申请/专利权人:厦门陆海环保股份有限公司
申请日:2022-04-24
公开(公告)日:2023-01-13
公开(公告)号:CN115601636A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/26;G06V10/30;G06V10/34;G06V10/44;G06V10/77;G06V10/774;G06N20/00;G01N21/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.02.07#实质审查的生效;2023.01.13#公开
摘要:本发明提供一种固体废弃物识别预测模型的构建方法,包括以下步骤:样品收集,收集不同类型的固体废弃物样品,将该些固体废弃物样品分类后放置在传送带上;数据采集,运用光谱相机对放置在传送带上的各固体废弃物样品采集各像素点N*NN≧2个波段的光谱数据;数据处理,对所采集的光谱数据进行预处理,获得预处理后的数据集;建立训练数据集,对预处理后的数据集进行归一化处理,把该些光谱数据转成灰度值,并将灰度值数据组合成灰度图,以作为训练数据集;模型训练,采用该训练数据集对深度学习模型进行训练,获得固体废弃物识别的预测模型。借由该方法所构建的预测模型可对不同类型的固体废弃物类别进行快速、精准的识别、预测。
主权项:1.一种固体废弃物识别预测模型的构建方法,其特征在于,包括以下步骤:样品收集,收集不同类型的固体废弃物样品,将所述固体废弃物样品分类后放置在传送带上;数据采集,运用光谱相机对放置在传送带上的每个固体废弃物样品采集每个像素点N*NN≧2个波段的光谱数据;数据处理,对所述采集的光谱数据进行预处理,获得预处理后的数据集;建立训练数据集,对所述预处理后的数据集进行归一化处理,把所述光谱数据转成灰度值,进而将灰度值数据组合成灰度图,以作为训练数据集;模型训练,采用所述训练数据集对深度学习模型进行训练,获得固体废弃物识别的预测模型。
全文数据:
权利要求:
百度查询: 厦门陆海环保股份有限公司 固体废弃物识别预测模型的构建方法及其识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。