基于人工智能的垃圾溯源方法、装置、终端设备及介质与流程

1.本技术属于人工智能领域，尤其涉及一种基于人工智能的垃圾溯源方法、装置、终端设备及介质。


背景技术：

2.目前，在传统的缺乏信息化管理手段的情况下，针对垃圾处置中对分流分类、宣传督导、责任落实三大体系的监管基本依靠人工现场抽检，人工报送纸质材料、人工统计的传统管理模式，存在数据准确度相对较低、数据报送不及时、手工上报数据容易造假、无法全方位覆盖等一系列问题，无法将对垃圾处置的监管职能的触角深入到每一个细节与方面，因此，如何实现垃圾的溯源问题成为亟待解决的问题。


技术实现要素：

3.有鉴于此，本技术实施例提供了一种基于人工智能的垃圾溯源方法、装置、终端设备及介质，以解决垃圾站对回收垃圾的溯源问题。
4.第一方面，本技术实施例提供一种基于人工智能的垃圾溯源方法，所述方法包括：
5.在垃圾车到达垃圾投放点时，获取所述垃圾投放点的标记信息，并根据所述标记信息，确定所述垃圾投放点回收垃圾的回收类别；
6.在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像；
7.使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含n个垃圾类别，n为大于零的整数；
8.若所述n个垃圾类别中存在不属于所述回收类别的垃圾类别，则根据所述标记信息，确定所述垃圾投放点的投放点信息。
9.第二方面，本技术实施例提供一种基于人工智能的垃圾溯源装置，所述垃圾溯源装置包括：
10.回收类别确定模块，用于在垃圾车到达垃圾投放点时，获取所述垃圾投放点的标记信息，并根据所述标记信息，确定所述垃圾投放点回收垃圾的回收类别；
11.图像采集模块，用于在检测到所述垃圾车内平铺机构动作结束后，采集所述垃圾车内部的当前图像；
12.垃圾类别确定模块，用于使用训练好的分类模型对所述当前图像进行垃圾分类识别，确定所述当前图像包含n个垃圾类别，n为大于零的整数；
13.投放点确定模块，用于若所述n个垃圾类别中存在不属于所述回收类别的垃圾类别，则根据所述标记信息，确定所述垃圾投放点的投放点信息。
14.第三方面，本技术实施例提供一种终端设备，所述终端设备包括处理器、存储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第一方面所述的垃圾溯源方法。
15.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介
质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的垃圾溯源方法。
16.第五方面，本技术实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的垃圾溯源方法。
17.本技术实施例与现有技术相比存在的有益效果是：本技术在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别，若n个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息，可以实现在垃圾分类回收时对不符合回收类型的垃圾进行溯源，查找到投放该垃圾的垃圾投放点，从而可以严控该垃圾投放点的管理。
附图说明
18.为了更清楚地说明本技术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技术的一些实施例，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。
19.图1是本技术实施例一提供的一种基于人工智能的垃圾溯源方法的流程示意图；
20.图2是本技术实施例二提供的一种基于人工智能的垃圾溯源方法的流程示意图；
21.图3是本技术实施例三提供的一种基于人工智能的垃圾溯源装置的结构示意图；
22.图4是本技术实施例四提供的一种终端设备的结构示意图。
具体实施方式
23.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，以便透彻理解本技术实施例。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技术。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技术的描述。
24.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
25.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
26.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0027]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0028]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术
的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0029]
