[發明專利]一種基于物聯網的垃圾處理控制系統

在審

• 申請號: 201710423618.2
• 申請日: 2017-06-07
• 公開（公告）號: CN107133968A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 肖家旺;黃燕燕
• 申請（專利權）人: 武漢潔美雅科技有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/136;G06T7/12;G06T5/00;G06K9/62;G05B19/042;G06Q50/26
• 代理公司: 北京金智普華知識產權代理有限公司11401
• 代理人: 楊采良

1.一種基于物聯網的垃圾處理控制系統，其特征在于，所述基于物聯網的垃圾處理控制系統包括：攝像模塊、電子信息模塊、數據管理模塊及報警模塊；

所述攝像模塊通過導線連接電子信息模塊；所述電子信息模塊通過局域網與數據管理模塊連接；所述數據管理模塊通過局域網與報警模塊連接；

電子信息模塊內置圖像分析單元、誤差計算單元、圖像信號識別單元；

所述的圖像分析單元，分析聲圖像信號的像素信號；

所述圖像分析單元的圖像分析方法中，建立的圖像的顯著性模型中，采用顯微圖像噪聲濾除方法和采用適合處理組織類圖像信息的脈沖耦合神經網絡模型對顯微圖像進行檢測；顯微圖像受到密度較小的脈沖噪聲污染通過自適應加權濾波處理；顯微圖像受到密度較大的脈沖噪聲污染采用保持邊緣細節信息的引入雙結構元素數學形態學進行二次濾波；

所述適合處理組織類圖像信息的脈沖耦合神經網絡模型：

F_ij[n]＝S_ij；

Lij[n]=ΣabYab[n]/Nw;]]>

U_ij[n]＝F_ij[n](1+β_ij[n]L_ij[n])；

Yij[n]=1,ifUij[n]>θij[n]0,otherwise;]]>

θij[n]=θ0e-αθ(n-1);]]>

其中，β_ij[n]為自適應鏈接強度系數；

βij[n]=Σa,b∈w1|Sij-Sab|+Δ/Nw;]]>

S_ij、F_ij[n]、L_ij[n]、U_ij[n]、θ_ij[n]分別為輸入圖像信號、反饋輸入、鏈接輸入、內部活動項及動態閾值，N_w為所選待處理窗口W中的像素總數，Δ為調節系數，選取1～3；

脈沖耦合神經網絡模型對圖像進行檢測時，利用網絡特性使灰度為S_ijmax的像素點火激活，再進行第二次脈沖耦合神經網絡迭代處理，把介于[S_ijmax/1+β_ijL_ij,S_ijmax]間的像素捕獲激活，使兩次激活的像素點對應的Y_ij輸出為1；然后對原噪聲污染圖像反白處理，再對處理后的圖像S_ij按前述進行迭代處理，并使對應的輸出Y_ij＝1，利用圖像噪聲像素與周圍像素相關性小，灰度差別大特性，當一個神經元的激發沒有引起所在區域附近大多數神經元的激發時，就說明該神經元對應像素可能是噪聲點；

初步甄別出Y_ij＝0對應的像素點為圖像的信號點，予以保護；對Y_ij輸出為1的像素點在3*3模板B范圍內統計以輸出Y_ij＝1為中心鄰域元素值為1的個數N_Y判別歸類：1≤N_Y≤8，為噪聲點，當N_Y＝9，判定為圖像像素點；

圖像自適應加權濾波器噪聲濾波的實現方法；

當脈沖輸出Y_ij＝1且N_Y＝1～8，N_Y是當在3*3模板B中為1個數，選取濾波窗口M，對噪聲污染圖像S_ij的自適應濾波，濾波方程為：

fij=Σr,s∈MxrsSrs;]]> 1

式中，x_rs是濾波窗口中對應像素的系數，Srs為濾波窗口中對應像素的灰度值，f_ij為濾波窗后窗口中心輸出值：

xrs=1/{1+max[Ωij,|Srs-Dij|]}Σr,s∈M1/{1+max[Ωij,|Srs-Dij|]},Yrs=10,Yrs=0;]]>

Ωij=Σr,s∈M|Srs-Dij|NY,Yrs=1;]]>

式中D_ij為方形濾波窗口M中像素灰度中值，Ω_ij濾波窗口中心灰度差絕對均值，max為求其中最大值；

所述的誤差計算單元，對所述像素信號分析中存在誤差進行計算；

所述的圖像信號識別單元，基于所述誤差對所述圖像信號是否是周期圖像的信號進行識別；

圖像信號識別單元識別時的傳遞函數為：

G(ω)=exp(-(ln(ω/ω0))22(ln(k/ω0))2);]]>

其中，ω₀為濾波器的中心頻率，對于不同的ω₀，k使k/ω₀保持不變；

在頻率域構造濾波器，對應的極坐標表達方式為：

Gr(r)=exp[-((ln(r/f0))22(ln(σf))2)];]]>

Gθ(θ)=exp[-(θ-θ0)22σθ2];]]>

G(r,θ)＝G(r,r)·G(θ,θ)；

式中，G_r(r)為控制濾波器帶寬的徑向分量，G_θ(θ)為控制濾波器方向的角度分量；r表示徑向坐標，θ表示角度坐標，f₀為中心頻率，θ₀為濾波器方向，σ_f用于確定帶寬；

Bf＝2(2/ln2)1/2|lnσ_f|，σ_θ確定角度帶寬，Bθ＝2(2/ln2)1/2σ_θ；

所述的基于物聯網的垃圾處理控制系統還包括與數據管理模塊通過局域網進行連接的移動終端管理模塊；所述移動終端管理模塊包括與數據管理模塊遠程無線連接的智能手機終端，該智能手機終端包括：

顯示模塊，用于顯示發送過來的提醒信息；

發聲模塊，用于以語音方式表征發送過來的提醒信息；

所述的電子信息模塊包括實時狀態監測模塊、圖像數據傳送模塊、GSM網絡模塊，所述的實時狀態監測模塊和圖像數據傳送模塊通過GSM網絡模塊與手機終端進行通信，將現場垃圾圖像傳送給手機端；

所述實時狀態監測模塊提取實時狀態信息特征的方法包括：

采集到N個樣本用作訓練集X，采用下式求出樣本平均值m：

m=1NΣi=1Nxi]]>

其中，xi∈樣本訓練集X＝(x1，x2，…，xN)；

求出散布矩陣S：

S=Σi=1N(xi-m)(xi-m)t;]]>

求出散布矩陣的特征值λi和對應的特征向量ei，其中，ei便是主分量，將特征值從大到小依次排列λ1，λ2，…；取出p個值，λ1，λ2，…，λp確定出臉空間E＝(e1，e2，…，eP)，在此臉空間上，訓練樣本X中，每個元素投影到該空間的點由下式得到：

x'i＝Etxi，t＝1，2，…，N；

由上式得到的是將原向量經過PCA降維后的p維向量；

所述的GSM網絡模塊包括網絡服務器和路由器；所述的網絡服務器設置在GSM網絡模塊的前端；所述的路由器設置在網絡服務器的一側；

所述的數據管理模塊包括控制管理中心。