一种垃圾回收方法及装置与流程 专利技术说明

包装,储藏,运输设备的制造及其应用技术1.本技术涉及垃圾处理技术领域，尤其涉及一种垃圾回收方法及装置。背景技术：2.由于垃圾的种类繁多，有些垃圾可以回收再利用，以减少环境污染。现有技术中，通过识别模型来识别各类垃圾，来实现对垃圾的分类回收。识别模型需要快速识别到在高速运动的传送带上的垃圾的位置信息，并向执行模块发送垃圾的位置信息，以使执行模块将垃圾回收起来。由于识别模型与执行模块之前的信号传输延迟，可能导致执行模块难以依据位置信息准确地执行回收操作，从而导致垃圾回收的准确性不高。技术实现要素：3.有鉴于此，本技术的目的在于至少提供一种垃圾回收方法及装置，通过高光谱相机拍摄垃圾的光谱图片并确定拍照时刻对应的脉冲数，从光谱图片中识别出目标垃圾以及确定目标垃圾的位置信息和尺寸信息，预测目标垃圾到达预设回收区域时的预测脉冲数，在脉冲数大于或等于预测脉冲数时控制对应的喷气装置喷气，以吹起目标垃圾进而回收目标垃圾，解决了现有技术中确定目标垃圾的位置信息不准确而导致回收不准确的技术问题，达到了提高确定目标垃圾的准确率的技术效果。4.本技术主要包括以下几个方面：第一方面，本技术实施例提供一种垃圾回收方法，方法包括：确定接收到高光谱相机拍摄的光谱图片的第一脉冲数，所述高光谱相机用于拍摄在垃圾传送带上传送的垃圾；通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像；将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息；依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数；依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置；针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的所述第二脉冲数；若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。5.可选地，在所述确定接收到高光谱相机拍摄的光谱图片的第一脉冲数之后，所述方法还包括：确定高光谱相机拍摄所述光谱图片的第三脉冲数。6.可选地，依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数，包括：计算所述第一脉冲数与所述第三脉冲数的脉冲数差值；依据每个目标垃圾的位置信息、垃圾传送带的运动速度，确定每个目标垃圾到达预设回收区域分别对应的脉冲增加数；将每个目标垃圾对应的脉冲增加数、所述脉冲数差值与所述第一脉冲数的和值，作为每个目标垃圾到达预设回收区域的第二脉冲数。7.可选地，每个目标垃圾的位置信息包括：该目标垃圾在垃圾传送带坐标系中的横坐标；所述依据每个目标垃圾的位置信息、垃圾传送带的运动速度，确定每个目标垃圾到达预设回收区域分别对应的脉冲增加数，包括：确定每个目标垃圾的横坐标与所述预设回收区域的中心点的横坐标之间的横向距离；依据所述运动速度和每个目标垃圾对应的所述横向距离，确定每个目标垃圾对应的矩形框的中心点到达所述预设回收区域的中心点的运送时间；将每个目标垃圾的所述运送时间对应的脉冲数，作为每个目标垃圾到达预设回收区域分别对应的脉冲增加数。8.可选地，每个目标垃圾的位置信息包括：该目标垃圾在垃圾传送带坐标系中的纵坐标，所述每个目标垃圾的尺寸信息包括：该目标垃圾对应的矩形框的两个互相垂直的边的长度，以及所述矩形框的长边与所述传送带的运动方向之间的夹角；所述依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置包括：依据每个目标垃圾的两个互相垂直的边的长度及所述夹角，确定每个目标垃圾对应的矩形框中两个短边的中点之间的垂直距离；将每个目标垃圾对应的所述垂直距离的一半与该目标垃圾的中心点的纵坐标相加，作为该目标垃圾对应的纵坐标上限值；将每个目标垃圾的中心点的纵坐标与该目标垃圾对应的所述垂直距离的一半相减，作为该目标垃圾对应的纵坐标下限值；依据每个目标垃圾对应的所述纵坐标上限值和所述纵坐标下限值，确定每个目标垃圾对应的喷气装置。9.可选地，在将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息之后，所述方法还包括：依据所述目标图像中每个目标垃圾在垃圾传送带坐标系中的纵坐标和所述尺寸信息，确定每个目标垃圾是否为已识别目标垃圾；若该目标垃圾是已识别目标垃圾，则将该目标垃圾从所述目标图像中删去；若该目标垃圾不是已识别目标垃圾，则将该目标垃圾标记为已识别目标垃圾。