(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211186439.9 (22)申请日 2022.09.28 (71)申请人 南通乾升信息科技有限公司 地址 226000 江苏省南 通市开发区广州路 42号532室 (72)发明人 苟晓勇　朱欣欣　 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 20/00(2022.01) (54)发明名称 基于RPA和计算机视觉的可回收垃圾分类方 法及系统 (57)摘要 本发明涉及数据 识别技术领域， 具体涉及一 种基于RPA和计算机视觉的可回收垃圾 分类方法 及系统， 该方法包括： 通过识别图形获取可回收 垃圾图像， 根据像素点的特征计算像素点的边缘 概率； 结合像素点的边缘概率计算像素点的种子 优异度， 选择初始种子点； 计算像素点到初始种 子点的空间距离和颜色距离， 结合边缘概率设置 距离度量权重， 得到像素点到初始种子点的综合 距离； 根据所述综合距离对图像进行超像素分割 得到超像素图像； 对超像素图像进行分类识别， 并根据识别结果对可回收垃圾进行分拣工作。 本 发明对可回收图像的分割精度较高， 进而对图像 分类识别的准确率高， 提高了对 可回收垃圾的分 拣效率。 权利要求书3页 说明书10页 附图1页 CN 115272778 A 2022.11.01 CN 115272778 A 1.一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在于， 该方法包括以下步 骤： 基于RPA进行识别得到可回收垃圾颜色图像和可回收垃圾灰度图像； 计算可回收垃圾 灰度图像上各像素点对应的灰度共生矩阵， 根据灰度共生矩阵中灰度组合的概率计算像素 点的边缘概率； 针对可回收垃圾灰度图像上任一像素点， 在过该像素点的设定方向的直线上， 获取该 像素点两侧 边缘概率局部最大值对应的像素点， 记为第一标志像素点和第二标志像素点； 根据第一标志像素点和第二标志像素点分别到所述任一像素点的距离、 以及边缘概率， 计 算所述任一像素点的种子优异度； 计算可回收垃圾灰度图像上所有像素点的种子优异度， 获取种子优异度的局部最大值 对应的像素点位置， 将可回收垃圾灰度图像上所述像素点位置在可回收垃圾颜色图像上对 应的像素点作为初始种子点； 根据可回收垃圾颜色图像上像素点和初始种子点的坐标以及颜色特征， 分别计算像素 点到初始种子点的空间距离和颜色距离； 对所述空间距离和颜色距离进 行加权求和得到像 素点到初始种子点的综合距离； 根据所述综合距离划分超像素 得到超像素图像； 根据超像素图像进行可回收垃圾种类的分类， 根据分类结果完成可回收垃圾的分拣工 作。 2.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述像素点的边 缘概率的获取 方法具体为： 以可回收垃圾灰度图像上每个像素点为中心， 构建一个大小为n ×n的窗口， 计算每个 窗口在各设定方向的灰度共生矩阵， 得到窗口中心像素点的灰度共生矩阵； 计算在设定方向的灰度共生矩阵下 该窗口中心像素点的边 缘概率， 用公式表示 为： 其中， 表示在设定方向为 时像素点的边缘概率， 表示灰度共生矩阵中第i行第 j列的值， 即第i个灰度级与第j个灰度级构成的组合在设定方向为 时出现的概率， 表示灰度级的差值， k表示灰度级的种类数量， 表示归一 化系数； 计算窗口在所有设定方向的灰度共生矩阵下中心像素点的边缘概率， 并获取其中的最 大值作为该像素点的边 缘概率。 3.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述种子优异度的获取 方法具体为： 其中， 表示第u个像素点的种子优异度， 表示第u个像 素点的边缘概率， 表示第权　利　要　求　书 1/3 页 2 CN 115272778 A 2一标志像素点到第u个像素点在设定方向为 时的距离， 表示第二标志像素点到第u个 像素点在设定方向为 时的距离， S为所有设定方向构成的序列。 4.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述空间距离的获取 方法具体为： 其中， 表示可回收垃圾颜色图像上第v个像素点与第g个初始种子点的空间距离， 为第v个像素点的坐标， 为第g个初始种子点的坐标。 5.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述颜色距离的获取 方法具体为： 其中， 表示可回收垃圾颜色图像上第v个像素点与第g个初始种子点的颜色距离， 为第v个像素点的LAB颜色特 征， 为第g个初始种子点的LAB颜色特 征。 6.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述对所述空间距离和颜色距离进行加权求和具体为： 其中， 空间距离对应的权 重的获取 方法具体为： 将可回收垃圾颜色图像上不属于初始种子点的像素点记为非种子像素点； 针对任意一 个非种子像素点， 获取在非种子像素点的所有设定方向上与该非种子像素点距离最近的初 始种子点； 将各初始种子点到该非种子像素点的距离构成像素距离集 合； 判断各初始种子点到该非种子像素点之间是否存在其他非种子像素点的边缘概率大 于该非种子像素点的边缘概率； 若存在， 将初始种子点到该非种子像素点之间边缘概率最 大的像素点称为截断点， 并利用该非种子点到截断点的距离替换像素距离集合中该非种子 像素点到对应初始种子点的距离， 得到更新后的像素距离集合， 获取更新后的像素距离序 列中最大值元素对应的取值作为空间距离对应的权重； 若不存在， 则将像素距离集合中最 大值元素对应的取值作为空间距离对应的权 重； 获取可回收垃圾灰度图像上所有像素点的灰度值对应的灰度等级的种类数量， 将255 与所述种类数量的比值作为颜色距离对应的权 重； 利用所述空间距离对应的权重和颜色距离对应的权重对空间距离和颜色距离进行加 权求和。 7.根据权利要求1所述的一种基于RPA和计算机视觉的可回收垃圾分类方法， 其特征在 于， 所述初始种子点的综合距离的获取 方法具体为：权　利　要　求　书 2/3 页 3 CN 115272778 A 3