1、随着全球经济的快速发展和人们生活水平的提高，现代社会面临着废旧物资产生量和种类显著增加的挑战，这一现象的主要原因之一是消费品的更新速度加快，技术不断进步导致产品生命周期缩短，促使大量旧产品被淘汰和丢弃，推动了大量废弃物的产生。随着可持续发展理念的深入推广，废旧物资管理变得尤为重要，有效的废旧物资管理不仅能减少资源的浪费和环境的负荷，还能促进资源的再利用和循环利用。

　　2、例如公告号为：cn117745270b的一种用于废旧物资的资源智能回收系统，通过获取目标回收容器的目标数据的采集模块，判断目标回收容器是否满溢的分析模块，对目标回收容器进行调整的调整模块，提示工作人员进行回收的报警模块，该用于废旧物资的资源智能回收系统，根据回收容器内具体的废旧物资的位置情况调整回收容器的的位置，根据回收容器内具体的废旧物资的重量判断是否可以对回收容器内的废旧物资进行压缩，使回收容器利用最大化，根据每个回收容器内的装载情况以及工作人员的响应情况，确定是否调用无废旧物资的回收容器，从而不影响投放人群的正常投放使用，使投放人群便于投放废旧物资。

　　3、例如公告号为：cn117635124a的一种废旧物资的处置方法及装置，通过确定废旧物资的剩余寿命、剩余功能类别和剩余功能等级；基于剩余功能类别确定废旧物资对应的采购产品，并基于剩余功能等级、采购产品的完整功能等级和完整寿命确定废旧物资的功能剩余比例和寿命剩余比例；基于功能剩余比例和寿命剩余比例，计算废旧物资的转用功能得分；基于废旧物资的回收价格和采购产品的采购价格，计算废旧物资的回收功能得分；基于转用功能得分和回收功能得分确定废旧物资的处置方式；其中，处置方式包括回收和转用；该申请能够对废旧物资的两类处置方式产生的效果进行较为精确的评估，从而选取出使废旧物资利用率最大化的处置方式，减少物资浪费。

　　5、废旧物资的种类繁多，主要包括塑料、玻璃、金属、纸张等，每种材料又分为多个子类，如不同类型的塑料、不同颜色和厚度的玻璃、各种合金和纯金属以及不同等级和用途的纸张等等。这些物质的组成复杂，形态各异，使得传统的废旧物资分类识别方法难以满足高效率和高准确率的识别分类需求。因此，对废旧物资的所属类别进行精准识别成为一个迫切的技术挑战。

　　1、本技术实施例通过提供废旧物资管理系统及方法，解决了现有技术中，传统的废旧物资分类识别方法难以满足高效率和高准确率的识别分类需求的问题，实现了对废旧物资的所属类别进行精准识别。

　　2、本技术实施例提供了废旧物资管理系统及方法，包括以下步骤：采集废旧物资图像并进行图像预处理，得到废旧物资第一图像；对预处理后的废旧物资第一图像进行多波段光谱分析处理，得到废旧物资第二图像；对所述废旧物资第二图像进行光谱特征提取处理，得到废旧物资第三数据集；基于卷积神经网络对所述废旧物资第三数据集进行材料分析，得到废旧物资类别分析报告；根据所述废旧物资类别分析报告，得到废旧物资的所属回收类别。

　　3、进一步的，所述图像预处理，包括：通过高斯滤波器定义的高斯函数对图像中每个像素周围的邻域进行去噪处理；对去噪处理后的废旧物资图像进行灰度增强处理，得到废旧物资第一图像。

　　4、进一步的，所述对预处理后的废旧物资第一图像进行多波段光谱分析处理，具体包括：确定所述废旧物资第一图像的波段范围；使用多波段光学过滤器，获取并记录在不同波段范围的废旧物资光谱数据；对获取的光谱数据进行背景校正处理，消除光学仪器本身和环境光线的影响；对校正后的光谱数据进行加权平均处理，通过加权平均算法得到废旧物资第二图像。

