一种基于卷积神经网络和语音识别的垃圾分类系统

摘要

本发明公开了一种基于卷积神经网络和语音识别的垃圾分类系统，包括垃圾分类管理端和垃圾桶主体，所述垃圾桶主体接收到使用者通过语音输入的投递垃圾名称，并将对应的投递垃圾名称通过垃圾分选单元进行不同种类的垃圾分选，其中控制单元获取到分选结果后，将控制垃圾桶主体上对应分类投掷口的开合，当投掷完成后，通过控制单元对投掷口关闭，本发明提出的一种基于卷积神经网络和语音识别的垃圾分类系统在使用时，通过语音识别和学习单元模型的分类筛选，实现了对投掷垃圾的辅助分类处理，极大的增加了垃圾桶主体的功能性，且通过显示单元的设置，更增加了装置的人机交互，有利于培养使用者分类投递垃圾的习惯。

说明书

技术领域

本发明属于垃圾分类技术领域，具体涉及一种基于卷积神经网络和语音识别的垃圾分类系统。

背景技术

垃圾分类一般是指按一定规定或标准将垃圾分类储存、投放和搬运，从而转变成公共资源的一系列活动的总称。分类的目的是提高垃圾的资源价值和经济价值，力争物尽其用，减少垃圾处理量和处理设备的使用，降低处理成本，减少土地资源的消耗，具有社会、经济、生态等几方面的效益。

现有的垃圾分类系统在使用时，其内置功能较为单一，且多是作为前端的文明提醒播报功能使用，并不具备具体的辅助分类等更为实际的应用，且一般的垃圾分类系统在使用时，其内部的识别部分多是固定的预设程序，不便依据投掷物品的种类进行学习和后期应用，且针对大区域的垃圾也无法关联管理，从而极大的降低了装置的实用性，为此我们提出一种基于卷积神经网络和语音识别的垃圾分类系统。

发明内容

本发明的目的在于提供一种基于卷积神经网络和语音识别的垃圾分类系统，以解决上述背景技术中提出的现有垃圾分类系统在使用时，功能较为单一，且无法依据投入垃圾的种类进行学习和后期应用，以及不便对储存垃圾进行统一管理的问题。

为了实现上述目的，本发明采用了如下技术方案：一种基于卷积神经网络和语音识别的垃圾分类系统，包括垃圾分类管理端和垃圾桶主体，所述垃圾桶主体接收到使用者通过语音输入的投递垃圾名称，并将对应的投递垃圾名称通过垃圾分选单元进行不同种类的垃圾分选，其中控制单元获取到分选结果后，将控制垃圾桶主体上对应分类投掷口的开合，当投掷完成后，通过控制单元对投掷口关闭，且所述垃圾分类管理端通过垃圾桶主体上设置的信号发射单元，获取到对应垃圾桶主体内储存垃圾的容量，所述垃圾分类管理端接收到垃圾桶主体的发射信号后，将储存信号转接到第三方移动通讯端。

进一步地，所述垃圾桶主体上设置有语音模块，且语音模块包括语音接收模块和语音播放模块，其中所述语音接收模块用于接收使用者发出的语音信号，且所述语音播放模块用于对获取到的语音信号进行对应垃圾分类后种类名称的外放。

进一步地，所述垃圾桶主体的桶体内部为活动的储存箱，且储存箱的内侧底部位置处设置有重量监测单元，且所述重量监测单元用于对垃圾桶主体内侧垃圾储存量的监测，当所述重量监测单元内侧垃圾储存到阈定重量后，将通过发射单元对垃圾分类管理端进行信号发射。

进一步地，所述垃圾桶主体的投掷口位置处设置有红外线监测单元，其中当垃圾桶主体上的红外线监测单元检测到有投掷物通过，并经过阈定时间后，对控制单元发射关闭信号。

进一步地，所述垃圾分选单元上设置有图形处理单元和湿度监测单元，其中所述图形处理单元用于对垃圾桶主体上投掷垃圾的外形进行识别选择，且所述湿度监测单元用于监测投掷垃圾外侧湿度，所述垃圾桶主体内侧设置有学习单元，其中所述学习单元用于对投掷垃圾模型的储存和更新，所述学习单元中储存的投掷垃圾模型源于垃圾分类管理端的设置，以及经过筛选模块筛选后的由图形处理单元获取到的投掷垃圾模型样本，所述筛选模块的设置由垃圾分类管理端对其进行筛选标准的编辑。

进一步地，所述图形处理单元设置有图像接收模块和卷积神经网络模块，其中卷积神经网络模块仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求，所述垃圾桶主体上设置有显示单元，所述显示单元用于对使用者语音信号的回复表情配合。

相比于现有技术，本发明的有益效果在于：

1、本发明提出的一种基于卷积神经网络和语音识别的垃圾分类系统在使用时，通过语音识别和学习单元模型的分类筛选，实现了对投掷垃圾的辅助分类处理，极大的增加了垃圾桶主体的功能性，且通过显示单元的设置，更增加了装置的人性化设计。

2、通过将多个智能垃圾桶主体与垃圾分类管理端连接，使得垃圾处理人员可以快速获取到对应区域垃圾桶内侧的垃圾储存量，极大的增加了装置的实用性，且减小了垃圾处理人员的工作量，同时利用设计在垃圾桶主体上的控制单元，实现了对垃圾桶主体投掷口位置的自动开合，减少了储存垃圾的气味发散。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明的流程结构示意图；

图2为本发明的外形结构示意图。

具体实施方式

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。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例一

