一种垃圾收运监管方法、装置、存储介质和智能设备与流程

本申请属于垃圾收运技术领域，尤其涉及一种垃圾收运监管方法、装置、存储介质和智能设备。

背景技术：

当前垃圾分类在全国范围内全面推广，垃圾分类分为分类投放，分类转运，分类处置三个环节。各个环节的合理配置、协调配合可获得较好的环境、社会效益和经济效益，否则会造成巨大的资源浪费和环境污染。城市生活垃圾的产生具有固定源分散性和移动源随机性较强的特点，致使对垃圾的收运十分复杂困难。

当前垃圾收运的监管主要依靠人力，通过人为记录每个垃圾收运节点的垃圾信息，将记录的信息输入至服务器中，人工成本高，过程繁琐且容易出错。

技术实现要素：

本申请实施例提供了一种垃圾收运监管方法、装置、存储介质和智能设备，可以解决当前垃圾收运的监管主要依靠人力，通过人为记录每个垃圾收运节点的垃圾信息，将记录的信息输入至服务器中，过程繁琐且容易出错的问题。

第一方面，本申请实施例提供了一种垃圾收运监管方法，包括：

获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置；

识别所述视频图像，获取所述视频图像中的垃圾桶图像；

根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息；

将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器。

由于通过获取的垃圾收运车将垃圾桶的使用信息与垃圾收运车的收运位置上传至服务器，以使得所述服务器根据所述垃圾桶的使用信息与所述垃圾收运车的收运位置，对垃圾收运进行监管，实现垃圾收运监管的智能化，降低了人工成本，并且提高了垃圾收运监管的效率。

在第一方面的一种可能的实现方式中，所述视频图像由目标图像与背景图像组成，所述识别所述视频图像，获取所述视频图像中的垃圾桶图像的步骤，包括：

将所述视频图像进行目标图像与背景图像的分离，得到目标图像；

将分离后得到的目标图像进行降噪处理；

基于所述进行降噪处理后的目标图像，提取垃圾桶的特征信息；

根据提取的垃圾桶的特征信息，获取所述视频图像中的垃圾桶图像。

通过将进行目标图像与背景图像的分离得到的目标图像进行降噪处理，提高目标图像的清晰度，从而使得提取的垃圾桶图像更为准确。

在第一方面的一种可能的实现方式中，所述使用信息包括垃圾桶内垃圾的重量，所述根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息的步骤，包括：

根据所述垃圾桶图像，确定所述垃圾桶的型号、所述垃圾桶的垃圾投放程度以及所述垃圾桶内垃圾的类型；

根据所述垃圾桶的型号确定所述垃圾桶的标准容量；

根据所述垃圾桶的标准容量与所述垃圾桶的垃圾投放程度，确定所述垃圾桶内垃圾的体积；

根据所述垃圾桶内垃圾的类型与所述垃圾桶内垃圾的体积，确定所述垃圾桶内垃圾的重量。。

通过垃圾桶的标准容量与垃圾桶的垃圾投放程度，确定所述垃圾桶内垃圾的体积，再结合垃圾桶内垃圾的类型与垃圾的垃圾计算垃圾桶内垃圾的重量，免去了人工称重，也避免因日晒雨淋或者垃圾的腐蚀导致垃圾桶内置的称重传感器失效而无法有效称重。

在第一方面的一种可能的实现方式中，所述垃圾收运监管方法还包括：

根据所述垃圾桶图像，确定所述垃圾桶的颜色；

根据所述垃圾桶的颜色确定所述垃圾桶的类别；

识别所述垃圾桶的类别是否为所述垃圾收运车待收运的垃圾桶的类别；

若所述垃圾桶的类别不是所述垃圾收运车待收运的垃圾桶的类别，则发出警报提示。

通过识别的垃圾桶的颜色确定所述垃圾桶的类别，进而确定待收运的垃圾桶的类别是否为所述收运车预先确定收运的垃圾桶的类别，实现垃圾混收混运的自动监管，从而有效监管垃圾分类收运。

