一种用于工业垃圾分类的智能工作机器人控制系统的制作方法

1.本发明属于垃圾分类技术领域，尤其涉及一种用于工业垃圾分类的智能工作机器人控制系统。


背景技术：

2.工业垃圾是指工厂或者工地在生产或者建设过程中产生的无用垃圾，和普通的生活垃圾有所不同，其中含有很多可再生利用的资源和有害物质，有一部分可以送去资源回收站进行资源回收，剩下的有害物质或者其他不明确的工业垃圾的部分可以挑出来进行分类循环利用，这样可以减少废弃工业垃圾的损耗。
3.目前对于这废弃的工业垃圾多数是采用磁铁进行分类，将有用的铁磁性垃圾分拣出来，但是有些磁性不强或者有塑料物包裹的情况下，需要繁琐的公序，同时还有很多其他垃圾需要进行分类，目前这些问题都需要重新考虑解决。


技术实现要素：

4.本发明的目的在于提供一种用于工业垃圾分类的智能工作机器人控制系统，通过使用yolov2模型识别并分类垃圾，根据系统的设定进行清洗，减少了分类的步骤和工序，更加智能实现垃圾分类。
5.为了达到上述目的，在本发明一种用于工业垃圾分类的智能工作机器人控制系统，所述系统包括：图像获取模块、图像存储模块、成像匹配模块和分类模块；
6.所述图像获取模块，用于获取待分类的工业垃圾的图像；
7.所述图像存储模块，用于将所述待分类的工业垃圾的图像存储到数据库，并形成基本集，根据不同的类别定义不同的标签；
8.所述成像匹配模块，用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配；
9.所述分类模块，用于匹配最佳的数据集并且自动对应数据集的标签进行分类。
10.进一步地，所述每个标签都对应了大量类别相同的图像，所述数据集对于重复的图像会放置在循环集中。
11.进一步地，所述根据不同的类别定义不同的标签，具体步骤为：
12.根据每次获取待分类的工业垃圾的图像的成像读取与定义的标签进行匹配；
13.建立临时数据集，用于放置刚生成的图像；
14.使用基本集与临时数据集进行匹配；
15.将整理好的数据集存储在数据库中。根据权利要求1所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述标签具体包括食品垃圾、建筑垃圾和、普通垃圾和危险垃圾；
16.所述食品垃圾包括加工、食用食品过程中所产生的垃圾；
17.所述普通垃圾包括可回收垃圾；
18.所述建筑垃圾包括泥土、石块、混凝土块、碎砖、废木材、废管道和电器废料；
19.所述危险垃圾包括干电池、日光灯管和温度计。
20.进一步地，所述用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配的步骤包括：
21.将收集到的待分类的工业垃圾的图像转化为灰度图像；
22.计算提取垃圾区域和背景差异特征的灰度图像的阈值；
23.选择最佳阈值的背景区域的图像，选择迭代法，得到最佳的阈值分割算法的工业垃圾的图像；
24.将最佳的阈值分割算法的工业垃圾的图像传进vgg-16卷积神经网络进行训练，匹配分类。
25.进一步地，所述vgg-16卷积神经网络进行训练具体为：通过计算每个像素之间的亮度比和阴影关系，校正图像中的每个像素，然后确定像素的颜色，通过图像信息熵对处理效果进行了定性分析和比较，通过对卷积神经网络的重复成像和多次训练，使得卷积神经网络更加完善。
26.进一步地，所述像素点的坐标为(x，y)，则所述待分类的工业垃圾的初始图像为s(x，y)，所述待分类的工业垃圾的反射图像为r(x，y)，所述待分类的工业垃圾的亮度图像为i(x，y)，且关系满足s(x，y)＝i(x，y)*r(x，y)；
27.r(x，y)＝logr(x，y)；
28.其中r(x，y)是输出图像；
29.其中，；
30.其中，k表示高斯中心包围的函数的总个数，k为表示高斯中心包围的函数需要计算的个数，*表示使用卷积运算，表示中心环绕函数，且，其中c为高斯环绕标度，为满足该方程的标度，且满足。
31.进一步地，通过对所述输出图像的信息熵对处理效果进行定性分析和比较，显示工业垃圾图像信息的统计格式，用于显示图像的准备聚合属性和创建图像的二维熵，则有图像中出现的灰度图像的概率，其中表示出现频数，表示特征双元组特征，m为图像的尺寸，输出图像信息熵为，其中，n表示常数。
32.进一步地，通过对比所述输出图片信息熵，将工业垃圾进行分类匹配。
33.本发明的有益技术效果至少在于以下几点：
34.1、本发明提供了一种用于工业垃圾分类的智能工作机器人控制系统，该系统运行后，能够大大的提高识别垃圾分别的准确性；
