一种垃圾自动分类回收智能设备及其智能垃圾分类系统的制作方法

1.本发明涉及垃圾自动分类技术领域，具体涉及一种垃圾自动分类回收智能设备及其智能垃圾分类系统。


背景技术：

2.垃圾自动分类回收智能设备是一种利用先进的技术来辨识、分类和处理垃圾的设备。它结合了计算机视觉、人工智能和机械工程等领域的技术，可以自动将垃圾分为可回收物、有害物、湿垃圾和干垃圾等不同类别。
3.垃圾自动分类回收智能设备实现智能垃圾分类通常包括以下具体步骤：
4.s1、感知与数据采集
5.设备通过配备传感器(红外线传感器和压力传感器)和摄像头等感知设备，获取垃圾的相关信息，如形状、颜色、重量和气味等。这些设备能够收集垃圾的特征数据，并将其传输给后续的数据处理模块。
6.s2、数据处理与特征提取
7.通过计算机视觉和图像处理技术，智能设备对感知到的图像或数据进行处理和分析。利用机器学习算法，设备能够识别垃圾的特征，并提取有用的特征信息，如纹理、形状和颜色等。
8.s3、垃圾分类算法
9.基于前期收集到的数据和提取的特征信息，智能设备使用垃圾分类算法来对垃圾进行分类。这些算法可以是基于规则的分类方法，也可以是基于机器学习的分类模型。分类算法通过比对垃圾的特征与预定义的分类规则或模型，将垃圾分为不同的类别，如可回收物、有害物、湿垃圾和干垃圾等。
10.s4、机械处理与分拣
11.一旦垃圾被分类，智能设备利用机械臂、传送带等机械装置，将垃圾从接收区域或容器中取出，并放置到相应的容器或处理设备中。这些机械处理设备能够根据分类结果，自动将垃圾送往适当的处理站点，如回收站、有害物处理站点或堆肥处理设备等。
12.s5、数据管理与监控
13.智能设备配备了数据管理系统，用于记录和跟踪垃圾的分类信息。通过数据管理系统，可以监测垃圾分类的效果，统计分类结果，并为后续的优化和改进提供数据支持。
14.现有技术存在以下不足：然而，现有技术中垃圾自动分类回收智能设备的智能垃圾分类系统在运行过程中，无法了解其配备的摄像头的识别精度情况，当摄像头的识别精度变差时，可能会出现以下严重的后果：
15.a、摄像头识别精度变差可能导致垃圾被错误地分类；例如，可回收物被误分类为干垃圾或有害物，导致资源的浪费或处理不当；
16.b、摄像头识别精度变差可能导致相似特征的垃圾被混淆；例如，某些塑料品或纸张可能在外观上相似，但在回收过程中需要不同的处理方式，如果摄像头无法准确区分它
们，会导致混淆垃圾的发生，影响回收的效果；
17.c、识别精度变差可能导致智能垃圾分类系统无法准确地将垃圾分类并处理，这可能导致垃圾堆积在错误的容器中或在系统中发生堵塞，堆积的垃圾可能会导致环境卫生问题，甚至引发其他卫生和健康风险。
18.在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

19.本发明的目的是提供一种垃圾自动分类回收智能设备及其智能垃圾分类系统，本发明通过对智能垃圾分类系统中垃圾识别用的摄像头的运行情况进行监测，当垃圾识别用的摄像头识别精度变差时，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查，及时发现摄像头可能存在识别精度受影响的问题，有效地防止垃圾分类系统中的摄像头精度变差造成的一系列严重后果的发生，以解决上述背景技术中的问题。
20.为了实现上述目的，本发明提供如下技术方案：一种智能垃圾分类系统，包括数据采集模块、影响分析模块、综合分析模块、比对判断模块以及预警提示模块；
21.数据采集模块，采集垃圾分类系统中识别摄像头运行时的信息，包括成像信息和数据处理信息，并将成像信息和数据处理信息传递至影响分析模块；
22.影响分析模块，将成像信息和数据处理信息建立数据分析模型，生成影响系数，并将影响系数传递至综合分析模块；
23.综合分析模块，将摄像头运行时生成的若干个影响系数建立分析集合，对分析集合内的影响系数做偏差分析，生成异常偏差指数，并将异常偏差指数传递至比对判断模块；
24.比对判断模块，将摄像头运行时生成的异常偏差指数与异常偏差指数参考阈值进行比对，生成风险信号，并将风险信号传递至预警提示模块，通过预警提示模块生成或者不生成预警提示。
25.优选的，成像信息包括成像图像对比度波动系数和对焦速率异常频率系数，采集后，数据采集模块将成像图像对比度波动系数和对焦速率异常频率系数分别标定为dbk和vjk，数据处理信息包括图像压缩比浮动系数，采集后，数据采集模块将图像压缩比浮动系数标定为ysk。