在第一方面的一种可能的实现方式中，所述使用信息包括垃圾桶的重量，所述垃圾收运监管方法还包括：

获取所述垃圾收运车的当前负载重量与所述垃圾收运车的垃圾收运路线；

根据所述垃圾收运车的收运位置与所述垃圾收运路线，获取所述服务器发送的下一收运位置的垃圾桶的重量；

根据所述垃圾收运车的当前负载重量与所述下一收运位置的垃圾桶的重量，更新所述垃圾收运车的垃圾收运路线。

通过所述垃圾收运车的当前负载重量与所述垃圾桶的重量，更新所述垃圾收运车的垃圾收运路线，可有效提高垃圾收运的效率。

第二方面，本申请实施例提供了一种垃圾收运监管装置，包括：

收运信息获取单元，用于获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置；

图像识别单元，用于识别所述视频图像，获取所述视频图像中的垃圾桶图像；

使用信息确定单元，用于根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息；

信息上传单元，用于将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器。

第三方面，本申请实施例提供了一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的垃圾收运监管方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的垃圾收运监管方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在智能设备上运行时，使得智能设备执行如上述第一方面所述的垃圾收运监管方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的垃圾收运监管方法的实现流程图；

图2是本申请实施例提供的垃圾收运监管方法s102的具体实现流程图；

图3是本申请实施例提供的垃圾桶垃圾投放程度的示意图；

图4是本申请实施例提供的垃圾收运监管s103的具体实现流程图；

图5是本申请另一实施例提供的垃圾分类收运监管的实现流程图；

图6是本申请另一实施例提供的垃圾收运车路线更新的实现流程图；

图7是本申请实施例提供的垃圾收运监管装置的结构框图；

图8是本申请实施例提供的智能设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

本申请实施例提供的垃圾收运监管方法可以应用于车载设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer，umpc)、上网本、个人数字助理(personaldigitalassistant，pda)等智能设备上，本申请实施例对智能设备的具体类型不作任何限制。

例如，所述智能设备可以是wlan中的站点(staion，st)，可以是车载设备、车联网终端、电脑、手持式通信设备、手持式计算设备、卫星无线设备和/或用于在无线系统上进行通信的其它设备以及下一代通信系统，例如，5g网络中的移动终端或者未来演进的公共陆地移动网络(publiclandmobilenetwork，plmn)网络中的移动终端等。

图1示出了本申请实施例提供的垃圾收运监管方法的实现流程，该方法流程包括步骤s101至s104。各步骤的具体实现原理如下：

s101：获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置。

在本申请实施例中，通过摄像头获取垃圾收运车在垃圾收运场景下的视频图像，所述摄像头为智能摄像头，可以通过卫星定位技术获取垃圾收运车在垃圾收运场景下的位置。

s102：识别所述视频图像，获取所述视频图像中的垃圾桶图像。

在本申请实施例中，通过对获取的视频图像进行图像识别，将垃圾桶图像作为目标图像，从所述视频图像中提取垃圾桶图像。所述垃圾桶图像是指上述垃圾收运车在垃圾收运场景下垃圾桶的图像。

作为本申请的一个实施例，上述视频图像由目标图像与背景图像组成，如图2所示，上述s102具体包括：

a1：将所述视频图像进行目标图像与背景图像的分离，得到目标图像。具体地，采用稀疏矩阵算法，对所述视频图像进行目标图像与背景图像的分离。进一步，为使得分离的准确性更高，在进行目标图像与背景图像的分离之前，将所述视频图像的背景图像进行修正，得到静止的背景图像。可选地，本申请实施例中还可以采用adaboost分类器完成目标图像与背景图像的分离。

a2：将分离后得到的目标图像进行降噪处理。其中，所述降噪处理包括边缘平滑滤波处理。所述边缘平滑处理的原理是：对边缘处的图像进行像素值加权平均的过程，每一个像素点的rgb值，都由其本身和邻域内的其他像素点的rgb值经过加权平均后得到，从而做到尽量的平滑，大大的减少了重影的显示。具体地，找出所述目标图像中横排所有的边缘点和竖排所有的边缘点，利用高斯滤波算法分别对横排所有的边缘点和竖排所有的边缘点进行平滑处理。进一步地，找出横排所有的边缘点可以具体为：确定横排每一行上的所有点的rgb值以及这一行中点的rgb值，确定离该中点最远的两个端点为该行的边缘点。找出竖排所有的边缘点可以具体为：确定竖排每一列上的所有点的rgb值以及这一列中点的rgb值，确定离该中点最远的两个端点为该列的边缘点。

