阅读说明：本技术 垃圾分类回收方法及系统 (Garbage classification recovery method and system ) 是由 陈志强 张丽 彭刚 孙运达 黄清萍 杨帆 于 2019-12-16 设计创作，主要内容包括：本公开披露了一种垃圾分类回收方法和系统。该方法包括：获取待分类垃圾的投放人的身份信息；对待分类的垃圾进行检测,得到待分类垃圾的检测数据；分析检测数据,得到垃圾查验结论：即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；根据垃圾查验结论处理待分类的垃圾；以及绑定所述身份信息、所述检测数据以及所述垃圾查验结论。上述技术方案能够从垃圾出发追溯到投放人,尤其是在查验结果为混装垃圾的情况下,能够追溯到投放人,有利于落实垃圾分类措施。(The present disclosure discloses a garbage classification and recovery method and system. The method comprises the following steps: acquiring identity information of a person throwing garbage to be classified; detecting the garbage to be classified to obtain detection data of the garbage to be classified; analyzing the detection data to obtain a spam inspection conclusion: namely determining that the garbage to be classified belongs to one of mixed garbage or non-mixed garbage; processing the garbage to be classified according to a garbage checking conclusion; and binding the identity information, the detection data and the spam verification conclusion. According to the technical scheme, the throwing persons can be traced from the starting of the garbage, particularly, the throwing persons can be traced under the condition that the inspection result is the mixed garbage, and the garbage classification measures are favorably implemented.)

垃圾分类回收方法及系统

技术领域

本公开的实施例涉及垃圾分类回收技术，具体涉及垃圾分类回收方法和系统。

背景技术

中国是世界第一垃圾制造国，垃圾年产量4亿吨，年均增长8%~10%，环境不堪重负，垃圾分类迫在眉睫。2019年6月，住建部、***、生态环境部等九部门联合印发《住房和城乡***等部门关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》。该通知提出：从2019年起，全国地级及以上城市全面启动生活垃圾分类工作。到2020年底，先行先试的46个重点城市，要基本建成垃圾分类处理系统；其他地级城市实现公共机构生活垃圾分类全覆盖。到2022年，各地级城市至少有1个区实现生活垃圾分类全覆盖。2025年前，全国地级及以上城市要基本建成垃圾分类处理系统。

在目前试行垃圾分类的城市中，普遍发现的问题是居民分类投递行为不规范，混装严重。一方面良好的垃圾分类投递习惯需要较长时间养成，另一方面现阶段也缺乏对分类投递的有效监管手段，单纯靠少量比例的人工抽检。可见，目前亟需技术手段填补监管空白。

此外，以家庭为单位建立垃圾投放登记管理电子台账是各级政府监管层面希望能够做到的事情。在台账中可以记录每个家庭每次投放的各类垃圾的重量、分类投放的规范程度等信息，使得针对垃圾分类行为的奖惩举措更加有理有力，使得官方统计数字和政策法规能够有可信的大数据作为依据。然而，现有技术没有涉及这方面的技术方案。

发明内容

针对现有技术中的一个或多个问题，提出了一种垃圾分类回收方法和系统，能够追溯垃圾投放人。

根据本公开的一个方面，提出了一种垃圾分类回收方法，包括步骤：获取待分类垃圾的投放人的身份信息；对待分类垃圾进行检测，得到待分类垃圾的检测数据；分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；根据垃圾查验结论处理待分类垃圾；以及绑定所述身份信息、所述检测数据以及所述垃圾查验结论。

根据本公开的实施例，所述获取待分类垃圾的投放人的身份信息的步骤包括如下至少之一：利用读卡器从卡片上读取垃圾投放人的识别信息；读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息；识别垃圾投放人的生物特征，得到投放人的识别信息。

根据本公开的实施例，所述检测数据至少包括所述待分类垃圾的射线扫描图像。

根据本公开的实施例，所述检测数据还包括所述待分类垃圾的重量信息。

根据本公开的实施例，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。

根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，利用语义分割模型分析待分类垃圾的射线扫描图像，得到垃圾查验结论。

根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述分析检测数据的步骤包括：利用语义分割模型来分析待分类垃圾的射线扫描图像；对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾和非混装垃圾中的哪一类；以及输出语义标签图。

