快遞紙箱垃圾分類方法、裝置、設備及介質制造方法及圖紙

本發明專利技術涉及人工智能領域，提供一種快遞紙箱垃圾分類方法、裝置、設備及介質，能夠通過圖像增強有效解決快遞垃圾的噪聲，解決了圖像失真對分類準確率的影響，通過圖像分割，有效避免了反光對分類的影響，引入了灰度特征，能夠清楚地提取出快遞紙箱的紋理特征，提高了后續快遞紙箱垃圾分類的準確性，在構建樣本集合時同時結合紋理特征及形狀特征，以便進行更準確的分類，避免采用單一特征進行訓練影響訓練模型的準確度，將待處理圖片輸入至快遞紙箱垃圾分類模型得到目標類別，進而能夠基于計算機視覺實現對快遞垃圾的準確分類，以輔助實現對快遞垃圾的回收利用。此外，本發明專利技術還涉及區塊鏈技術，快遞紙箱垃圾分類模型可存儲于區塊鏈節點中。

【技術實現步驟摘要】
快遞紙箱垃圾分類方法、裝置、設備及介質
本專利技術涉及人工智能
，尤其涉及一種快遞紙箱垃圾分類方法、裝置、設備及介質。
技術介紹
隨著快遞行業的不斷發展，快遞量也呈指數式增長，由此產生了很多廢舊紙箱垃圾，而快遞紙箱的外涂膠帶在二次利用時，產生的膠狀化學物質會造成環境污染，因此，為了維護生態環境，回收快遞的廢舊紙箱并進行再次利用迫在眉睫。由于工廠流水線對效率的要求，人工作業實現快遞紙箱的分類難以達成目標。在垃圾分類領域，主要獲得了以下進展：(1)2015年，Ozkan等人的工作打開了CV(ComputerVision，計算機視覺)技術在垃圾分類識別領域的大門。Ozkan等人的分類識別目標是塑料瓶，經過降噪等圖像預處理，實現了較高準確率的分類識別。(2)SUDHAS、Esakr等學者的研究工作實現了CV技術在垃圾分類識別領域的更多應用，能夠在宏觀層面實現對垃圾材質的分類。(3)國內在基于CV技術的垃圾分類識別領域的研究工作較少。專家學者們在2019年研究了對水面垃圾的分類，同年又實現了對建筑垃圾進行分類，直至2020年，國內基于CV技術的垃圾分類識別可以在80％左右準確率的情況下實現對生活廢棄物的分類識別。由以上可知，基于CV技術的垃圾分類識別已經有了很大發展，但是缺乏對單品種垃圾展開的研究，尤其是對于快遞紙箱垃圾的分類，目前尚沒有相關分類識別技術的研究。
技術實現思路
鑒于以上內容，有必要提供一種快遞紙箱垃圾分類方法、裝置、設備及介質，能夠基于計算機視覺實現對快遞垃圾的準確分類，以輔助實現對快遞垃圾的回收利用。一種快遞紙箱垃圾分類方法，所述快遞紙箱垃圾分類方法包括：響應于快遞紙箱垃圾分類指令，根據所述快遞紙箱垃圾分類指令獲取樣本數據；對所述樣本數據進行圖像增強處理，得到增強樣本；對所述增強樣本進行圖像分割處理，得到輪廓信息集合；提取所述輪廓信息集合中每個輪廓信息的紋理特征，并根據提取的紋理特征構建紋理特征集合；提取所述輪廓信息集合中每個輪廓信息的形狀特征，并根據提取的形狀特征構建形狀特征集合；將所述紋理特征集合中的每個紋理特征與所述形狀特征集合中對應的形狀特征組合為一個訓練樣本，并根據組合得到的所有訓練樣本構建樣本集合；利用所述樣本集合訓練指定分類器，得到快遞紙箱垃圾分類模型；當接收到待處理圖片時，將所述待處理圖片輸入至所述快遞紙箱垃圾分類模型，并獲取所述快遞紙箱垃圾分類模型的輸出作為所述待處理圖片的目標類別。根據本專利技術優選實施例，所述對所述樣本數據進行圖像增強處理，得到增強樣本包括：對于所述樣本數據中的每個子圖像，按照指定尺度對所述子圖像進行模糊處理，得到模糊圖像；計算所述子圖像的對數值作為第一對數值，及計算所述模糊圖像的對數值作為第二對數值；計算所述第一對數值與所述第二對數值的差值作為第三對數值；將所述第三對數值轉化為像素值，得到所述子圖像對應的增強圖像；組合得到的增強圖像，得到所述增強樣本。