基于樹莓派的智能垃圾分類亭

王鑫龍，喻 恒，陳坤鵬，孫睿璁

（平頂山學(xué)院，河南 平頂山 467000）

0 引 言

隨著時(shí)代的發(fā)展、群眾生活消費(fèi)水平的提高，再加上我國人口眾多，生活垃圾的產(chǎn)生量與日俱增。初步統(tǒng)計(jì)，2021年我國生活垃圾產(chǎn)量約有27 119萬噸。垃圾問題日益嚴(yán)重，政府針對(duì)此問題實(shí)施了垃圾分類等政策，但通過四川省統(tǒng)計(jì)局組織開展的一項(xiàng)專項(xiàng)調(diào)查發(fā)現(xiàn)，受訪居民分辨可回收垃圾、廚余垃圾、有害垃圾的準(zhǔn)確率分別為13.0%、14.4%、20.5%，總體辨識(shí)準(zhǔn)確率僅有1.4%；有80%的受訪居民表示需要進(jìn)一步了解垃圾分類相關(guān)知識(shí)[1]。由此可知，大部分的居民缺乏執(zhí)行垃圾分類的知識(shí)。同時(shí)，垃圾分類回收的一些流程還處于人工管控[2]，仍不夠完善，導(dǎo)致居民區(qū)無法有效處理生活垃圾，未處理的垃圾堆積變質(zhì)，之后直接焚燒，導(dǎo)致了污染環(huán)境等一系列問題，極大地影響了城市的環(huán)境質(zhì)量。垃圾不能正確分類，無法實(shí)現(xiàn)垃圾的回收價(jià)值利用，與我國的可持續(xù)發(fā)展觀相悖。隨著人工智能技術(shù)的不斷發(fā)展，在垃圾識(shí)別分類領(lǐng)域出現(xiàn)了越來越多的研究，如基于機(jī)器學(xué)習(xí)的垃圾識(shí)別分類系統(tǒng)[3]、基于視覺識(shí)別的垃圾分類系統(tǒng)[4]。如果將人工智能與垃圾分類相結(jié)合，既能減輕負(fù)擔(dān)，又能加快效率，因此本文設(shè)計(jì)了一個(gè)基于樹莓派的智能垃圾分類亭。

1 系統(tǒng)需求與可行性分析

1.1 系統(tǒng)功能

本文設(shè)計(jì)的系統(tǒng)可以通過對(duì)垃圾圖像的處理進(jìn)行智能識(shí)別分類，主要流程為：用戶點(diǎn)擊垃圾亭的拍照按鈕進(jìn)行拍照，系統(tǒng)對(duì)該照片進(jìn)行識(shí)別，分類完成后自動(dòng)打開相應(yīng)的垃圾桶蓋。

1.2 用戶需求分析

通過調(diào)查發(fā)現(xiàn)，近八成受訪群眾愿意進(jìn)行垃圾分類，但會(huì)擔(dān)心進(jìn)行垃圾分類時(shí)投放不夠準(zhǔn)確。為滿足智能分類和投放垃圾的需求，需要設(shè)計(jì)出智能垃圾分類亭。本文的設(shè)計(jì)解決了用戶因?yàn)槿狈诸愔R(shí)而無法準(zhǔn)確投放垃圾的困擾，使用者可以將垃圾放置在分類亭的臺(tái)面上，點(diǎn)擊拍照，系統(tǒng)就會(huì)通過拍照返回的結(jié)果，打開相應(yīng)的垃圾桶蓋[5]，便于用戶將垃圾精準(zhǔn)投放至對(duì)應(yīng)的垃圾桶內(nèi)。

1.3 市場需求分析

智能垃圾分類亭能讓垃圾分類變得簡單高效，對(duì)于后續(xù)的垃圾回收利用更加方便。據(jù)統(tǒng)計(jì)，目前我國300多個(gè)城市中幾乎沒有城市使用此類分類亭。此設(shè)計(jì)相較傳統(tǒng)垃圾桶更加方便、智能、精準(zhǔn)，用戶體驗(yàn)感得以提升，具有良好的前景，其市場潛力非常大。

