大数据图像处理的垃圾识别方法的垃圾识别***，其特征在于，所述***包括区域划分管理模块、特征信息提取管理模块、第一特征投递指数计算模块、第二特征投递指数计算模块、垃圾识别管理模块；
所述区域划分管理模块，用于根据智能垃圾分类回收***的占地位置分布和人脸识别设备的识别区域分布，对智能垃圾分类回收***的管理区域以及各智能回收桶对应的目标区域进行划定；
所述特征信息提取管理模块，用于分别对用户使用智能垃圾分类回收***内任意智能回收桶所产生的历史垃圾投递记录进行特征信息提取；
所述第一特征投递指数计算模块，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理，并基于第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；其中，投递结论包括正确和错误；
所述第二特征投递指数计算模块，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理，并基于第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数；
所述垃圾识别管理模块，用于结合各用户对各回收垃圾类别的第一特征投递指数和第二特征投递指数，评估各用户对各回收垃圾类别的特征识别指数，辅助智能垃圾分类回收***对识别到进入管理区域的用户进行垃圾分类的知识普及；
所述第一特征投递指数计算模块包括第一归类整理单元、第一特征投递指数计算单元；所述第二特征投递指数计算模块包括第二归类整理单元、第二特征投递指数计算单元；
所述第一归类整理单元，用于根据在各用户所有历史垃圾投递记录中所呈现出的不同显示投递结论的分布情况，对用户的历史垃圾投递记录进行第一次归类整理；
所述第一特征投递指数计算单元，用于根据第一次归类整理结果，计算用户对各回收垃圾类别的第一特征投递指数；
所述第二归类整理单元，用于在第一次归类整理结果中，根据在各历史垃圾投递记录内，用户所目标投递的智能回收桶的不同，对用户的历史垃圾投递记录进行第二次归类整理；
所述第二特征投递指数计算单元，用于根据第二次归类整理结果，计算用户对各回收垃圾类别的第二特征投递指数。
CN202311577071.3A 2023-11-24 2023-11-24 一种基于大数据图像处理的垃圾识别方法及*** Active CN117292207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311577071.3A CN117292207B (zh) 2023-11-24 2023-11-24 一种基于大数据图像处理的垃圾识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311577071.3A CN117292207B (zh) 2023-11-24 2023-11-24 一种基于大数据图像处理的垃圾识别方法及***

Publications (2)

Publication Number Publication Date
CN117292207A CN117292207A (zh) 2023-12-26
CN117292207B true CN117292207B (zh) 2024-03-15

Family

ID=89253884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311577071.3A Active CN117292207B (zh) 2023-11-24 2023-11-24 一种基于大数据图像处理的垃圾识别方法及***

Country Status (1)

