CN119500610A 集成人工智能影像识别的校园垃圾自动分类方法 （北京交通大学）

集成人工智能影像识别的校园垃圾自动分本发明公开了集成人工智能影像识别的校该方法包括：对目标校园进行垃圾产生模式分实现根据不同区域垃圾特点自动分类和实时分2根据所述垃圾图像存档日志构建生成垃圾影像识别模型和垃圾分根据所述M个垃圾产生趋势信息进行所述垃圾影像识别模型和垃圾分类控制模型的资构建垃圾分类传送带的图像采集器与所述自动分类所述自动分类控制单元接收并根据所述图像采集器回传的所述垃圾分类传送带上的采用所述校园区域类型遍历所述校园空间规划图，将所述目标校园根据所述多个功能区域标识进行所述多个校园区域的垃圾产生模式分根据所述多个功能区域标识，将所述多个校园区域划分为对应于所述M种样本功能区根据所述第一样本存档日志拟合输出第一垃圾产生趋势图对所述第一垃圾产生趋势图进行多类型垃圾产生比例变化分析，输出第以此类推，根据所述多个功能区域标识进行所述多个校园区域的垃圾产生模式分析，根据垃圾类型分解所述多个第一阶段存档日志，获得多个垃圾根据垃圾类型重组所述多组垃圾产生比例，获得所述多种样本校3采用所述多个垃圾比例时序数据拟合获得所述多根据所述多个图像抽样权重进行所述垃圾图像存档日志中多个区域图像存档日志的以所述K种样本垃圾类型为约束进行所述多个样本垃圾影像集的人工语义标识，获得根据所述多个样本垃圾影像集和多个样本标识影像集构建生成所述垃圾影像识别模种样本垃圾类型和K个抓取控制参数完成所述垃圾分类控根据所述M个垃圾产生趋势信息进行所述垃圾影像识别模型和垃圾分类控制模型的资源调根据所述M个垃圾产生趋势信息进行所述垃圾影像识别模型中所述K个垃圾影像识别根据所述M个垃圾产生趋势信息进行所述垃圾分类控制模型的机械臂根据所述M种样本功能区域映射通信连接所述M个垃圾分类识别模型和M个机械臂控制根据所述M个垃圾产生趋势信息生成所述垃圾分类传送带上多个垃圾分拣机械臂的M根据所述K种样本垃圾类型关联存储所述M个机械臂调用策略和K个抓取控制参数，获所述自动分类控制单元接收并根据所述图像采集器回传的所述垃圾分类传送带上的实时垃圾运维设备在将校园垃圾倾倒在所述垃圾分类传送带之前，4所述自动分类控制单元接收并根据所述实时上传区域的功能区域标识在所述M个垃圾分类识别模型和M个机械臂控制模型映射激活实时垃圾分类识别模型和实时机械臂控制模所述实时垃圾分类识别模型根据所述图像采集器回传的所述垃圾分类传送带上的实述多个垃圾分拣机械臂进行所述垃圾分类传送带上5洁人员对于某些难以区分的垃圾（如一些复合型材料制品属于可回收还是其他垃圾类别）[0005]鉴于上述问题，本申请提供了集成人工智能影像识别的影像识别模型和垃圾分类控制模型；根据所述M个垃圾产生趋势信息进行所述垃圾影像识6制模型；根据所述M个垃圾产生趋势信息进行所述垃圾影像识别模型和垃圾分类控制模型[0008]图1为本申请实施例提供的集成人工智能影像识别的校园垃圾自动分类方法的流图2为本申请实施例提供的集成人工智能影像识别的校园垃圾自动分类方法中获7功能区域精准对应的M个垃圾产生趋势信息，这些信息将为后续的模型构建和资源优化配[0017]步骤S400：根据所述M个垃圾产生趋势信息进行所述垃圾影像识别模型和垃圾分与处理需求。针对垃圾分类传送带上的多个垃圾分拣机械臂，精心生成M个机械臂调用策8前通过抓取控制测试得到的K个抓取控制参数进行关联存储，从而得到M个机械臂控制模M种样本功能区域建立起M个垃圾分类识别模型与M个机械臂控制模型之间的映射通信连时垃圾图像数据并进行自动化分类和分拣提类控制单元能够迅速定位并激活与之对应的垃圾分类识别模型和机械臂控制模型。