35.2、对于无法精确识别，出现黑暗不清、阴影覆盖、外物重叠的情况，尤其是夜晚，本系统所用的卷积神经网络可以应对环境对图片的影响。
36.3、减少人工的成本。
附图说明
37.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
38.图1为本发明一种用于工业垃圾分类的智能工作机器人控制系统模块图。
具体实施方式
39.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
40.实施例一：
41.如图1所示，本发明提供了一种用于工业垃圾分类的智能工作机器人控制系统，所述系统包括：图像获取模块、图像存储模块、成像匹配模块和分类模块；
42.图像获取模块，用于获取待分类的工业垃圾的图像；
43.图像存储模块，用于将所述待分类的工业垃圾的图像存储到数据库，根据不同的类别定义不同的标签；
44.每个标签下有存储大量相同类别的数据集，所述数据集对于重复的图像会放置在循环集中。
45.根据不同的类别定义不同的标签，具体步骤为：
46.根据每次获取待分类的工业垃圾的图像的成像读取进行匹配；
47.建立临时数据集，用于放置刚生成的图像；
48.使用基本集与临时数据集进行匹配；
49.将整理好的数据集存储在数据库中。
50.标记所述待分类的工业垃圾的特征信息形成对应的标签具体包括食品垃圾、建筑垃圾和、普通垃圾和危险垃圾；
51.食品垃圾包括加工、食用食品过程中所产生的垃圾；
52.普通垃圾包括可回收垃圾；
53.建筑垃圾包括泥土、石块、混凝土块、碎砖、废木材、废管道和电器废料；
54.危险垃圾包括干电池、日光灯管和温度计。
55.成像匹配模块，用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配。
56.成像匹配模块的步骤包括：
57.将收集到的待分类的工业垃圾的图像转化为灰度图像；
58.计算提取垃圾区域和背景差异特征的灰度图像的阈值；
59.选择最佳阈值的背景区域的图像，选择迭代法，得到最佳的阈值分割算法的工业垃圾的图像；
60.将工业垃圾的图像传进vgg-16卷积神经网络进行训练，匹配分类。
61.vgg-16卷积神经网络进行训练具体为：通过计算每个像素之间的亮度比和阴影关系，校正图像中的每个像素，然后确定像素的颜色，通过图像信息熵对处理效果进行了定性分析和比较，通过对卷积神经网络的重复成像和多次训练，使得卷积神经网络更加完善。
62.所述像素为(x，y，则所述待分类的工业垃圾的初始图像为s(x，y，所述待分类的工业垃圾的反射图像为r(x，y，所述待分类的工业垃圾的亮度图像为i(x，y，且关系满足
63.s(x，y＝i(x，y*r(x，y；
64.r(x，y＝logr(x，y；
65.其中r(x，y是输出图像，i(x，y是所述待分类的工业垃圾的初始图像的输入图像；
66.其中，
67.其中，k表示高斯中心包围的函数个数，k为常数，使用卷积运算，f
k-1
(x,y)表示中心环绕函数，且其中c为高斯环绕标度，α为满足该方程的标度，且满足∫∫f(x，y)dxdy＝1。
68.通过对所述输出图像信息得信息熵对处理效果进行定性分析和比较，显示工业垃圾图像信息的统计格式，用于显示图像的准备聚合属性和创建图像的二位熵，则有图像中出现的灰度图像的概率p
ij
＝f(i,j)/m2，其中f(i,j)表示出现频数，(i,j)表示特征双元组特征，m为图像的尺寸，输出图片信息熵为其中，n表示常数。
69.分类模块，用于匹配最佳的数据集并且自动对应数据集的标签进行分类。通过对比所述输出图片信息熵，根据标签对图像进行分类，将工业垃圾进行分类匹配。首先加载训练的最优权重参数，然后将测试集作为模型输入，预测得到对应的分类结果
70.具体实施例二：
71.由于每个工地的分类标准不同，规定废物分为可回收废物和危险废物，因此，使用本发明的系统可以根据不同区域设置相应的ip地址，并分别存储在区域废物分类标准中。同时，将一些物品的原始图片上传到云平台，作为物品识别的依据，然后再变成垃圾。之后，通过识别技术和垃圾分类生成图像时，使用系统对对应的基础图片进行高速匹配，找到匹配度最高的图片进行最终分割。每一张识别出的图像都会自动保存在云平台上，逐步完善每一个阶段每一项的信息，从而确保这项技术在应用后变得越来越成熟，可以应用到更多需要这项技术帮助的地方。
72.尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