26.优选的，成像图像对比度波动系数获取的逻辑如下：
27.s1、将摄像头的成像图像划分为n个区域，将不同区域成像图像的对比度标定为d
bd
x，x表示n个区域的对比度编号，x＝1、2、3、4、
……
、n，n为正整数；
28.s2、计算不同区域的对比度，计算公式为：d
bd
x＝(h
dmax-h
dmin
)/(h
dmax
+h
dmin
)，式中，h
dmax
和h
dmin
分别表示同一区域内最大的灰度值和最小的灰度值；
29.s3、计算不同区域的对比度标准差，并将标准差标定为s，标准差s的计算公式为：
[0030][0031]
其中，为不同区域的对比度平均值，获取的表达式为：
[0032]
s4、获取摄像头运行t时间内的帧数，并将每一帧图像的不同区域的对比度标准差标定为sy，y表示t时间内所有帧图像不同区域的对比度标准差的编号，y＝1、2、3、4、
……
、n，n为正整数；
[0033]
s5、将t时间内获取的sy建立数据集合，并将数据集合内的sy按照顺序排序，将sy的最大值标定为symax；
[0034]
s6、获取t时间内的成像图像对比度波动系数，获取的表达式为：dbk＝symax。
[0035]
优选的，对焦速率异常频率系数获取的逻辑如下：
[0036]
s1、获取垃圾分类系统中摄像头的最佳对焦速率范围，并将最佳对焦速率范围标定为v
djmin
～v
djmax
；
[0037]
s2、获取t时间内不同时段的摄像头对焦速率，将摄像头对焦速率标定为v
djm
，m表示t时间内不同时段的摄像头对焦速率的编号，m＝1、2、3、4、
……
、m，m为正整数：
[0038]
s3、将不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
标定为v
djv
，v表示不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
的编号，v＝1、2、3、4、
……
、q，q为正整数；
[0039]
s4、计算对焦速率异常频率系数，计算的表达式为：vjk＝eq/m+1，式中，q/m表示t时间内摄像头对焦速率出现异常的频率。
[0040]
优选的，图像压缩比浮动系数获取的逻辑如下：
[0041]
s1、获取智能垃圾分类系统中摄像头进行图像压缩时的系统设置图像压缩比，将系统设置图像压缩比标定为b
ys
；
[0042]
s2、获取t时间内不同时段的图像压缩比，将图像压缩比标定为b
ys
c，c表示t时间内不同时段的图像压缩比的编号，c＝1、2、3、4、
……
、c1，c1为正整数，图像压缩比b
ys
c获取的表达式为：b
ys
c＝(b
前ys
/b
后ys
)
×
100％，式中，b
前ys
表示图像压缩前的大小，b
后ys
表示图像压缩后的大小；
[0043]
s3、将大于系统设置图像压缩比bys的图像压缩比b
ys
c标定为b
ysc′
，c
′
表示大于系统设置图像压缩比b
ys
的图像压缩比b
ys
c的编号，c
′
＝1、2、3、4、
……
、c
′
1，c
′
1为正整数；
[0044]
s4、计算图像压缩比浮动系数，计算的表达式为：s4、计算图像压缩比浮动系数，计算的表达式为：
[0045]
优选的，影响分析模块获取到成像图像对比度波动系数dbk、对焦速率异常频率系数vjk以及图像压缩比浮动系数ysk后，建立数据分析模型，生成影响系数yk。
[0046]
优选的，综合分析模块将摄像头运行时生成的若干个影响系数建立分析集合，并将数据集合标定为z，则z＝{yk}＝{y1、y2、y3、
…
、yg}，g表示分析集合内影响系数的编号，g＝1、2、3、4、
……
、g，g为正整数；
[0047]
将影响系数与影响系数参考阈值进行比对，并将大于影响系数参考阈值的影响系数标定为y
ω
f，f表示大于影响系数参考阈值的影响系数的编号，f＝1、2、3、4、
……
、f，f为正整数，将影响系数参考阈值标定为y
ω
，通过影响系数y
ω
f和影响系数参考阈值y
ω
计算异常偏差指数，计算的表达式为：差指数，计算的表达式为：式中，pc表示摄像头运行时分析集合内影响系数生成的异常偏差指数。
[0048]
优选的，比对判断模块将摄像头运行时生成的异常偏差指数与异常偏差指数参考
阈值进行比对，若异常偏差指数大于等于异常偏差指数参考阈值，则生成高风险信号传递至预警提示模块，通过预警提示模块生成预警提示，并将预警提示通过信号传递至监测移动终端，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查；