　　5、进一步的，所述对所述废旧物资第二图像进行光谱特征提取处理，特征变量的获取方法如下：所述特征变量包括波段反射率、波段比率、波段梯度、光谱峰值、光谱指数；通过计算在特定波段范围内的废旧物资的光谱反射值来获得波段反射率；选定近红外光波段和红色光波段两个波段范围，并对选定波段范围的反射率进行比值计算，得到波段比率；通过计算相邻波段之间的变化率得到波段梯度；通过使用峰值检测算法分析待分类的废旧物资的波段数据，确定废旧物资所处波段的光谱峰值；通过选取不同波段范围的废旧物资光谱数据，并对选取的废旧物资光谱数据进行组合计算得到光谱指数。

　　6、进一步的，所述卷积神经网络包括输入层、卷积滑动层、共享层、连接层以及目标输出层；在输入层内，引入softmax激活函数；在卷积滑动层内，设置一个一维矩阵对废旧物资第三数据集的每组数据进行滑动，得到待分类的废旧物资数据的特征权重值；在共享层内，将得到的特征权重值共享给卷积神经网络的每一层，并减少每一层的输入数据；在连接层内，将共享到的特征权重值与特征变量进行线性连接，得到特征权重 值与特征变量的线性关系；在目标输出层内，根据特征权重值与特征变量的线性关系，生成废旧物资类别分析报告。

　　7、进一步的，所述根据所述废旧物资类别分析报告，得到废旧物资的所属回收类别，具体如下：对各类别的含量占比进行分析：对于每种待分类的废旧物资，查看待分类的废旧物资包含的各类别的占比数据；对废旧物资进行归类：将每种废旧物资根据含量最高的类别进行归类。

　　8、进一步的，所述对获取的对光谱数据进行背景校正处理，处理方法如下：将光学仪器对准空白的区域，记录下相应的背景光谱数据，所述空白的区域与待测量的废旧物资具有相同的光照条件和背景材料；将记录的背景光谱数据导入计算机数据处理系统中，使所述背景光谱数据与使用多波段光学过滤器获取并记录的废旧物资光谱数据格式相同；将废旧物资在不同波段范围的光谱数据分别减去相应的背景光谱波段数据，完成背景校正。

　　9、进一步的，所述废旧物资类别分析报告，报告内容包括如下：所述废旧物资类别分析报告包括分析对象、分类结果；所述分类结果包括废旧物资所属类别1、所属类别2、所属类别3；所述分类结果包括待分类的废旧物资内含有各所属类别的含量占比以及目标预测层预测的类别的准确率。

　　10、进一步的，废旧物资管理系统包括：图像预处理模块，用于采集废旧物资图像并进行图像预处理，得到废旧物资第一图像；光谱分析模块，用于对预处理后的废旧物资第一图像进行多波段光谱分析处理，得到废旧物资第二图像；数据处理模块，用于对所述废旧物资第二图像进行光谱特征提取处理，得到废旧物资第三数据集；数据分析模块，用于基于卷积神经网络对所述废旧物资第三数据集进行材料分析，得到废旧物资类别分析报告；输出模块，用于根据所述废旧物资类别分析报告，得到废旧物资的所属回收类别。

　　11、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

　　12、1、通过废旧物资管理系统及方法，进而实现了对废旧物资的所属类别进行精准识别，有效解决了现有技术中，传统的废旧物资分类识别方法难以满足高效率和高准确率的识别分类需求的问题。

　　13、2、通过高精度的传感器设备获取废旧物资的信息，从而准确识别不同类型和形态的废旧物资，进而实现了精准区分不同种类的废旧物资。

　　14、3、通过神经网络对废旧物资进行识别分类，从而减少了人为误差和资源浪费，进而实现了提高废旧物资的分类过程的准确性。

　　技术研发人员：胡庆国,李冬森,李劲松,史云章,张宇,王光宏,宋诚诚,何环,姜晨丽,梁帆

　　1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用