【技术实现步骤摘要】
本专利技术涉及垃圾分类，尤其涉及一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置。
技术介绍
1、深度残差网络算法即是一种深度学习架构，它通过引入残差块来优化网络训练过程中的信息传递。自2015年提出以来，在深度学习领域产生了重要影响。这种网络结构的设计旨在解决深度学习中的梯度消失和表示瓶颈问题，使得网络能够训练更深的模型并提高性能。深度残差网络的核心思想是通过引入残差块来保留信息的直接传递路径。在传统的神经网络中，每一层的输出会直接作为下一层的输入，而在深度残差网络中，每一层除了学习数据的映射之外，还要学习一个恒等映射，即尽量使得每一层对输入数据不改变直接传递到输出端。这样的设计可以保证即使在网络非常深的情况下，梯度仍然可以有效地向后传播，从而避免了梯度消失的问题。
2、这种resnet还沿用了vgg网络中的3x3卷积层设计，并使用了batchnormalization层和relu激活函数。为了实现残差连接，resnet还引入了额外的1x1卷积层，用于将输入变换为与残差函数结果相匹配的形状，然后将两者直接相加。
3、现有的垃圾分拣分类装置自动化程度不高，且识别准确度不高；现有的垃圾分拣分类装置对场地地面有一定的要求，因此通用性不强，不能很好的提高工作效率，无法满足现代垃圾分拣分类装置的需要。
技术实现思路
1、本专利技术的一个目的在于提出一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，本专利技术更好地将废弃物分流处理，提高资源的回收利用率，减
2、根据本专利技术实施例的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，包括前车体(6)以及安装在前车体(6)顶端表面的机械手臂(2)，所述机械手臂(2)包括机械臂底座(201)以及设置在机械臂底座(201)一端表面的机械臂(202)和机械爪(203)，所述前车体(6)的底端表面设置有电机组(19)，所述电机组(19)的上端设置有传感器(18)，所述电机组(19)的两端设置有前车轮(9)包括前车轮(901)和前车轮(902)，所述前车轮(9)的上端设置前照灯(16)和反光板(17)，所述前车体(6)的前端表面设置有摄像头(1)，所述前车体(6)的内部设置有电池(3)和芯片(4)，所述前车体(6)的上端表面设置有红外传感报警器(10)，所述前车体(6)的表面设置有前车顶盖(12)，所述前车体(6)的内部设置有控制电路板(15)所述前车体(6)的内部设置有gps(20)。包括后挂车(13)以及安装在后挂车(13)底端表面的雷达(8)和排水系统(22)，所述后挂车(13)后端表面的后置摄像头(7)，所述后挂车(13)的两端设置有后车轮(24)包括后车轮(2401)和后车轮(2402)，所述后挂车(13)的内部设置有垃圾入口(11)和容量(21)以及分类系统(23)，所述后挂车(13)的内部设置有垃圾净化显示屏(14)包括垃圾净化显示屏(1401)、垃圾净化显示屏(1402)、垃圾净化显示屏(1403)、垃圾净化显示屏(1404)，连接前车体(6)和后挂车(13)设置有万向节(5)。
3、可选的，所述后挂车(13)底部的两侧安装有后车轮(24)，所述前车体(6)远离传感器(18)的一端表面设置有万向节(5)，所述后挂车(13)通过万向节(5)与前车体(6)卡扣连接。
4、可选的，所述芯片(4)与控制主板(15)和电池(3)连接，所述传感器(18)和摄像头(1)(7)的数量各为两个，所述雷达(8)的数量为两个，所述前车轮(9)和后车轮(24)均为万向轮的数量各为四个。
5、可选的，所述芯片(4)运用了深度残差网络算法在垃圾分类数据集garbagene上性能比较，通过在深度残差网络参数除分类层以外的参数用预训练模型参数初始化，分类层使用的xavier初始化方法，训练中冷冻residual block4之前的层，只对residual block4之后的层微调训练，在resnet-50网络上进行有预训练模型初始化参数和无预训练模型参数初始化参数进行比对实验，没有预训练模型的网络使用xavier初始化方法对全局参数进行训练。
6、可选的，所述机械手臂(2)与控制电路板(15)电性连接，所述摄像头(1)和传感器(18)均与芯片(4)电性连接，所述电机组(19)与芯片(4)电性连接。
7、可选的，所述前车轮(9)由电机组(19)驱动，所述后车轮(24)与后挂车(13)旋转连接，所述电池(3)与机械手臂(2)、电机组(19)、控制电路板(15)和传感器(18)电性连接。
8、可选的，所述电机组(19)为直流减速电机组，所述前车轮(9)和后车轮(24)均为万向轮，所述芯片(4)的型号为arduino mega adk rev3，所述控制电路板(15)为电机控制器内部控制板，所述摄像头(1)和后置摄像头(7)分别为前视摄像头和后视摄像头，所述传感器(18)为数字红外温度激光传感器。
9、本专利技术的有益效果是：
10、本专利技术是一种基于深度残差网络算法下垃圾分拣分类运输装置，该垃圾分拣分类运输装置通过深度残差网络算法提高了识别的准确度，从而提升了运行效率。使用万向轮，省时省力，它的结构允许360度旋转，相比步行或爬行的移动机器人行动更加便捷，提高工作效率及通过性好。前车体和后挂车使用万向节，可以使后挂车的灵活性提高，不受场地、道路的限制。后挂车内部设置的垃圾净化装置，可有效分拣分类厨余垃圾、可回收垃圾、有害垃圾和其他垃圾，更好地将废弃物分流处理，提高资源的回收利用率，减少环境污染。
本文档来自技高网...【技术保护点】
