垃圾分类回收方法及系统技术方案

本公开披露了一种垃圾分类回收方法和系统。该方法包括：获取待分类垃圾的投放人的身份信息；对待分类的垃圾进行检测，得到待分类垃圾的检测数据；分析检测数据，得到垃圾查验结论：即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；根据垃圾查验结论处理待分类的垃圾；以及绑定所述身份信息、所述检测数据以及所述垃圾查验结论。上述技术方案能够从垃圾出发追溯到投放人，尤其是在查验结果为混装垃圾的情况下，能够追溯到投放人，有利于落实垃圾分类措施。

【技术实现步骤摘要】
垃圾分类回收方法及系统
本公开的实施例涉及垃圾分类回收技术，具体涉及垃圾分类回收方法和系统。
技术介绍
中国是世界第一垃圾制造国，垃圾年产量4亿吨，年均增长8%~10%，环境不堪重负，垃圾分类迫在眉睫。2019年6月，住建部、发改委、生态环境部等九部门联合印发《住房和城乡建设部等部门关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》。该通知提出：从2019年起，全国地级及以上城市全面启动生活垃圾分类工作。到2020年底，先行先试的46个重点城市，要基本建成垃圾分类处理系统；其他地级城市实现公共机构生活垃圾分类全覆盖。到2022年，各地级城市至少有1个区实现生活垃圾分类全覆盖。2025年前，全国地级及以上城市要基本建成垃圾分类处理系统。在目前试行垃圾分类的城市中，普遍发现的问题是居民分类投递行为不规范，混装严重。一方面良好的垃圾分类投递习惯需要较长时间养成，另一方面现阶段也缺乏对分类投递的有效监管手段，单纯靠少量比例的人工抽检。可见，目前亟需技术手段填补监管空白。此外，以家庭为单位建立垃圾投放登记管理电子台账是各级政府监管层面希望能够做到的事情。在台账中可以记录每个家庭每次投放的各类垃圾的重量、分类投放的规范程度等信息，使得针对垃圾分类行为的奖惩举措更加有理有力，使得官方统计数字和政策法规能够有可信的大数据作为依据。然而，现有技术没有涉及这方面的技术方案。
技术实现思路
针对现有技术中的一个或多个问题，提出了一种垃圾分类回收方法和系统，能够追溯垃圾投放人。根据本公开的一个方面，提出了一种垃圾分类回收方法，包括步骤：获取待分类垃圾的投放人的身份信息；对待分类垃圾进行检测，得到待分类垃圾的检测数据；分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；根据垃圾查验结论处理待分类垃圾；以及绑定所述身份信息、所述检测数据以及所述垃圾查验结论。根据本公开的实施例，所述获取待分类垃圾的投放人的身份信息的步骤包括如下至少之一：利用读卡器从卡片上读取垃圾投放人的识别信息；读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息；识别垃圾投放人的生物特征，得到投放人的识别信息。根据本公开的实施例，所述检测数据至少包括所述待分类垃圾的射线扫描图像。根据本公开的实施例，所述检测数据还包括所述待分类垃圾的重量信息。根据本公开的实施例，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，利用语义分割模型分析待分类垃圾的射线扫描图像，得到垃圾查验结论。根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述分析检测数据的步骤包括：利用语义分割模型来分析待分类垃圾的射线扫描图像；对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾和非混装垃圾中的哪一类；以及输出语义标签图。根据本公开的实施例，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：对多幅垃圾射线扫描图像进行像素或体素级标注；将标注的射线扫描图像输入到语义分割卷积神经网络，进行训练。根据本公开的实施例，分析检测数据的步骤还包括：对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体的份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。根据本公开的实施例，所述的垃圾分类回收方法还包括步骤：对于混装垃圾，通过电子通讯的方式向垃圾投放人发送查验结论以及检测数据。根据本公开的实施例，所述垃圾分类回收方法还包括步骤：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出待分类垃圾中的各种垃圾的具体组成比例和位置分布。根据本公开的实施例，所述非混装垃圾具体为如下之一：可回收垃圾、有害垃圾、厨余垃圾、其它垃圾。根据本公开的另一方面，提出了一种垃圾分类回收系统，包括：身份信息获取装置，获取待分类垃圾的投放人的身份信息；垃圾检测装置，对待分类垃圾进行检测，得到待分类垃圾的检测数据；垃圾分析装置，分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；垃圾储存装置，根据垃圾查验结论处理待分类垃圾；以及其中垃圾分析装置，绑定所述身份信息、所述检测数据以及所述垃圾查验结论。根据本公开的实施例，所述身份信息获取装置包括如下至少之一：读卡器，从卡片上读取垃圾投放人的识别信息；扫码或拍照装置，读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息，或者识别垃圾投放人的生物特征，得到投放人的识别信息。根据本公开的实施例，所述检测数据至少包括所述待分类垃圾的射线扫描图像。根据本公开的实施例，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述垃圾分析装置具体配置为：利用语义分割模型分析待分类垃圾的射线扫描图像，得到垃圾查验结论。根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述垃圾分析装置配置为：利用语义分割模型来分析待分类垃圾的射线扫描图像；对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾或非混装垃圾中的一种；以及输出语义标签图。根据本公开的实施例，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：对多幅垃圾射线扫描图像进行像素或体素级标注；将标注的射线扫描图像输入到语义分割卷积神经网络，进行训练。根据本公开的实施例，垃圾分析装置还被配置为：对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体的份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额均小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。根据本公开的实施例，所述垃圾分析装置还被配置为：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出待分类垃圾中的各种垃圾的具体组成比例和位置分布。上述实施例的方案克服了现有技术中无法对垃圾投放进行监管的缺点。利用上述技术方案，能够追溯垃圾投放人。在其他实施例中，利用语义分割模型，能够将待分类垃圾准确分类为混装垃圾和非混装垃圾并明确指出垃圾混装的具体情形。附图说明为了更好地理解本公开，将根据以下附图对本公开进行详细描述：图1示出了本公开实施例的垃圾分类回收系统的结构示意图；图2是根据本公开实施例的垃圾检测装置的结构示意图；图3是根据本公开实施本文档来自技高网...