[0049]
若异常偏差指数小于异常偏差指数参考阈值，则生成高风险信号传递至预警提示模块，不通过预警提示模块生成预警提示。
[0050]
在上述技术方案中，本发明提供的技术效果和优点：
[0051]
1、本发明通过对智能垃圾分类系统中垃圾识别用的摄像头的运行情况进行监测，当垃圾识别用的摄像头识别精度变差时，生成预警提示，并将预警提示通过信号传递至监测移动终端，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查，及时发现摄像头可能存在识别精度受影响的问题，有效地防止垃圾分类系统中的摄像头精度变差造成的一系列严重后果的发生；
[0052]
2、本发明通过对智能垃圾分类系统中垃圾识别用的摄像头运行时生成的若干个影响系数做异常偏差分析，可有效地防止单一阈值比对时偶然性出现影响系数大于等于影响系数参考阈值的情况便发出预警提示，提高对摄像头识别精度情况分析的准确性，进而提高监测移动终端对预警的信任度，保障智能垃圾分类系统稳定高效地运行。
附图说明
[0053]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0054]
图1为本发明一种垃圾自动分类回收智能设备及其智能垃圾分类系统的模块示意图。
具体实施方式
[0055]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
[0056]
本发明提供了如图1所示的一种垃圾自动分类回收智能设备及其智能垃圾分类系统，包括数据采集模块、影响分析模块、综合分析模块、比对判断模块以及预警提示模块；
[0057]
数据采集模块，采集垃圾分类系统中识别摄像头运行时的信息，包括成像信息和数据处理信息，并将成像信息和数据处理信息传递至影响分析模块；
[0058]
成像信息包括成像图像对比度波动系数和对焦速率异常频率系数，采集后，数据采集模块将成像图像对比度波动系数和对焦速率异常频率系数分别标定为dbk和vjk；
[0059]
a、当智能垃圾分类系统中的摄像头所拍摄的图像在不同区域的成像对比度差异较大时，可能会对垃圾的识别精度造成以下严重的影响：
[0060]
分类错误：对比度差异较大的图像区域可能导致垃圾的形状、边缘或细节无法清晰地展现，这可能导致系统无法正确识别垃圾的类型或分类错误；
[0061]
遗漏识别：对比度差异大的区域可能出现明暗交界处或阴影区域，垃圾目标在这些区域的可见性受到影响，系统可能会遗漏或无法正确检测这些区域中的垃圾；
[0062]
误判或误报：对比度差异大的图像区域可能会产生伪影、反射或干扰等视觉效果，这可能会导致系统错误地将其识别为垃圾或将实际垃圾错误地排除；
[0063]
降低准确性：不同区域的对比度差异可能导致图像中的信息不平衡，使得垃圾的特征提取和分类算法难以准确地捕捉和分析，这可能降低系统的准确性和可靠性：
[0064]
鲁棒性降低：对比度差异大的图像区域可能使系统对于光照变化、背景干扰或其他环境变化的鲁棒性下降，这意味着系统对于不同条件下的垃圾识别可能变得不稳定或不可靠；
[0065]
因此，对垃圾分类系统中摄像头所成的图像在不同区域的成像对比度进行监测，可在不同区域的成像对比度发生异常时，及时发现，有效地防止摄像头成像对比度异常导致垃圾识别精度变差的情况发生；
[0066]
成像图像对比度波动系数获取的逻辑如下：
[0067]
s1、将摄像头的成像图像划分为n个区域，n个区域的面积可以相等也可以不相等，将不同区域成像图像的对比度标定为d
bd
x，x表示n个区域的对比度编号，x＝1、2、3、4、
……
、n，n为正整数；
[0068]
s2、计算不同区域的对比度，计算公式为：d
bd
x＝(h
dmax-h
dmin
)/(h
dmax
+h
dmin
)，式中，h
dmax
和h
dmin
分别表示同一区域内最大的灰度值和最小的灰度值；
[0069]
需要说明的是，对比度的计算结果介于0和1之间，表示参考区域内亮度的变化程度，将成像图像转换为灰度图像是获取图像灰度值最常见的方式之一，可以使用灰度化算法，如取rgb通道的平均值或根据其权重进行加权平均(此为现有技术，在此不做详细赘述)，以获取每个像素点的灰度值，通过将同一划分区域内的像素点的灰度值进行比对排序，便可获取同一划分区域内的最大的灰度值和最小的灰度值：