1.4 技術(shù)需求分析

智能垃圾分類亭的設(shè)計(jì)分為前后端兩部分，前端部分使用PyQt5進(jìn)行可視化界面的開發(fā)設(shè)計(jì)，后端即神經(jīng)網(wǎng)絡(luò)端使用Python語言開發(fā)。通過python_flask傳輸轉(zhuǎn)發(fā)前后端數(shù)據(jù)，采用數(shù)據(jù)庫保存用戶使用記錄。

2 系統(tǒng)設(shè)計(jì)

本章主要對(duì)系統(tǒng)的整體架構(gòu)、主控電路、舵機(jī)控制模塊、舵機(jī)驅(qū)動(dòng)模塊、攝像頭垃圾圖像提取和識(shí)別模塊進(jìn)行詳細(xì)描述。對(duì)數(shù)據(jù)庫服務(wù)和軟件系統(tǒng)的部分也都作了詳細(xì)的介紹。

2.1 系統(tǒng)整體架構(gòu)

垃圾分類亭的設(shè)計(jì)分為硬件設(shè)計(jì)部分和軟件設(shè)計(jì)部分，系統(tǒng)硬件使用了USB攝像頭、SG90舵機(jī)、舵機(jī)驅(qū)動(dòng)板、樹莓派4B等主要硬件，軟件設(shè)計(jì)包括圖片分類識(shí)別算法的設(shè)計(jì)以及數(shù)據(jù)庫的設(shè)計(jì)。系統(tǒng)整體架構(gòu)如圖1所示，系統(tǒng)工作流程如圖2所示。

圖1 系統(tǒng)整體架構(gòu)

圖2 系統(tǒng)工作流程

2.2 系統(tǒng)主控電路設(shè)計(jì)

為了穩(wěn)定且高效地實(shí)現(xiàn)垃圾分類識(shí)別，經(jīng)查閱資料，比較ESP32、STM32、樹莓派等幾款主流的主控芯片，發(fā)現(xiàn)樹莓派開發(fā)便捷、接口豐富、處理速度快，可以滿足垃圾分類算法運(yùn)行和硬件控制的需求，因此采用樹莓派作為主控處理器，系統(tǒng)主控電路如圖3所示。

圖3 系統(tǒng)主控電路

2.3 系統(tǒng)硬件設(shè)計(jì)

2.3.1 圖像采集識(shí)別模塊

圖像采集主要使用攝像頭，在本設(shè)計(jì)中使用的是一款USB免驅(qū)攝像頭（SD-SXT01），像素大約為500萬，分辨率為1 920×1 080，可以支持日常垃圾的識(shí)別，其通過攝像頭來捕捉視頻流，實(shí)現(xiàn)垃圾信息的實(shí)時(shí)傳遞。圖像采集流程如圖4所示。

圖4 圖像采集流程

2.3.2 舵機(jī)驅(qū)動(dòng)板

為了避免占用太多的引腳，進(jìn)而影響到樹莓派的處理效率，使用了一款PCA9685的16路PWM舵機(jī)驅(qū)動(dòng)版[6]，是一款I(lǐng)2C接口的驅(qū)動(dòng)板；另外，它可以外接電源供電，本設(shè)計(jì)外接了一塊7 V的電池進(jìn)行供電。

2.3.3 SG90舵機(jī)

舵機(jī)控制又稱為伺服[7]控制，給其一定的PWM信號(hào)，舵機(jī)按照要求轉(zhuǎn)至相應(yīng)角度，將垃圾自動(dòng)分類到對(duì)應(yīng)垃圾桶。經(jīng)過對(duì)幾款主流舵機(jī)的比較，選擇性價(jià)比最高的SG90舵機(jī)作為項(xiàng)目的控制舵機(jī)。舵機(jī)整體運(yùn)行流程如圖5所示。

圖5 舵機(jī)整體運(yùn)行流程

2.4 系統(tǒng)軟件設(shè)計(jì)

2.4.1 圖像分類算法的設(shè)計(jì)

