[發明專利]固體廢棄物識別預測模型的構建方法及其識別方法

在審

• 申請號: 202210454048.4
• 申請日: 2022-04-24
• 公開（公告）號: CN115601636A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 江鳳鳳;王智峰;房懷英;楊建紅;計天晨;蔡振興;謝奕斌;王正
• 申請（專利權）人: 廈門陸海環保股份有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/30;G06V10/34;G06V10/44;G06V10/77;G06V10/774;G06N20/00;G01N21/25
• 代理公司: 廈門加減專利代理事務所(普通合伙) 35234
• 代理人: 包愛萍

本發明提供一種固體廢棄物識別預測模型的構建方法，包括以下步驟：樣品收集，收集不同類型的固體廢棄物樣品，將該些固體廢棄物樣品分類后放置在傳送帶上；數據采集，運用光譜相機對放置在傳送帶上的各固體廢棄物樣品采集各像素點N*N(N≧2)個波段的光譜數據；數據處理，對所采集的光譜數據進行預處理，獲得預處理后的數據集；建立訓練數據集，對預處理后的數據集進行歸一化處理，把該些光譜數據轉成灰度值，并將灰度值數據組合成灰度圖，以作為訓練數據集；模型訓練，采用該訓練數據集對深度學習模型進行訓練，獲得固體廢棄物識別的預測模型。借由該方法所構建的預測模型可對不同類型的固體廢棄物類別進行快速、精準的識別、預測。

技術領域

本發明涉及計算機技術領域，涉及深度學習與光譜數據在固體廢棄物識別預測模型構建中的應用。

背景技術

固體廢物是指人類在生產建設、日常生活和其他活動產生的且在一定時間和地點內無法利用而被丟棄的可污染環境的固體、半固體廢棄物質。固體廢物可以分為工業固體廢物、城市生活垃圾和危險廢物三大類。隨著城市化進程不斷推進，生活水平的逐步提高，城市固體廢棄物的數量也逐年呈數量級增長。我國現已堆積的工業固體廢物有60億噸，生活垃圾有5億噸。固體廢棄物不僅存放需占用土地資源，而且會通過水源、土壤等媒介污染環境，破壞城市的生態環境，進而影響人們的生存與生活。固體廢棄物經過分類、妥善處理后，通過一定的技術環節可再次轉化為生產原料，實現資源的再利用或高效利用。

光譜檢測技術是基于物質與輻射能作用時，測量由物質內部發生量子化的能級之間的躍遷而產生的發射、吸收或散射輻射的波長和強度，以此來鑒別物質及確定它的化學組成和相對含量。光譜的產生是由于物質的原子或分子的特定能級的躍遷。根據物質特征光譜的波長可進行定性分析。光譜的強度與物質的含量有關，由此可進行定量分析。目前，光譜檢測技術因其準確、無污染、無破壞，測量速度快等優勢，已被廣泛應用于固體廢棄物的檢測和識別。

因此，在固體廢棄物的分揀中，采用光譜技術如何實現對多樣化的固體廢棄物進行快速、精準的檢測、識別，以高效地對數量龐大的固體廢棄物進行分揀、利用，已成為本領域技術人員欲積極解決的問題之一。

發明內容

為解決固體廢棄物分揀中的上述不足，本發明提供了一種固體廢棄物識別預測模型的構建方法及其識別方法，可實現對不同種類固體廢棄物的快速、精準識別，節省人力和時間。

為達所述優點至少其中之一或其他優點，本發明的一實施例提出一種固體廢棄物識別預測模型的構建方法，至少包括以下步驟：樣品收集，收集不同類型的固體廢棄物樣品，將所述固體廢棄物樣品分類后放置在傳送帶上；數據采集，運用光譜相機對放置在傳送帶上的每個固體廢棄物樣品采集每個像素點N*N(N≧2)個波段的光譜數據；數據處理，對所述采集的光譜數據進行預處理，獲得預處理后的數據集；建立訓練數據集，對所述預處理后的數據集進行歸一化處理，把所述光譜數據轉成灰度值，進而將灰度值數據組合成灰度圖，以作為訓練數據集；模型訓練，采用所述訓練數據集對深度學習模型進行訓練，獲得固體廢棄物識別的預測模型。

在一些實施例中，所述不同類型的固體廢棄物樣品來源主要為城市生活固體廢棄物，也稱為城市生活垃圾。城市生活垃圾主要包括居民生活垃圾、商業垃圾、集貿市場垃圾、街道垃圾、公共場所垃圾、機關、學校、廠礦等單位的垃圾(工業廢渣及特種垃圾等危險固體廢物除外)。

在一些實施例中，所述不同類型的固體廢棄物樣品至少具有不同的材質、顏色。

在一些實施例中，所述預處理至少包括對所述采集的光譜數據進行平滑處理。

在一些實施例中，所述訓練數據集的生成步驟包括把N*N(N≧2)個波段的光譜數據轉成0～255的灰度值，而后將N*N(N≧2)個波段的光譜數據的灰度值數據組合成N*N的灰度圖，進而作為所述訓練數據集。

在一些實施例中，所述深度學習模型至少為目標檢測模型。深度學習模型可以是目標檢測模型中的實例分割模型。