10.可选地，通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像之前，所述方法还包括：从所述光谱图像中分离出预设波段范围的波段图像。11.第二方面，本技术实施例还提供一种垃圾回收装置，装置包括：第一确定模块，用于确定接收到高光谱相机拍摄的光谱图片的第一脉冲数，所述高光谱相机用于拍摄在垃圾传送带上传送的垃圾；第二确定模块，用于通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像；第三确定模块，用于将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息；第四确定模块，用于依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数；第五确定模块，用于依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置；比较模块，用于针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的所述第二脉冲数；喷气模块，用于若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。12.第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的垃圾回收方法的步骤。13.第四方面，本技术实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的垃圾回收方法的步骤。14.本技术实施例提供的一种垃圾回收方法及装置，方法包括：确定接收到高光谱相机拍摄的光谱图片的第一脉冲数，所述高光谱相机用于拍摄在垃圾传送带上传送的垃圾；通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像；将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息；依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数；依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置；针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的所述第二脉冲数；若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。通过高光谱相机拍摄垃圾的光谱图片并确定拍照时刻对应的脉冲数，从光谱图片中识别出目标垃圾以及确定目标垃圾的位置信息和尺寸信息，预测目标垃圾到达预设回收区域时的预测脉冲数，在脉冲数大于或等于预测脉冲数时控制对应的喷气装置喷气，以吹起目标垃圾进而回收目标垃圾，解决了现有技术中确定目标垃圾的位置信息不准确而导致回收不准确的技术问题，达到了提高确定目标垃圾的准确率的技术效果。15.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明16.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。17.图1示出了本技术实施例所提供的一种垃圾回收方法的流程图。18.图2示出了本技术实施例所提供的垃圾传送带坐标系的示意图。19.图3示出了本技术实施例所提供的目标图像的示意图。20.图4示出了本技术实施例所提供的一种垃圾回收装置的功能模块图。21.图5示出了本技术实施例所提供的一种电子设备的结构示意图。具体实施方式22.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中的附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。23.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本技术保护的范围。24.