1.一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，包括前车体(6)以及安装在前车体(6)顶端表面的机械手臂(2)，所述机械手臂(2)包括机械臂底座(201)以及设置在机械臂底座(201)一端表面的机械臂(202)和机械爪(203)，所述前车体(6)的底端表面设置有电机组(19)，所述电机组(19)的上端设置有传感器(18)，所述电机组(19)的两端设置有前车轮(9)包括前车轮(901)和前车轮(902)，所述前车轮(9)的上端设置前照灯(16)和反光板(17)，所述前车体(6)的前端表面设置有摄像头(1)，所述前车体(6)的内部设置有电池(3)和芯片(4)，所述前车体(6)的上端表面设置有红外传感报警器(10)，所述前车体(6)的表面设置有前车顶盖(12)，所述前车体(6)的内部设置有控制电路板(15)所述前车体(6)的内部设置有GPS(20)。包括后挂车(13)以及安装在后挂车(13)底端表面的雷达(8)和排水系统(22)，所述后挂车(13)后端表面的后置摄像头(7)，所述后挂车(13)的两端设置有后车轮(24)包括后车轮(2401)和后车轮(2402)，
2.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述后挂车(13)底部的两侧安装有后车轮(24)，所述前车体(6)远离传感器(18)的一端表面设置有万向节(5)，所述后挂车(13)通过万向节(5)与前车体(6)卡扣连接。
3.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述芯片(4)与控制主板(15)和电池(3)连接，所述传感器(18)和摄像头(1)(7)的数量各为两个，所述雷达(8)的数量为两个，所述前车轮(9)和后车轮(24)均为万向轮的数量各为四个。
4.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述芯片(4)运用了深度残差网络算法在垃圾分类数据集GarbageNe上性能比较，通过在深度残差网络参数除分类层以外的参数用预训练模型参数初始化，分类层使用的Xavier初始化方法，训练中冷冻Residual Block4之前的层，只对Residual Block4之后的层微调训练，在ResNet-50网络上进行有预训练模型初始化参数和无预训练模型参数初始化参数进行比对实验，没有预训练模型的网络使用Xavier初始化方法对全局参数进行训练。
5.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述机械手臂(2)与控制电路板(15)电性连接，所述摄像头(1)和传感器(18)均与芯片(4)电性连接，所述电机组(19)与芯片(4)电性连接。
6.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述前车轮(9)由电机组(19)驱动，所述后车轮(24)与后挂车(13)旋转连接，所述电池(3)与机械手臂(2)、电机组(19)、控制电路板(15)和传感器(18)电性连接。
7.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述电机组(19)为直流减速电机组，所述前车轮(9)和后车轮(24)均为万向轮，所述芯片(4)的型号为Arduino Mega ADK Rev3，所述控制电路板(15)为电机控制器内部控制板，所述摄像头(1)和后置摄像头(7)分别为前视摄像头和后视摄像头，所述传感器(18)为数字红外温度激光传感器。
...【技术特征摘要】
1.一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，包括前车体(6)以及安装在前车体(6)顶端表面的机械手臂(2)，所述机械手臂(2)包括机械臂底座(201)以及设置在机械臂底座(201)一端表面的机械臂(202)和机械爪(203)，所述前车体(6)的底端表面设置有电机组(19)，所述电机组(19)的上端设置有传感器(18)，所述电机组(19)的两端设置有前车轮(9)包括前车轮(901)和前车轮(902)，所述前车轮(9)的上端设置前照灯(16)和反光板(17)，所述前车体(6)的前端表面设置有摄像头(1)，所述前车体(6)的内部设置有电池(3)和芯片(4)，所述前车体(6)的上端表面设置有红外传感报警器(10)，所述前车体(6)的表面设置有前车顶盖(12)，所述前车体(6)的内部设置有控制电路板(15)所述前车体(6)的内部设置有gps(20)。包括后挂车(13)以及安装在后挂车(13)底端表面的雷达(8)和排水系统(22)，所述后挂车(13)后端表面的后置摄像头(7)，所述后挂车(13)的两端设置有后车轮(24)包括后车轮(2401)和后车轮(2402)，所述后挂车(13)的内部设置有垃圾入口(11)和容量(21)以及分类系统(23)，所述后挂车(13)的内部设置有垃圾净化显示屏(14)包括垃圾净化显示屏(1401)、垃圾净化显示屏(1402)、垃圾净化显示屏(1403)、垃圾净化显示屏(1404)，连接前车体(6)和后挂车(13)设置有万向节(5)。
2.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于，所述后挂车(13)底部的两侧安装有后车轮(24)，所述前车体(6)远离传感器(18)的一端表面设置有万向节(5)，所述后挂车(13)通过万向节(5)与前车体(6)卡扣连接。
3.根据权利要求1所述的一种基于深度残差网络算法下智能无人垃圾分类分拣运输装置，其特征在于...
【专利技术属性】
技术研发人员：方强龙，汪怡，王书生，吴常情，孙中彬，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。