智能垃圾识别节能控制系统以视觉检测控制技术为核心，通过百万级垃圾数据分析建模，可有效识别路面常见11类垃圾。(石头，砖块，树枝，泥巴，杂草，树叶，塑料袋，塑料瓶，易拉罐，废纸，树叶堆其他)该系统适用于各类清扫机/车，及带有清扫功能的设备。可在车辆作业过程中自动识别作业范围内的路面垃圾情况，自主调节清扫功率，实现精细化清扫作业，最高可达15%~20%高效节能效果。

由于是巡检车车速维持80-100km/h，因此对于相机及板机要求较高，为了使检测系统在高速上可以实时准确的对路面异物进行检测，采取以下方案。

(1)利用多路视觉模块采集高速道路图片信息，将视频流传输给核心模块;

(2)核心模块提取多路图像SIFT特征，计算特征匹配矩阵，利用图像拼接算法将多路相机采集到的图像拼接为全景图像，进行目标检测跟踪，图像分割;

(3)目标检测跟踪算法为了提高精度，采用two-stage目标检测算法，对检测到的目标利用深度学习算法进行特征提取，利用李生网络并计算相邻数据帧之间目标的相似度，利用匈牙利算法及卡尔曼滤波算法，对目标进行配准，完成检测跟踪;

(4)通过图像分割算法进行车道检测，并匹配目标检测结果，检测垃圾异物在第几车道

(5)将检测跟踪算法检测到的垃圾异物位置，数量，尺寸等检测结果结合GPS位置信息，计算垃圾异物出现的地理位置，并通过无线传输模块上传至云平台;

(6)云平台结合垃圾异物检测信息通过路径规划人员调度算法计算任务量及导航路线，合理调度附近的清扫人员及车辆前往进行清扫工作。

高速道路每隔一定距离固定安装枪机，用于高速路面图像采集，每100个枪机搭配一台服务器，图像数据通过POE交换机传输至服务器，使用深度学习算法并行计算，检测每个枪机采集的图像中是否存在异物及其种类、尺寸等信息，通过将每个枪机的坐标及数据源一一匹配，计算异物所处地理位置信息，并将最终结果上传至云平台。

(1)多路相机采集高速路面图像数据，通过POE交换机整合视频流数据并传输至服务器

(2)服务器部署搭载Tesla系列GPU并行加速处理图像数据，使用TensorFLow部署深度学习算法Tensorrt加速推理计算，确保检测效果实时性;

(3)利用深度学习目标检测算法进行路面垃圾检测，检测出垃圾异物类型、尺寸、

数量，通过语义分割技术检测高速路面车道分布，匹配垃圾异物所处车道位置，将路面检测结果传输至云平台;

(4)云平台判断图像中是否有异物，将检测到的垃圾异物由图像坐标系转换为空间坐标系，匹配相机位置，精确定位异物所处地理位置，利用路径规划算法，合理调度清扫人员及车辆进行清扫工作。