一類基于深度學(xué)習(xí)的水面垃圾收集系統(tǒng)設(shè)計(jì)

張漪 蔣欽如

摘 要：當(dāng)下隨全球經(jīng)濟(jì)的快速發(fā)展，環(huán)境正作為其發(fā)展代價，每況愈下，其中，水面環(huán)境尤甚。為了在一定成本范圍內(nèi)有效改善水面環(huán)境問題，為治理水污染提供新思路，通過借助藍(lán)牙模塊及馬達(dá)控制模塊，實(shí)現(xiàn)對馬達(dá)的遠(yuǎn)程藍(lán)牙控制；通過微型電壓動力式抽水泵，實(shí)現(xiàn)靜水的俯流，在51單片機(jī)燒錄程序，串口通信實(shí)現(xiàn)與藍(lán)牙對接。再通過藍(lán)牙模塊與手機(jī)APP對接，從而實(shí)現(xiàn)對水面漂浮物的采集。本設(shè)備還可自主擴(kuò)展OLED、繼電器模塊，實(shí)現(xiàn)可視化、無線化的智能垃圾收集器的控制。

關(guān)鍵詞：深度學(xué)習(xí)；卷積神經(jīng)網(wǎng)絡(luò)；Faster-RCNN算法；嵌入式；水面垃圾收集

1 引言

近年來，隨著媒體的報(bào)道和政策的變化，水污染問題[1]引起越來越多的人重視。我國東南沿海城市的河流、湖泊的水質(zhì)日益降低。越來越多的漂浮物出現(xiàn)在水面上，這些漂浮物大多為生活垃圾和水藻。水面漂污物不僅會導(dǎo)致水體變質(zhì)，從而不利于人體健康，還會影響當(dāng)?shù)氐纳鷳B(tài)形象。當(dāng)前，人們普遍采用人工方式通過駕駛船只來收集水面垃圾[2]，或通過竹竿從岸邊清理水面漂浮物。顯然，如何設(shè)計(jì)一種更加高效的水面垃圾收集系統(tǒng)成為解決目前困境的熱點(diǎn)問題。

深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)發(fā)展到一定時期的產(chǎn)物[3]。2006年，國外研究團(tuán)隊(duì)首次提出了首次提出并闡述了深度學(xué)習(xí)的概念，在這段時期，人們常常采用分層次初始化的方法來完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。深度學(xué)習(xí)的本質(zhì)是通過低層特征之間的組合產(chǎn)生更加抽象的高層特征來描述研究對象的變化規(guī)律和特征。卷積神經(jīng)網(wǎng)絡(luò)是常見的一種深度學(xué)習(xí)方法，作為一種深層前饋型神經(jīng)網(wǎng)絡(luò)，它可以高效的識別和提取圖片的特征，目前已被廣泛的應(yīng)用于人臉識別等圖像處理領(lǐng)域。

因此，本文提出了一種結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法和嵌入式系統(tǒng)的水面垃圾收集系統(tǒng)的設(shè)計(jì)方法。

2 設(shè)計(jì)構(gòu)想

本系統(tǒng)主要由三個主要部分組成，包括：主電路，控制電路和檢測電路。其中，主電路包括兩個電機(jī)，一個GPRS模塊，一個攝像頭和若干傳感器；控制電路為STM32F103單片機(jī)；檢測電路中包含一個過電流檢測模塊。STM32單片機(jī)[5]不僅擁有豐富的接口，同時配合GPRS和其他模塊的開發(fā)資料非常齊全，也擁有功耗低，內(nèi)核強(qiáng)大和實(shí)時性強(qiáng)的特點(diǎn)，因此我們選用STM32作為整套系統(tǒng)的控制電路。通過控制器，經(jīng)過功率執(zhí)行裝置，驅(qū)動電機(jī)和水泵工作，同時由風(fēng)速傳感器獲取書面風(fēng)速信息，并利用GPS獲取當(dāng)前位置信息，結(jié)合攝像頭拍攝的照片，通過4G模塊上傳至服務(wù)器后，經(jīng)過圖像識別標(biāo)記垃圾將坐標(biāo)信息返回給控制器，形成閉環(huán)系統(tǒng)使水面垃圾收集系統(tǒng)工作。

3 技術(shù)實(shí)現(xiàn)