[0070]
s3、计算不同区域的对比度标准差，并将标准差标定为s，标准差s的计算公式为：
[0071][0072]
其中，为不同区域的对比度平均值，获取的表达式为：为不同区域的对比度平均值，获取的表达式为：
[0073]
s4、获取摄像头运行t时间内的帧数，并将每一帧图像的不同区域的对比度标准差标定为sy，y表示t时间内所有帧图像不同区域的对比度标准差的编号，y＝1、2、3、4、
……
、n，n为正整数；
[0074]
s5、将t时间内获取的sy建立数据集合，并将数据集合内的sy按照顺序排序，将sy的最大值标定为symax；
[0075]
s6、获取t时间内的成像图像对比度波动系数，获取的表达式为：dbk＝symax；
[0076]
由获取的表达式可知，t时间内的成像图像对比度波动系数越大，表明摄像头的识别精度受到的影响越大，表明摄像头在对垃圾进行识别时识别出错的概率越大，反之则表明摄像头的识别精度受到的影响越小，表明摄像头识别出错的概率越小；
[0077]
b、智能垃圾分类系统中摄像头的对焦速率异常可能会对垃圾的识别精度造成以下严重的影响：
[0078]
模糊图像：对焦速率异常可能导致图像模糊，使得垃圾的细节无法清晰展现，模糊的图像会降低垃圾分类算法的准确性，使得垃圾的特征难以被正确提取和识别：
[0079]
特征提取困难：对焦速率异常会导致图像中的特征无法被准确提取，垃圾分类系统通常依赖于物体的形状、纹理、颜色等特征进行分类，如果图像模糊或焦点不准确，特征提取过程可能变得困难，从而降低垃圾识别的精度；
[0080]
识别错误：对焦速率异常可能导致垃圾被错误地分类，模糊的图像可能导致垃圾的形状变形或特征失真，使得系统错误地将垃圾识别为其他类别，从而降低了分类的准确性；
[0081]
漏检和误检：对焦速率异常可能导致垃圾的漏检和误检，如果图像模糊或焦点不准确，系统可能无法正确检测到垃圾的存在，导致漏检，另一方面，模糊的图像可能误导系统将垃圾错误地检测为其他物体，导致误检；
[0082]
鲁棒性降低：对焦速率异常可能降低系统对光照变化和背景干扰的鲁棒性，模糊或不准确对焦的图像可能对光照变化和背景噪声更加敏感，从而使系统的稳定性和可靠性下降；
[0083]
在智能垃圾分类系统中，摄像头的对焦速率指的是摄像头调整焦点或焦距的速度，摄像头的对焦是调整图像的清晰度，以便正确捕捉和呈现被拍摄物体的细节和轮廓，对焦速率决定了摄像头在焦点调整过程中的速度，如果对焦速率较慢，摄像头需要较长的时间来调整焦点，可能会导致图像的延迟和模糊，相反，如果对焦速率过快，可能会导致焦点频繁切换或图像不稳定，因此，对垃圾分类系统中摄像头的对焦速率进行监测，可在摄像头的对焦速率发生异常时，及时发现，有效地防止摄像头的对焦速率异常导致垃圾识别精度变差的情况发生；
[0084]
对焦速率异常频率系数获取的逻辑如下：
[0085]
s1、获取垃圾分类系统中摄像头的最佳对焦速率范围，并将最佳对焦速率范围标定为v
djmin
～v
djmax
；
[0086]
需要说明的是，在实际应用中，通过实验和测试来评估不同对焦速率下的图像质量和垃圾分类结果，可以尝试不同的对焦速率设置，并评估每个设置下的图像清晰度、细节捕捉和垃圾分类的准确性，从而确定摄像头的最佳对焦速率范围；
[0087]
s2、获取t时间内不同时段(时段内的时间相等)的摄像头对焦速率，将摄像头对焦速率标定为v
djm
，m表示t时间内不同时段的摄像头对焦速率的编号，m＝1、2、3、4、
……
、m，m为正整数；
[0088]
需要说明的是，现代摄像头通常配备了对焦传感器，该对焦传感器可检测焦点调整的位置和速度，从而通过对焦传感器可以实时获取摄像头在短时间内的对焦速率；
[0089]
s3、将不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
标定为v
djv
，v表示不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
的编号，v＝1、2、3、4、
……
、q，q为正整数；
[0090]
s4、计算对焦速率异常频率系数，计算的表达式为：vjk＝eq/m+1，式中，q/m表示t时间内摄像头对焦速率出现异常的频率；
[0091]
由计算的表达式可知，t时间内摄像头的对焦速率异常频率系数越大，表明摄像头的识别精度受到的影响越大，表明摄像头在对垃圾进行识别时识别出错的概率越大，反之则表明摄像头的识别精度受到的影响越小，表明摄像头识别出错的概率越小；
