[發明專利]一種垃圾處理方法及垃圾處理系統

在審

• 申請號: 202110785116.0
• 申請日: 2021-07-12
• 公開（公告）號: CN113486824A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 劉松林;張文;徐萍;張吉才;季君暉;張志勇
• 申請（專利權）人: 常州中科綠塑環保科技有限公司;深圳市百川融創科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q10/00
• 代理公司: 北京繪聚高科知識產權代理事務所(普通合伙) 11832
• 代理人: 羅碩

1.一種垃圾處理方法其特征在于，所述方法包括：

接收用戶輸入的回收物類別，確定與所述回收物類別對應的判斷條件；

對用戶投入的回收物進行除雜處理，以去除回收物中攜帶的雜質，并對處理后的回收物進行檢測，得到所述回收物的實際檢測信息；

判斷所述回收物的實際檢測信息是否滿足所述判斷條件；

若所述實際檢測信息滿足所述判斷條件，則向所述用戶發送與所述回收物種類信息對應的回收獎勵。

2.根據權利要求1所述的垃圾處理方法，其特征在于，所述實際檢測信息包括：種類信息、數量以及重量，對處理后的回收物進行檢測，得到所述回收物的實際檢測信息的步驟，包括：

采集所述回收物的實物圖像；

將所述實物圖像輸入至預設的神經網絡模型進行圖像識別得到種類信息和數量；

確定所述回收物的實際重量；

根據種類信息、數量以及重量確定所述回收物的實際檢測信息。

3.根據權利要求2所述的垃圾處理方法，其特征在于，所述神經網絡模型的訓練過程包括：

獲取多張回收物的圖像作為訓練圖像，其中，回收物的圖像包括回收物扎堆的圖像，以及回收物扎堆的圖像中標記出的實際回收物數量和種類信息；

將所述訓練圖像輸入神經網絡模型進行訓練，直至所述神經網絡模型收斂。

4.根據權利要求3所述的垃圾處理方法，其特征在于，所述回收物扎堆的圖像中至少有兩個相同種類的回收物。

5.根據權利要求2所述的垃圾處理方法，其特征在于，所述判斷條件包括：重量閾值和回收物信息，判斷所述回收物的實際檢測信息是否滿足所述判斷條件的步驟，包括：

判斷所述種類信息和數量是否與回收物信息一致；

若所述種類信息和數量與回收物信息一致，則判斷所述回收物的重量是否小于所述重量閾值，其中，所述重量閾值基于所述回收物信息計算得到

若所述回收物的重量小于所述重量閾值，則確定所述實際檢測信息滿足所述判斷條件。

6.根據權利要求1所述的垃圾處理方法，其特征在于，還包括：若所述實際檢測信息不滿足所述判斷條件，則判定所述用戶投放失敗；

當統計所述用戶歷史投放失敗次數大于預設閾值時，禁止所述用戶投入回收物。

7.根據權利要求1所述的垃圾處理方法，其特征在于，向所述用戶發送與所述回收物種類信息對應的回收獎勵的步驟，包括：

搜索與所述用戶對應的賬戶數據；

若搜索到與所述用戶對應的賬戶數據，則發送所述回收獎勵至所述用戶的賬戶。

若未搜索到與所述用戶對應的賬戶數據，獲取所述用戶輸入的賬戶信息，以創建對所述用戶對應的賬戶數據。

8.根據權利要求1所述的垃圾處理方法，其特征在于，還包括：

接收到用戶輸入的非標定回收物時，采集所述非標定回收物的多張拍攝圖像；

將所述多張拍攝圖像發送至云端，以供檢測人員判斷所述非標定回收物是否歸納至回收物種類中；

若接收到檢測人員反饋的收納回收物指令，對所述非標定回收物進行旋轉，以獲取所述非標定回收物不同角度的多張樣本圖像，并以所述多張樣本圖像和所述多張拍攝圖像作為非標定回收物訓練樣本；

將所述非標定回收物訓練樣本輸入神經網絡模型訓練直至模型收斂，以在接收到其他用戶收入新非標定回收物時，甄別出所述非標定回收物并收納。

9.根據權利要求8所述的垃圾處理方法，其特征在于，包括：

將相同種類的非標定回收物收納至預設位置。

10.一種垃圾處理系統，其特征在于，包括

多個回收箱，其中各回收箱通過背板連接；

所述回收箱用于回收用戶投入的回收物，并對處理后的回收物進行檢測，以判斷所述回收物的實際檢測信息是否滿足所述判斷條件，若所述實際檢測信息滿足所述判斷條件，則向所述用戶發送與所述回收物種類信息對應的回收獎勵；

其中，各回收箱通過背板連接，背板中包含有用于將回收物運送至指定回收箱的輸送機構，以將所述回收物分收納。