一种基于楼梯清扫机器人的垃圾分类控制系统

摘要

本发明公开了一种基于楼梯清扫机器人的垃圾分类控制系统，涉及垃圾分类技术领域，包括获取模块，用于获取待分类垃圾的具体图像；预处理模块，用于提取所述的待分类垃圾的具体图像的特征部分信息，并生成所述的待分类垃圾的标准图像；匹配模块，用于提取所述待分类垃圾的标准图像并与预先建立的垃圾模型库进行匹配，经所述垃圾识别模型库匹配后，输出所述的待分类垃圾的初始垃圾类别；识别模块，用于依据所述初始垃圾类别，确定所述待分类垃圾对应的最终垃圾类别。相比于传统楼梯清扫机器人在对垃圾进行清理时将所有的垃圾吸纳到内置在其中的垃圾收纳盒中的方式，本发明可以在垃圾进行清理时可以对垃圾类别进行识别，从而更利于后续的垃圾处理。

权利要求

1.一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，所述的系统包括：获取模块，用于获取待分类垃圾的具体图像；

预处理模块，用于提取所述的待分类垃圾的具体图像的特征部分信息，并生成所述的待分类垃圾的标准图像；

匹配模块，用于提取所述待分类垃圾的标准图像并与预先建立的垃圾模型库进行匹配，经所述垃圾识别模型库匹配后，输出所述的待分类垃圾的初始垃圾类别；

识别模块，用于依据所述初始垃圾类别，确定所述待分类垃圾对应的最终垃圾类别；

识别模块具体用于：

提取所述的待分类垃圾的初始垃圾类别下的垃圾模型子库内的所有模型图像；

将所述的垃圾模型子库内的所有模型图像还原成具体图像；

提取所述的待分类垃圾标准图像与上述的具体图像进行比对，并提取与待分类垃圾标准图像相似度到一定比例的具体图像；

提取与待分类垃圾标准图像相似度到一定比例的具体图像，并计算出其数量与所述的垃圾模型子库内的所有模型图像数量的比例；

比例大于设定的阈值时，输出该待分类垃圾的最终垃圾类别；

所述的待分类垃圾标准图像相似度到一定比例的具体图像与所述的垃圾模型子库内的所有模型图像数量的比例小于设定的阈值时，则放弃本次识别并重新提取待分类垃圾的具体图像并对其进行识别分类。

2.根据权利要求1所述的一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，形成所述的垃圾模型库的方法包括以下步骤：收集不同类型垃圾在不同状态下的具体图像；

将收集所得的具体图像进行预处理，收集图像中的特征部分信息后生成与所述的图像相对应的模型图像；

提取同类型垃圾在不同状态下的模型图像后生成垃圾模型子库；

提取不同类型垃圾的垃圾模型子库后整合生成垃圾模型库。

3.根据权利要求1所述的一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，获得所述的待分类垃圾标准图像的步骤包括：提取所述的待分类垃圾的具体图像；

调整所述的待分类垃圾的具体图像，使得所述的待分类垃圾位于图像的正中心位置且尺寸大小与垃圾模型库中收录的模型图像的尺寸相同；

调整所述的图像的亮度、色彩对比度和色彩饱和度后生成所述的待分类垃圾的标准图像。

4.根据权利要求1所述的一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，匹配模块具体用于：

提取所述的待分类垃圾的标准图像；

将所述的标准图像与垃圾模型库进行对比，并提取垃圾模型库中与所述的标准图像相似度到一定比例的模型图像；

根据所提取的模型图像所属的垃圾模型子库的类别来判断出所述的待分类垃圾的初始垃圾类别。

5.根据权利要求4所述的一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，所述的提取的模型图像分属于不同的垃圾模型子库时，选取包括较多模型图像的那个垃圾模型子库作为所述的待分类垃圾的初始垃圾类别。

说明书

一种基于楼梯清扫机器人的垃圾分类控制系统

技术领域

[0001] 本发明涉及垃圾分类技术领域，具体涉及一种基于楼梯清扫机器人的垃圾分类控制系统。

背景技术

[0002] 扫地机器人，又称自动打扫机、智能吸尘、机器人吸尘器等，是智能家用电器的一种，能凭借一定的人工智能，自动在房间内完成地板清理工作。一般采用刷扫和真空方式，
将地面杂物先吸纳进入自身的垃圾收纳盒，从而完成地面清理的功能。一般来说，将完成清
扫、吸尘、擦地工作的机器人，也统一归为扫地机器人。其中楼梯清扫机器人则是专为清洁
楼梯垃圾所研发的，能够为户主及时清扫楼梯间的垃圾，从而可以有效避免人员再楼梯行
走时滑倒。