[0092]
数据处理信息包括图像压缩比浮动系数，采集后，数据采集模块将图像压缩比浮动系数标定为ysk；
[0093]
为了减少图像数据的存储和传输量，摄像头通常会对图像进行压缩，以保证在垃圾分类系统中的高效处理；
[0094]
c、当智能垃圾分类系统中摄像头对采集的成像图像进行压缩时，如果压缩比变大(即压缩程度增加)，会对摄像头的识别精度造成以下严重影响：
[0095]
信息丢失：较大的压缩比会导致图像中的细节和特征信息丢失，重要的边缘、纹理和细微特征可能被模糊化或完全丢失，从而使得垃圾分类算法无法准确提取这些特征进行分类；
[0096]
失真增加：较大的压缩比会导致图像的失真增加，图像可能出现模糊、锯齿状边缘、色彩偏移等失真现象，这些失真会改变垃圾物体的外观和特征，使得分类算法难以正确识别；
[0097]
压缩伪影增加：较大的压缩比可能会引入更多的压缩伪影，如块状、方块状或条纹状噪点，这些伪影可能干扰分类算法对图像特征的分析，导致识别精度降低；
[0098]
信息不平衡：较大的压缩比可能会导致图像中不同区域的信息不平衡，某些区域可能因为压缩而丢失重要细节，而其他区域可能保留了过多的细节，这样的不平衡会使分类算法在某些区域无法准确提取特征，从而降低整体的识别精度；
[0099]
噪声增加：较大的压缩比可能会增加图像中的噪声水平，噪声会干扰垃圾分类算法对图像特征的分析和提取，使得算法的决策变得更加困难，从而降低识别精度；
[0100]
因此，对垃圾分类系统中摄像头的图像压缩比进行监测，可在摄像头的图像压缩比发生异常时，及时发现，有效地防止摄像头的图像压缩比异常导致垃圾识别精度变差的情况发生；
[0101]
图像压缩比浮动系数获取的逻辑如下：
[0102]
s1、获取智能垃圾分类系统中摄像头进行图像压缩时的系统设置图像压缩比，将系统设置图像压缩比标定为b
ys
；
[0103]
s2、获取t时间内不同时段(时段内的时间相等)的图像压缩比，将图像压缩比标定为b
ys
c，c表示t时间内不同时段的图像压缩比的编号，c＝1、2、3、4、
……
、c1，c1为正整数，图像压缩比b
ys
c获取的表达式为：b
ys
c＝[b
前ys
/b
后ys
)
×
100％，式中，b
前ys
表示图像压缩前的大小，b
后ys
表示图像压缩后的大小；
[0104]
需要说明的是，使用图像处理库提供的接口可以实时获取图像的大小，这些接口通常具有函数或方法来返回图像的字节大小，在每次进行图像压缩后，调用相应接口的字节数据即可获取压缩后的图像大小；
[0105]
s3、将大于系统设置图像压缩比b
ys
的图像压缩比b
ys
c标定为b
ysc′
，c
′
表示大于系统设置图像压缩比b
ys
的图像压缩比b
ys
c的编号，c
′
＝1、2、3、4、......、c
′
1，c
′
1为正整数；
[0106]
s4、计算图像压缩比浮动系数，计算的表达式为：s4、计算图像压缩比浮动系数，计算的表达式为：
[0107]
由计算公式可知，t时间内摄像头的图像压缩比浮动系数越大，表明摄像头的识别精度受到的影响越大，表明摄像头在对垃圾进行识别时识别出错的概率越大，反之则表明摄像头的识别精度受到的影响越小，表明摄像头识别出错的概率越小；
[0108]
影响分析模块，将成像信息和数据处理信息建立数据分析模型，生成影响系数，并将影响系数传递至综合分析模块；
[0109]
影响分析模块获取到成像图像对比度波动系数dbk、对焦速率异常频率系数vjk以及图像压缩比浮动系数ysk后，建立数据分析模型，生成影响系数yk，依据的公式为：
[0110][0111]
式中，e1、e2、e3分别为成像图像对比度波动系数dbk、对焦速率异常频率系数vjk以及图像压缩比浮动系数ysk的预设比例系数，且e1、e2、e3均大于0；
[0112]
由公式可知，t时间内摄像头的成像图像对比度波动系数越大、对焦速率异常频率系数越大、图像压缩比浮动系数越大，即影响系数yk的表现值越大，表明摄像头的识别精度受到的影响越大，表明摄像头在对垃圾进行识别时识别出错的概率越大，t时间内摄像头的成像图像对比度波动系数越小、对焦速率异常频率系数越小、图像压缩比浮动系数越小，即影响系数yk的表现值越小，表明摄像头的识别精度受到的影响越小，表明摄像头在对垃圾进行识别时识别出错的概率越小；
[0113]
综合分析模块，将摄像头运行时生成的若干个影响系数建立分析集合，对分析集合内的影响系数做偏差分析，生成异常偏差指数，并将异常偏差指数传递至比对判断模块；