技术特征：
1.一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述系统包括：图像获取模块、图像存储模块、成像匹配模块和分类模块；所述图像获取模块，用于获取待分类的工业垃圾的图像；所述图像存储模块，用于将所述待分类的工业垃圾的图像存储到数据库，并形成基本集，根据不同的类别定义不同的标签；所述成像匹配模块，用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配；所述分类模块，用于匹配最佳的数据集并且自动对应数据集的标签进行分类。2.根据权利要求1所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述每个标签都对应了大量类别相同的图像，所述数据集对于重复的图像会放置在循环集中。3.根据权利要求2所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述根据不同的类别定义不同的标签，具体步骤为：根据每次获取待分类的工业垃圾的图像的成像读取与定义的标签进行匹配；建立临时数据集，用于放置刚生成的图像；使用基本集与临时数据集进行匹配；将整理好的数据集存储在数据库中。根据权利要求1所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述标签具体包括食品垃圾、建筑垃圾和、普通垃圾和危险垃圾；所述食品垃圾包括加工、食用食品过程中所产生的垃圾；所述普通垃圾包括可回收垃圾；所述建筑垃圾包括泥土、石块、混凝土块、碎砖、废木材、废管道和电器废料；所述危险垃圾包括干电池、日光灯管和温度计。4.根据权利要求1所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配的步骤包括：将收集到的待分类的工业垃圾的图像转化为灰度图像；计算提取垃圾区域和背景差异特征的灰度图像的阈值；选择最佳阈值的背景区域的图像，选择迭代法，得到最佳的阈值分割算法的工业垃圾的图像；将最佳的阈值分割算法的工业垃圾的图像传进vgg-16卷积神经网络进行训练，匹配分类。5.根据权利要求4所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述vgg-16卷积神经网络进行训练具体为：通过计算每个像素之间的亮度比和阴影关系，校正图像中的每个像素，然后确定像素的颜色，通过图像信息熵对处理效果进行了定性分析和比较，通过对卷积神经网络的重复成像和多次训练，使得卷积神经网络更加完善。6.根据权利要求5所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，所述像素点的坐标为(x，y)，则所述待分类的工业垃圾的初始图像为s(x，y)，所述待分类的工业垃圾的反射图像为r(x，y)，所述待分类的工业垃圾的亮度图像为i(x，y)，且关
系满足s(x，y)＝i(x，y)*r(x，y)；r(x，y)＝logr(x，y)；其中r(x，y)是输出图像；其中，其中，k表示高斯中心包围的函数的总个数，k为表示高斯中心包围的函数需要计算的个数，*表示使用卷积运算，f
k-1
(x,y)表示中心环绕函数，且其中c为高斯环绕标度，α为满足该方程的标度，且满足∫∫f(x，y)dxdy＝1。7.根据权利要求6所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，通过对所述输出图像的信息熵对处理效果进行定性分析和比较，显示工业垃圾图像信息的统计格式，用于显示图像的准备聚合属性和创建图像的二维熵，则有图像中出现的灰度图像的概率p
ij
＝f(i,j)/m2，其中f(i,j)表示出现频数，(i,j)表示特征双元组特征，m为图像的尺寸，输出图像信息熵为其中，n表示常数。8.据权利要求7所述的一种用于工业垃圾分类的智能工作机器人控制系统，其特征在于，通过对比所述输出图片信息熵，将工业垃圾进行分类匹配。

技术总结
本发明提出了一种用于工业垃圾分类的智能工作机器人控制系统，属于垃圾分类技术领域。所述系统包括：图像获取模块、图像存储模块、成像匹配模块和分类模块；图像获取模块，用于获取待分类的工业垃圾的图像；图像存储模块，用于将所述待分类的工业垃圾的图像存储到数据库，根据不同的类别定义不同的标签；成像匹配模块，用于将即时产生的待分类的工业垃圾的图像与在存储在数据库头部的图像进行匹配；分类模块，用于匹配最佳的数据集并且自动对应数据集的标签进行分类。本发明提供了一种用于工业垃圾分类的智能工作机器人控制系统，该系统运行后，能够大大的提高识别垃圾分别的准确性，大大节省人力资源。大大节省人力资源。大大节省人力资源。


技术研发人员：陈浩宇
受保护的技术使用者：鸿洋集团有限公司
技术研发日：2023.05.11
技术公布日：2023/8/14