Country Link
CN (1) CN117292207B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658589A (zh) * 2018-12-11 2019-04-19 小黄狗环保科技有限公司 一种智能垃圾分类回收机投递回收流程
CN110516768A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种垃圾分类管理的方法、装置及人工智能机器人
CN110633771A (zh) * 2019-09-20 2019-12-31 广州游艺云物联网技术有限公司 垃圾分类处理方法及装置
CN111814517A (zh) * 2019-04-11 2020-10-23 深圳市家家分类科技有限公司 垃圾投递检测方法及相关产品
CN111832751A (zh) * 2019-04-11 2020-10-27 深圳市家家分类科技有限公司 垃圾投递行为的监控方法及相关产品
CN112116750A (zh) * 2020-08-21 2020-12-22 中冶集团武汉勘察研究院有限公司 一种应用于垃圾分类回收领域的基于区块链的信用奖惩方法
CN112906565A (zh) * 2021-02-18 2021-06-04 陈星衍 一种基于智慧城市的社区垃圾投递溯源***
CN113844797A (zh) * 2021-09-22 2021-12-28 成都鲁易科技有限公司 一种智能分类垃圾箱的控制方法及装置、存储介质
CN113911585A (zh) * 2021-11-02 2022-01-11 深圳昶维科技有限公司 一种智能化垃圾分类管理方法及***
CN114529021A (zh) * 2022-02-16 2022-05-24 浙江联运知慧科技有限公司 可溯源的垃圾投递方法
CN115713685A (zh) * 2022-11-28 2023-02-24 浙江净禾智慧科技有限公司 一种垃圾分类ai监管方法
WO2023143643A2 (zh) * 2023-04-19 2023-08-03 苏州今创互联网科技有限公司 一种智能垃圾分类装置
CN116682098A (zh) * 2023-05-18 2023-09-01 小圾(上海)环保科技有限公司 一种城市生活垃圾自动识别分类***及方法
CN117088015A (zh) * 2023-08-10 2023-11-21 四川奇石缘科技股份有限公司 一种智慧垃圾处理方法、***及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658589A (zh) * 2018-12-11 2019-04-19 小黄狗环保科技有限公司 一种智能垃圾分类回收机投递回收流程
CN111814517A (zh) * 2019-04-11 2020-10-23 深圳市家家分类科技有限公司 垃圾投递检测方法及相关产品
CN111832751A (zh) * 2019-04-11 2020-10-27 深圳市家家分类科技有限公司 垃圾投递行为的监控方法及相关产品
CN110516768A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种垃圾分类管理的方法、装置及人工智能机器人
CN110633771A (zh) * 2019-09-20 2019-12-31 广州游艺云物联网技术有限公司 垃圾分类处理方法及装置
CN112116750A (zh) * 2020-08-21 2020-12-22 中冶集团武汉勘察研究院有限公司 一种应用于垃圾分类回收领域的基于区块链的信用奖惩方法
CN112906565A (zh) * 2021-02-18 2021-06-04 陈星衍 一种基于智慧城市的社区垃圾投递溯源***
CN113844797A (zh) * 2021-09-22 2021-12-28 成都鲁易科技有限公司 一种智能分类垃圾箱的控制方法及装置、存储介质
CN113911585A (zh) * 2021-11-02 2022-01-11 深圳昶维科技有限公司 一种智能化垃圾分类管理方法及***
CN114529021A (zh) * 2022-02-16 2022-05-24 浙江联运知慧科技有限公司 可溯源的垃圾投递方法
CN115713685A (zh) * 2022-11-28 2023-02-24 浙江净禾智慧科技有限公司 一种垃圾分类ai监管方法
WO2023143643A2 (zh) * 2023-04-19 2023-08-03 苏州今创互联网科技有限公司 一种智能垃圾分类装置
CN116682098A (zh) * 2023-05-18 2023-09-01 小圾(上海)环保科技有限公司 一种城市生活垃圾自动识别分类***及方法
CN117088015A (zh) * 2023-08-10 2023-11-21 四川奇石缘科技股份有限公司 一种智慧垃圾处理方法、***及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A simple garbage bin design for garbage classification and recycling;Junyan Wang 等;《2020 3rd World Conference on Mechanical Engineering and Intelligent Manufacturing》;819-822 *
基于机器视觉和深度学习的建筑垃圾智能识别研究;许文稼 等;《电子器件》;第45卷(第6期);1489-1496 *
基于语音识别技术的智能垃圾桶设计;陈华毅 等;《电脑编程技巧与维护》;131-134 *

Also Published As

Publication number Publication date
CN117292207A (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
AU2002350112B2 (en) Systems, methods, and software for classifying documents
CN109635098B (zh) 一种智能问答方法、装置、设备及介质
CN110175549A (zh) 人脸图像处理方法、装置、设备及存储介质
CN104765733A (zh) 一种社交网络事件分析的方法和装置
AU2014344497A1 (en) Image object category recognition method and device
CN104993962B (zh) 获取终端使用状态的方法和***
CN104717674A (zh) 号码属性识别方法、装置、终端和服务器
CN110634081A (zh) 一种水电站异常数据的处理方法及装置
CN114596061A (zh) 一种基于大数据的项目数据管理方法及***
CN114140696A (zh) 商品识别***优化方法、装置、设备及存储介质
CN117292207B (zh) 一种基于大数据图像处理的垃圾识别方法及***
CN110889526A (zh) 一种用户升级投诉行为预测方法及***
CN107037951B (zh) 操作模式自动识别方法及终端
CN113625646A (zh) 一种智能垃圾机器人的调度***
CN112365269A (zh) 风险检测方法、装置、设备以及存储介质
CN105930430B (zh) 一种基于非累积属性的实时欺诈检测方法及装置
CN116502167A (zh) 一种基于物联网的可视化信息数据处理***及方法
CN112163400A (zh) 信息处理方法及装置
CN113128979A (zh) 一种基于大数据的科研辅助决策***
CN108133012B (zh) 一种标签设置方法及装置
CN112489751A (zh) 一种混合增强的体检报告自动生成方法、装置及存储介质
de A. Freitas et al. Zoning and metaclasses for character recognition
CN111242236A (zh) 一种垃圾种类识别方法、服务器、客户端、***和介质
CN110297966A (zh) 用于社区类应用程序的内容推荐方法及装置
CN117522418B (zh) 一种基于SaaS模式的学员信息数据管理***及方法

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
TA01 Transfer of patent application right

Effective date of registration: 20240219

Address after: 310000, 8th Floor, Building B, No. 51 Xiba Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province - A0807

Applicant after: Hangzhou Zhenshan Information Technology Co.,Ltd.

Country or region after: China

Applicant after: ZHEJIANG ZHENSHAN TECHNOLOGY CO.,LTD.

Address before: 310000, 8th Floor, Building B, No. 51 Xiba Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province - A0807

Applicant before: Hangzhou Zhenshan Information Technology Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant