万梅芬

摘要：将计算机视觉技术与废物垃圾进行有机融合具有重要的意义，可以更好地实现资源回收和利用。该文从此角度的重要性出发，对当下这种技术发展所需的系统需求进行了分析，并在此基础上提出了废物垃圾分析与其相关方案，期望通过这些意见可以给废物垃圾识别和分类带来实质性帮助，从而保证资源能够得到更好的回收和利用。

关键词：计算机视觉;废物垃圾识别;图像采集

中图分类号：TP18文献标识码：A

文章编号：1009-3044（2020）24-0189-02

在环境保护与资源再利用的大环境下，将计算机视觉技术应用到垃圾废物识别和处理中具有积极地现实意义。通过这种技术应用可以实现资源快速回收和利用，但是在实际生活中，由于软硬件条件限制，使得这种技术在实际发展中受到了一定限制。因此，加强这方面的探究是非常有必要的，应该提高自身在这方面的重视程度，促进计算机视觉技术在废物垃圾识别中能得到良好应用。

1基于计算机视觉废物垃圾分析与识别的意义

在未来发展过程中，利用计算机视觉技术对废物垃圾进行识别具有重要的意义。第一，通过该技术应用可以降低资源回收的成本。在当下，对于废物垃圾的识别与分类更多依靠人工完成的。相对于计算机视觉技术的自动识别与分类，人工识别的效率比较低下，无法在短时间内进行大量的废物垃圾处理，而且随着经济水平提高，人工成本费用也逐渐地变高，给废物垃圾识别、处理带来了更高的成本和费用。第二，通过计算机视觉技术，对于环境保护与资源回收再利用也具有重大的帮助。在这种背景下，资源回收和再利用将会得到更大的提升，实现了环境的良好保护。

2现有系统需求分析

2.1 计算机视觉技术在废物垃圾中应用现状

对于计算机视觉技术的研究，国外的研究更成熟，早在20世纪50年代就提出了相关理念，并在20世纪90年代进入高速发展，而在21世纪初，这种技术就被应用到了废物垃圾处理中，给废物资源回收带来了重要的意义。但在国内，这方面还是比较薄弱，大部分还只是停留在理论研究阶段，并没有进行一定的实际开发和应用，这也给实际资源回收和利用带来了不利的影响。因此加大这方面研究和应用是未来发展的必要趋势，相关部门应在这方面加大资源投入，促进计算机视觉技术在废物垃圾处理中良好应用[1]。

2.2 现有系统、软硬件需求分析

对于计算机视觉技术的系统分析，现在做得比较成熟的主要还是西方的一些发达国家。以塑料为例，对于塑料颜色可以较准确进行识别的有德国Steinert公司的色选系统和法国Pellenc公司的色选系统。而对于硬件需求的分析，主要是基于视觉产品等基础上提出的，硬件主要可以分为照明系统、图像信息采集和图像信息处理这几个部分。通过照明系统可以对废物垃圾的不同材质进行区分，同时为了能够更准确地进行材质分析，应对照明系统进行一定的遮光等优化处理。软件作为整个技术应用的关键，给计算机视觉技术的应用带来巨大的影响。在对这方面进行需求进行分析时，相关人员可以从上位机软件和下位机软件这两个方面入手[2]。

3系统检测方案设计与分析

3.1 图像采集与预处理

图像采集与预处理作为计算机视觉技术在废物垃圾识别应用过程中的第一阶段，直接影响着其识别的精准性。在实际生活中，对于废物垃圾图像的采集，要全方位多角度进行实时采集，并根据垃圾场、垃圾处理中心等提供的垃圾图像，对整个废物图像信息进行详细的采集。

为了提高图像信息采集的精准性，相关管理人员可以根据废物垃圾的图像先进行一些预处理。在实际处理过程中，由于外界一些环境因素，如亮度、温度等，会对图像信息采集和处理带来一些影响。为了保证这个环节的良好进行，处理人员可以采用直方图修正和图像滤波法两个方法进行相应的预处理。所谓的直方图修正，就是对图像的灰概率分布变换进行相应的处理，使其变得更加均匀，从而使得前后的图像信息对比变得更加明显，有利于图像信息采集人员的信息采集。图像滤波应用主要是基于排序了统计理论的基础上，对一些非线性信号进行相应的处理，而且这种方式对于灰度值还具有一定的要求，要保证整体灰度值变化不是很大。同时为了使得信息采集更加精确，相关人员应对信息采集窗口进行合适的选取，通过相应的试验可以知道，一般选取长宽为5格的正方形窗口比较合适。

