一種具有快速分類功能的垃圾分類處理裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及垃圾分類處理領(lǐng)域，具體涉及一種具有快速分類功能的垃圾分類處理 裝置。
【背景技術(shù)】
[0002] 隨著社會的發(fā)展，各種各樣的垃圾被制造出來，垃圾污染也越來越威脅著人類的 健康和社會的發(fā)展。為了保護(hù)我們共同生活的環(huán)境，實現(xiàn)人與大自然和諧相處，如何對垃圾 進(jìn)行分類處理成為解決污染的有效手段。各種垃圾分類處理裝置出現(xiàn)在街頭，然而由于人 們?nèi)狈诸愐庾R，這些垃圾分類裝置并沒有起到預(yù)想的效果，發(fā)明一種具有快速分類 功能的垃圾分類處理裝置能夠有效解決上述問題。
[0003]目標(biāo)輪廓識別作為目標(biāo)識別的重要手段，由于實際應(yīng)用中受到噪聲、量化誤差等 因素的影響，目標(biāo)輪廓不可避免地會產(chǎn)生失真，為了準(zhǔn)確描述輪廓特征，目標(biāo)輪廓的濾波平 滑處理是十分必要的。目前，學(xué)者們提出了許多含噪輪廓的濾波平滑算法，但是普遍存在計 算量龐大、降噪效果不理想、容易發(fā)生過度濾波導(dǎo)致目標(biāo)失真等問題。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明提供一種具有快速分類功能的垃圾分類處理裝置。
[0005] 本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：
[0006] -種具有快速分類功能的垃圾分類處理裝置，包括普通垃圾分類處理裝置和安裝 在垃圾分類處理裝置上的目標(biāo)識別裝置，該垃圾分類處理裝置具有很強(qiáng)的垃圾分類處理能 力，垃圾分類處理裝置通過目標(biāo)輪廓識別目標(biāo)，識別過程中能有效濾除目標(biāo)輪廓噪聲，從而 根據(jù)輪廓對垃圾種類做出正確識別，其特征是，包括建模模塊、分段模塊、合并模塊和濾波 豐旲塊；
[0007] 建模模塊，用于建立目標(biāo)輪廓的參數(shù)化方程:對于給定的目標(biāo)輪廓G(t)，其弧長參 數(shù)化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓 曲線方程的參數(shù)，且te[0，i];
[0008] 含噪輪廓的弧長參數(shù)化方程表示為:6〃(〇=6(〇+仏（〇+仏（〇6(〇,其中加性噪 聲部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪聲部分N2(t)=N2(X2(t)，y2(t));
[0009] 分段模塊，用于對輪廓的分段：目標(biāo)輪廓G(t)和含噪輪廓GN(t)所對應(yīng)的曲率分別 為k(t)和k N(t);選寬度寬度為D的窗函數(shù)W(n)，對曲率kN(t)進(jìn)行鄰域平均，得到平均曲率 k1N( t)，同時對窗口內(nèi)的曲率值排序，選定中值曲率k2N( t)，將平均曲率k1N( t)和中值曲率k2N (t)差的絕對值與選定的閾值^進(jìn)行比較，根據(jù)比較結(jié)果決定含噪輪廓曲率k^U)，即：
[0010] 當(dāng) |kiN(t)-k2N(t)
[0011] 否則，
[0012] 由于曲率值較大的輪廓點通常反映了目標(biāo)的顯著特征，根據(jù)k%(t)將輪廓中所有 輪廓點劃分為特征點或非特征點，設(shè)定可變權(quán)值Τκ，通過判斷目標(biāo)輪廓特征多少，自適應(yīng)的 決定Τκ，當(dāng)Ik'U) I時，特征函數(shù)f(t)=0否則，特征函數(shù)f(t) = l。
[0013] 合并模塊：用于剔除由于噪聲干擾產(chǎn)生的偽特征點，以及對無法形成連續(xù)區(qū)域的 特征點和非特征點進(jìn)行合并操作，從而得到有效的特征區(qū)域與非特征區(qū)域:選定一個起始 點〇,輪廓起始點向兩側(cè)延伸合并相鄰的點，以該起始點類型作為該區(qū)域預(yù)設(shè)類型，向兩側(cè) 延伸各S X μ〇時停止，其中S為預(yù)設(shè)的最小長度，
?為〇點處的實時曲率修 正系數(shù)，
代表0點的曲率半徑
代表由上述窗函數(shù)得到的〇點的平均曲率半徑，實 時曲率修正系數(shù)用于根據(jù)不同點的曲率不同，自動修正延伸長度，能有效減小合并后的 失真現(xiàn)象;分別計算兩側(cè)區(qū)域內(nèi)相異點的個數(shù)Ν+1和Ν-1，若相異點的個數(shù)小于設(shè)定的該類 型相異點最小個數(shù)，則該區(qū)域與預(yù)設(shè)類型相同，否則，與預(yù)設(shè)類型相反;再以兩個停止點〇 +1 和點0-1作為起始點重新開始計算，向外側(cè)延伸時停止，其中 代表點〇+1和點Ο-i處的實時曲率修正系數(shù)，〇 +1兩側(cè)區(qū)域內(nèi)相異點個數(shù)為Ν+2,0^兩側(cè)區(qū)域內(nèi) 相異點個數(shù)為Ν-2,根據(jù)上述判定條件，依次確定各段輪廓類型，長度不足S的部分根據(jù)其與S 的比例計算相異點個數(shù)，計入相應(yīng)的特征區(qū)域;對相鄰的同類型區(qū)域進(jìn)行合并，得到連續(xù)的 特征區(qū)域和非特征區(qū)域；