随后，9频繁或具有典型教学活动特征的区域然后调用这W个校园区域各自对应的W个区域垃圾[0039]在获取W个区域垃圾存档日志后，由于这些日志记录的时间范围和时间间隔可能[0041]对第一垃圾产生趋势图进行深入分析，重点关注多类型垃圾产生比例的变化情[0047]步骤S1445：通过图像融合所述多个垃圾时变曲线，输出所述第一垃圾产生趋势的重组操作使得我们能够从时间维度上观察每种垃圾类型的产生比例变化情况，有助于发现垃圾产生模式中的时间规律和趋势。[0051]利用数学拟合方法对多个垃圾比例时序数据进行处理，以获得多个垃圾时变曲果塑料垃圾的产生比例随着时间呈现线性增长趋势，那么可以采用线性回归模型进行拟本校园垃圾在不同时间点上的产生比例变化情况，是分析垃圾产生趋势的重要可视化工成一个综合的图表，即输出第一垃圾产生趋势图。在这个趋势图中，横坐标通常表示时间（按照之前设定的时序划分尺度纵坐标表示垃圾产生比例。不同的曲线代表不同的样本解到在整个第一样本存档日志所涵盖的时间范围内，各种样本校园垃圾的产生类型的产生比例上升较快，哪种垃圾类型相对稳定或者下降等，从而全面把握该组校园区成一个综合的图表，即输出第一垃圾产生趋势图。在这个趋势图中，横坐标通常表示时间（按照之前设定的时序划分尺度纵坐标表示垃圾产生比例。不同的曲线代表不同的样本解到在整个第一样本存档日志所涵盖的时间范围内，各种样本校园垃圾的产生类型的产生比例上升较快，哪种垃圾类型相对稳定或者下降等，从而全面把握该组校园区[0058]步骤S350：以所述K种样本垃圾类型为约束进行所述多个样本垃圾影像集的人工圾影像识别分支用于进行所述K种样本垃圾类型关联存储所述K种样本垃圾类型和K个抓取控制参数完成所述垃圾分类控制模[0061]具体而言，通过与校园地理信息系统或校园资产管理系统等本地数据源进行交算每个区域面积在校园总面积中的占比，占比越大的区域在抽样中可能被赋予更高的权后续有针对性地抽取具有代表性的图像样本[0064]对M个垃圾产生趋势信息进行垃圾类型聚合是构建精准垃圾影像识别模型和垃圾[0065]以K种样本垃圾类型为约束对多个样本垃圾影像集进行人工语义标识是构建有效影像集包含了从垃圾图像存档日志中抽取的丰富多样的垃圾图像，反映了校园内不同区[0066]利用多个样本垃圾影像集和多个样本标识影像集构建垃圾影像识别模型是实现[0067]构建垃圾分类控制模型需要通过对K种样本垃圾类型进行抓取控制测试来获取关[0069]步骤S420：根据所述M个垃圾产生趋势信息进行所述垃圾分类控制模型的机械臂所属区域的各类垃圾进行精准识别。则。通信链路激活与之对应的机械臂控制模型，使机械臂按照预设的精准动作参数和调用规步骤S421：根据所述M个垃圾产生趋势信息生成所述垃圾分类传送带上多个垃圾[0075]步骤S422：根据所述K种样本垃圾类型关联存储所述M个机械臂调用策略和K个抓[0077]依据K种样本垃圾类型，将M个机械臂调用策略与K个抓取控制参数进行关联存储从而构建M个机械臂控制模型。在确定抓取控制参数时，运用运动规划算法和力学模拟算在所述M个垃圾分类识别模型和M个机械臂控制模型映射激活实时垃圾分类识别模型和实别结果调度所述多个垃圾分拣机械臂进行所述垃圾分类传送带[0081]具体而言，垃圾运维设备在执行将校园垃圾倾倒在垃圾分类传送带这一操作之[0082