根據本專利技術優選實施例，所述對所述增強樣本進行圖像分割處理，得到輪廓信息集合包括：將所述增強樣本輸入至預先訓練的神經網絡模型中進行特征提取，得到特征圖集合；獲取所述特征圖集合中每個特征圖的至少一個候選ROI；將每個特征圖的至少一個候選ROI輸入至區域建議網絡進行過濾，得到每個特征圖的目標ROI；對每個特征圖的目標ROI進行對齊操作；將對齊操作后的目標ROI輸入至全卷積網絡，并獲取所述全卷積網絡的輸出作為每個特征圖的輪廓信息；利用得到的輪廓信息構建所述輪廓信息集合。根據本專利技術優選實施例，所述提取所述輪廓信息集合中每個輪廓信息的紋理特征包括：獲取每個輪廓信息中像素點的數量；確定每個輪廓信息中像素點的灰度值，及確定每個像素點取對應灰度值的概率；根據每個輪廓信息中像素點的數量、每個輪廓信息中像素點的灰度值及每個像素點取對應灰度值的概率計算每個輪廓信息對應的平均值；根據每個輪廓信息中像素點的灰度值及每個像素點取對應灰度值的概率計算每個輪廓信息對應的對比度；根據每個像素點取對應灰度值的概率計算每個輪廓信息對應的熵；組合每個輪廓信息對應的平均值、每個輪廓信息對應的對比度及每個輪廓信息對應的熵，得到每個輪廓信息的紋理特征。根據本專利技術優選實施例，所述提取所述輪廓信息集合中每個輪廓信息的形狀特征包括：計算所述輪廓信息集合中每個輪廓信息的周長及面積；將每個輪廓信息的周長及面積確定為每個輪廓信息的形狀特征。根據本專利技術優選實施例，所述利用所述樣本集合訓練指定分類器，得到快遞紙箱垃圾分類模型包括：確定所述樣本集合中每個訓練樣本的類別；根據每個訓練樣本的類別對每個訓練樣本進行標簽處理，得到標簽樣本集合；按照預設比例劃分所述標簽樣本集合，得到第一樣本集合及第二樣本集合；將所述第一樣本集合輸入至支持向量機分類器進行訓練，直至所述支持向量機分類器達到收斂，停止訓練，得到中間模型；利用所述第二樣本集合驗證所述中間模型；當所述中間模型的準確率大于或者等于預設閾值時，將所述中間模型確定為所述快遞紙箱垃圾分類模型。根據本專利技術優選實施例，在獲取所述快遞紙箱垃圾分類模型的輸出作為所述待處理圖片的目標類別后，所述方法還包括：根據類別與對應的處理措施建立快遞垃圾處理表；利用所述目標類別在所述快遞垃圾處理表中進行匹配，并將匹配到的類別對應的處理措施確定為目標處理措施；根據所述目標處理措施生成提示信息；將所述提示信息發送至指定終端設備。一種快遞紙箱垃圾分類裝置，所述快遞紙箱垃圾分類裝置包括：獲取單元，用于響應于快遞紙箱垃圾分類指令，根據所述快遞紙箱垃圾分類指令獲取樣本數據；增強單元，用于對所述樣本數據進行圖像增強處理，得到增強樣本；分割單元，用于對所述增強樣本進行圖像分割處理，得到輪廓信息集合；構建單元，用于提取所述輪廓信息集合中每個輪廓信息的紋理特征，并根據提取的紋理特征構建紋理特征集合；所述構建單元，還用于提取所述輪廓信息集合中每個輪廓信息的形狀特征，并根據提取的形狀特征構建形狀特征集合；所述構建單元，還用于將所述紋理特征集合中的每個紋理特征與所述形狀特征集合中對應的形狀特征組合為一個訓練樣本，并根據組合得到的所有訓練樣本構建樣本集合；訓練單元，用于利用所述樣本集合訓練指定分類器，得到快遞紙箱垃圾分類模型；分類單元，用于當接收到待處理圖片時，將所述待處理圖片輸入至所述快遞紙箱垃圾分類模型，并獲取所述快遞紙箱垃圾分類模型的輸出作為所述待處理圖片的目標類別。一種計算機設備，所述計算機設備包括：存儲器，存儲至少一個指令；及處理器，執行所述存儲器中存儲的指令以實現所述快遞紙箱垃圾分類方法。一種計算機可讀存儲介質本文檔來自技高網...

