基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

填埋场裸膜红外巡检机器人最优路径规划

针对垃圾填埋场渗漏检测问题,提出了使用红外巡检机器人代替人工对垃圾填埋场裸膜进行全覆盖巡检的方法,并对机器人进行路径规划。首先,根据垃圾填埋场环境,采用矩形分解法对其进行区域分解,生成若干子区域;然后,用模板模型法规定机器人遍历各个子区域方式;最后,基于遗传算法,对其流程算法进行改进优化包括选择、交叉、变异等,实现各子区域间的转换连接,进而实现全覆盖最优路径规划。基于MATLAB仿真分析,结果表明：将改进的遗传算法与模板模型法相结合构成了一个成熟完整的全覆盖路径规划模型,能高效地完成巡检任务,并有较快的收敛速度和较低的重复覆盖率。