根据本公开的实施例，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：对多幅垃圾射线扫描图像进行像素或体素级标注；将标注的射线扫描图像输入到语义分割卷积神经网络，进行训练。

根据本公开的实施例，分析检测数据的步骤还包括：对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体的份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。

根据本公开的实施例，所述的垃圾分类回收方法还包括步骤：对于混装垃圾，通过电子通讯的方式向垃圾投放人发送查验结论以及检测数据。

根据本公开的实施例，所述垃圾分类回收方法还包括步骤：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出待分类垃圾中的各种垃圾的具体组成比例和位置分布。

根据本公开的实施例，所述非混装垃圾具体为如下之一：可回收垃圾、有害垃圾、厨余垃圾、其它垃圾。

根据本公开的另一方面，提出了一种垃圾分类回收系统，包括：身份信息获取装置，获取待分类垃圾的投放人的身份信息；垃圾检测装置，对待分类垃圾进行检测，得到待分类垃圾的检测数据；垃圾分析装置，分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种；垃圾储存装置，根据垃圾查验结论处理待分类垃圾；以及其中垃圾分析装置，绑定所述身份信息、所述检测数据以及所述垃圾查验结论。

根据本公开的实施例，所述身份信息获取装置包括如下至少之一：读卡器，从卡片上读取垃圾投放人的识别信息；扫码或拍照装置，读取垃圾袋上的一维码、二维码或者字符串，得到垃圾投放人的识别信息，或者识别垃圾投放人的生物特征，得到投放人的识别信息。

根据本公开的实施例，所述检测数据至少包括所述待分类垃圾的射线扫描图像。

根据本公开的实施例，所述射线扫描图像包括灰度透射图像、伪彩色透射图像、单视角X射线图像、双视角X射线图像、原子序数图像、电子密度图像或者立体图像。

根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述垃圾分析装置具体配置为：利用语义分割模型分析待分类垃圾的射线扫描图像，得到垃圾查验结论。

根据本公开的实施例，所述检测数据为所述待分类垃圾的射线扫描图像，所述垃圾分析装置配置为：利用语义分割模型来分析待分类垃圾的射线扫描图像；对射线扫描图像上的每一个像素或体素赋予语义标签，即像素或体素属于混装垃圾或非混装垃圾中的一种；以及输出语义标签图。

根据本公开的实施例，所述语义分割模型具体为语义分割卷积神经网络，其中，通过如下步骤训练所述语义分割卷积神经网络：对多幅垃圾射线扫描图像进行像素或体素级标注；将标注的射线扫描图像输入到语义分割卷积神经网络，进行训练。

根据本公开的实施例，垃圾分析装置还被配置为：对语义标签图进行统计，如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体的份额为设定比例以上，则垃圾查验结论为待分类垃圾属于非混装垃圾，如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额均小于设定比例，则垃圾查验结论为待分类垃圾属于混装垃圾。

根据本公开的实施例，所述垃圾分析装置还被配置为：在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，进一步输出待分类垃圾中的各种垃圾的具体组成比例和位置分布。

上述实施例的方案克服了现有技术中无法对垃圾投放进行监管的缺点。利用上述技术方案，能够追溯垃圾投放人。在其他实施例中，利用语义分割模型，能够将待分类垃圾准确分类为混装垃圾和非混装垃圾并明确指出垃圾混装的具体情形。

附图说明

为了更好地理解本公开，将根据以下附图对本公开进行详细描述：

图1示出了本公开实施例的垃圾分类回收系统的结构示意图；

图2是根据本公开实施例的垃圾检测装置的结构示意图；

图3是根据本公开实施例的垃圾分析装置的示意图；

图4示出了根据本公开实施例的垃圾分类回收方法的示意性流程图；以及

图5示出了根据本公开实施例中的利用语义分割模型分析待分类垃圾的扫描图像的示意流程图。

具体实施方式

下面将详细描述本公开的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本公开。在以下描述中，为了提供对本公开的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本公开。在其他实例中，为了避免混淆本公开，未具体描述公知的结构、材料或方法。

在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本公开至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。