本技术实施例中的终端设备可以是掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本、云端终端设备、个人数字助理(personal digital assistant，pda)等，本技术实施例对终端设备的具体类型不作任何限制。
[0030]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0031]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0032]
应理解，以下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，而不应对本技术实施例的实施过程构成任何限定。
[0033]
为了说明本技术的技术方案，下面通过具体实施例来进行说明。
[0034]
参见图1，是本技术实施例一提供的一种基于人工智能的垃圾溯源方法的流程示意图，上述垃圾溯源方法应用于终端设备，终端设备连接相应的数据库，以获取相应的数据，该终端设备能够与垃圾车上设置的设备通信，以垃圾车上相应设备的数据信息。如图1所示，该垃圾溯源方法可以包括以下步骤：
[0035]
步骤s101，在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别。
[0036]
其中，标记信息可以是指针对垃圾投放点的身份识别信息，该身份识别信息是指能够唯一确定某一个垃圾投放点的信息，例如，对每个垃圾投放点进行编号，每个垃圾投放点的编号不同，该编号即为垃圾投放点的身份识别信息。上述标记信息可以是指在垃圾投放点处设置的标识牌上的标识信息，上述标记信息也可以是指在垃圾投放点处设置的无线信号发射器发射的无线信号所携带的信息，上述标记信息还可以是指在垃圾投放点处设置的二维码/条码图形所对应的信息。
[0037]
本技术中，上述终端设备设置在垃圾垃圾站处，因此，终端设备可以通过过5g、wifi等无线通讯手段与垃圾车上的控制器连接，垃圾车在达到垃圾投放点时采集标记信息，并通过无线通讯手段将标记信息上传至终端设备。
[0038]
在一种实施方式中，上述终端设备设置在垃圾车上，终端设备连接垃圾车上相应的采集设备，以直接获取标记信息。
[0039]
在设置垃圾投放点时，设置垃圾投放点的身份识别信息以及对应的户收垃圾的回
收类别等基础信息，并将上述基础信息关联写入数据库进行存档，以便于后续查询使用。终端设备连接上述数据库，通过获取的从该数据库中匹配到标记信息对应的垃圾的回收类别，即确定标记信息对应的垃圾投放点回收垃圾的回收类别。
[0040]
其中，在设置垃圾投放点时，除了对垃圾的种类或类型、主成份、废止物体积或重量等基础信息进行设定，还规定其生产信息、运输信息以及处废信息，如垃圾产生地(小区、收集点等)、垃圾生产时间、运输垃圾的单位、垃圾车的车牌号、垃圾车的使用人员、处废方法、处废单位。将上述基础信息、生产信息、运输信息、处废信息等存入数据库，该数据库可以为本地数据库或者云端数据库。
[0041]
可选的是，在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息包括：
[0042]
获取垃圾车的定位信息；
[0043]
当垃圾车的定位在垃圾投放点的定位范围内时，获取包括垃圾投放点处垃圾桶的环境图像；
[0044]
对环境图像进行识别，确定垃圾投放点中垃圾桶的标号为垃圾投放点的标记信息。
[0045]
其中，通过在垃圾车上安装定位设备，来实时获取垃圾车的定位信息，从而可以判断垃圾车所处的位置是否在预设的位置范围内，上述位置范围是以任一个垃圾投放点的定位为基础设定的定位范围。当垃圾车所处的位置在垃圾投放点a的定位范围内时，表明垃圾车在该垃圾投放点a附近，可能在对该垃圾投放点a处的垃圾进行收集。
[0046]
在垃圾车上安装一个图像采集设备，在垃圾车的定位在垃圾投放点的定位范围内时，采集周围的环境图像，该环境图像内包含垃圾投放点处垃圾桶等。对环境图像进行识别确定垃圾投放点处垃圾桶上的标号，该标号即为表示该垃圾投放点的身份识别信息(即标记信息)。
[0047]
在一种实施方式中，环境图像内包含垃圾投放点处设置的二维码，对该环境图像进行二维码识别，获取二维码的信息即为表示该垃圾投放点的身份识别信息(即标记信息)。
[0048]
可选的是，垃圾投放点处设置有信号发射器，在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息包括：
[0049]
当垃圾车检测到信号发射器发射的无线信号时，获取无线信号的携带信息，确定携带信息为垃圾投放点的标记信息。
[0050]
其中，在垃圾车上安装无线信号读取设备，在垃圾投放点设置无限信号发射设备，当垃圾车获取到无线信号时，表明垃圾车达到垃圾投放点，提取该无线信号的携带信息即为该垃圾投放点的身份识别信息(即标记信息)。
[0051]
例如，垃圾投放点设置射频发射器，射频发射器发射的射频信号中包含该垃圾投放点的标记信息，垃圾车上设置射频读取器，垃圾车到达垃圾投放点附近时，射频读取器读取到射频发射器发射的射频信号，提取该射频信号内的信息即为该垃圾投放点的标记信息。