3.2 废物垃圾与实际背景分割

在对废物垃圾进行图像采集时，还需要将其与实际的背景进行分割，从而实现对废物垃圾的识别。为了更好地进行废物垃圾与实际环境背景分割，相关人员可以从其颜色特征方面入手。因为不同材质的废物垃圾，其表现出的颜色色值也是存在差别的。因此可以根据这些颜色特征进行相应选取，从而区分出不同材质的废物垃圾。在这过程中，信息处理人员还需要根据具体的场景来选取合适的分割方法。一般情况下对于图像分割，是将其分割成多个小区域，然后进行相应的灰度转换，得到相应的灰度图。然后在这基础上，对阈值进行选取，最后分离出相应的背景。对于最佳阈值的选取，相关人员可以采用迭代法来进行选取，其中具体的操作是计算出初始阈值，这个数取图像最大与最小灰度值的平均值，然后再对相应的灰度图进行处理，将其分成废物垃圾与背景两部分，计算出这其中的灰度平均值。最后再将这个值进行算法处理，确定算法停止的条件，即新阈值与上一阈值相同。

3.3 废物垃圾图像纹理特征提取与识别

将计算机视觉技术运用到废物垃圾识别和分类中，不仅要做到废物垃圾的快速识别，同时还需要为后期资源回收利用带来相应的便捷。因此针对废物垃圾图像特征提取和识别是至关重要的。图像自身纹理特征使得其有别于其他的图像，而且不同的组织结构排列也使得这些物体在表面变化上存在着一定的区别。在这过程中，要提取图像的纹理特征，可以采用灰度共生矩阵和数学统计量两种结合的方式进行选取，一般情况下是选取对比度、逆差距、熵、角二阶距等这几个相关量来进行纹理特征的分析[3]。

同时为了更好地贴合实际情况，相关人员可以采用最接近领域分类方式来进行不同垃圾种类的区分，其中具体操作是输入一个相应的特征量，然后再以不同的样本进行分析，通过各种图像信息处理、灰度圖等转换来提取样本的特征量，从而实现不同材质废物垃圾的分类。

4计算机视觉的废物垃圾分析与识别的发展趋势

随着计算机技术发展与人工成本增高，计算机视觉技术在废物垃圾分析和识别中将会成为未来的一个必然的发展趋势，而且伴随着技术的成熟，这种技术也将会得到更广泛的应用。在未来发展过程中，该技术也将会更加人性化，比如配备相应的安全防护措施，保证操作人员的人身安全。同时对其中应用到的算法进行优化和完善，使其图像信息处理能力变得更加强大，从而提高相应的识别效率。此外，在功能方面也将会变得更加智能和多样化，可以实现不同种类的废物垃圾的快速区分，而且对于一些细节之处也变得更加细致，比如对于颜色相近但存在差别的物质能够更加精准的识别。

5结论

综上所述，计算机视觉技术与废物垃圾识别有机结合将会对垃圾处理工作带来正面的积极的影响，促进了有效资源更好地进行回收和利用，对环境保护起到了更重要的作用。为了更好进行这方面应用，相关人员应结合目前已有的系统和软硬件需求，设计出一个良好的系统识别方案。同时，对计算机视觉算法进行优化和完善，提高其相应的工作效率，实现不同种类的废物垃圾快速识别。相信在未来“互联网+科技”快速发展的背景下，计算机视觉技术将会得到更广泛的应用。

参考文献：

[1] 陈宇超，卞晓晓.基于机器视觉与深度学习的医疗垃圾分类系统[J].电脑编程技巧与维护，2019（5）：108-110.

[2] 彭昕昀，李嘉乐，李婉，等.基于SSD算法的垃圾识别分类研究[J].韶关学院学报，2019，40（6）：15-20.

[3] 秦斌斌，何级.基于卷积神经网络的垃圾分类研究[J].无线通信技术，2019，28（3）：51-56.

【通联编辑：代影】