本公开的实施例提出了一种垃圾分类回收方法和垃圾分类回收系统，能够针对性的解决现有技术的上述不足。根据本公开的实施例，通过刷卡或者身份识别技术获取待分类垃圾的投放人身份信息，然后获取待分类垃圾的检测数据，进一步获取垃圾查验结论，例如对检测数据进行分析，判断垃圾的类别，将其归类为各种非混装垃圾（比如可回收垃圾、有害垃圾、厨余垃圾、其它垃圾等）或混装垃圾中的一种，且对于混装垃圾，分析得出混装的具体情形。将“投放人身份信息—垃圾检测数据—垃圾查验结论”绑定并保存。这样的方案，能够追溯垃圾的投放人。

根据实施例，对于非混装垃圾，通过传送装置分别送入对应的垃圾储存装置。对于混装垃圾，根据当前选择的工作模式，退回投放口并将混装的具体情形反馈给投放人，或者送入混装垃圾储存装置，由垃圾处理站工作人员处置。

图1示出了本公开实施例的垃圾分类回收系统的结构示意图。如图1所示，根据本公开实施例的垃圾分类回收系统包括传送待分类垃圾的传送装置110、读卡器120（可选）、扫码或拍照装置115（可选）、垃圾检测装置125、垃圾分析装置130、可回收垃圾储存装置135、有害垃圾储存装置140、厨余垃圾储存装置145、其他垃圾储存装置150和混装垃圾储存装置155。此外，垃圾分类回收系统得到的“投放人身份信息—垃圾检测数据—垃圾查验结论”被绑定，并存储到垃圾分析装置中或者存储到远端的中心存储器190中。

例如，读卡器120用来获得投放人身份信息，可以是磁卡中存储的投放人信息。作为另一选择，也可以是垃圾袋上的一维条形码，也可以是垃圾袋上的二维码，也可以通过垃圾袋上的字符串等方式呈现。由扫码或拍照装置115来获得投放人身份信息。投放人身份信息例如可以是其名字/代号（身份证）/房间号/电话号码等能识别投放人的身份的信息。

对于该实施例，获取待分类垃圾的投放人身份信息通过要求投放人在投放垃圾前刷卡实现，读卡器120安装在垃圾分类回收系统的投放口附近，刷卡后投放的垃圾默认与磁卡持有者绑定。再次刷卡取消绑定或者一定时长后无垃圾投放取消绑定，绑定时长可根据需要合理配置。

对于另一种实施例，获取待分类垃圾的投放人身份信息通过扫码或拍照装置115实现，它具有光学字符识别功能，对垃圾袋扫码或拍照。扫码或拍照装置115可以安装在垃圾检测装置125之前，也可以安装在垃圾检测装置125之后。本实施例中，投放人将定制的垃圾袋带投放人身份信息的一面朝向扫码或拍照装置115摆放，比如当扫码或拍照装置115安装在传送装置110上方时，垃圾袋带投放人身份信息的一面应当朝上摆放在传送装置上，否则一旦扫码或拍照装置115无法获取投放人身份信息，可以选择自动把垃圾退回投放口并提示投放人正确摆放。

垃圾检测装置125获得待分类垃圾的检测数据至少包含待分类垃圾的扫描图像。待分类垃圾的检测数据还可以包含待分类垃圾的重量信息。

图2示出了垃圾检测装置的示意图。如图2所示的装置包括承载待分类垃圾前进的传送装置110，例如皮带等，X射线源210，探测器220、采集电路225、控制器230和数据处理计算机240（可以作为垃圾分析装置）等。射线源210包括一个或多个X射线发生器，可以进行单能扫描，也可以进行双能扫描。

如图2所示，传送装置110承载待分类垃圾穿过射线源210与探测器220之间的扫描区域。在一些实施例中，探测器220和采集电路225例如是具有整体模块结构的探测器及数据采集器，例如多排探测器，用于探测透射被检物品的射线，获得模拟信号，并且将模拟信号转换成数字信号，从而输出待分类垃圾针对X射线的投影数据。例如针对高能射线设置一排探测器，针对低能射线设置另一排探测器，或者高能射线和低能射线分时使用同一排探测器。控制器230用于控制整个系统的各个部分同步工作。数据处理计算机240用来处理由数据采集器采集的数据，利用训练的人工神经网络之类的语义分割模型对数据进行分析，输出垃圾查验结论。

根据该实施例，探测器220和采集电路225用于获取待分类垃圾的透射数据。采集电路225包括数据放大成形电路，它可工作于（电流）积分方式或脉冲（计数）方式。采集电路225的电缆与控制器230和数据处理计算机240连接，根据触发命令将采集的数据存储在数据处理计算机240中。