3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的水面漂浮物識別

為了提高深度學(xué)習(xí)后的圖像識別模型的準(zhǔn)確性，我們將數(shù)據(jù)分為測試集和數(shù)據(jù)集和驗(yàn)證集，一方面數(shù)據(jù)集要足夠大，另一方面兩個數(shù)據(jù)集應(yīng)該滿足同分布并且獨(dú)立的條件。我們首先通過網(wǎng)絡(luò)和實(shí)際拍攝收集了關(guān)于水面漂浮物的照片530張。數(shù)據(jù)集的照片數(shù)量、測試集和驗(yàn)證集的數(shù)量比近似滿足2：1：1。

其次，由于R-CNN算法訓(xùn)練分為多個階段，步驟多；磁盤占用大，1000張照片會產(chǎn)生約幾十G的特征文件，大大降低了測試運(yùn)行的效率，因此我們使用Faster-RCNN[4]方法，即通過卷積神經(jīng)網(wǎng)絡(luò)自行產(chǎn)生建議框，并且和目標(biāo)檢測網(wǎng)絡(luò)共享卷積網(wǎng)絡(luò)，有效的減少了建議框的且建議框的質(zhì)量也有本質(zhì)的提高。算法過程如下：

（1）輸入測試圖像；

（2）將整張圖片輸入CNN，進(jìn)行特征提??；

（3）用RPN生成建議窗口（proposals），每張圖片生成300個建議窗口；

（4）把建議窗口映射到CNN的最后一層卷積feature map上；

（5）通過RoI pooling層使每個RoI生成固定尺寸的feature map；

（6）利用Softmax Loss（探測分類概率）和Smooth L1 Loss（探測邊框回歸）對分類概率和邊框回歸（Bounding box regression）聯(lián)合訓(xùn)練.

水面漂浮物的圖像識別問題的本質(zhì)是二分類[6]問題，通過判斷圖片中的某一區(qū)域是漂浮物區(qū)域（塑料垃圾）還是其他區(qū)域（水面、岸邊、石塊、浮萍等等）。在水面環(huán)境中，背景區(qū)域的內(nèi)容相比于其他環(huán)境更加簡單，因此更容易識別出水面上存在的漂浮垃圾，通過形狀差異和顏色差異區(qū)分，其精度與其他復(fù)雜背景環(huán)境相比有所提高。

3.2 水面垃圾收集嵌入式系統(tǒng)實(shí)現(xiàn)

水面垃圾收集裝置進(jìn)入指定水域后，電源給整套裝置供電，PWM輸出可調(diào)的直流電壓驅(qū)動直流電機(jī)轉(zhuǎn)動，通過齒輪帶動螺旋槳，從而使裝置按照預(yù)先設(shè)定動作以直線方式行進(jìn)。

視覺模塊是一個500萬像素的USB攝像頭，OV5648模組，實(shí)現(xiàn)自動對焦，自動增益和曝光，當(dāng)裝置行進(jìn)過程中，如果水面上的漂浮物進(jìn)入攝像頭的識別區(qū)域，攝像頭進(jìn)行快速拍照，圖片經(jīng)過圖像處理模塊的加工處理通過4G模塊把壓縮后的圖片發(fā)送至新浪云端；同時記錄目前裝置所在位置的參數(shù)，通過坐標(biāo)轉(zhuǎn)換程序轉(zhuǎn)換為當(dāng)前工作水域的坐標(biāo)參數(shù)，為收集垃圾做好準(zhǔn)備。

通過圖像識別獲取水面漂浮垃圾的具體位置后，緊接著通過坐標(biāo)轉(zhuǎn)換程序轉(zhuǎn)換為當(dāng)前工作水域的坐標(biāo)參數(shù)，控制器控制舵機(jī)轉(zhuǎn)向改變行進(jìn)位置，計(jì)算出動向垃圾所在處行進(jìn)的路線距離，然后電機(jī)啟動帶動螺旋槳轉(zhuǎn)動，當(dāng)裝置前沿緩沖區(qū)觸碰到漂浮垃圾后停下，開啟水泵吸附垃圾，垃圾隨水流進(jìn)入收集裝置。當(dāng)液位傳感器檢測到水位上升到閾值時，水泵停止工作，垃圾收集盒關(guān)閉并開始通過濾網(wǎng)放水。完成垃圾收集后，裝置再次啟動并循環(huán)執(zhí)行相關(guān)動作。

3.3 控制程序設(shè)計(jì)

