基于AI处理的提升再生资源分拣效率的方法及系统与流程

本技术涉及再生资源，尤其涉及一种基于ai处理的提升再生资源分拣效率的方法及系统。

背景技术：

1、随着人们环保意识的增强以及信息技术的快速发展，再生资源的回收利用被赋予了越来越多的关注，尤其城市生活垃圾的资源化利用更是被推上了未来的发展规划，不少分拣中心开始对居民生活垃圾进行精分细选，并将回收到的再生资源进行分拣、打包，送至相应的工厂进行加工以实现资源的重用。

2、由于再生资源的分拣作为垃圾处理流程的后端环节，受前端垃圾投放和中端分类运收的影响较大，如果垃圾都能被规范投放和正确分类，那后续再生资源的分拣效率相应也会有所提升。所以现有的提升再生资源分拣效率的方法通常都是从垃圾投放和分类运收的规范化入手，借助ai手段和相应的智能设备引导居民正确处理垃圾，尤其是可回收的垃圾，例如对垃圾乱扔乱放、垃圾的错误分类放置等异常进行检测，并及时采取相应措施，以减少垃圾的错误分类放置。

3、但是现有的对垃圾处理异常检测的方法，通常是采用ai图像的方式进行处理，例如借助监控视频或者工业相机来捕获图像帧，以图像检测的形式来进行检测，但由于垃圾种类的繁多，图像检测模型对于垃圾样本采集的需求量也很高，因此现有的方法仍存在有较高的误报率。

技术实现思路

1、本技术的目的是提供一种基于ai处理的提升再生资源分拣效率的方法及系统，通过评估垃圾落入指定区域后所可能带来的影响作为参考量，以声波和图像两种检测方法进行检测，以此来判断对垃圾的处理是否出现异常，借此来规范化垃圾处理时的进程，从而帮助提升再生资源分拣效率。

2、第一方面，本技术提供一种基于ai处理的提升再生资源分拣效率的方法，采用如下的技术方案：

3、定时对预设指定区域进行垃圾检测，并将检测结果记为参照结果；

4、获取待检测垃圾图像，通过预设的方法提取待检测垃圾图像的显性特征；

5、根据当前参照结果和待检测垃圾的显性特征，通过预设的方法计算并获取当前待检测垃圾的影响系数；

6、基于当前待检测垃圾的影响系数，通过声波检测和图像检测两种方式对预设指定区域进行垃圾检测，并将获取的检测结果记为比较结果；

7、根据比较结果和参照结果，生成垃圾检测的判定结果。

8、通过上述技术方案，可以根据指定区域的状态和待检测垃圾的外形大小来评估待检测垃圾落入指定区域后所带来的影响，由此在声波和图像两种检测机制下生成最佳的检测方案，以降低对垃圾处理异常检测的误报率，从而通过规范化垃圾处理进程来提升再生资源的分拣效率。

9、可选的，所述参照结果包括声波检测结果和图像检测结果，所述定时对预设指定区域进行垃圾检测，并将检测结果记为参照结果，包括：

10、定时获取预设指定区域对应的图像，并将其记为参照图像；

11、通过预设的图像检测方法对参照图像进行检测，获取图像检测结果；

12、通过预设的声波检测方法对预设指定区域进行检测，获取声波检测结果；

13、将图像检测结果和声波检测结果一同记为参照结果。

14、可选的，所述预设指定区域有标识类和无标识类，声波检测结果包括声波信号特征和水平检测高度，所述影响系数包括声波影响系数和图像影响系数，所述根据当前参照结果和待检测垃圾的显性特征，通过预设的方法计算并获取当前待检测垃圾的影响系数，包括：

15、当预设指定区域为无标识类时，根据待检测垃圾的显性特征，确认待检测垃圾的高度，并记为落地高度；

16、基于落地高度和水平检测高度，获取高度差异值；

17、基于高度差异值和预设高度，计算并获取高度比例系数，并将高度比例系数记为声波影响系数；

18、当预设指定区域为有标识类时，根据预设指定区域对应的标识类信息从预设的数据库中提取对应的声波特征信号模板；

19、基于声波特征信号模板和声波特征信号，获取声波信号差异系数，并将声波信号差异系数记为声波影响系数。

20、可选的，所述图像检测结果分为垃圾目标检测结果和图像特征信息，所述根据当前参照结果和待检测垃圾的显性特征，通过预设的方法计算并获取当前待检测垃圾的影响系数，包括：