在一些实施例中，探测器220包括多个探测单元，接收穿透被检查物体的X射线。数据采集电路225与探测器220耦接，将探测器220产生的信号转换为探测数据。控制器230通过控制线路CTRL1与射线源210连接，通过控制线路CTRL2与探测器220连接，并且与数据采集电路连接，控制射线源210中的一个或多个X射线发生器产生单能或者双能X射线，从而随着被检查物体的移动而发出射线穿透被检查物体。此外，控制器230控制探测器220和数据采集电路225，获得单能或者至少两种能量下X射线发生器相对应的探测数据。数据处理计算机240基于探测数据重建待分类垃圾的图像，并且利用训练的人工神经网络之类的语义分割模型对数据（图像）进行分析，输出垃圾查验结论。

图3示出了垃圾分析装置（数据处理计算机）的结构框图。如图3所示，采集电路225所采集的数据通过接口单元340和总线345存储在存储器310中。只读存储器（ROM）315中存储有配置信息以及程序。随机存取存储器（RAM）320用于在处理器330工作过程中暂存各种数据。另外，存储器310中还存储有用于进行数据处理的计算机程序。内部的总线345连接上述的存储器310、只读存储器315、随机存取存储器320、输入装置325、处理器330、显示装置335和接口单元340。

根据一个实施例，在用户通过诸如键盘和鼠标之类的输入装置325输入的操作命令后，计算机程序的指令代码命令处理器330执行预定的数据重建算法，在得到数据处理结果之后，将其显示在诸如LCD显示器之类的显示装置335上，或者直接以诸如打印之类硬拷贝的形式输出检测图像数据，此外还利用训练的人工神经网络之类的语义分割模型对数据进行分析，输出垃圾查验结论。在其他实施例中，也可以是自动执行计算机程序，无需用户输入操作指令。

例如，射线源210可以是放射性同位素（例如钴-60），也可以是低能的X光机或高能的X射线加速器等。

例如，探测器220从材料上划分，可以是气体探测器、闪烁体探测器或固体探测器等，从阵列排布上划分，可以是单排、双排或者多排，以及单层探测器或双层高低能探测器等。

优选的，待分类垃圾的扫描图像可以是一幅灰色或伪彩色平面图像，对应的垃圾检测装置是单视角X射线检测装置，其中颜色包含了垃圾的材质信息；待分类垃圾的扫描图像也可以是两幅或多幅灰色或伪彩色平面图像，对应的垃圾检测装置是双视角或者更多视角的X射线检测装置，从更多方向穿透垃圾获取信息，从而提高垃圾分类判定的准确度；待分类垃圾的扫描图像也可以是一幅立体图像，对应的垃圾检测装置是基于CT技术的X射线检测装置，从而进一步丰富信息以提升垃圾分类判定的准确度。在其他实施例中，扫描图像也可以是基于双能技术获得的原子序数图像或者电子密度图像。

获取待分类垃圾的重量信息，可以在传送装置110内安装测重单元，可以在垃圾检测装置内安装测重单元，也可以通过待分类垃圾的扫描图像进行重量估算。

使用垃圾分析装置130或者数据处理计算机240分析垃圾检测数据以获取垃圾查验结论。例如应用计算机视觉和机器学习领域的技术。优选的，应用深度学习技术，设计适合于垃圾扫描图像特点的专用卷积神经网络。中国专利公开CN 109201514 A也提到了使用深度学习神经网络处理垃圾扫描图像，计算待分类垃圾与可回收垃圾之间的匹配率。