a3：基于所述进行降噪处理后的目标图像，提取垃圾桶的特征信息。具体地，预先利用随机概率和统计理论对垃圾桶的特征进行统计，将统计结果确定为垃圾桶的特征信息，从所述进行降噪处理后的目标图像，提取所述目标图像中的垃圾桶的特征信息。

a4：根据提取的垃圾桶的特征信息，获取所述视频图像中的垃圾桶图像。具体地，根据提取的垃圾桶的特征信息，还原构建所述视频图像中的垃圾桶图像。

在本申请实施例中，通过将视频图像进行目标图像与背景图像的分离，得到目标图像，然后将分离得到的目标图像进行降噪处理，提高图像的清晰度，以便提高特征信息提取的准确度，再根据所述进行降噪处理后的目标图像，提取垃圾桶的特征信息，根据提取的垃圾桶的特征信息，获取所述视频图像中的垃圾桶图像。

s103：根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息。

具体地，根据所述垃圾桶图像可以确定垃圾桶的型号和垃圾桶的颜色。

进一步地，根据所述垃圾桶图像还可以确定垃圾桶的垃圾投放程度。如图3所示，所述垃圾桶的垃圾投放程度是指垃圾桶内垃圾盛放的程度。

可选地，作为本申请的一个实施例，所述使用信息包括垃圾桶的重量，图4示出了本申请实施例提供的垃圾收运监管方法步骤s103的具体实现流程，详述如下：

b1：根据所述垃圾桶图像，确定所述垃圾桶的型号、所述垃圾桶的垃圾投放程度以及所述垃圾桶内垃圾的类型。

b2：根据所述垃圾桶的型号确定所述垃圾桶的标准容量。具体地，通过查找用于存储垃圾桶的型号与标准容量对照表的数据库，确定所述垃圾桶的标注容量。

b3：根据所述垃圾桶的标准容量与所述垃圾桶的垃圾投放程度，确定所述垃圾桶内垃圾的体积。

b4：根据所述垃圾桶内垃圾的类型与所述垃圾桶内垃圾的体积，确定所述垃圾桶内垃圾的重量。

具体地，所述垃圾投放程度包括半满和全满。以百分比为单位，如投放程度100％代表垃圾桶内垃圾全满，投放程度0％，代表垃圾桶内没有垃圾，若投放程度50％，代表垃圾桶内有半桶垃圾。若所述垃圾桶的垃圾投放程度为半满，则将所述垃圾桶的标准容量的一半确定为所述垃圾桶内垃圾的体积，若所述垃圾桶的垃圾投放程度为全满，则将所述垃圾桶的标准容量确定为所述垃圾桶内垃圾的体积，以此类推。在本申请实施例中，通过垃圾桶的标准容量与垃圾桶的垃圾投放程度，确定垃圾桶内垃圾的体积，再根据所述垃圾桶内垃圾的类型与所述垃圾桶内垃圾的体积，确定所述垃圾桶内垃圾的重量。具体地，垃圾类型分为厨余垃圾，纸质垃圾，玻璃垃圾，塑料垃圾，建筑垃圾，有害垃圾，每种类型的垃圾都有分别有一个密度系数，根据所述垃圾桶内垃圾的类型确定垃圾的密度系数，根据所述垃圾桶垃圾的体积和垃圾的密度系数，即体积乘以密度系数，计算出所述垃圾桶内垃圾的重量，免去了人工称重，也避免因日晒雨淋或者垃圾的腐蚀导致垃圾桶内置的称重传感器失效而无法有效称重。

进一步地，为提高计算垃圾桶重量的准确性，根据所述垃圾桶的颜色，确定所述垃圾桶的类别，根据所述垃圾桶的类别，确定所述垃圾桶的标准容量对应的重量。不同类别的垃圾在相同体积下的重量存在差异，在本申请实施例中，通过垃圾桶的类别确定垃圾桶盛放的垃圾类别，进而确定所述垃圾桶的标准容量对应的垃圾重量，从而可以使得垃圾桶重量的计算更为准确。