[0052]
步骤s102，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像。
[0053]
其中，垃圾车的垃圾箱内设置有平铺机构，用于将从垃圾投放点的垃圾桶倒入的垃圾铺平，有助于运输和下次垃圾的倒入。本技术中，控制器连接平铺机构，用于在接收到
触发信号时控制平铺机构动作，该触发信号可以为手动给出的信号，也可以是自动控制的信号，在平铺机构的动作完成后会反馈控制器一个信号，即控制器接收到该信号时表明平铺机构动作结束。平铺机构动作结束可以表明当次倒入了该垃圾投放点的垃圾，需要对当次倒入的垃圾进行图像记录。
[0054]
垃圾车的垃圾箱内安装一个图像采集设备，该图像采集设备用于采集垃圾箱内的图像，该图像采集设备可以设置在垃圾箱的正上方，从而可以获取整个垃圾箱的内部图像。本技术中，上述控制器连接该图像采集设备，在控制器接收到表明平铺机构动作结束的信号时，输出控制信号至该图像采集设备，以获取此时的垃圾箱内图像。该图像采集设备在采集到图像后，将该图像发送至控制器。
[0055]
本技术中，上述终端设备未设置在垃圾车上，而是通过无线通讯手段与控制器连接，控制器将采集到的图像发送至终端设备，实现对当前图像的获取。
[0056]
上述平铺机构动作结束为触发信号，以触发图像采集装置动作，进行拍照，获取目标图像。
[0057]
步骤s103，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别。
[0058]
其中，分类模型是针对图像中不同结构、颜色物品进行分类的模型，使用训练好的分类模型可以提取图像中每个物品的垃圾类型，垃圾类型包括塑料垃圾、金属垃圾、生活垃圾和毒害垃圾等。
[0059]
本技术的分类模型可以是采用的基于深度卷积神经网络的faster区域卷积神经网络(region-convolutional neural network，r-cnn)的图像分类算法，具体方法如下：
[0060]
1、设置训练集，并用imagenet模型初始化，独立训练一个第一区域选取网络(region proposal network，rpn)；
[0061]
2、再次使用imagenet模型初始化，但在当次初始化中使用第一rpn产生的proposal作为输入，训练一个fast r-cnn，至此，第一rpn与fast r-cnn两个网络每一层的参数完全不共享；
[0062]
3、使用fast r-cnn参数初始化一个新的第二rpn，多次修改第二rpn、fast r-cnn共享的卷积层的参数，重新训练时，第二rpn、fast r-cnn两个网络已经共享了所有公共的卷积层；
[0063]
4、固定共享的卷积层，把fast r-cnn独有的卷积层层也加入固定共享的卷积层，基于此可以通过网络内部预测proposal并实现检测的功能。
[0064]
对当前图像进行识别，可以确定其中的每个对象，在对每个对象的特征进行提取，根据每个对象的特征确定对应的分类，当前图像中所有的对象均属于统同一垃圾类别，也可以属于不同的垃圾类别，因此，确定当前图像包含n个垃圾类别，n为大于零的整数。
[0065]
可选的是，在在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像之后，还包括：
[0066]
将当前图像与标记信息关联，得到关联数据；
[0067]
相应地，在使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别之后，还包括：
[0068]
若n个垃圾类别中存在不属于回收类别的垃圾类别，则生成警示信息，并将警示信
息与关联数据关联；
[0069]
在警示信息被触发时，显示关联数据。
[0070]
其中，在获取到当前图像后，将当前图像与标记信息关联形成关联数据，以备后续使用，可以建立关联型数据库，将当前图像与标记信息关联存储至关系型数据库中。
[0071]
其中，当前图像中包含的对象所属的垃圾类别不属于回收类别，也即是当前图像中的n个垃圾类别中存在不属于回收类别的垃圾类别，既可以说明当前图像中含有不属于回收类别的对象，也即是当前倾倒的垃圾中含有不符合回收类别的物品。
[0072]
在上述垃圾投放点回收的垃圾不是所要求投放的垃圾类型时，需要生成警示信息，以提醒用户注意。
[0073]
本技术可以将警示信息与上述关联数据关联，输出的警示信息可以显示在显示设备上，并且可以被外部输入设备触发，该警示信息被触发时显示关联数据，便于用户查询。
[0074]
步骤s104，若n个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息。
[0075]
其中，当前图像中包含的对象所属的垃圾类别不属于回收类别，也即是当前图像中的n个垃圾类别中存在不属于回收类别的垃圾类别，既可以说明当前图像中含有不属于回收类别的对象，也即是当前倾倒的垃圾中含有不符合回收类别的物品。
[0076]