现有技术中，通过对垃圾进行拍摄，得到垃圾的图片，依据图片确定拍摄时的位置信息，从而计算垃圾到达预设回收区域的时刻，但是由于传送带的运动速度很快，且信息之间传输会有延迟，从而导致计算垃圾到达预设回收区域的时刻不准确，从而影响垃圾回收的准确率。25.基于此，本技术实施例提供了一种垃圾回收方法及装置，通过高光谱相机拍摄垃圾的光谱图片并确定拍照时刻对应的脉冲数，从光谱图片中识别出目标垃圾以及确定目标垃圾的位置信息和尺寸信息，预测目标垃圾到达预设回收区域时的预测脉冲数，在脉冲数大于或等于预测脉冲数时控制对应的喷气装置喷气，以吹起目标垃圾进而回收目标垃圾，解决了现有技术中确定目标垃圾的位置信息不准确而导致回收不准确的技术问题，达到了提高确定目标垃圾的准确率的技术效果。具体如下：请参阅图1，图1为本技术实施例所提供的一种垃圾回收方法的流程图。如图1所示，本技术实施例提供的垃圾回收方法，包括以下步骤：s101：确定接收到高光谱相机拍摄的光谱图片的第一脉冲数。26.高光谱相机用于拍摄在垃圾传送带上传送的垃圾，第一脉冲数指的是接收到光谱图片时对应的脉冲数。27.s102：通过预先训练好的光谱模型将光谱图像中的目标垃圾材质分类出来得到目标图像。28.也就是说，通过预先训练好的光谱模型从光谱图像中裁剪出材质为目标垃圾材质的区域，作为光谱图像对应的目标图像。若通过预先训练好的光谱模型没有从光谱图像中裁剪出材质为目标垃圾材质的区域，则此光谱图像中没有目标垃圾材质的垃圾，从而将此光谱图像删除，继续处理高光谱相机拍摄的下一个光谱图片。29.其中，光谱图像包含多个像素，每个像素对应该像素的光谱信息，光谱信息为该像素在各个波段的反射率值。30.具体的，将光谱图片输入到预先训练好的光谱模型，光谱模型通过对光谱图片中每个像素的光谱信息进行识别，从而在光谱图像中找到材质为目标垃圾材质的各个像素，将光谱图像中材质为目标垃圾材质的各个像素保留下来，生成目标图像。进而，目标图像中只包含材质为目标垃圾材质的区域。31.其中，通过以下方式训练光谱模型：将多个包含目标垃圾材质的光谱图像作为样本，将每个光谱图像中目标垃圾材质对应的像素作为标签来对光谱模型进行训练，直至光谱模型可以将验证集的光谱图像中像素不是目标垃圾材质的像素删去，保留的图像上只有目标垃圾材质对应的像素。32.本技术中目标垃圾材质可以是薄膜材质。33.所述通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像之前，所述方法还包括：从所述光谱图像中分离出预设波段范围的波段图像。34.也就是说，先依据预设波段范围从光谱图像中提取出预设波段范围对应的波段图像，再通过预先训练好的光谱模型将所述波段图像中的目标垃圾材质分类出来得到目标图像。35.示例性的，若光谱图像的波段范围为0μm至2.35μm，预设波段范围为近红外光的波段0.76μm至0.90μm，进而从光谱图像中拆分出波段为0.76μm至0.90μm的图像作为波段图像。36.本技术中还可以在垃圾传送带位置处安装摄像头，从而实时将摄像头拍摄的画面传输到工作人员的监视器中，以使工作人员实现实时监测。当出现异常或报警状态时，可以通过摄像头拍摄的画面进行回溯。并且，还可以将高光谱相机拍摄的光谱图片持续放入光谱模块中继续进行训练，从而提高光谱模块的准确度。37.s103：将目标图像输入至预先训练好的神经网络模型，确定目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息。38.将光谱图像中材质为目标垃圾材质的垃圾作为目标垃圾，进而，目标图像中只包含光谱图像的目标垃圾。39.由于高光谱相机的位置固定，进而高光谱相机拍摄的光谱图像中各个目标垃圾的位置信息可以得到。40.请参阅图2，图2示出了本技术实施例所提供的垃圾传送带坐标系的示意图。如图2所示，垃圾传送带的俯视图可以视为一个矩形，若垃圾传送带的运动方向为从左向右，则将垃圾传送带的俯视图中的左下角的顶点作为坐标原点，将垃圾传送带的俯视图中的底边作为垃圾传送带坐标系的横轴，将垃圾传送带的运动方向作为横轴的方向，将垃圾传送带的俯视图中左侧的垂边作为垃圾传送带坐标系的纵轴，将原点垂直向上的方向作为纵轴的方向。若垃圾传送带的运动方向为从右向左，则将垃圾传送带的俯视图向左旋转180度，将旋转后俯视图中左下角的顶点作为坐标原点，将旋转后俯视图中的底边作为横轴，将垃圾传送带的运动方向作为横轴的方向（旋转后俯视图中从左向右的方向），将旋转后俯视图中左侧的垂边作为纵轴，将纵轴向上的方向作为纵轴的方向。41.