可选地，在本申请实施例中，可利用经过训练的用于计算垃圾桶重量的神经网络模型，根据所述垃圾桶的标准容量与垃圾桶的垃圾投放程度，计算所述垃圾桶的重量。

可选地，作为本申请的一个实施例，垃圾桶的重量的确定与垃圾车的收运时刻关联，在本申请实施例中，根据所述垃圾桶的标准容量与所述垃圾桶的垃圾投放程度，确定所述垃圾桶的重量，具体实现流程如下：

b31’：获取所述垃圾车的收运时刻。所述收运时刻是指垃圾车收运垃圾的时刻。

b32’：根据所述垃圾收运车的收运位置与所述收运时刻，从历史收运信息库中查找位于所述收运位置的所述垃圾桶在历史收运时刻的历史收运重量。

b33’：根据所述垃圾桶的标准容量、所述垃圾桶的垃圾投放程度以及所述历史收运重量，确定所述垃圾桶的重量。具体地，根据所述垃圾桶的垃圾投放程度以及所述垃圾桶的标准容量对应的重量，确定所述垃圾桶的初始重量，计算所述垃圾桶的初始重量与所述历史收运重量的平均重量，将所述平均重量确定为所述垃圾桶的重量。

本申请实施例中，由于同一位置的垃圾桶的环境信息一般为固定的，通过垃圾车的收运时刻，确定同一位置的垃圾桶在历史收运时刻的历史收运重量，根据历史收运重量与根据垃圾桶的垃圾投放程度和标准容量对应的重量，确定所述垃圾桶的重量，从而使得垃圾桶重量的确定更为准确。

可选地，作为本申请的一个实施例，垃圾桶的重量的确定还与垃圾桶的投放时刻关联，在本申请实施例中，根据所述垃圾桶的标准容量与所述垃圾桶的垃圾投放程度，确定所述垃圾桶的重量，具体实现流程如下：

b31”：获取所述垃圾桶的投放时刻与所述垃圾车的收运时刻。

b32”：根据所述垃圾桶的投放时刻与所述垃圾车的收运时刻，确定所述垃圾桶的垃圾投放时间段。

b33”：从历史收运信息库中查找所述垃圾桶在指定时间周期内所述垃圾投放时间段的历史平均重量。例如，一个月内所述垃圾投放时间段的历史平均重量。

b34”：根据所述垃圾桶的标准容量、所述垃圾桶的垃圾投放程度以及所述历史平均重量，确定所述垃圾桶的重量。具体地，根据所述垃圾桶的垃圾投放程度以及所述垃圾桶的标准容量对应的重量，确定所述垃圾桶的初始重量，计算所述指定时间周期内的历史平均重量与所述垃圾桶的初始重量的平均重量，将所述平均重量确定为所述垃圾桶的重量。

s104：将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器。

在本申请实施例中，将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器，以使得所述服务器根据所述垃圾桶的使用信息与所述垃圾收运车的收运位置，对垃圾收运进行监管。垃圾收运车将所述垃圾桶的使用信息如垃圾桶的重量，以及所述垃圾收运车的收运位置上传至服务器，由服务器对垃圾收运进行监管，服务器可将各个收运位置的垃圾收运车上次的垃圾桶的使用信息进行统计分析，从而更好的对垃圾收运进行监管。

进一步地，为解决垃圾分类转运过程中混收混运监管困难，如图5所示，本申请实施例提供的垃圾收运监管方法还包括：

c1：根据所述垃圾桶图像，确定所述垃圾桶的颜色。

c2：根据所述垃圾桶的颜色确定所述垃圾桶的类别。

c3：识别所述垃圾桶的类别是否为所述垃圾收运车待收运的垃圾桶的类别。

c4：若所述垃圾桶的类别不是所述垃圾收运车待收运的垃圾桶的类别，则发出警报提示。

可选地，在本申请实施例中，不同颜色的垃圾桶装载不同类别的垃圾，如蓝色表示可回收垃圾，绿色表示厨余垃圾，红色表示有害垃圾，灰色表示其他垃圾，每辆垃圾收运车只能收运一种颜色的垃圾桶，从而实现垃圾的分类收运。本申请实施例通过识别的垃圾桶的颜色确定所述垃圾桶的类别，进而确定待收运的垃圾桶的类别是否为所述收运车预先确定收运的垃圾桶的类别，当监控到垃圾收运车在收运规定颜色之外的其他垃圾桶时，就自动上报混收混运报警，实现垃圾混收混运的自动监管，从而有效监管垃圾分类收运。