[0114]
综合分析模块将摄像头运行时生成的若干个影响系数建立分析集合，并将数据集合标定为z，则z＝{yk}＝{y1、y2、y3、
…
、yg}，g表示分析集合内影响系数的编号，g＝1、2、3、4、
……
、g，g为正整数；
[0115]
将影响系数与影响系数参考阈值进行比对，并将大于影响系数参考阈值的影响系数标定为y
ω
f，f表示大于影响系数参考阈值的影响系数的编号，f＝1、2、3、4、
……
、f，f为正整数，将影响系数参考阈值标定为y
ω
，通过影响系数y
ω
f和影响系数参考阈值y
ω
计算异常偏差指数，计算的表达式为：差指数，计算的表达式为：式中，pc表示摄像头运行时分析集合内影响系数生成的异常偏差指数；
[0116]
由计算的表达式可知，摄像头运行时分析集合内影响系数生成的异常偏差指数越大，表明摄像头的识别精度受到的影响越大，表明摄像头在对垃圾进行识别时识别出错的概率越大，摄像头运行时分析集合内影响系数生成的异常偏差指数越小，表明摄像头的识别精度受到的影响越小，表明摄像头在对垃圾进行识别时识别出错的概率越小；
[0117]
比对判断模块，将摄像头运行时生成的异常偏差指数与异常偏差指数参考阈值进行比对，生成风险信号，并将风险信号传递至预警提示模块，通过预警提示模块生成或者不生成预警提示；
[0118]
比对判断模块将摄像头运行时生成的异常偏差指数与异常偏差指数参考阈值进行比对，若异常偏差指数大于等于异常偏差指数参考阈值，则生成高风险信号传递至预警提示模块，通过预警提示模块生成预警提示，并将预警提示通过信号传递至监测移动终端，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查，及时发现摄像头可能存在识别精度受影响的问题，有效地防止垃圾分类系统中的摄像头精度变差造成的一系列严重后果的发生；
[0119]
若异常偏差指数小于异常偏差指数参考阈值，则生成高风险信号传递至预警提示
模块，不通过预警提示模块生成预警提示，通过此方式可有效地防止单一阈值比对时偶然性出现影响系数大于等于影响系数参考阈值的情况便发出预警提示，通过对摄像头运行时生成的若干个影响系数做异常偏差分析，提高对摄像头识别精度情况分析的准确性，进而提高监测移动终端对预警的信任度，保障智能垃圾分类系统高效地运行；
[0120]
本发明通过对智能垃圾分类系统中垃圾识别用的摄像头的运行情况进行监测，当垃圾识别用的摄像头识别精度变差时，生成预警提示，并将预警提示通过信号传递至监测移动终端，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查，及时发现摄像头可能存在识别精度受影响的问题，有效地防止垃圾分类系统中的摄像头精度变差造成的一系列严重后果的发生；
[0121]
本发明通过对智能垃圾分类系统中垃圾识别用的摄像头运行时生成的若干个影响系数做异常偏差分析，可有效地防止单一阈值比对时偶然性出现影响系数大于等于影响系数参考阈值的情况便发出预警提示，提高对摄像头识别精度情况分析的准确性，进而提高监测移动终端对预警的信任度，保障智能垃圾分类系统稳定高效地运行。
[0122]
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；
[0123]
如公式：
[0124][0125]
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数，将设定的预设比例系数和采集的样本数据代入公式，任意三个公式构成二元一次方程组，将计算得到的预设比例系数进行筛选并取均值，得到e1、e2和e3的取值；预设比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于预设比例系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数；只要不影响参数与量化后数值的比例关系即可。
[0126]
本技术中，影响系数参考阈值的获取逻辑为：
[0127]