【技術保護點】
1.一種快遞紙箱垃圾分類方法，其特征在于，所述快遞紙箱垃圾分類方法包括：/n響應于快遞紙箱垃圾分類指令，根據所述快遞紙箱垃圾分類指令獲取樣本數據；/n對所述樣本數據進行圖像增強處理，得到增強樣本；/n對所述增強樣本進行圖像分割處理，得到輪廓信息集合；/n提取所述輪廓信息集合中每個輪廓信息的紋理特征，并根據提取的紋理特征構建紋理特征集合；/n提取所述輪廓信息集合中每個輪廓信息的形狀特征，并根據提取的形狀特征構建形狀特征集合；/n將所述紋理特征集合中的每個紋理特征與所述形狀特征集合中對應的形狀特征組合為一個訓練樣本，并根據組合得到的所有訓練樣本構建樣本集合；/n利用所述樣本集合訓練指定分類器，得到快遞紙箱垃圾分類模型；/n當接收到待處理圖片時，將所述待處理圖片輸入至所述快遞紙箱垃圾分類模型，并獲取所述快遞紙箱垃圾分類模型的輸出作為所述待處理圖片的目標類別。/n

【技術特征摘要】
1.一種快遞紙箱垃圾分類方法，其特征在于，所述快遞紙箱垃圾分類方法包括：
響應于快遞紙箱垃圾分類指令，根據所述快遞紙箱垃圾分類指令獲取樣本數據；
對所述樣本數據進行圖像增強處理，得到增強樣本；
對所述增強樣本進行圖像分割處理，得到輪廓信息集合；
提取所述輪廓信息集合中每個輪廓信息的紋理特征，并根據提取的紋理特征構建紋理特征集合；
提取所述輪廓信息集合中每個輪廓信息的形狀特征，并根據提取的形狀特征構建形狀特征集合；
將所述紋理特征集合中的每個紋理特征與所述形狀特征集合中對應的形狀特征組合為一個訓練樣本，并根據組合得到的所有訓練樣本構建樣本集合；
利用所述樣本集合訓練指定分類器，得到快遞紙箱垃圾分類模型；
當接收到待處理圖片時，將所述待處理圖片輸入至所述快遞紙箱垃圾分類模型，并獲取所述快遞紙箱垃圾分類模型的輸出作為所述待處理圖片的目標類別。


2.如權利要求1所述的快遞紙箱垃圾分類方法，其特征在于，所述對所述樣本數據進行圖像增強處理，得到增強樣本包括：
對于所述樣本數據中的每個子圖像，按照指定尺度對所述子圖像進行模糊處理，得到模糊圖像；
計算所述子圖像的對數值作為第一對數值，及計算所述模糊圖像的對數值作為第二對數值；
計算所述第一對數值與所述第二對數值的差值作為第三對數值；
將所述第三對數值轉化為像素值，得到所述子圖像對應的增強圖像；
組合得到的增強圖像，得到所述增強樣本。


3.如權利要求1所述的快遞紙箱垃圾分類方法，其特征在于，所述對所述增強樣本進行圖像分割處理，得到輪廓信息集合包括：
將所述增強樣本輸入至預先訓練的神經網絡模型中進行特征提取，得到特征圖集合；
獲取所述特征圖集合中每個特征圖的至少一個候選ROI；
將每個特征圖的至少一個候選ROI輸入至區域建議網絡進行過濾，得到每個特征圖的目標ROI；
對每個特征圖的目標ROI進行對齊操作；
將對齊操作后的目標ROI輸入至全卷積網絡，并獲取所述全卷積網絡的輸出作為每個特征圖的輪廓信息；
利用得到的輪廓信息構建所述輪廓信息集合。


4.如權利要求1所述的快遞紙箱垃圾分類方法，其特征在于，所述提取所述輪廓信息集合中每個輪廓信息的紋理特征包括：
獲取每個輪廓信息中像素點的數量；
確定每個輪廓信息中像素點的灰度值，及確定每個像素點取對應灰度值的概率；
根據每個輪廓信息中像素點的數量、每個輪廓信息中像素點的灰度值及每個像素點取對應灰度值的概率計算每個輪廓信息對應的平均值；
根據每個輪廓信息中像素點的灰度值及每個像素點取對應灰度值的概率計算每個輪廓信息對應的對比度；
根據每個像素點取對應灰度值的概率計算每個輪廓信息對應的熵；
組合每個輪廓信息對應的平均值、每個輪廓信息對應的對比度及每個輪廓信息對應的熵，得到每個輪廓信息的紋理特征。


5.如權利要求1所述的快遞紙箱垃...

【專利技術屬性】
技術研發人員：于鳳英，王健宗，
申請(專利權)人：平安科技深圳有限公司，
類型：發明
國別省市：廣東;44