上述垃圾投放点回收的垃圾不是所要求投放的垃圾类型，因此，根据该垃圾投放点的标记信息，可以及时确定该不符合要求的垃圾投放点的投放点信息，便于后续根据相应的制度进行处理。例如，当前图像中含有电池这种对象，电池应该属于有害垃圾，而垃圾投放点的回收类别为厨余垃圾，因此，当前图像中存在不符合厨余垃圾的对象(即电池)，因此，需要将根据上述的标记信息确定该垃圾投放点的投放点位置、投放点负责人等投放点信息，当垃圾站获取溯源信息后将详细信息发送到管理部门进行审核，通过审核后管理部门授权垃圾站溯源许可能力，垃圾站接收到授权后向对应的投放处下发通知，督促管理处加大管理力度，投放处管理以管理员身份与垃圾站系统进行通讯，投放处管理按照垃圾站系统下发的通知进行对应的工作，工作完成后向管理部门进行报备，管理部门根据投放处管理报备的信息进行不定时访问，以增加监督力度。
[0077]
根据垃圾站存储的垃圾数据信息，将不可回收垃圾和毒性垃圾等信息进行统计，可根据此类垃圾的投放量在某个区域内进行溯源。垃圾站系统对每次对乱投情况进行统计，统计时将各个范围作为一个整体。对每个投放点单独进行统计，对于连续出现乱投现象和乱投现象较多的投放点进行警告，降低后期溯源的负担，同时加强监督力度。在各个投放点设置门禁，即每个投放口均对应身份识别装置和垃圾识别装置，当垃圾站反向追溯到对应的投放点时，投放点负责人可通过门禁读取信息追溯到个人，以达到对个人进行追责和监管的效果。
[0078]
举例说明，比如针对b区垃圾投放点a，设置射频发射器发射垃圾投放点a的身份识别号c，垃圾车达到该垃圾投放点a时，通过设置在垃圾车上的射频接收器接收到身份识别号c，并根据该身份识别号c从云端数据库中确定该垃圾投放点a对应的投放类别为厨余垃圾，即该垃圾投放点的回收的垃圾为厨余垃圾，在检测到垃圾车内平铺机构动作结束后，使用垃圾车内的图像采集设备获取垃圾车的垃圾箱内部的图像，对上述图像进行识别，确定图像中包含垃圾类别为有害垃圾的电池，由于该厨余垃圾与有害垃圾为不同类型的垃圾，
因此，根据该标记信息查找到该b区垃圾投放点a的位置和负责人。
[0079]
可选的是，在生成警示信息之后，还包括：
[0080]
将垃圾投放点的投放点信息与警示信息关联；
[0081]
在警示信息被触发时，显示垃圾投放点的投放点信息。
[0082]
其中，在上述垃圾投放点回收的垃圾不是所要求投放的垃圾类型时，需要生成警示信息，以提醒用户注意。本技术可以将警示信息与上述投放点信息关联，输出的警示信息可以显示在显示设备上，并且可以被外部输入设备触发，该警示信息被触发时显示投放点信息，便于用户监控和管理。
[0083]
本技术实施例在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别，若n个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息，可以实现在垃圾分类回收时对不符合回收类型的垃圾进行溯源，查找到投放该垃圾的垃圾投放点，从而可以严控该垃圾投放点的管理。
[0084]
参见图2，是本技术实施例二提供的一种基于人工智能的垃圾溯源方法的流程示意图，如图2所示，该垃圾溯源方法可以包括以下步骤：
[0085]
步骤s201，在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别。
[0086]
步骤s202，在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像。
[0087]
步骤s203，使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别。
[0088]
步骤s204，若n个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息。
[0089]
其中，步骤s201至步骤s204与上述步骤s101至步骤s104的内容型相同，可参考步骤s101至步骤s104的描述，在此不再赘述。
[0090]
步骤s205，根据垃圾投放点的投放点信息，获取垃圾投放点在目标时间段内每次投放垃圾时的图像。
[0091]
其中，垃圾投放点处安装有一个图像采集设备，该图像采集设备用于对垃圾投放点的图像，该图像至少包括垃圾桶口处每次投放垃圾的图像，即每次有人投放垃圾时，均保留一张该垃圾的图像。图像采集设备为摄像机时，对垃圾投放点采用录像的方式进行采集，并通过图像识别对每帧图像进行处理，确定每次投放垃圾时的图像；图像采集设备为照相机时，垃圾投放点处设置有投放垃圾的触发装置，当有人投放垃圾时，触发该触发装置，图像采集设备进行一次拍照，其中，触发装置可以安装在垃圾桶盖上的开合检测装置，当垃圾桶盖被打开时，触发拍照。
[0092]
在一种实施方式中，图像采集设备设置在垃圾桶的上方，在投放垃圾后可以对垃圾桶内部的图像进行采集，得到每次投放垃圾时的图像。
[0093]
采集的图像上传至数据库进行保存，且在数据库中采集的图像与该垃圾投放点的投放点信息关联。
[0094]
目标时间段可以是指该垃圾投放点的垃圾被垃圾车回收的时间至当前时间之间
的时间段，即限定这个时间段的垃圾图像，减少图像处理数量。
[0095]
步骤s206，使用训练好的分类模型对在目标时间段内获取的每次投放垃圾时的图像进行垃圾分类识别，得到每个图像对应投放垃圾的垃圾类别。