可选地，为避免垃圾收运车过载，如图6所示，本申请实施例提供的垃圾收运监管方法还包括：

d1：获取所述垃圾收运车的当前负载重量与所述垃圾收运车的垃圾收运路线。

d2：根据所述垃圾收运车的收运位置与所述垃圾收运路线，获取所述服务器发送的下一收运位置的垃圾桶的重量。

d3：根据所述垃圾收运车的当前负载重量与所述下一收运位置的垃圾桶的重量，更新所述垃圾收运车的垃圾收运路线。

在本申请实施例中，通过所述垃圾收运车的当前负载重量与所述垃圾桶的重量，更新所述垃圾收运车的垃圾收运路线，避免垃圾收运车去往下一收运位置时，由于下一收运位置的垃圾桶的重量超出垃圾收运车的可负载重量而空走，可有效提高垃圾收运的效率。

可选地，所述垃圾收运监管方法还包括：根据所述垃圾桶图像，确定所述垃圾桶的型号与所述垃圾桶的垃圾投放程度，将垃圾桶的垃圾投放程度和收运位置上传至服务器。在本申请实施例中，服务器将垃圾收运车上传的各个收运位置的垃圾桶的垃圾投放程度进行统计，形成收运信息库；根据收运信息库内收运位置在历史收运时刻的投放程度，通过求平均法，计算所述收运位置平均投放程度的百分比；根据收运信息库内所述收运位置平均投放程度百分比，自动判断该收运位置的垃圾桶配置数量是否合理。若平均投放程度百分比高于第一预设百分比值，例如，90％，则判定该收运位置垃圾桶配置数量不够，自动发送提醒信息至所述收运位置，以使得所述收运位置增加该垃圾桶数量。若平均投放程度低于第二预设百分比值，例如，70％，则判定该收运位置垃圾桶配置数量有多余，自动发送提醒信息至所述收运位置，以使得所述收运位置减少该收运位置里的垃圾桶数量，使得垃圾桶资源能够被合理利用。

本申请实施例中，通过获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置，然后识别所述视频图像，获取所述视频图像中的垃圾桶图像，再根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息，最后将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器，以使得所述服务器根据所述垃圾桶的使用信息与所述垃圾收运车的收运位置，对垃圾收运进行监管，实现垃圾收运监管的智能化，降低了人工成本，并且可提高垃圾收运监管的效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的垃圾收运监管方法，图7示出了本申请实施例提供的垃圾收运监管装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图7，该垃圾收运监管装置包括：收运信息获取单元71、图像识别单元72、使用信息确定单元73、信息上传单元74，其中：