然而，这种技术只能获得待分类垃圾属于某种可回收垃圾的相似度，不能够准确指出垃圾混装的具体情形。本公开实施例使用的语义分割模型，比如语义分割卷积神经网络，通过学习具有像素或体素级别标注的大量垃圾扫描图像，能够精细分析待分类垃圾的扫描图像，并对扫描图像上的每一个像素或体素赋予语义标签，即该像素或体素属于各种非混装垃圾（比如可回收垃圾、有害垃圾、厨余垃圾、其它垃圾等）和混装垃圾中的哪一种垃圾，输出语义标签图。对语义标签图进行滤波去噪、连通域分析、面积/体积/重量估算即可给出垃圾混装的具体情形，包括垃圾袋中包含哪几个种类的垃圾、每个种类垃圾的面积/体积/重量占比等统计值、每个种类垃圾在垃圾袋中的位置分布。如果统计值表明待分类垃圾中只有一种垃圾或者一种垃圾占总体的份额为设定比例（如面积/体积/重量占比超过一个阈值）以上，垃圾查验结论为待分类垃圾属于该种非混装垃圾。如果统计值表明待分类垃圾中有多种垃圾而且各种垃圾占总体的份额均小于设定比例，垃圾查验结论为待分类垃圾属于混装垃圾且指出各种垃圾的具体组成比例和位置分布。垃圾查验结论中还可以包含垃圾分类回收系统的标识号。

本领域技术人员可以理解，除了卷积神经网络，本公开实施例中的垃圾分析装置也可以使用自编码网络、深度信念网络等神经网络结构进行深度学习，亦即任何能够输出与垃圾扫描图像分辨率相同的语义标签图的神经网络结构均包含在本公开的技术方案内。

例如，垃圾分析装置130可以利用栈式自编码神经网络(SAE)、深度信念神经网络（DBN）等深度神经网络结构进行深度学习，也可以采用条件随机场(CRF)、马尔科夫随机场(MRF)等基于概率图模型的经典机器学习方法，也可以采用深度神经网络与概率图模型相结合的方法；任何能够输出与垃圾扫描图像分辨率相同的语义标签图的语义分割数学模型均可以包含在本公开的技术方案内。

在获得查验结论后，垃圾分析装置130向传送装置110发控制信号CTRL3，将待分类的垃圾输送到相对应的垃圾储存装置中，例如可回收垃圾储存装置135、有害垃圾储存装置140、厨余垃圾储存装置145、其他垃圾储存装置150和混装垃圾储存装置155中。在其他实施例中，也可以是向垃圾站工作人员发信息，由工作人员将待分类的垃圾转入相应的垃圾储存装置中。

垃圾分析装置130将上述的投放人身份信息、垃圾检测数据、垃圾查验结论绑定在一起，形成“投放人身份信息—垃圾检测数据—垃圾查验结论”的完整记录，此记录可以有线或无线方式上传至中心存储器190的数据库保存，也可以在垃圾分类回收系统本地例如垃圾分析装置130的存储器中保存。

此外，可使用摄像机、温度传感器、湿度传感器、可燃气体传感器、测重单元、体积测量单元对各种垃圾储存装置内的状况进行实时监控，防止腐败异味以及有毒有害气体产生，同时具备防火防爆阻燃的能力。垃圾储存装置内还可以加装杀毒灭菌装置，可以是紫外线灯管，也可以是高温消毒装置，也可以是化学消毒装置，也可以是辐射灭菌装置。垃圾储存装置内还可以加装空气过滤装置，可以是电磁吸附过滤，也可以是过滤网过滤，也可以是活性炭过滤，保证空气流通的前提下阻隔有害气体的扩散。

垃圾处理站工作人员为了快速处置不合格分类的混装垃圾袋，可以再次获取混装垃圾的检测数据以及对应的查验结论，如果垃圾袋上有投放人身份信息，可以通过扫码或拍照获得投放人身份信息后，向中心存储器数据库或者相应的垃圾分类回收系统发出查询请求，调取之前的检测数据以及对应的查验结论；否则可通过垃圾分类回收系统再次过机检测。对于混装垃圾袋由垃圾处理站工作人员处置的情形，混装的具体情形仍可通过APP或短信息等方式通知投放人，垃圾处理站工作人员处置的同时还可以选择对处置过程进行拍照或者录像，照片或视频可以上传、保存或者发送给投放人用于教育提醒。

图4示出了根据本公开实施例的垃圾分类回收方法的示意性流程图。如图4所示，在步骤S410，获取待分类垃圾的投放人的身份信息，例如通过读卡器120或者扫码或拍照装置115来获取投放人身份信息。

在步骤S415，对待分类垃圾进行检测，得到待分类垃圾的检测数据，例如利用如图2所示的检测装置对待分类垃圾进行检测，得到待分类垃圾的图像数据。根据其他实施例，检测数据还可以包含待分类垃圾的重量信息。