[0014] 濾波模塊:乘性噪聲由于和圖像信號是相關(guān)的，隨圖像信號的變化而變化，采用維 納濾波來進(jìn)行一級濾除，此時圖像信息還包含有殘余乘性噪音，通過F濾波器F(x，y)=qX exp(_(x 2+y2)/P2進(jìn)行二級濾除，其中q是將函數(shù)歸一化的系數(shù)，即：JJqXexp(-(x 2+y2)/P2) dxdy = l，β為圖像模板參數(shù)；
[0015]乘性噪聲濾除后，含噪目標(biāo)輪廓的弧長參數(shù)化方程表示為6〃(丨）'=6(〇+見(〇;假 設(shè)加性噪聲為高斯白噪聲:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標(biāo)，gl(t，〇 2)和g2(t，〇2)分別是均值為 零、方差為σ 2的高斯白噪聲，用于模擬含噪目標(biāo)輪廓中的加性噪聲；
[0016]
.含噪輪廓進(jìn)行平滑，命名為Κ濾波器，經(jīng)過輪廓點分類和 區(qū)域劃分，含噪輪廓GN(t) '表示為不同類型輪廓分段的組合：GN(t)' =Σ? Gf (t) + Σ? (t)，其 中1Gf (t):表示包含特征區(qū)域的輪廓分段，(t)表示包含非特征區(qū)域的輪廓分段，根據(jù) 輪廓特征分布選取K濾波器的參數(shù)，同時考慮全局特征和局部特征因素，在特征區(qū)域，為了 保留細(xì)節(jié)信息，令σ S min(< k X );在非特征區(qū)域，為了提高抑制噪聲的效果，令 X %):，其中σ'為先驗估算得到的全局方差，〇1為所選特征區(qū)域的先驗估算 方差，σ〇為所選非特征區(qū)域的先驗估算方差，Pi:為所選特征區(qū)域的平均實時曲率修正系數(shù)， Ρα:為所選非特征區(qū)域的平均實時曲率修正系數(shù);為了達(dá)到較好的平滑效果，選取每種類型 區(qū)域最小長度S的一半作為Κ濾波器85%置信區(qū)間的長度，從而根據(jù)兩類區(qū)域的長度自適應(yīng) 不同參數(shù)的Κ濾波器。
[0017] 本發(fā)明通過在垃圾分類處理裝置上加裝目標(biāo)識別裝置，能夠有效增強(qiáng)垃圾分類處 理裝置對垃圾的處理能力，垃圾分類處理裝置通過目標(biāo)輪廓識別目標(biāo)，識別過程中能有效 濾除目標(biāo)輪廓噪聲，從而根據(jù)輪廓對垃圾種類做出正確識別。
【附圖說明】
[0018] 利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限 制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得 其它的附圖。
[0019] 圖1是本發(fā)明的具有快速分類功能的垃圾分類處理裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0020] 結(jié)合以下實施例對本發(fā)明作進(jìn)一步描述。
[0021] 圖1是本發(fā)明的結(jié)構(gòu)框圖，其包括:建模模塊、分段模塊、合并模塊、濾波模塊。
[0022]實施例1: 一種具有快速分類功能的垃圾分類處理裝置，包括普通垃圾分類處理裝 置和安裝在垃圾分類處理裝置上的目標(biāo)識別裝置，該垃圾分類處理裝置具有很強(qiáng)的垃圾分 類處理能力，垃圾分類處理裝置通過目標(biāo)輪廓識別目標(biāo)，識別過程中能有效濾除目標(biāo)輪廓 噪聲，從而根據(jù)輪廓對垃圾種類做出正確識別，其特征是，包括建模模塊、分段模塊、合并模 塊和濾波t吳塊；
[0023] 建模模塊，用于建立目標(biāo)輪廓的參數(shù)化方程:對于給定的目標(biāo)輪廓G(t)，其弧長參 數(shù)化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標(biāo)，t表示輪廓 曲線方程的參數(shù)，且te[0，i];
[0024] 含噪輪廓的弧長參數(shù)化方程表示為AWOiGUHNKO+NdOGU)，其中加性噪 聲部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪聲部分N2(t)=N2(X2(t)，y2(t));
[0025] 分段模塊，用于對輪廓的分段：目標(biāo)輪廓G(t)和含噪輪廓GN(t)所對應(yīng)的曲率分別 為k(t)和k N(t);由于受到噪聲的影響，含噪輪廓GN(t)上部分特征點的曲率值kN(t)不能準(zhǔn) 確表示輪廓信息，為了得到準(zhǔn)確的曲率，選寬度為De {7，9}的窗函數(shù)W(n)，對曲率kN( t)進(jìn) 行鄰域平均，得到平均曲率kiN( t)，同時對窗口內(nèi)的曲率值排序，選定中值曲率k2N( t)，將平 均曲率k1N(t)和中值曲率k2N(t)差的絕對值與選定的閾值1^ = 0.24進(jìn)行比較，根據(jù)比較結(jié)果 決定含噪輪廓曲率k'U)，即：
[0026] 當(dāng) | klN(t)_k2N(t) | >Τι時，k7 N(t) =kiN(t)
[002