基于目标高度信息和色彩信息的固废在线识别方法专利检索-无监督学习机器学习人工智能专利检索查询-专利查询网

基于目标高度信息和色彩信息的固废在线识别方法

阅读：891发布：2020-05-08

专利汇可以提供基于目标高度信息和色彩信息的固废在线识别方法专利检索，专利查询，专利分析的服务。并且一种基于目标高度信息和色彩信息的固废在线识别方法，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；高度信息采集模块和色彩信息采集模块设置在物料传送模块上方以采集传送的建筑垃圾的高度和色彩信息；脉冲控制模块与高度信息采集模块和色彩信息采集模块分别相连接以控制同时采集；高度信息采集模块和色彩信息采集模块分别与数据传输模块以将采集的信息发送至数据处理模块；数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出建筑垃圾分类结果。本发明能极大地提高目标检测的准确率，并满足在线检测的要求。，下面是基于目标高度信息和色彩信息的固废在线识别方法专利的具体信息内容。

权利要求

1.一种基于目标高度信息和色彩信息的固废在线识别方法，其特征在于，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；所述高度信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的高度信息；所述色彩信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的色彩信息；所述脉冲控制模块与所述高度信息采集模块和色彩信息采集模块分别相连接以控制所述高度信息采集模块和色彩信息采集模块同时采集所述建筑垃圾的信息；所述高度信息采集模块和色彩信息采集模块分别与所述数据传输模块将采集的高度信息和色彩信息发送至所述数据处理模块；所述数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出固废的分类结果。
2.根据权利要求1所述的基于目标高度信息和色彩信息的固废在线识别方法，其特征在于，所述卷积神经网络采用Cascade R-CNN卷积神经网络，属于多阶段目标检测模型；改进的卷积神经网络修剪到只有1层卷积层，属于稀疏特征无监督学习算法，以稀疏表示为基础，同时对提取的特征进行总体稀疏和生命周期稀疏。
3.根据权利要求1所述的基于目标高度信息和色彩信息的固废在线识别，其特征在于，通过改进的卷积神经网络对高度信息和色彩信息进行特征加权融合，加权融合公式如下：
其中，其中PC和PH分别表示颜色特征和高度特征的观测密度，表示颜色特征的更新权值，分别表示第k-1和第k个像素点的颜色特征权值；表示高度特征的更新权值，分别表示第k-1和第k个像素点的高度特征权值；Wi表示最终的权值；a和b分别代表两种特征的有效权值的数目，a趋近于0的时候，只有高度特征起作用，当b趋近于0的时候，只有颜色特征起作用；N表示图像像素点的个数；i表示像素点。
4.根据权利要求1所述的基于目标高度信息和色彩信息的固废在线识别方法，其特征在于，改进的卷积神经网络采用3个IOU阈值递增的检测器，上一阶段的输出用来训练下一个阶段；对应IOU阈值分别为0.5、0.6与0.7，克服了过拟合的问题。

说明书全文

基于目标高度信息和色彩信息的固废在线识别方法

技术领域

[0001] 本发明涉及固废在线识别领域，特别涉及基于目标高度信息和色彩信息的固废在线识别方法。

背景技术

[0002] 随着我国新型城镇化进程的不断深入，城市的规模与数量都在爆发式增长，随之带来的“垃圾围城”问题也愈发严重。根据相关数据统计，目前我国年生产建筑垃圾达20亿吨，城市建筑垃圾的堆放不仅侵占了大量的宝贵土地资源，同时也影响了城市的景观。

[0003] 目前国内现有的较为成熟的建筑垃圾分拣系统都是采用单一的轻重风选以及磁选的方法“混合”分离，只能大致的将质量体积相同的垃圾搜集在一起。可以看这种分拣方法不仅效率低、劳动力消耗量大，而且垃圾分离度很差直接影响后期的利用，导致垃圾利用率下降。

[0004] 本技术应用于垃圾分拣线风选部分之后，用于分拣密度相近的建筑垃圾，如砖块、混凝土、瓦块等。分拣后可用作高价值的精品骨料，在节省大量人力、保护环境的同时还避免了资源浪费。

发明内容

[0005] 本发明的主要目的在于克服现有技术中的上述缺陷，提出一种效率高、准确度高的基于目标高度信息和色彩信息的固废在线识别方法。

[0006] 本发明采用如下技术方案：

[0007] 一方面，本发明一种基于目标高度信息和色彩信息的固废在线识别方法，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；所述高度信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的高度信息；所述色彩信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的色彩信息；所述脉冲控制模块与所述高度信息采集模块和色彩信息采集模块分别相连接以控制所述高度信息采集模块和色彩信息采集模块同时采集所述建筑垃圾的信息；所述高度信息采集模块和色彩信息采集模块分别与所述数据传输模块以将采集的高度信息和色彩信息发送至所述数据处理模块；所述数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出建筑垃圾的分类结果。

[0008] 优选的，所述卷积神经网络采用Cascade R-CNN卷积神经网络，属于多阶段目标检测模型；改进的卷积神经网络包括1层卷积层，属于稀疏特征无监督学习算法，以稀疏表示为基础，同时对提取的特征进行总体稀疏和生命周期稀疏。

[0009] 优选的，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合，具体使用加权融合，加权融合公式如下：

[0010]

[0011]

[0012]

