基于AI识别的垃圾分类数据处理方法及系统与流程

本申请涉及图像识别，尤其涉及一种基于ai识别的垃圾分类数据处理方法及系统。

背景技术：

1、垃圾分类已成为一项至关重要的任务。然而，传统的垃圾分类方法主要依赖于人工进行分类，这种方法不仅效率低下，而且易受人为因素的影响，导致分类不准确、成本高昂及工作强度大。随着城市化进程的加快，每天产生的垃圾量急剧增加，人工分类的方法已经难以满足现代城市的需求。

2、技术的发展为解决这一问题提供了可能。特别是近红外高光谱成像技术，该技术能够快速准确地识别物质的组成，但在垃圾分类应用中还面临着一定的挑战。高光谱图像通常包含大量冗余数据，这不仅增加了处理数据的计算量，还可能降低分类算法的执行效率和准确性。因此，如何有效地从高光谱图像中提取出有用的信息，并将其转化为精确的分类结果，是当前研究的重点问题之一。

技术实现思路

1、本申请提供了一种基于ai识别的垃圾分类数据处理方法及系统，本申请采用图像ai识别技术对待识别垃圾进行垃圾分类识别，提高了垃圾分类识别的准确率。

2、第一方面，本申请提供了一种基于ai识别的垃圾分类数据处理方法，所述基于ai识别的垃圾分类数据处理方法包括：

3、对待识别垃圾进行图像采集和预处理，得到目标高光谱垃圾图像；

4、对所述目标高光谱垃圾图像进行毕达哥拉斯小波变换和特征反射率识别，得到特征反射率数据，并对所述目标高光谱垃圾图像进行光谱一阶导数计算，得到一阶导数数据；

5、根据所述特征反射率数据和所述一阶导数数据，对所述目标高光谱垃圾图像进行垃圾特征区域识别和区域边界验证，得到目标垃圾特征区域图像；

6、将所述目标垃圾特征区域图像输入预置的轻量级垃圾分类模型进行垃圾分类识别，得到目标垃圾分类信息。

7、第二方面，本申请提供了一种基于ai识别的垃圾分类数据处理系统，所述基于ai识别的垃圾分类数据处理系统包括：

8、采集模块，用于对待识别垃圾进行图像采集和预处理，得到目标高光谱垃圾图像；

9、计算模块，用于对所述目标高光谱垃圾图像进行毕达哥拉斯小波变换和特征反射率识别，得到特征反射率数据，并对所述目标高光谱垃圾图像进行光谱一阶导数计算，得到一阶导数数据；

10、验证模块，用于根据所述特征反射率数据和所述一阶导数数据，对所述目标高光谱垃圾图像进行垃圾特征区域识别和区域边界验证，得到目标垃圾特征区域图像；

11、识别模块，用于将所述目标垃圾特征区域图像输入预置的轻量级垃圾分类模型进行垃圾分类识别，得到目标垃圾分类信息。

12、本申请第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的基于ai识别的垃圾分类数据处理方法。

13、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于ai识别的垃圾分类数据处理方法。

14、本申请提供的技术方案中，通过使用近红外高光谱技术，能够详细捕获垃圾的化学和物理特性，这些特性是传统视觉系统难以识别的。利用这些细节丰富的数据进行学习，从而大大提高了垃圾分类的精度和效率。应用毕达哥拉斯小波变换对高光谱图像进行特征提取，有效地降低了数据的冗余性，使得数据集更加简洁。这样不仅减少了计算负荷，还提高了后续处理步骤的效率和准确性。结合特征反射率数据和光谱一阶导数数据，能够综合利用反射率的分布特征和光谱变化趋势，增强了模型对不同类型垃圾的识别能力，使模型具有更好的泛化性和鲁棒性。通过自动化的垃圾特征区域识别和区域边界验证，该方法减少了人工干预的需要，从而优化了整个垃圾处理流程。自动化过程减少了人为错误，提高了垃圾处理的整体效率和可靠性。使用轻量级垃圾分类模型gcnet，该模型采用改进的shufflenet v2架构，结合并行混合注意机制（pmam）和新的激活函数，优化了模型在资源受限环境下的表现。这使得系统不仅适用于高端设备，也可以部署在低功耗设备上，如智能垃圾桶等，实现在边缘计算环境下的快速和准确分类。通过提高垃圾分类的准确率和效率，有助于减少垃圾处理过程中的错误分类，从而减少不可回收物质的错误处理和资源的浪费。

技术特征：

1.一种基于ai识别的垃圾分类数据处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述对待识别垃圾进行图像采集和预处理，得到目标高光谱垃圾图像，包括：

3.根据权利要求1所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述对所述目标高光谱垃圾图像进行毕达哥拉斯小波变换和特征反射率识别，得到特征反射率数据，并对所述目标高光谱垃圾图像进行光谱一阶导数计算，得到一阶导数数据，包括：

4.根据权利要求3所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述根据所述反射率分布数据对所述目标高光谱垃圾图像进行高光谱数据提取，得到目标高光谱数据，并对所述目标高光谱数据进行一阶导数计算，得到一阶导数数据，包括：

5.根据权利要求1所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述根据所述特征反射率数据和所述一阶导数数据，对所述目标高光谱垃圾图像进行垃圾特征区域识别和区域边界验证，得到目标垃圾特征区域图像，包括：

6.根据权利要求5所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述通过随机森林算法，根据所述一阶导数数据对所述初始垃圾特征区域图像进行区域边界验证，得到目标垃圾特征区域图像，包括：

7.根据权利要求1所述的基于ai识别的垃圾分类数据处理方法，其特征在于，所述将所述目标垃圾特征区域图像输入预置的轻量级垃圾分类模型进行垃圾分类识别，得到目标垃圾分类信息，包括：

8.一种基于ai识别的垃圾分类数据处理系统，其特征在于，所述基于ai识别的垃圾分类数据处理系统包括：

9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于ai识别的垃圾分类数据处理方法。

技术总结本申请涉及图像识别技术领域，公开了一种基于AI识别的垃圾分类数据处理方法及系统。所述方法包括：对待识别垃圾进行图像采集和预处理，得到目标高光谱垃圾图像；对目标高光谱垃圾图像进行毕达哥拉斯小波变换和特征反射率识别，得到特征反射率数据，并对目标高光谱垃圾图像进行光谱一阶导数计算，得到一阶导数数据；根据特征反射率数据和一阶导数数据，对目标高光谱垃圾图像进行垃圾特征区域识别和区域边界验证，得到目标垃圾特征区域图像；将目标垃圾特征区域图像输入预置的轻量级垃圾分类模型进行垃圾分类识别，得到目标垃圾分类信息，本申请采用图像AI识别技术对待识别垃圾进行垃圾分类识别，提高了垃圾分类识别的准确率。技术研发人员：罗惠军,王江受保护的技术使用者：深圳市粤能环保科技有限公司技术研发日：技术公布日：2024/9/26