在步骤S420，分析检测数据，得到垃圾查验结论，即确定待分类垃圾属于混装垃圾或者非混装垃圾中的一种，例如是混装垃圾或者非混装垃圾（可回收垃圾、有害垃圾、厨余垃圾、其它垃圾等）中的一种。

在步骤S425，根据垃圾查验结论处理待分类垃圾，例如根据查验结论将待分类的垃圾转入相应的垃圾储存装置中。在步骤S430，绑定所述身份信息、所述检测数据以及所述垃圾查验结论。

图5示出了根据本公开实施例中的利用语义分割模型分析待分类垃圾的扫描图像的示意流程图。

本公开实施例使用的语义分割卷积神经网络之类的语义分割模型，通过学习具有像素或体素级别标注的大量垃圾射线扫描图像。在步骤S510，利用语义分割模型分析待分类垃圾的射线扫描图像，并在步骤S515对射线扫描图像上的每一个像素或体素赋予语义标签，即该像素或体素属于各种非混装垃圾（比如可回收垃圾、有害垃圾、厨余垃圾、其它垃圾等）和混装垃圾中的一种垃圾，在步骤S520输出语义标签图。

根据一些实施例，可以对语义标签图进行滤波去噪、连通域分析、面积/体积/重量估算即可给出垃圾混装的具体情形，包括垃圾袋中包含哪几个种类的垃圾、每个种类垃圾的面积/体积/重量占比等统计值、每个种类垃圾在垃圾袋中的位置分布。

在步骤S525，如果统计值表明待分类垃圾中只有一种垃圾或者某种垃圾占绝对主体（如面积/体积/重量占比超过一个阈值），垃圾查验结论为待分类垃圾属于该种非混装垃圾。如果统计值表明待分类垃圾中有多种垃圾而且没有任何一种垃圾占绝对主体，垃圾查验结论为待分类垃圾属于混装垃圾。在步骤S530，作为另一实施例，在垃圾查验结论为待分类垃圾属于混装垃圾的情况下，还可以进一步指出各种垃圾的具体组成比例和位置分布。垃圾查验结论中还可以包含垃圾分类回收系统的标识号。例如在将可回收垃圾与厨余垃圾混装的情况下，给出可回收垃圾和厨余垃圾在待分类垃圾（垃圾袋）中的具***置，例如垃圾袋的上部，中部或者下部等。这样方便垃圾站工作人员处理，也方便向投放人具体指出其投放的垃圾的混装情况。

以上的详细描述通过使用示意图、流程图和/或示例，已经阐述了基于垃圾分类回收方法和系统的众多实施例。在这种示意图、流程图和/或示例包含一个或多个功能和/或操作的情况下，本领域技术人员应理解，这种示意图、流程图或示例中的每一功能和/或操作可以通过各种结构、硬件、软件、固件或实质上它们的任意组合来单独和/或共同实现。在一个实施例中，本公开的实施例所述主题的若干部分可以通过专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、或其他集成格式来实现。然而，本领域技术人员应认识到，这里所公开的实施例的一些方面在整体上或部分地可以等同地实现在集成电路中，实现为在一台或多台计算机上运行的一个或多个计算机程序（例如，实现为在一台或多台计算机系统上运行的一个或多个程序），实现为在一个或多个处理器上运行的一个或多个程序（例如，实现为在一个或多个微处理器上运行的一个或多个程序），实现为固件，或者实质上实现为上述方式的任意组合，并且本领域技术人员根据本公开，将具备设计电路和/或写入软件和/或固件代码的能力。此外，本领域技术人员将认识到，本公开所述主题的机制能够作为多种形式的程序产品进行分发，并且无论实际用来执行分发的信号承载介质的具体类型如何，本公开所述主题的示例性实施例均适用。信号承载介质的示例包括但不限于：可记录型介质，如软盘、硬盘驱动器、紧致盘（CD）、数字通用盘（DVD）、数字磁带、计算机存储器等；以及传输型介质，如数字和/或模拟通信介质（例如，光纤光缆、波导、有线通信链路、无线通信链路等）。

虽然已参照几个典型实施例描述了本公开，但应当理解，所用的术语是说明和示例性、而非限制性的术语。由于本公开能够以多种形式具体实施而不脱离发明的精神或实质，所以应当理解，上述实施例不限于任何前述的细节，而应在随附权利要求所限定的精神和范围内广泛地解释，因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。