(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210218590.X (22)申请日 2022.03.08 (65)同一申请的已公布的文献号 申请公布号 CN 114283387 A (43)申请公布日 2022.04.05 (73)专利权人 深圳市万物云科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 刘子伟　苏红梅　周长源　袁戟　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 武志峰 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01)G06V 10/82(2022.01) G06V 10/70(2022.01) G06N 3/04(2006.01) G06N 5/04(2006.01) G06Q 50/10(2012.01) (56)对比文件 CN 113255588 A,2021.08.13 CN 112883921 A,2021.0 6.01 审查员 曹春晓 (54)发明名称 一种垃圾点保洁工单智能生成方法、 装置及 相关介质 (57)摘要 本发明公开了一种垃圾点保洁工单智能生 成方法、 装置及相关介质， 该方法包括： 通过监控 设备获取垃圾点位置的视频数据， 并对所述视频 数据进行抽帧处理， 得到对应的垃圾点图像数 据； 采用目标检测算法对垃圾点图像数据进行目 标检测； 根据目标检测结果计算垃圾点内的垃圾 桶满溢率和垃圾堆放量； 将所述垃圾桶满溢率和 垃圾堆放量输入至自适应神经模糊推理系统， 并 由所述自适应神经模糊推理系统输出触发保洁 工单的概率。 本发明通过检测垃圾点内的垃圾桶 满溢率和垃圾堆放量， 来对垃圾点进行综合计 算， 进而生成相应的保洁工 单， 如此， 可以提高保 洁工单的生成 效率， 从而提高对于垃圾点的清洁 效率。 权利要求书4页 说明书11页 附图6页 CN 114283387 B 2022.06.24 CN 114283387 B 1.一种垃圾 点保洁工单智能生成方法， 其特 征在于， 包括： 通过监控设备获取垃圾点位置的视频数据， 并对所述视频数据进行抽帧处理， 得到对 应的垃圾 点图像数据； 采用目标检测算法对垃圾 点图像数据进行目标检测； 所述采用目标检测算法对垃圾 点图像数据进行目标检测之前， 包括： 利用矩形框对所述垃圾点图像数据进行状态标注， 得到标注矩形框； 所述状态标注包 括满溢状态和堆 放状态， 所述满溢状态包括空状态、 半满状态、 满状态； 所述采用目标检测算法对垃圾 点图像数据进行目标检测， 包括： 将垃圾点 图像数据输入至Yolov5s网络模型的骨干网络， 由所述骨干网络提取不同尺 寸的特征图； 其中， 所述Yolov5s 网络模型包括骨干网络、 neck层和预测层， 所述骨干网络依 次包括Focus模块、 瓶颈 CSP层、 CBL模块和S PP层； 利用neck层对不同尺寸的特 征图进行串联和整合， 得到不同大小的语义信息； 将具备不同大小的语义信 息的垃圾点图像数据输入至预测层， 并由所述预测层输出所 述垃圾点图像数据对应的垃圾桶的满溢状态位置矩形框 和/或堆放状态位置矩形框 ， 以及满溢状态 、 满溢置信度 和堆放置信度 ； 根据目标检测结果计算垃圾 点内的垃圾桶满溢率和垃圾 堆放量； 所述根据目标检测结果计算垃圾 点内的垃圾桶满溢率和垃圾 堆放量， 包括： 针对每一垃圾桶， 根据垃圾桶的满溢状态设置模糊隶属度函数 ； 结合满溢状态 和模糊隶属度函数 ， 按照下式计算所述垃圾桶满溢率 ： 式中， 与 分别代表在隶属度为1.0时的区间上、 下界限的满溢度值， 为满溢置信 度， 表示满溢状态为 时的模糊隶属度函 数，  =1,2,3， i表示第i个检测出的垃圾桶的满 溢状态位置矩形框； 基于满溢状态位置矩形框 ， 按照下式， 对m个垃圾桶的垃圾桶满溢率进行计算： ； 将所述垃圾桶满溢率和垃圾堆放量输入至自适应神经模糊推理系统， 并由所述自适应 神经模糊推理系统输出触发保洁工单的概 率。 2.根据权利要求1所述的垃圾 点保洁工单智能生成方法， 其特 征在于， 还 包括： 将所述满溢状态位置矩形框和堆放状态位置矩形框统称为预测矩形框， 并通过下式对 Yolov5s网络模型进行训练优化： 权　利　要　求　书 1/4 页 2 CN 114283387 B 2式中， 为标注矩形框与预测矩形框之间的位置损失， 为标注矩形框与预测 矩形框的之间的类别损失， 为标注矩形框与预测矩形框之间的置信度损失； 其中， 采用GIoU loss计算得到： 式中， 表示预测矩形框和真实矩形框的区域交并比， C表示可以覆盖 真实预测框和预测真实框的最小封闭凸面， “\”表示C中没覆盖到 真实预测框和预测真实框 的面积， 表示真实值， 表示预测值； 其中， 与 均采用交叉熵损失函数 计算得到： 式中， 表示权重， 表示经过独热编码后的真实标签， 表预测值， 表示Sigmoid 函数。 3.根据权利要求1所述的垃圾点保洁工单智能生成方法， 其特征在于， 所述根据目标检 测结果计算垃圾 点内的垃圾桶满溢率和垃圾 堆放量， 还包括： 按照下式计算m个满溢状态位置矩形框的平均尺寸 ： 其中， 为第i个满溢状态位置矩形框的尺寸； 基于堆放状态位置矩形框 ， 按照下式， 计算 k个堆放垃圾的垃圾 堆放量N： 式中， 为堆放置信度， 为堆放状态位置矩形框 的尺寸。 4.根据权利要求1所述的垃圾点保洁工单智能生成方法， 其特征在于， 所述将所述垃圾权　利　要　求　书 2/4 页 3 CN 114283387 B 3