21、当预设指定区域为无标识类时，根据待检测垃圾的显性特征，确认待检测垃圾的占地面积，记为落地面积；

22、基于落地面积和垃圾目标检测结果，计算面积差异值，并根据面积差异值和预设指定区域大小，计算并获取面积比例系数，并将该系数记为图像影响系数；

23、当预设指定区域为有标识类时，根据预设指定区域对应的标识类信息从预设的数据库中提取对应的图像特征信息模板；

24、基于图像特征信息模板和图像特征信息，获取图像特征差异系数，并将图像特征差异系数记为图像影响系数。

25、可选的，所述当前待检测垃圾的影响系数，通过声波检测和图像检测两种方式对预设指定区域进行垃圾检测，并将获取的检测结果记为比较结果，包括：

26、判断图像影响系数是否不小于预设第一阈值，

27、若是，则使用图像检测方式对预设指定区域进行垃圾检测，并将获取的图像检测结果记为比较结果；

28、若否，则判断声波影响系数是否达到预设第二阈值，

29、若达到，则使用声波检测方式对预设指定区域进行垃圾检测，并将获取的声波检测结果记为比较结果；

30、若未达到，则分别使用图像检测方式和声波检测方式对预设指定区域进行垃圾检测，并将获取的图像检测结果和声波检测结果一同记为比较结果。

31、可选的，所述根据比较结果和参照结果，生成垃圾检测的判定结果，包括：

32、若预设指定区域为有标识类时，将比较结果与参照结果按照对应的结果进行比对，并获取差异指数；

33、判断差异指数是否达到预设第三阈值，

34、若差异指数达到预设第三阈值，则输出第一提示信息，所述第一提示信息用于表示垃圾分类异常。

35、可选的，所述根据比较结果和参照结果，生成垃圾检测的判定结果，包括：

36、若预设指定区域为无标识类时，将比较结果与参照结果按照对应的结果进行比对，并获取差异指数；

37、判断差异指数是否达到预设第四阈值，

38、若差异指数达到预设第四阈值，则输出第二提示信息，所述第二提示信息用于表示垃圾投放异常。

39、可选的，所述将比较结果与参照结果按照对应的结果进行比对，并获取差异指数，包括：

40、若比较结果包括图像检测结果和声波检测结果时，则分别根据图像检测结果和声波检测结果同参照结果中的图像检测结果和声波检测结果进行对比，并获取相应的图像差异指数和声波差异指数；

41、通过影响系数对图像差异指数和声波差异指数进行赋权，获取联合差异指数，将联合差异指数记为差异指数。

42、第二方面，本技术提供一种基于ai处理的提升再生资源分拣效率的系统，包括：

43、参照结果生成模块101，用于定时对预设指定区域进行垃圾检测，并将检测结果记为参照结果；

44、显性特性提取模块102，用于获取待检测垃圾图像，通过预设的方法提取待检测垃圾图像的显性特征；

45、影响系数获取模块103，用于根据当前参照结果和待检测垃圾的显性特征，通过预设的方法计算并获取当前待检测垃圾的影响系数；

46、比较结果生成模块104，用于基于当前待检测垃圾的影响系数，通过声波检测和图像检测两种方式对预设指定区域进行垃圾检测，并将获取的检测结果记为比较结果；

47、结果判定模块105，用于根据比较结果和参照结果，生成垃圾检测的判定结果。

48、第三方面，本技术提供一种计算机可读存储介质，存储有能够被处理器加载并执行上述一种基于ai处理的提升再生资源分拣效率的方法的计算机程序。

49、综上所述，本技术首先采用了声波检测和图像检测两种垃圾检测方式，通过评估当出现垃圾投放异常或者是分类异常后，垃圾对指定区域产生的影响来生成最佳的检测方案，以此可一定程度降低对垃圾处理异常检测的误报率，从而帮助提升后续再生资源的分拣效率；另外，对于无标识类的指定区域进行检测时无需对垃圾进行分类，也就不需要采集大量的垃圾样本数据来参与图像检测模型的训练，而对于有标识类的指定区域除了构建分类垃圾的特征模板之外，通过声波检测的辅助也能一定程度降低垃圾处理异常检测的误报率。