[0096]
其中，同样使用垃圾分类模型识别每次投放垃圾时的图像中垃圾所属的垃圾分类，即得到每个图像对应的投放垃圾的垃圾类别。具体的识别可参考上述步骤s103的内容。
[0097]
步骤s207，根据每个图像对应投放垃圾的垃圾类别，确定目标图像，目标图像中投放垃圾的垃圾类别不属于回收类别。
[0098]
其中，图像中存在不属于回收类别的垃圾可能是导致步骤s204中n个垃圾类别中存在不属于回收类别的垃圾类别的情况，确定目标图像，可以实现对不符合回收类别的垃圾的溯源，通过该目标图像可以确定投放人、投放时间等。
[0099]
当垃圾站反向追溯到对应的投放点时，投放点负责人可通过目标图像追溯到个人，以达到对个人进行追责和监管的效果。
[0100]
可选的是，在根据每个图像对应投放垃圾的垃圾类别，确定目标图像之后，还包括：
[0101]
对目标图像进行人脸识别，并将识别结果与数据库中人脸信息进行匹配，确定与识别结果匹配的人脸信息为目标对象；
[0102]
在预设范围内，确定目标对象对应的住址信息。
[0103]
其中，针对垃圾投放人的人脸数据、基础信息等进行建库，在确定目标图像后对目标图像中的人脸进行识别，并在数据库中进行人脸信息的匹配，确定匹配的对象，获取该对象的基础信息可以确定其住址。而如果存在多个住址时，通过对范围进行设定来确定住址，范围设定的依据可以是上述垃圾投放点的投放点信息。例如，预设范围是以垃圾投放点的投放点位置为中心，半径1公里的区域，或者预设范围是垃圾投放点所在的小区。
[0104]
将垃圾分类投放宣传工作落实到位，对垃圾投放点进行智能视频监控设备、细化管理措施、加强巡查监督，从硬件设施、人员管理、制度建设等方面加强人们的垃圾分类投放意识，在进行监管和溯源时，便于通过智能设备追溯垃圾来源，方便相关管理部门对垃圾投放点进行监管以及对于不当投放垃圾行为追责到个人。
[0105]
将垃圾站系统中各处的垃圾投放点数据进行存储和记录，当对某处的投放点进行溯源后，此投放点将成为监管重点对象，以督促监管部门对投放点进行管理，同时提醒当地用户分类投放垃圾，直至该投放点不出现乱投放情况，若再次出现可直接通过记录的数据调取该投放点的信息，为后期对投放点进行管理和垃圾溯源奠定基础。
[0106]
本技术实施例在确定从垃圾投放点回收n个垃圾类别中存在不属于回收类别的垃圾类别时，除了根据标记信息，确定垃圾投放点的投放点信息，还根据该投放点信息获取相应的记录图像，以进一步证实该垃圾投放点投放了不属于回收类别的垃圾，并且可以用于对投放人、投放时间等进行进一步溯源，从而可以严控该垃圾投放点的管理。
[0107]
对应于上文实施例的垃圾溯源方法，图3示出了本技术实施例三提供的基于人工智能的垃圾溯源装置的结构框图，上述垃圾溯源装置应用于终端设备，终端设备连接相应的数据库，以获取相应的数据，该终端设备能够与垃圾车上设置的设备通信，以垃圾车上相应设备的数据信息。为了便于说明，仅示出了与本技术实施例相关的部分。
[0108]
参见图3，该垃圾溯源装置包括：
[0109]
回收类别确定模块31，用于在垃圾车到达垃圾投放点时，获取垃圾投放点的标记信息，并根据标记信息，确定垃圾投放点回收垃圾的回收类别；
[0110]
图像采集模块32，用于在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像；
[0111]
垃圾类别确定模块33，用于使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别，n为大于零的整数；
[0112]
投放点确定模块34，用于若n个垃圾类别中存在不属于回收类别的垃圾类别，则根据标记信息，确定垃圾投放点的投放点信息。
[0113]
可选的是，该垃圾溯源装置还包括：
[0114]
图像获取模块，用于在根据标记信息，确定垃圾投放点的投放点信息之后，根据垃圾投放点的投放点信息，获取垃圾投放点在目标时间段内每次投放垃圾时的图像；
[0115]
图像识别模块，用于使用训练好的分类模型对在目标时间段内获取的每次投放垃圾时的图像进行垃圾分类识别，得到每个图像对应投放垃圾的垃圾类别；
[0116]
目标图像确定模块，用于根据每个图像对应投放垃圾的垃圾类别，确定目标图像，目标图像中投放垃圾的垃圾类别不属于回收类别。
[0117]
可选的是，该垃圾溯源装置还包括：
[0118]
匹配模块，用于在根据每个图像对应投放垃圾的垃圾类别，确定目标图像之后，对目标图像进行人脸识别，并将识别结果与数据库中人脸信息进行匹配，确定与识别结果匹配的人脸信息为目标对象；
[0119]
住址确定模块，用于在预设范围内，确定目标对象对应的住址信息。
[0120]
可选的是，该垃圾溯源装置还包括：
[0121]
第一关联模块，用于在在检测到垃圾车内平铺机构动作结束后，采集垃圾车内部的当前图像之后，将当前图像与标记信息关联，得到关联数据；
[0122]
相应地，该垃圾溯源装置还包括：
[0123]
警示生成模块，用于在使用训练好的分类模型对当前图像进行垃圾分类识别，确定当前图像包含n个垃圾类别之后，若n个垃圾类别中存在不属于回收类别的垃圾类别，则生成警示信息，并将警示信息与关联数据关联；