收运信息获取单元71，用于获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置；

图像识别单元72，用于识别所述视频图像，获取所述视频图像中的垃圾桶图像；

使用信息确定单元73，用于根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息；

信息上传单元74，用于将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器。

可选地，所述图像识别单元72包括：

图像分离模块，用于将所述视频图像进行目标图像与背景图像的分离，得到目标图像；

降噪处理模块，用于将分离后得到的目标图像进行降噪处理；

特征信息提取模块，用于基于所述进行降噪处理后的目标图像，提取垃圾桶的特征信息；

垃圾桶图像获取模块，用于根据提取的垃圾桶的特征信息，获取所述视频图像中的垃圾桶图像。

可选地，所述使用信息包括垃圾桶内垃圾的重量，所述使用信息确定单元73包括：

投放程度确定模块，用于根据所述垃圾桶图像，确定所述垃圾桶的型号与所述垃圾桶的垃圾投放程度；

容量确定模块，用于根据所述垃圾桶的型号确定所述垃圾桶的标准容量；

垃圾体积确定模块，用于根据所述垃圾桶的标准容量与所述垃圾桶的垃圾投放程度，确定所述垃圾桶内垃圾的体积；

重量确定模块，用于根据所述垃圾桶内垃圾的类型与所述垃圾桶内垃圾的体积，确定所述垃圾桶内垃圾的重量。

可选地，所述重量确定模块具体包括：

收运时刻确定子模块，用于获取所述垃圾车的收运时刻；

历史收运重量确定子模块，用于根据所述垃圾收运车的收运位置与所述收运时刻，从历史收运信息库中查找位于所述收运位置的所述垃圾桶在历史收运时刻的历史收运重量；

第一重量确定子模块，用于根据所述垃圾桶的标准容量、所述垃圾桶的垃圾投放程度以及所述历史收运重量，确定所述垃圾桶的重量。

可选地，所述重量确定模块具体包括：

时刻确定子模块，用于获取所述垃圾桶的投放时刻与所述垃圾车的收运时刻；

时间段确定子模块，用于根据所述垃圾桶的投放时刻与所述垃圾车的收运时刻，确定所述垃圾桶的垃圾投放时间段；

历史平均重量确定子模块，用于从历史收运信息库中查找所述垃圾桶在指定时间周期内所述垃圾投放时间段的历史平均重量；

第二重量确定子模块，用于根据所述垃圾桶的标准容量、所述垃圾桶的垃圾投放程度以及所述历史平均重量，确定所述垃圾桶的重量。

可选地，所述垃圾收运监管装置还包括：

垃圾桶颜色确定单元，用于根据所述垃圾桶图像，确定所述垃圾桶的颜色；

垃圾桶类别确定单元，用于根据所述垃圾桶的颜色确定所述垃圾桶的类别；

垃圾桶类别识别单元，用于识别所述垃圾桶的类别是否为所述垃圾收运车待收运的垃圾桶的类别；

警报提示单元，用于若所述垃圾桶的类别不是所述垃圾收运车待收运的垃圾桶的类别，则发出警报提示。

可选地，所述垃圾收运监管装置还包括：

路线获取单元，用于获取所述垃圾收运车的当前负载重量与所述垃圾收运车的垃圾收运路线；

重量信息获取单元，用于根据所述垃圾收运车的收运位置与所述垃圾收运路线，获取所述服务器发送的下一收运位置的垃圾桶的重量；

路线更新单元，用于根据所述垃圾收运车的当前负载重量与所述下一收运位置的垃圾桶的重量，更新所述垃圾收运车的垃圾收运路线。

本申请实施例中，通过获取垃圾收运车在垃圾收运场景下的视频图像以及所述垃圾收运车的收运位置，然后识别所述视频图像，获取所述视频图像中的垃圾桶图像，再根据所述垃圾桶图像，确定所述垃圾桶图像中垃圾桶的使用信息，最后将所述垃圾桶的使用信息与所述垃圾收运车的收运位置上传至服务器，以使得所述服务器根据所述垃圾桶的使用信息与所述垃圾收运车的收运位置，对垃圾收运进行监管，实现垃圾收运监管的智能化，降低了人工成本，并且可提高垃圾收运监管的效率。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机可读指令产品，当计算机可读指令产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如图1至图6表示的任意一种垃圾收运监管方法的步骤。

本申请实施例还提供一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如图1至图6表示的任意一种垃圾收运监管方法的步骤。

本申请实施例还提供一种计算机程序产品，当该计算机程序产品在服务器上运行时，使得服务器执行实现如图1至图6表示的任意一种垃圾收运监管方法的步骤。

图8是本申请一实施例提供的智能设备的示意图。如图8所示，该实施例的智能设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机可读指令82。所述处理器80执行所述计算机可读指令82时实现上述各个区块链的数据上链方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器80执行所述计算机可读指令82时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块71至74的功能。

示例性的，所述计算机可读指令82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机可读指令82在所述智能设备8中的执行过程。

所述智能设备8可以是车载终端、车载设备等计算设备。所述智能设备8可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是智能设备8的示例，并不构成对智能设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述智能设备8还可以包括输入输出设备、网络接入设备、总线等。

所述处理器80可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器81可以是所述智能设备8的内部存储单元，例如智能设备8的硬盘或内存。所述存储器81也可以是所述智能设备8的外部存储设备，例如所述智能设备8上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器81还可以既包括所述智能设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机可读指令以及所述智能设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。