[0013] 其中，其中PC和PH分别表示颜色特征和高度特征的观测密度，表示颜色特征的更新权值，分别表示第k-1和第k个像素点的颜色特征权值；表示高度特征的更新权值，分别表示第k-1和第k个像素点的高度特征权值；Wi表示最终的权值；a和b分别代表两种特征的有效权值的数目，a趋近于0的时候，只有高度特征起作用，当b趋近于0的时候，只有颜色特征起作用；N表示图像像素点的个数；i表示像素点。

[0014] 优选的，改进的卷积神经网络采用3个IOU阈值递增的检测器，上一阶段的输出用来训练下一个阶段。对应IOU阈值分别为0.5、0.6与0.7，克服了过拟合的问题。

[0015] 由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

[0016] (1)本发明具有极大的通用性，经训练后可用于现有智能控制系统；

[0017] (2)本发明避免了单一特征无法识别颜色相近或高度相近的目标这一弊端；

[0018] (3)本发明采用改进后的Cascade R-CNN算法，可以融合高度信息和色彩信息特征，且运算速度快、检测准确率高，能够满足在线检测要求；

[0019] (4)本发明可有效分拣各种金属、不同等级木材、矿物、硬质塑料和纸板电缆等。分拣效率快，无需人工操作，省时省力，预期一套机器(两只机械臂)可代替四十多的人工量；垃圾识别准确率能达到90％以上，垃圾分离度明显增大，且识别垃圾类别多。
附图说明

[0020] 图1为本发明基于目标高度信息和色彩信息的固废在线识别方法的结构示意图；

[0021] 图2为本发明基于目标高度信息和色彩信息的固废在线识别方法的流程图。

具体实施方式

[0022] 以下通过具体实施方式对本发明作进一步的描述。

[0023] 如图所示，一方面，本发明一种基于目标高度信息和色彩信息的固废在线识别系统，包括：物料传送模块、高度信息采集模块、色彩信息采集模块、脉冲控制模块、数据传输模块和数据处理模块；所述高度信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的高度信息；所述色彩信息采集模块设置在所述物料传送模块上方以采集所述物料传送模块传送的建筑垃圾的色彩信息；所述脉冲控制模块与所述高度信息采集模块和色彩信息采集模块分别相连接以控制所述高度信息采集模块和色彩信息采集模块同时采集所述建筑垃圾的信息；所述高度信息采集模块和色彩信息采集模块分别与所述数据传输模块以将采集的高度信息和色彩信息发送至所述数据处理模块；所述数据处理模块对高度信息和色彩信息进行预处理后，通过改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出建筑垃圾的分类结果。

[0024] 本实施例中，所述高度采集模块采用线激光轮廓扫描仪实现；所述色彩信息采集模块采用彩色线阵相机实现；所述物料传送模块为传送带。

[0025] 所述卷积神经网络采用Cascade R-CNN卷积神经网络，属于多阶段目标检测模型；改进的卷积神经网络修剪到只有1层卷积层，属于稀疏特征无监督学习算法，以稀疏表示为基础，同时对提取的特征进行总体稀疏和生命周期稀疏。

[0026] 通过改进的卷积神经网络对高度信息和色彩信息进行特征融合，具体使用加权融合，加权融合公式如下：

[0027]

[0028]

[0029]

[0030] 其中，其中PC和PH分别表示颜色特征和高度特征的观测密度，表示颜色特征的更新权值，分别表示第k-1和第k个像素点的颜色特征权值；表示高度特征的更新权值，分别表示第k-1和第k个像素点的高度特征权值；Wi表示最终的权值；a和b分别代表两种特征的有效权值的数目，a趋近于0的时候，只有高度特征起作用，当b趋近于0的时候，只有颜色特征起作用；N表示图像像素点的个数；i表示像素点。

[0031] 改进的卷积神经网络采用3个IOU阈值递增的检测器，上一阶段的输出用来训练下一个阶段。对应IOU阈值分别为0.5、0.6与0.7，克服了过拟合的问题。

[0032] 脉冲控制模块控制高度信息采集模块和色彩信息采集模块同时采集物料传送模块上的建筑垃圾信息；其中高度信息采集模块采集建筑垃圾的高度信息；色彩信息采集模块采集建筑垃圾的色彩信息；

[0033] 数据传输模块采用协议的方式进行数据传输，支持基于任务队列的传输和断点续传，把采集到的高度信息和色彩信息发送给数据处理模块；

[0034] 所述数据处理模块对所述高度信息和色彩信息进行主成分分析，在提取数据的主要特征的同时极大地缩减了数据地维度，然后再传递给改进的卷积神经网络进行处理；

[0035] 改进的卷积神经网络对高度信息和色彩信息进行特征融合并分类，输出建筑垃圾的分类结果。

[0036] 上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

标题	发布/更新时间	阅读量
商品自动结算方法、装置、自助收银台	2020-05-15	75
模块化神经网络的直接定位方法	2020-05-19	295
一种声学模型训练方法和装置、计算机设备、存储介质	2020-05-11	706
FPGA电路的负载建模方法	2020-05-08	961
一种基于机器学习和ceph思想的分布式储存方法	2020-05-11	1002
一种汉语自然语言文本的词语切分方法	2020-05-14	680
用于动脉钙化的检测和量化的方法	2020-05-17	185
一种基于卷积神经网络和深度核网络的视频行为识别方法	2020-05-11	151
基于CDBN-SVR的空气预热器转子变形软测量方法	2020-05-13	908
基于遮挡感知和特征金字塔匹配的相机自运动估计方法	2020-05-15	567

基于目标高度信息和色彩信息的固废在线识别方法

基于目标高度信息和色彩信息的固废在线识别方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：