每个目标垃圾的位置信息包括：该目标垃圾在垃圾传送带坐标系中的横坐标和纵坐标。神经网络模型会标注出每个目标垃圾轮廓所对应的矩形框，将矩形框的中心点的横坐标作为该目标垃圾在垃圾传送带坐标系中的横坐标，将矩形框的中心点的纵坐标作为该目标垃圾在垃圾传送带坐标系中的纵坐标。42.每个目标垃圾的尺寸信息包括：该目标垃圾对应的矩形框的两个互相垂直的边的长度，以及所述矩形框的长边与所述传送带的运动方向之间的夹角。也就是说，每个目标垃圾的尺寸信息包括该目标垃圾对应的矩形框的长边及短板的长度，以及任一条长边与横轴之间的夹角。43.其中，通过以下方式训练神经网络模型：将多个目标图片作为样本，将每个目标图片中人工标记的各个目标垃圾对应的矩形框、矩形框的长边和短边的长度，矩形框的任一长边与垃圾传送带坐标系的横轴的夹角、矩形框的中心点所在垃圾传送带坐标系中的坐标作为标签，以训练神经网络模型。若矩形框的长边与短边的长度一直，则认为矩形框的任一长边与垃圾传送带坐标系的横轴的夹角为0度。44.s104：依据每个目标垃圾的位置信息和第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数。45.在所述确定接收到高光谱相机拍摄的光谱图片的第一脉冲数之后，所述方法还包括：确定高光谱相机拍摄所述光谱图片的第三脉冲数。46.其中，第三脉冲数指的是预测高光谱相机拍摄光谱图片时对应的脉冲数。确定高光谱相机拍摄所述光谱图片的第三脉冲数，包括：将第一脉冲数输入至训练好的补偿模型，得到预测的第三脉冲数；或者，将第一脉冲数减去人工设置的脉冲数差值作为第三脉冲数。47.其中，可以通过以下方式训练补偿模型：获取高光谱相机每次拍摄时对应的真实时刻，用户将每次拍摄对应的真实时刻转换为第三脉冲数；将接收到每次拍摄的光谱图片的第一脉冲数作为样本数据，将每次拍摄对应的第三脉冲数作为标签训练补偿模型。48.依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数，包括：计算所述第一脉冲数与所述第三脉冲数的脉冲数差值；依据每个目标垃圾的位置信息、垃圾传送带的运动速度，确定每个目标垃圾到达预设回收区域分别对应的脉冲增加数；将每个目标垃圾对应的脉冲增加数、所述脉冲数差值与所述第一脉冲数的和值，作为每个目标垃圾到达预设回收区域的第二脉冲数。49.所述依据每个目标垃圾的位置信息、垃圾传送带的运动速度，确定每个目标垃圾到达预设回收区域分别对应的脉冲增加数，包括：确定每个目标垃圾的横坐标与所述预设回收区域的中心点的横坐标之间的横向距离；依据所述运动速度和每个目标垃圾对应的所述横向距离，确定每个目标垃圾对应的矩形框的中心点到达所述预设回收区域的中心点的运送时间；将每个目标垃圾的所述运送时间对应的脉冲数，作为每个目标垃圾到达预设回收区域分别对应的脉冲增加数。50.也就是说，针对每个目标垃圾，将预设回收区域的中心点位于垃圾传送带坐标系的横坐标与该目标垃圾的横坐标相减，将差值作为该目标垃圾对应的横向距离；将该目标垃圾对应的横向距离与垃圾传送带的运动速度做比，将比值作为该目标垃圾对应的矩形框的中心点运动至预设回收区域的中心点的运送时间，或者说，将比值作为该目标垃圾运动至预设回收区域所需的运送时间；将该目标垃圾对应的运动时间与脉冲周期做比，将比值作为该目标垃圾的运送时间对应的脉冲数，从而将脉冲数作为该目标垃圾到达预设回收区域对应的脉冲增加数。51.其中，本技术中的脉冲是定时发送的，脉冲周期不变。52.也就是说，针对每个目标垃圾，将该目标垃圾的第一脉冲数与第三脉冲数的差值，作为该目标垃圾的脉冲数差值。将每个目标垃圾对应的脉冲增加数、该目标垃圾的脉冲数差值与该目标垃圾的第一脉冲数的和值，作为预测的每个目标垃圾到达预设回收区域的第二脉冲数。53.s105：依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置。54.请参阅图3，图3示出了本技术实施例所提供的目标图像的示意图。如图3所示，目标图像中包含三个目标垃圾。第一个目标垃圾的位置信息为（x1，y1），尺寸信息为（长边的长度为a1，短边的长度为b1，夹角为θ1）；第二个目标垃圾的位置信息为（x2，y2），尺寸信息为（长边的长度为a2，短边的长度为b2，夹角为θ2）；第三个目标垃圾的位置信息为（x3，y3），尺寸信息为（长边与短边的长度一直均为c，夹角为0）。55.垃圾传送带的运动速度一般为3至6米/秒。