在影响系数中的预设比例系数e1、e2、e3确定后，可确定摄像头在t时间内的最大成像图像对比度波动系数(当摄像头在t时间内的成像图像对比度波动系数超过最大成像图像对比度波动系数时，将会对摄像头的识别精度造成影响)、最大对焦速率异常频率系数(当摄像头在t时间内的对焦速率异常频率系数超过最大对焦速率异常频率系数时，将会对摄像头的识别精度造成影响)、最大图像压缩比浮动系数(当摄像头在t时间内的图像压缩比浮动系数超过最大图像压缩比浮动系数时，将会对摄像头的识别精度造成影响)，将摄像头的最大成像图像对比度波动系数、最大对焦速率异常频率系数以及最大图像压缩比浮动系数带入影响系数的计算公式后，得到一个临界影响系数，为了使智能垃圾分类系统能够提前预警，取临界影响系数的80％作为影响系数参考阈值。
[0128]
异常偏差指数参考阈值的设置由本领域的技术人员根据实际情况进行设置，在此不作具体的限定，目的是防止单一阈值比对时偶然性出现影响系数大于等于影响系数参考阈值的情况便发出预警提示。
[0129]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算
机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质。半导体介质可以是固态硬盘。
[0130]
应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0131]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0132]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0133]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0134]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0135]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0136]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵
盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种智能垃圾分类系统，其特征在于，包括数据采集模块、影响分析模块、综合分析模块、比对判断模块以及预警提示模块；数据采集模块，采集垃圾分类系统中识别摄像头运行时的信息，包括成像信息和数据处理信息，并将成像信息和数据处理信息传递至影响分析模块；影响分析模块，将成像信息和数据处理信息建立数据分析模型，生成影响系数，并将影响系数传递至综合分析模块；综合分析模块，将摄像头运行时生成的若干个影响系数建立分析集合，对分析集合内的影响系数做偏差分析，生成异常偏差指数，并将异常偏差指数传递至比对判断模块；比对判断模块，将摄像头运行时生成的异常偏差指数与异常偏差指数参考阈值进行比对，生成风险信号，并将风险信号传递至预警提示模块，通过预警提示模块生成或者不生成预警提示。2.根据权利要求1所述的一种智能垃圾分类系统，其特征在于，成像信息包括成像图像对比度波动系数和对焦速率异常频率系数，采集后，数据采集模块将成像图像对比度波动系数和对焦速率异常频率系数分别标定为db
k
和vj
k
，数据处理信息包括图像压缩比浮动系数，采集后，数据采集模块将图像压缩比浮动系数标定为ys
k
。3.根据权利要求2所述的一种智能垃圾分类系统，其特征在于，成像图像对比度波动系数获取的逻辑如下：s1、将摄像头的成像图像划分为n个区域，将不同区域成像图像的对比度标定为d
bd
x，x表示n个区域的对比度编号，x＝1、2、3、4、
……
、n，n为正整数；s2、计算不同区域的对比度，计算公式为：d
bd
x＝(h
dmax-h
dmin
)/(h
dmax
+h
dmin
)，式中，h
dmax
和h
dmin
分别表示同一区域内最大的灰度值和最小的灰度值；s3、计算不同区域的对比度标准差，并将标准差标定为s，标准差s的计算公式为：其中，为不同区域的对比度平均值，获取的表达式为：为不同区域的对比度平均值，获取的表达式为：s4、获取摄像头运行t时间内的帧数，并将每一帧图像的不同区域的对比度标准差标定为s
y
，y表示t时间内所有帧图像不同区域的对比度标准差的编号，y＝1、2、3、4、
……
、n，n为正整数；s5、将t时间内获取的s
y
建立数据集合，并将数据集合内的s
y
按照顺序排序，将s
y
的最大值标定为s
y
max；s6、获取t时间内的成像图像对比度波动系数，获取的表达式为：db
k
＝s
y