[0124]
第一显示模块，用于在警示信息被触发时，显示关联数据。
[0125]
可选的是，该垃圾溯源装置还包括：
[0126]
第二关联模块，用于在生成警示信息之后，将垃圾投放点的投放点信息与警示信息关联；
[0127]
第二显示模块，用于在警示信息被触发时，显示垃圾投放点的投放点信息。
[0128]
可选的是，上述回收类别确定模块31包括：
[0129]
定位获取单元，用于获取垃圾车的定位信息；
[0130]
图像获取单元，用于当垃圾车的定位在垃圾投放点的定位范围内时，获取包括垃圾投放点处垃圾桶的环境图像；
[0131]
第一标记信息确定单元，用于对环境图像进行识别，确定垃圾投放点中垃圾桶的标号为垃圾投放点的标记信息。
[0132]
可选的是，垃圾投放点处设置有信号发射器，上述回收类别确定模块31包括：
[0133]
第二标记信息确定单元，用于当垃圾车检测到信号发射器发射的无线信号时，获取无线信号的携带信息，确定携带信息为垃圾投放点的标记信息。
[0134]
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本技术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。
[0135]
图4为本技术实施例四提供的一种终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40(图4中仅示出一个)、存储器41以及存储在存储器41中并可在至少一个处理器40上运行的计算机程序42，处理器40执行计算机程序42时实现上述任意各个垃圾溯源方法实施例中的步骤。
[0136]
该终端设备4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的举例，并不构成对终端设备4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，例如还可以包括输入输出设备、网络接入设备等。
[0137]
所称处理器40可以是cpu，该处理器40还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，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。
[0138]
存储器41在一些实施例中可以是终端设备4的内部存储单元，例如终端设备4的硬盘或内存。存储器41在另一些实施例中也可以是终端设备4的外部存储设备，例如终端设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器41还可以既包括终端设备4的内部存储单元也包括外部存储设备。存储器41用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
[0139]
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，并不用于限制本技术的保护范围。上述装置中单元、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。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，本技术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，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，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，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。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体
或装置、记录介质、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、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。
[0140]
本技术实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述方法实施例中的步骤。
[0141]
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。
[0142]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0143]
在本技术所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0144]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0145]
以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。