每个目标垃圾的尺寸信息包括：该目标垃圾对应的矩形框的两个互相垂直的边的长度，以及所述矩形框的长边与所述传送带的运动方向之间的夹角。56.所述依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置包括：依据每个目标垃圾的两个互相垂直的边的长度及所述夹角，确定每个目标垃圾对应的矩形框中两个短边的中点之间的垂直距离；将每个目标垃圾对应的所述垂直距离的一半与该目标垃圾的中心点的纵坐标相加，作为该目标垃圾对应的纵坐标上限值；将每个目标垃圾的中心点的纵坐标与该目标垃圾对应的所述垂直距离的一半相减，作为该目标垃圾对应的纵坐标下限值；依据每个目标垃圾对应的所述纵坐标上限值和所述纵坐标下限值，确定每个目标垃圾对应的喷气装置。57.示例性的，如图3所示，第一个目标垃圾的垂直距离h1的计算方式为：，第一个目标垃圾的纵坐标下限值为y1减去0.5×h1，第一个目标垃圾的纵坐标上限值为y1加上0.5×h1；第二个目标垃圾的垂直距离h2的计算方式为：，第二个目标垃圾的纵坐标下限值为y2减去0.5×h2，第二个目标垃圾的纵坐标上限值为y2加上0.5×h2；第三个目标垃圾的垂直距离为矩形框的边长c，第三个目标垃圾的纵坐标下限值为y3减去0.5×c，第二个目标垃圾的纵坐标上限值为y3加上0.5×c。58.进而，在所有的喷气装置中筛选出纵坐标属于（y1-0.5×h1，y1+0.5×h1）之内的喷气装置，作为第一目标垃圾对应的喷气装置；在所有的喷气装置中筛选出纵坐标属于（y2-0.5×h2，y2+0.5×h2）之内的喷气装置，作为第二目标垃圾对应的喷气装置；在所有的喷气装置中筛选出纵坐标属于（y3-0.5×c，y3+0.5×c）之内的喷气装置，作为第三目标垃圾对应的喷气装置。59.在将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息之后，所述方法还包括：依据所述目标图像中每个目标垃圾在垃圾传送带坐标系中的纵坐标和所述尺寸信息，确定每个目标垃圾是否为已识别目标垃圾；若该目标垃圾是已识别目标垃圾，则将该目标垃圾从所述目标图像中删去；若该目标垃圾不是已识别目标垃圾，则将该目标垃圾标记为已识别目标垃圾。60.由于高光谱相机拍摄的范围较大，高光谱相机每次拍摄到的光谱图片中难免有重复拍摄到的目标垃圾。进而，将当前目标图像之前的目标图像中已经拍摄到的目标垃圾作为已标识目标垃圾；在当前目标图像中需要将已标识目标垃圾从目标图像中删去，将未被标识的目标垃圾作为已标识目标垃圾，进而在后续通过喷气装置将目标垃圾吹起时避免了对同一个目标垃圾重复喷气的错误。61.s106：针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的第二脉冲数。62.也就是说，实时确定当前脉冲数是否大于或者等于每个目标垃圾对应的第二脉冲数；若当前脉冲数小于该目标垃圾对应的所述第二脉冲数，则不控制喷气开关闭合。63.其中，本技术通过分布式执行的方式确定当前脉冲数是否大于或者等于每个目标垃圾对应的第二脉冲数。也就是说，每个目标垃圾均对应一个核处理器中进行处理，每个核处理器判断当前脉冲数是否大于或者等于该核处理器对应的目标垃圾的第二脉冲数。从而，提高运算速度且防止互相干扰，保证系统稳定持续性运行，增强了系统维护的灵活性和便利性。64.s107：控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。65.若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。66.若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则该目标垃圾对应的核处理器中断工作，控制喷气开关闭合并启动定时器，确定定时器的时间大于或者等于预设喷气时间，则控制喷气开关断开，从而使该目标垃圾对应的喷气装置停止喷出气体。本技术采用脉冲数而不是核处理器自身的时间进行实时计算，可以避免在核处理器进行切换时存在的毫秒级的切换损耗，避免影响跟随精度。并且运用核处理器中断工作的处理方式，完全规避核处理器切换的时间，还可以将目标垃圾的横轴坐标范围共享到多个核处理器的缓存中。67.基于同一申请构思，本技术实施例中还提供了与上述实施例提供的垃圾回收方法对应的垃圾回收装置，由于本技术实施例中的装置解决问题的原理与本技术上述实施例的垃圾回收方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。