max。4.根据权利要求3所述的一种智能垃圾分类系统，其特征在于，对焦速率异常频率系数获取的逻辑如下：s1、获取垃圾分类系统中摄像头的最佳对焦速率范围，并将最佳对焦速率范围标定为v
djmin
～v
djmax
；s2、获取t时间内不同时段的摄像头对焦速率，将摄像头对焦速率标定为v
djm
，m表示t时间内不同时段的摄像头对焦速率的编号，m＝1、2、3、4、
……
、m，m为正整数；
s3、将不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
标定为v
djv
，v表示不处于最佳对焦速率范围v
djmin
～v
djmax
之间的v
djm
的编号，v＝1、2、3、4、
……
、q，q为正整数；s4、计算对焦速率异常频率系数，计算的表达式为：v
jk
＝eq/m
+1
，式中，q/m表示t时间内摄像头对焦速率出现异常的频率。5.根据权利要求4所述的一种智能垃圾分类系统，其特征在于，图像压缩比浮动系数获取的逻辑如下：s1、获取智能垃圾分类系统中摄像头进行图像压缩时的系统设置图像压缩比，将系统设置图像压缩比标定为b
ys
；s2、获取t时间内不同时段的图像压缩比，将图像压缩比标定为b
ys
c，c表示t时间内不同时段的图像压缩比的编号，c＝1、2、3、4、
……
、c1，c1为正整数，图像压缩比b
ys
c获取的表达式为：b
ys
c＝(b
前ys
/b
后ys
)
×
100％，式中，b
前ys
表示图像压缩前的大小，b
后ys
表示图像压缩后的大小；s3、将大于系统设置图像压缩比b
ys
的图像压缩比b
ys
c标定为b
ys
c'，c'表示大于系统设置图像压缩比b
ys
的图像压缩比b
ys
c的编号，c'＝1、2、3、4、
……
、c'1，c'1为正整数；s4、计算图像压缩比浮动系数，计算的表达式为：s4、计算图像压缩比浮动系数，计算的表达式为：6.根据权利要求5所述的一种智能垃圾分类系统，其特征在于，影响分析模块获取到成像图像对比度波动系数db
k
、对焦速率异常频率系数v
jk
以及图像压缩比浮动系数ys
k
后，建立数据分析模型，生成影响系数yk。7.根据权利要求6所述的一种智能垃圾分类系统，其特征在于，综合分析模块将摄像头运行时生成的若干个影响系数建立分析集合，并将数据集合标定为z，则z＝{yk}＝{y1、y2、y3、
…
、yg}，g表示分析集合内影响系数的编号，g＝1、2、3、4、
……
、g，g为正整数；将影响系数与影响系数参考阈值进行比对，并将大于影响系数参考阈值的影响系数标定为y
ω
f，f表示大于影响系数参考阈值的影响系数的编号，f＝1、2、3、4、
……
、f，f为正整数，将影响系数参考阈值标定为y
ω
，通过影响系数y
ω
f和影响系数参考阈值y
ω
计算异常偏差指数，计算的表达式为：指数，计算的表达式为：式中，pc表示摄像头运行时分析集合内影响系数生成的异常偏差指数。8.根据权利要求7所述的一种智能垃圾分类系统，其特征在于，比对判断模块将摄像头运行时生成的异常偏差指数与异常偏差指数参考阈值进行比对，若异常偏差指数大于等于异常偏差指数参考阈值，则生成高风险信号传递至预警提示模块，通过预警提示模块生成预警提示，并将预警提示通过信号传递至监测移动终端，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查；若异常偏差指数小于异常偏差指数参考阈值，则生成高风险信号传递至预警提示模块，不通过预警提示模块生成预警提示。9.一种垃圾自动分类回收智能设备，包括摄像头和权利要求1-8中任意一项所述的一种智能垃圾分类系统。

技术总结
本发明公开了一种垃圾自动分类回收智能设备及其智能垃圾分类系统，包括数据采集模块、影响分析模块、综合分析模块、比对判断模块以及预警提示模块；数据采集模块，采集垃圾分类系统中识别摄像头运行时的信息，包括成像信息和数据处理信息，并将成像信息和数据处理信息传递至影响分析模块。本发明通过对智能垃圾分类系统中垃圾识别用的摄像头的运行情况进行监测，当垃圾识别用的摄像头识别精度变差时，提示监测移动终端安排检修人员对垃圾分类系统中的摄像头进行排查，及时发现摄像头可能存在识别精度受影响的问题，有效地防止垃圾分类系统中的摄像头精度变差造成的一系列严重后果的发生。后果的发生。后果的发生。


技术研发人员：陈潘 倪永海 程磊 倪永雪
受保护的技术使用者：永昊环境科技（集团）有限公司
技术研发日：2023.07.03
技术公布日：2023/8/14