[發(fā)明專利]一種基于圖像識別技術的垃圾分類機器人

在審

• 申請?zhí)枺?/td>: 201610056834.3
• 申請日: 2016-01-26
• 公開（公告）號: CN105772407A
• 公開（公告）日: 2016-07-20
• 發(fā)明（設計）人: 耿春茂;劉沛;劉婷
• 申請（專利權）人: 耿春茂
• 主分類號: B07C5/34
• 分類號: B07C5/34;B07C5/36;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 張海文

技術領域

本發(fā)明涉及垃圾處理技術，尤其涉及一種基于圖像識別技術的垃圾分類機器人。

背景技術

城市垃圾資源化利用可以為國民經(jīng)濟提供巨大的經(jīng)濟效益，并由此帶來生活環(huán)境 清潔與舒適的社會效益。而垃圾資源回收再利用，最重要的環(huán)節(jié)就是要把垃圾經(jīng)過分離、分 類，然后根據(jù)所分離出來的垃圾按照其特性加以利用，現(xiàn)有垃圾分類只是簡單的依賴于人 工，人工作業(yè)效率低且容易出錯，無法滿足城市垃圾資源化的高要求。

發(fā)明內(nèi)容

為解決上述技術問題，本發(fā)明的目的是提供一種基于圖像識別技術的垃圾分類機 器人。

本發(fā)明采用的技術方案是：

一種基于圖像識別技術的垃圾分類機器人，包括單片機、機械手、攝像頭，該機械手由 單片機控制其動作，該攝像頭用于拍攝垃圾的圖像并經(jīng)預處理后輸入單片機以計算分類， 單片機采用卷積神經(jīng)網(wǎng)絡算法對垃圾圖像進行識別并輸出分類指令給機械手，機械手根據(jù) 分類指令抓取不同種類的垃圾放置于指定位置以實現(xiàn)垃圾分類。

進一步，所述單片機所采用的卷積神經(jīng)網(wǎng)絡算法在投入使用前先進行大樣本垃圾 分類圖像識別訓練。

進一步，所述單片機所采用的卷積神經(jīng)網(wǎng)絡算法在投入使用后繼續(xù)對算法進行優(yōu) 化訓練。

進一步，所述機械手包括執(zhí)行機構和驅(qū)動機構，該驅(qū)動機構接收單片機指令并根 據(jù)所述指令驅(qū)動執(zhí)行機構的動作。

其中，所述執(zhí)行機構為抓臂，所述驅(qū)動機構為液壓驅(qū)動機構或氣壓驅(qū)動機構或電 氣驅(qū)動機構。

本發(fā)明的有益效果：

本發(fā)明的垃圾分類機器人采用卷積神經(jīng)網(wǎng)絡算法對垃圾圖像進行識別，減少了復雜特 征提取和數(shù)據(jù)重建等計算過程，輸入圖像和網(wǎng)絡的拓撲結構能有很好的吻合，特征提取和 模式分類同時進行，并在訓練中產(chǎn)生，權值共享可以很大程度上減少網(wǎng)絡訓練參數(shù)，使網(wǎng)絡 結構的適應性更強，并結合機械手進行垃圾自動分類，大大提升了垃圾處理的效率，由此帶 來生活環(huán)境清潔與舒適的社會效益。

附圖說明

下面結合附圖對本發(fā)明的具體實施方式做進一步的說明。

圖1是本發(fā)明垃圾分類機器人的原理框圖。

具體實施方式

如圖1所示，為本發(fā)明一種基于圖像識別技術的垃圾分類機器人，包括單片機10、 機械手20、攝像頭30，該機械手20由單片機10控制其動作，該攝像頭30用于拍攝垃圾的圖像 并經(jīng)預處理后輸入單片機10以計算分類，單片機10采用卷積神經(jīng)網(wǎng)絡算法對垃圾圖像進行 識別并輸出分類指令給機械手20，機械手20根據(jù)分類指令抓取不同種類的垃圾放置于指定 位置以實現(xiàn)垃圾分類。

其中，所述機械手20包括執(zhí)行機構和驅(qū)動機構，該驅(qū)動機構接收單片機10指令并 根據(jù)所述指令驅(qū)動執(zhí)行機構的動作，執(zhí)行機構為抓臂，所述驅(qū)動機構為液壓驅(qū)動機構或氣 壓驅(qū)動機構或電氣驅(qū)動機構。

進一步，本技術方案的單片機10所采用的卷積神經(jīng)網(wǎng)絡算法在投入使用前先進行 大樣本垃圾分類圖像識別訓練，單片機10所采用的卷積神經(jīng)網(wǎng)絡算法在投入使用后繼續(xù)對 算法進行優(yōu)化訓練。

具體的，上述卷積神經(jīng)網(wǎng)絡算法的結構是一種多層的感知器，每層由二維平面組 成，而每個平面由多個獨立的神經(jīng)元組成，網(wǎng)絡中包含一些簡單元和復雜元，分別記為C元 和S元。C元聚合在一起構成卷積層，S元聚合在一起構成下采樣層。輸入圖像通過濾波器和 可加偏置進行卷積，在C層產(chǎn)生N個特征圖（N值可人為設定），然后特征映射圖經(jīng)過求和、加 權值和偏置，再通過一個激活函數(shù)（通常選用Sigmoid函數(shù)）得到S層的特征映射圖。根據(jù)人 為設定C層和S層的數(shù)量，將以上工作依次循環(huán)進行。最終，對最尾部的下采樣和輸出層進行 全連接，得到最后的輸出。

卷積的過程：用一個可訓練的濾波器fx去卷積一個輸入的圖像（在C1層是輸入圖 像，之后的卷積層輸入則是前一層的卷積特征圖），通過一個激活函數(shù)(一般使用的是 Sigmoid函數(shù))，然后加一個偏置bx，得到卷積層Cx。