参照图1和图2，本发明提出的一种技术方案：一种基于卷积神经网络和语音识别的垃圾分类系统，包括垃圾分类管理端和垃圾桶主体，垃圾桶主体接收到使用者通过语音输入的投递垃圾名称，并将对应的投递垃圾名称通过垃圾分选单元进行不同种类的垃圾分选，其中控制单元获取到分选结果后，将控制垃圾桶主体上对应分类投掷口的开合，当投掷完成后，通过控制单元对投掷口关闭，且垃圾分类管理端通过垃圾桶主体上设置的信号发射单元，获取到对应垃圾桶主体内储存垃圾的容量，垃圾桶主体上设置有语音模块，且语音模块包括语音接收模块和语音播放模块，其中语音接收模块用于接收使用者发出的语音信号，且语音播放模块用于对获取到的语音信号进行对应垃圾分类后种类名称的外放。

本实施例中，进一步地，垃圾桶主体的桶体内部为活动的储存箱，且储存箱的内侧底部位置处设置有重量监测单元，且重量监测单元用于对垃圾桶主体内侧垃圾储存量的监测，当重量监测单元内侧垃圾储存到阈定重量后，将通过发射单元对垃圾分类管理端进行信号发射，垃圾桶主体的投掷口位置处设置有红外线监测单元，其中当垃圾桶主体上的红外线监测单元检测到有投掷物通过，并经过阈定时间后，对控制单元发射关闭信号。

本实施例中，进一步地，垃圾分选单元上设置有图形处理单元和湿度监测单元，其中图形处理单元用于对垃圾桶主体上投掷垃圾的外形进行识别选择，且湿度监测单元用于监测投掷垃圾外侧湿度图形处理单元设置有图像接收模块和卷积神经网络模块，其中卷积神经网络单元仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求，且卷积神经网络单元是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一；且卷积神经网络单元具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为平移不变人工神经网络。

本实施例中，进一步地，垃圾桶主体上设置有显示单元，显示单元用于对使用者语音信号的回复表情配合，其中通过显示单元的设置，更增加了装置的人性化设计，垃圾分类管理端接收到垃圾桶主体的发射信号后，将储存信号转接到第三方移动通讯端，从而便捷持有第三方移动通讯端的垃圾处理人员可以快速获取到对应区域内垃圾桶主体内侧的垃圾储存量，从而可以直接或优先达到已超过阈定容量的垃圾桶位置处。

本实施例中，进一步地，垃圾桶主体内侧设置有学习单元，其中学习单元用于对投掷垃圾模型的储存和更新，学习单元中储存的投掷垃圾模型源于垃圾分类管理端的设置，以及经过筛选模块筛选后的由图形处理单元获取到的投掷垃圾模型样本，筛选模块的设置由垃圾分类管理端对其进行筛选标准的编辑。

实施例二

参照图1和图2，本发明提出的一种技术方案：一种基于卷积神经网络和语音识别的垃圾分类系统，包括垃圾分类管理端和垃圾桶主体，垃圾桶主体接收到使用者通过语音输入的投递垃圾名称，并将对应的投递垃圾名称通过垃圾分选单元进行不同种类的垃圾分选，其中控制单元获取到分选结果后，将控制垃圾桶主体上对应分类投掷口的开合，当投掷完成后，通过控制单元对投掷口关闭，且垃圾分类管理端通过垃圾桶主体上设置的信号发射单元，获取到对应垃圾桶主体内储存垃圾的容量，垃圾桶主体上设置有语音模块，且语音模块包括语音接收模块和语音播放模块，其中语音接收模块用于接收使用者发出的语音信号，且语音播放模块用于对获取到的语音信号进行对应垃圾分类后种类名称的外放。

本实施例中，进一步地，垃圾桶主体的桶体内部为活动的储存箱，且储存箱的内侧底部位置处设置有重量监测单元，且重量监测单元用于对垃圾桶主体内侧垃圾储存量的监测，当重量监测单元内侧垃圾储存到阈定重量后，将通过发射单元对垃圾分类管理端进行信号发射，垃圾桶主体的投掷口位置处设置有红外线监测单元，其中红外线监测单元用于辅助重量监测单元的使用，避免当储存垃圾重量过重后，且多集聚在垃圾桶底部，影响垃圾桶主体对垃圾储存量的判断标准，且红外线监测单元置于垃圾桶主体的投掷口位置处。

本实施例中，进一步地，垃圾分选单元上设置有图形处理单元和湿度监测单元，其中图形处理单元用于对垃圾桶主体上投掷垃圾的外形进行识别选择，且湿度监测单元用于监测投掷垃圾外侧湿度图形处理单元设置有图像接收模块和卷积神经网络模块，其中卷积神经网络单元仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求，且卷积神经网络单元是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一；且卷积神经网络单元具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为平移不变人工神经网络。

本实施例中，进一步地，垃圾桶主体上设置有显示单元，显示单元用于对使用者语音信号的回复表情配合，其中通过显示单元的设置，更增加了装置的人性化设计，垃圾分类管理端接收到垃圾桶主体的发射信号后，将储存信号转接到第三方移动通讯端，从而便捷持有第三方移动通讯端的垃圾处理人员可以快速获取到对应区域内垃圾桶主体内侧的垃圾储存量，从而可以直接或优先达到已超过阈定容量的垃圾桶位置处。

本实施例中，进一步地，垃圾桶主体内侧设置有学习单元，其中学习单元用于对投掷垃圾模型的储存和更新，学习单元中储存的投掷垃圾模型源于垃圾分类管理端的设置，以及经过筛选模块筛选后的由图形处理单元获取到的投掷垃圾模型样本，筛选模块的设置由垃圾分类管理端对其进行筛选标准的编辑。

以上，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。