【技术保护点】
1.一种垃圾分类回收方法，其特征在于，所述垃圾分类回收方法包括步骤：/n获取待分类垃圾的投放人的身份信息；/n对待分类垃圾进行检测，得到待分类垃圾的检测数据；/n分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；/n根据垃圾查验结论处理待分类垃圾；以及/n绑定所述身份信息、所述检测数据以及所述垃圾查验结论。/n

【技术特征摘要】
1.一种垃圾分类回收方法，其特征在于，所述垃圾分类回收方法包括步骤：
获取待分类垃圾的投放人的身份信息；
对待分类垃圾进行检测，得到待分类垃圾的检测数据；
分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；
根据垃圾查验结论处理待分类垃圾；以及
绑定所述身份信息、所述检测数据以及所述垃圾查验结论。


2.如权利要求1所述的垃圾分类回收方法，其特征在于，所述获取待分类垃圾的投放人的身份信息的步骤包括如下至少之一：
利用读卡器从卡片上读取垃圾投放人的识别信息；
读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息；
识别垃圾投放人的生物特征，得到投放人的识别信息。


3.如权利要求1所述的垃圾分类回收方法，其特征在于，所述检测数据至少包括所述待分类垃圾的射线扫描图像。


4.如权利要求3所述的垃圾分类回收方法，其特征在于，所述检测数据还包括所述待分类垃圾的重量信息。


5.如权利要求3所述的垃圾分类回收方法，其特征在于，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。


6.如权利要求1所述的垃圾分类回收方法，其特征在于，所述检测数据为所述待分类垃圾的射线扫描图像，利用语义分割模型分析待分类垃圾的射线扫描图像，得到垃圾查验结论。


7.如权利要求1所述的垃圾分类回收方法，其特征在于，所述检测数据为所述待分类垃圾的射线扫描图像，所述分析检测数据的步骤包括：
利用语义分割模型分析待分类垃圾的射线扫描图像；
对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾或者非混装垃圾中的一种；以及
输出语义标签图。


8.如权利要求7所述的垃圾分类回收方法，其特征在于，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：
对多幅垃圾射线扫描图像进行像素或体素级标注；
将标注的射线扫描图像输入到语义分割卷积神经网络，进行训练。


9.如权利要求7所述的垃圾分类回收方法，其特征在于，所述分析检测数据的步骤还包括：
对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额均小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。


10.如权利要求9所述的垃圾分类回收方法，其特征在于，所述垃圾分类回收方法还包括步骤：对于混装垃圾，通过电子通讯的方式向垃圾投放人发送查验结论以及检测数据。


11.如权利要求9所述的垃圾分类回收方法，其特征在于，所述垃圾分类回收方法还包括步骤：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出待分类垃圾中的各种垃圾的具体组成比例和位置分布。<...

【专利技术属性】
技术研发人员：陈志强，张丽，彭刚，孙运达，黄清萍，杨帆，
申请(专利权)人：清华大学，同方威视技术股份有限公司，
类型：发明
国别省市：北京;11