本程序使用C語言編程。藍(lán)牙模塊主要負(fù)責(zé)通過通信接口采集傳感器數(shù)據(jù)，經(jīng)過處理或所接收的數(shù)字?jǐn)?shù)據(jù)可以通過BLE接口發(fā)送，并由內(nèi)置BLE功能的手機(jī)或者任何其他客戶端設(shè)備進(jìn)行監(jiān)測與調(diào)控。傳感器的DATA管腳連接單片機(jī)的P2口，藍(lán)牙串口模塊的RXD、TXD分別連接單片機(jī)的TXD、RXD。該模塊得到串口數(shù)據(jù)后會轉(zhuǎn)成藍(lán)牙數(shù)據(jù)。上電后，單片機(jī)復(fù)位并開始對各模塊進(jìn)行功能初始化，此時轉(zhuǎn)子以零轉(zhuǎn)速的初始化狀態(tài)投入工作，當(dāng)其轉(zhuǎn)速達(dá)到某一程度時，通過控制其逆變電路的開關(guān)器件的通斷，可使輸出端得到一系列幅值相等的電壓脈沖，再用這些脈沖來代替我們所需要的正弦波，即在輸出波形的半個周期中產(chǎn)生多個脈沖，使各脈沖的等值電壓為正弦波形，所獲得的輸出平滑且低次諧波少，隨后根據(jù)實(shí)際情況對各脈沖的寬度進(jìn)行調(diào)制，即可調(diào)節(jié)逆變電路輸出電壓的大小，并調(diào)節(jié)輸出頻率，以此控制轉(zhuǎn)子轉(zhuǎn)速。同理，通過控制伺服機(jī)的PWM輸入信號，控制馬達(dá)旋轉(zhuǎn)角度。傳感器模塊子程序主要完成數(shù)據(jù)的采集，以及和單片機(jī)直接的數(shù)據(jù)通信等，此部分程序的完成是整個系統(tǒng)軟件設(shè)計(jì)成功與否的關(guān)鍵所在。4G通信模塊子程序主要完成圖片和位置信息的發(fā)送和接收和單片機(jī)直接的數(shù)據(jù)通信等功能。

4 結(jié)論

本文通過對進(jìn)行一類基于深度學(xué)習(xí)的水面垃圾收集系統(tǒng)研究設(shè)計(jì)，通過攝像頭采集水面照片，經(jīng)過圖像處理模塊處理后經(jīng)4G通訊模塊將處理后的圖片發(fā)送至云端，采用Faster-RCNN算法對圖像進(jìn)行識別，經(jīng)坐標(biāo)變換后提取垃圾位置，之后將信息發(fā)送給主控裝置，通過控制電機(jī)進(jìn)行啟動、調(diào)速，控制舵機(jī)進(jìn)行方向調(diào)整。通過結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法和嵌入式系統(tǒng)，實(shí)現(xiàn)了對圖片中水面垃圾的快速、高精度檢測，大幅度地降低人力成本，具有較高的實(shí)用價值。但是當(dāng)前的設(shè)計(jì)方案仍有它的不足之處，一是循跡路線無法覆蓋所有水域，存在盲區(qū)；二是圖像識別的精度仍可進(jìn)一步的提高，這需要更大的數(shù)據(jù)集和更加優(yōu)化的算法作為支撐。

參考文獻(xiàn)

[1] 郭智超.水污染防治工作中存在的問題及對策研究[J].化工管理，2019（06）：159.

[2] 李思雨，吳艷娟，王帆，胡遠(yuǎn)杰.智能型水面垃圾清理器控制系統(tǒng)的研究與實(shí)現(xiàn)[J].自動化與儀表，2017，32（11）：45-48+63.

[3] 徐夢雪.基于深度學(xué)習(xí)的圖像識別技術(shù)綜述[J].計(jì)算機(jī)產(chǎn)品與流通，2019（01）：213.

[4] 胡炎，單子力，高峰. 基于Faster-RCNN和多分辨率SAR的海上艦船目標(biāo)檢測[J]. 無線電工程，2018（2）：96-100.

[5] 勾慧蘭，劉光超. 基于STM32的最小系統(tǒng)及串口通信的實(shí)現(xiàn)[J]. 工業(yè)控制計(jì)算機(jī)，2012，25（9）：30-32.

[6] 鄭靈鳳，胡勝，朱蓉，等. 面向照片-圖形圖像的二分類方法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（6）：176-181.