1.视觉与触觉相结合的智能垃圾分类方法，其特征在于，利用分拣头抓取垃圾分类面板上的垃圾，分拣头的抓爪内侧设有触觉传感器，将分拣头移动到垃圾的上方，采集垃圾的图像，分拣头抓取垃圾时触觉传感器取得垃圾的触觉数据，分拣头的控制器采用神经网络模型作为分类器，根据垃圾的图像和触觉数据对抓取的垃圾进行识别、分类，随后分拣头依据垃圾的分类将抓取的垃圾放入对应的垃圾分类区。

2.根据权利要求1所述的视觉与触觉相结合的智能垃圾分类方法，其特征在于，采用分拣头对聚拢、平铺的垃圾逐行依次进行拣选，拣选间距依据分拣头的抓爪的抓取范围进行设定，对拣选的垃圾进行分类，并放入对应的分类区，智能垃圾分类方法包括以下步骤，步骤1：沿Y轴方向移动拣选间距；

步骤2：沿X轴方向移动拣选间距；

步骤3：采集垃圾分拣头下的垃圾的图像数据；

步骤4：分拣头抓取垃圾，获得触觉数据；

步骤5：分类器根据垃圾的图像和触觉数据对抓取的垃圾进行分类；

步骤6：根据步骤5的垃圾的分类，将抓取的垃圾放入对应的分类区，并返回当前拣选点；

步骤7：判断是否完成X轴方向的拣选；

步骤7.1：若未完成X轴方向的拣选，则执行步骤2：步骤7.2：若完成X轴方向的拣选，则执行步骤8；

步骤8：判断是否完成Y轴方向的拣选；

步骤8.1：若未完成Y轴方向的拣选，则执行步骤1；

步骤8.2：若完成Y轴方向的拣选，则结束。

3.根据权利要求1所述的视觉与触觉相结合的智能垃圾分类方法，其特征在于，采用分拣头对聚拢、平铺的垃圾逐列依次进行拣选，拣选间距依据分拣头的抓爪的抓取范围进行设定，对拣选的垃圾进行分类，并放入对应的分类区，智能垃圾分类方法包括以下步骤，步骤1：沿X轴方向移动拣选间距；

步骤2：沿Y轴方向移动拣选间距；

步骤3：采集垃圾分拣头下的垃圾的图像数据；

步骤4：分拣头抓取垃圾，获得触觉数据；

步骤5：分类器根据垃圾的图像和触觉数据对抓取的垃圾进行分类；

步骤6：根据步骤5的垃圾的分类，将抓取的垃圾放入对应的分类区，并返回当前拣选点；

步骤7：判断是否完成Y轴方向的拣选；

步骤7.1：若未完成Y轴方向的拣选，则执行步骤2：步骤7.2：若完成Y轴方向的拣选，则执行步骤8；

步骤8：判断是否完成X轴方向的拣选；

步骤8.1：若未完成X轴方向的拣选，则执行步骤1；

步骤8.2：若完成X轴方向的拣选，则结束。

4.根据权利要求2的视觉与触觉相结合的智能垃圾分类方法，其特征在于，智能垃圾分类方法对市民一次投放的垃圾进行拣选，将垃圾逐一放入对应的分类区，拣选前采集市民的头部图像以确认市民的身份，对市民一次投放的垃圾完成拣选、分类后，对市民投放的垃圾进行垃圾质量评价，具体步骤如下，步骤1：沿Y轴方向移动拣选间距；

步骤2：沿X轴方向移动拣选间距；

步骤3：采集垃圾分拣头下的垃圾的图像数据；

步骤4：分拣头抓取垃圾，获得触觉数据；

步骤5：分类器根据垃圾的图像和触觉数据对抓取的垃圾进行分类；

步骤6：根据步骤5的垃圾的分类，将抓取的垃圾放入对应的分类区，并返回当前拣选点；

步骤7：判断是否完成X轴方向的拣选；

步骤7.1：若未完成X轴方向的拣选，则执行步骤2：步骤7.2：若完成X轴方向的拣选，则执行步骤8；

步骤8：判断是否完成Y轴方向的拣选；

步骤8.1：若未完成Y轴方向的拣选，则执行步骤1；

步骤8.2：若完成Y轴方向的拣选，则执行步骤9；

步骤9：将垃圾分类过程中分拣头拣选的次数记为市民单次投放的垃圾数量，记录市民单次投放垃圾后的垃圾分类处理时间，将垃圾分类处理时间除以垃圾数量得到单件垃圾的平均处理时间，根据市民投放垃圾的单位垃圾的平均处理时间评价市民投放垃圾的质量。

5.根据权利要求1-4任意一项所述的视觉与触觉相结合的智能垃圾分类方法，其特征在于，所述分类器，采集垃圾的图像数据数据、触觉数据对分类器进行训练，分类器的训练方法包括以下步骤，步骤1：收集可回收物垃圾、有害垃圾的的图像和触觉数据，分成训练集和测试集；

步骤2：利用步骤1的训练集，对分类器进行训练；

步骤3：利用步骤1的测试集作为分类器的输入，对训练后的分类器进行测试，若测试合格则进行步骤4，否则执行步骤1进一步训练；

步骤4：收集湿垃圾、干垃圾的图像和触觉数据，分为训练集和测试集；

步骤5：利用步骤4的训练集，对分类器进行再次训练；

步骤6：利用步骤4的测试集作为分类器的输入，对训练后的分类器进行测试，若测试合格则结束训练，否则执行步骤4进一步训练。

6.根据权利要求1-4任意一项所述的视觉与触觉相结合的智能垃圾分类方法，其特征在于，所述神经网络模型采用CNN神经网络模型。