[0003] 而楼梯清扫机器人在对垃圾进行清理时将所有的垃圾统一吸纳到内置在其中的垃圾收纳盒中，而在垃圾收纳的过程中没有经过垃圾分类，针对不同垃圾采用同样的处理
方式，不同类型的垃圾堆放在一起不利于后续的垃圾再处理。

发明内容

[0004] 本发明的目的在于提供一种基于楼梯清扫机器人的垃圾分类控制系统，以解决上述背景技术中提出的问题。

[0005] 为实现上述目的，本发明提供如下技术方案：

[0006] 一种基于楼梯清扫机器人的垃圾分类控制系统，其特征在于，所述的系统包括：

[0007] 获取模块，用于获取待分类垃圾的具体图像；

[0008] 预处理模块，用于提取所述的待分类垃圾的具体图像的特征部分信息，并生成所述的待分类垃圾的标准图像；

[0009] 匹配模块，用于提取所述待分类垃圾的标准图像并与预先建立的垃圾模型库进行匹配，经所述垃圾识别模型库匹配后，输出所述的待分类垃圾的初始垃圾类别；

[0010] 识别模块，用于依据所述初始垃圾类别，确定所述待分类垃圾对应的最终垃圾类别。

[0011] 作为本发明进一步的方案：形成所述的垃圾模型库的方法包括以下步骤：

[0012] 收集不同类型垃圾在不同状态下的具体图像；

[0013] 将收集所得的具体图像进行预处理，收集图像中的特征部分信息后生成与所述的图像相对应的模型图像；

[0014] 提取同类型垃圾在不同状态下的模型图像后生成垃圾模型子库；

[0015] 提取不同类型垃圾的垃圾模型子库后整合生成垃圾模型库。

[0016] 作为本发明进一步的方案：获得所述的待分类垃圾标准图像的步骤包括：

[0017] 提取所述的待分类垃圾的具体图像；

[0018] 调整所述的待分类垃圾的具体图像，使得所述的待分类垃圾位于图像的正中心位置且尺寸大小与垃圾模型库中收录的模型图像的尺寸相同。

[0019] 调整所述的图像的亮度、色彩对比度和色彩饱和度后生成所述的待分类垃圾的标准图像。

[0020] 作为本发明进一步的方案：匹配模块具体用于：

[0021] 提取所述的待分类垃圾的标准图像；

[0022] 将所述的标准图像与垃圾模型库进行对比，并提取垃圾模型库中与所述的标准图像相似度到一定比例的模型图像；

[0023] 根据所提取的模型图像所属的垃圾模型子库的类别来判断出所述的待分类垃圾的初始垃圾类别；

[0024] 作为本发明进一步的方案：所述的提取的模型图像分属于不同的垃圾模型子库时，选取包括较多模型图像的那个垃圾模型子库作为所述的待分类垃圾的初始垃圾类别。

[0025] 作为本发明进一步的方案：识别模块具体用于：

[0026] 将所述的垃圾模型子库内的所有模型图像还原成具体图像；

[0027] 提取所述的待分类垃圾标准图像与上述的具体图像进行比对，并提取与待分类垃圾标准图像相似度到一定比例的具体图像；

[0028] 提取与待分类垃圾标准图像相似度到一定比例的具体图像，并计算出其数量与所述的垃圾模型子库内的所有模型图像数量的比例；

[0029] 比例大于设定的阈值时，输出该待分类垃圾的最终垃圾类别。

[0030] 作为本发明进一步的方案：所述的待分类垃圾标准图像相似度到一定比例的具体图像与所述的垃圾模型子库内的所有模型图像数量的比例小于设定的阈值时，则放弃本次
识别并重新提取待分类垃圾的具体图像并对其进行识别分类。

[0031] 与现有技术相比，本发明的有益效果是：

[0032] 本发明通过获取待分类垃圾的具体图像信息，并将其进行预处理生成符合标准格式的标准图像后与系统内部所收录的垃圾模型库内的模型图像进行匹配，并通过筛选出与
待分类垃圾的标准图像相似度达到一定比例的模型图像，并识别筛选出的模型图像所述从
属的垃圾模型子库，并根据占据最大比例的垃圾模型子库识别出待分类垃圾的的初始垃圾
类型；然后再通过与该垃圾模型子库中的模型图像的原图像进行再一次的匹配来进一步确
认，使得楼梯清扫机器人在清理垃圾时能够对垃圾类别进行分类，从而采用不同的清理方
式，更加科学高效。