68.如图4所示，图4为本技术实施例提供的一种垃圾回收装置的功能模块图。垃圾回收装置10包括：第一确定模块101、第二确定模块102、第三确定模块103、第四确定模块104、第五确定模块105、比较模块106和喷气模块107。69.第一确定模块101，用于确定接收到高光谱相机拍摄的光谱图片的第一脉冲数，所述高光谱相机用于拍摄在垃圾传送带上传送的垃圾；第二确定模块102，用于通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像；第三确定模块103，用于将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息；第四确定模块104，用于依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数；第五确定模块105，用于依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置；比较模块106，用于针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的所述第二脉冲数；喷气模块107，用于若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。70.基于同一申请构思，参见图5所示，为本技术实施例提供的一种电子设备的结构示意图，电子设备20包括：处理器201、存储器202和总线203，所述存储器202存储有所述处理器201可执行的机器可读指令，当电子设备20运行时，所述处理器201与所述存储器202之间通过所述总线203进行通信，所述机器可读指令被所述处理器201运行时执行如上述实施例中任一所述的垃圾回收方法的步骤。71.具体地，所述机器可读指令被所述处理器201执行时可以执行如下处理：确定接收到高光谱相机拍摄的光谱图片的第一脉冲数，所述高光谱相机用于拍摄在垃圾传送带上传送的垃圾；通过预先训练好的光谱模型将所述光谱图像中的目标垃圾材质分类出来得到目标图像；将所述目标图像输入至预先训练好的神经网络模型，确定所述目标图像中每个目标垃圾的位置信息及该目标垃圾的尺寸信息；依据每个目标垃圾的位置信息和所述第一脉冲数，确定每个目标垃圾到达预设回收区域分别对应的第二脉冲数；依据每个目标垃圾的尺寸信息，确定每个目标垃圾对应的喷气装置；针对每个目标垃圾，确定当前脉冲数是否大于或者等于该目标垃圾对应的所述第二脉冲数；若当前脉冲数大于或者等于该目标垃圾对应的所述第二脉冲数，则控制喷气开关闭合，以使该目标垃圾对应的喷气装置喷出气体将该目标垃圾吹起，以回收该目标垃圾。72.基于同一申请构思，本技术实施例还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上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的垃圾回收方法的步骤。73.具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述垃圾回收方法，通过高光谱相机拍摄垃圾的光谱图片并确定拍照时刻对应的脉冲数，从光谱图片中识别出目标垃圾以及确定目标垃圾的位置信息和尺寸信息，预测目标垃圾到达预设回收区域时的预测脉冲数，在脉冲数大于或等于预测脉冲数时控制对应的喷气装置喷气，以吹起目标垃圾进而回收目标垃圾，解决了现有技术中确定目标垃圾的位置信息不准确而导致回收不准确的技术问题，达到了提高确定目标垃圾的准确率的技术效果。74.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本技术所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。75.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。76.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。77.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。78.以上仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!