[发明专利]一种分类识别的智能垃圾桶系统在审

专利信息
申请号: 202011628217.9 申请日: 2020-12-31
公开(公告)号: CN112758544A 公开(公告)日: 2021-05-07
发明(设计)人: 王玉;赵广龙;沈家豪;金俊辉;张雷 申请(专利权)人: 江苏理工学院
主分类号: B65F1/00 分类号: B65F1/00;B65F1/14
代理公司: 常州佰业腾飞专利代理事务所(普通合伙) 32231 代理人: 张励
地址: 213001 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 分类 识别 智能 垃圾桶 系统
【说明书】:

本申请公开了一种分类识别的智能垃圾桶系统,包括垃圾桶垃圾图像采集终端和分类识别服务器;垃圾桶垃圾图像采集终端用于采集用户的垃圾的图像数据,并将图像数据发送到分类识别服务器;分类识别服务器用于在接收到图像数据后,利用部署的垃圾分类识别模型对图像数据进行分类识别,得到识别结果,并将识别结果发送回垃圾桶垃圾图像采集终端,以供垃圾桶垃圾图像采集终端将识别结果反馈给用户。本申请提供的分类识别的垃圾桶采集垃圾的图像数据,然后根据部署在服务器端的垃圾分类识别模型进行分类识别,得到识别结果,从而基于图像处理技术实现方便、快速、准确的垃圾分类,能够大大提高用户体验,利于广泛推广使用。

技术领域

本申请涉及物联网技术领域,具体涉及一种分类识别的智能垃圾桶系统。

背景技术

随着近些年经济的快速发展,生活垃圾也在急剧增加,传统的焚烧、填埋等不合理的垃圾处理方式会对环境造成不可逆的危害。因此,推广垃圾分类已经迫在眉睫。

实行垃圾分类政策,能够通过垃圾分类回收处理,实现将可回收垃圾循环利用,将有害垃圾正确处理,从而有效地减少资源浪费,改善人们的生存环境。

然而,目前在进行垃圾分类时,通常是需要依靠专业的环卫工人进行手动分类,或者是通过网络搜索等方法进行搜索分类,而手动分类的方法不仅劳动量大,有毒有害垃圾还会损害环卫工人的身体健康,搜索分类的方法也难以对形形色色的生活垃圾的种类做出准确判断,因此这两种分类方法的用户体验都比较差,而且识别效率也比较低,不利于推广使用。

发明内容

针对上述问题,本发明提供一种分类识别的智能垃圾桶系统,以实现方便、快速、准确的垃圾分类,提高用户体验。

基于上述目的,本申请提供的技术方案如下:

一种分类识别的智能垃圾桶系统,包括:

垃圾桶垃圾图像采集终端和分类识别服务器;

所述垃圾桶垃圾图像采集终端用于采集用户的垃圾的图像数据,并将所述图像数据发送到所述分类识别服务器;

所述分类识别服务器用于在接收到所述图像数据后,利用部署的垃圾分类识别模型对所述图像数据进行分类识别,得到识别结果,并将所述识别结果发送回所述垃圾桶垃圾图像采集终端,以供所述垃圾桶垃圾图像采集终端将所述识别结果反馈给所述用户。

优选地:

所述垃圾桶垃圾图像采集终端包括主控核心、摄像头、无线通信模块、显示屏模块和按键模块,所述摄像头、所述无线通信模块、所述显示屏模块和所述按键模块都与所述主控核心连接;

所述主控核心在通过所述按键模块接收到用户的按键操作时,控制所述摄像头采集所述用户的垃圾的所述图像数据,并通过所述无线通信模块将所述图像数据发送到所述分类识别服务器,在接收到所述分类识别服务器发送回的所述识别结果后,所述主控核心控制所述识别结果显示在所述显示屏模块上反馈给所述用户。

优选地:

所述主控核心为STM32F407VGT6型控制器。

优选地:

所述无线通信模块为Marvell88w8801型芯片。

优选地:

所述摄像头为OV2630型摄像头。

优选地:

所述显示屏模块为1.8吋TFT LCD显示屏。

优选地:

所述垃圾分类识别模型为基于VGG-16卷积神经网络CNN为核心的深度学习算法建立的垃圾分类识别模型。

优选地:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏理工学院,未经江苏理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011628217.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top