附图说明

[0033] 图1为一种基于楼梯清扫机器人的垃圾分类控制系统的总体结构示意图。

[0034] 图2为生成待分类垃圾标准图像的流程示意图。

[0035] 图3为匹配模块的结构示意图。

[0036] 图4为生成垃圾模型的流程示意图。

[0037] 图5为识别模块的结构示意图

具体实施方式

[0038] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0039] 需要说明，若本发明实施例中有方向性指示(诸如上、下、左、右、前、后......)，则其仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等，如果该特定姿
态发生改变时，则该方向性指示也相应地随之改变。

[0040] 另外，若在本发明中涉及“第一”、“第二”等的描述，则其仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第
一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技
术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的
结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求
的保护范围之内。

[0041] 以下结合具体实施例对本发明的具体实现进行详细描述：

[0042] 如图1所示，作为本发明提供的一种基于楼梯清扫机器人的垃圾分类控制系统，包括获取模块100，用于获取待分类垃圾的具体图像；预处理模块200，用于提取所述的待分类
垃圾的具体图像的特征部分信息，并生成所述的待分类垃圾的标准图像；匹配模块300，用
于提取所述待分类垃圾的标准图像并与预先建立的垃圾模型库进行匹配，经所述垃圾识别
模型库匹配后，输出所述的待分类垃圾的初始垃圾类别；识别模块400，用于依据所述初始
垃圾类别，确定所述待分类垃圾对应的最终垃圾类别。

[0043] 如图2所示，作为本发明一个优选的实施例，获得所述的待分类垃圾标准图像的步骤包括：

[0044] 步骤S201,提取所述的待分类垃圾的具体图像；

[0045] 步骤S202,调整所述的待分类垃圾的具体图像，使得所述的待分类垃圾位于图像的正中心位置且尺寸大小与垃圾模型库中收录的模型图像的尺寸相同。

[0046] 步骤S203,调整所述的图像的亮度、色彩对比度和色彩饱和度后生成所述的待分类垃圾的标准图像。

[0047] 如图3所示，作为本发明一个优选的实施例，匹配模块300具体用于：

[0048] S301,提取所述的待分类垃圾的标准图像；

[0049] S302,将所述的标准图像与垃圾模型库进行对比，并提取垃圾模型库中与所述的标准图像相似度到一定比例的模型图像；

[0050] S303,根据所提取的模型图像所属的垃圾模型子库的类别来判断出所述的待分类垃圾的初始垃圾类别。

[0051] 如图4所示，作为本发明一个优选的实施例，形成所述的垃圾模型库的方法包括以下步骤：

[0052] 步骤S3021,收集不同类型垃圾在不同状态下的具体图像；

[0053] 步骤S3022,将收集所得的具体图像进行预处理，收集图像中的特征部分信息后生成与所述的图像相对应的模型图像；

[0054] 步骤S3023,提取同类型垃圾在不同状态下的模型图像后生成垃圾模型子库；

[0055] 步骤S3024,提取不同类型垃圾的垃圾模型子库后整合生成垃圾模型库。

[0056] 作为本发明一个优选的实施例，所述的提取的模型图像分属于不同的垃圾模型子库时，选取包括较多模型图像的那个垃圾模型子库作为所述的待分类垃圾的初始垃圾类
别。

[0057] 如图5所示，作为本发明一个优选的实施例，识别模块400具体用于：

[0058] S401,提取所述的待分类垃圾的初始垃圾类别下的垃圾模型子库内的所有模型图像；

[0059] S402,将所述的垃圾模型子库内的所有模型图像还原成具体图像；

[0060] S403,提取所述的待分类垃圾标准图像与上述的具体图像进行比对，并提取与待分类垃圾标准图像相似度到一定比例的具体图像；

[0061] S404,提取与待分类垃圾标准图像相似度到一定比例的具体图像，并计算出其数量与所述的垃圾模型子库内的所有模型图像数量的比例；

[0062] S405,比例大于设定的阈值时，输出该待分类垃圾的最终垃圾类别。

[0063] 如图5所示，作为本发明一个优选的实施例，所述的待分类垃圾标准图像相似度到一定比例的具体图像与所述的垃圾模型子库内的所有模型图像数量的比例小于设定的阈
值时，则放弃本次识别并重新提取待分类垃圾的具体图像并对其进行识别分类。

[0064] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。

[0065] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其
发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。