深度殘差網(wǎng)絡(luò)在2015年被提出，一舉奪得了2015年世界最具影響力的計(jì)算機(jī)視覺大賽里的圖像分類領(lǐng)域的冠軍，并且首次出現(xiàn)錯(cuò)誤率比人類的極限還低的情況。因此，本項(xiàng)目使用在圖像分類領(lǐng)域表現(xiàn)較好的ResNet50網(wǎng)絡(luò)[9]作為項(xiàng)目的基礎(chǔ)網(wǎng)絡(luò)模型，使用Tensor flow框架搭建項(xiàng)目網(wǎng)絡(luò)，使用3×3的卷積核對(duì)圖片進(jìn)行卷積操作，最后提取圖片的特征。

采用華為云垃圾分類大賽提供的數(shù)據(jù)集進(jìn)行模型的訓(xùn)練，里面大約有2萬多張圖片，基本包含了日常生活中的垃圾，具有一定的廣泛性，使用Tensor flow開源框架進(jìn)行訓(xùn)練，通過卷積層、池化層的不斷疊加后，最后由全連接層進(jìn)行降維提取特征值。使用ReLU激活函數(shù)能夠有效避免過擬合現(xiàn)象發(fā)生，通過多Echo的訓(xùn)練得到垃圾分類的權(quán)重模型文件。

當(dāng)系統(tǒng)進(jìn)行識(shí)別時(shí)，樹莓派端使用OpenCV獲得實(shí)時(shí)視頻流，用OpenCV[8]讀取一張照片，并對(duì)其進(jìn)行轉(zhuǎn)碼操作；使用python_ flask進(jìn)行格式轉(zhuǎn)換，傳給電腦端，電腦端加載分類數(shù)據(jù)，并對(duì)傳來的圖片進(jìn)行識(shí)別，最后將識(shí)別結(jié)果返回給樹莓派端。

網(wǎng)絡(luò)的深度對(duì)模型的性能至關(guān)重要，ResNet50網(wǎng)絡(luò)可以有效地解決深層次網(wǎng)絡(luò)退化問題，與AlexNet網(wǎng)絡(luò)和VGG16網(wǎng)絡(luò)相比，優(yōu)缺點(diǎn)見表1所列[8]。

表1 ResNet50與AlexNet和VGG16網(wǎng)絡(luò)的優(yōu)缺點(diǎn)對(duì)比

2.4.2 數(shù)據(jù)庫的設(shè)計(jì)

項(xiàng)目使用數(shù)據(jù)庫[10]對(duì)識(shí)別的垃圾種類的數(shù)據(jù)進(jìn)行存儲(chǔ)。利用SQL_Server2016創(chuàng)建數(shù)據(jù)庫，使用Python連接數(shù)據(jù)庫。垃圾分類亭系統(tǒng)將垃圾分類識(shí)別的結(jié)果數(shù)據(jù)上傳至數(shù)據(jù)庫，數(shù)據(jù)庫對(duì)上傳的數(shù)據(jù)進(jìn)行整理和保存。E-R關(guān)系如圖6所示。

圖6 E-R關(guān)系

3 系統(tǒng)調(diào)試

3.1 測試目的

系統(tǒng)測試的目的就是檢測基于樹莓派的智能垃圾分類系統(tǒng)是否符合預(yù)期目標(biāo)。首先，需要檢驗(yàn)系統(tǒng)的功能是否完整、性能是否穩(wěn)定；其次，需要測試系統(tǒng)采集并傳到后臺(tái)的數(shù)據(jù)是否準(zhǔn)確；最后，需要測試系統(tǒng)是否能實(shí)現(xiàn)預(yù)期的功能。通過測試之后，如果系統(tǒng)達(dá)到預(yù)期目標(biāo)則通過測試，否則需要對(duì)出現(xiàn)的問題進(jìn)行分析與調(diào)整，直至達(dá)到預(yù)期的目標(biāo)。

3.2 功能測試

3.2.1 預(yù)期測試要求

（1）要求5 s內(nèi)完成對(duì)垃圾的捕獲和識(shí)別，使用戶獲得比較好的使用體驗(yàn)。

（2）要求可以在1 min內(nèi)連續(xù)地對(duì)10名用戶所投放的垃圾完成檢測。

（3）要求可以識(shí)別85%以上的垃圾種類。

3.2.2 測試數(shù)據(jù)

（1）攝像頭捕獲和識(shí)別的時(shí)間測試

由表2的測試結(jié)果可以發(fā)現(xiàn)，攝像頭基本可以完成5 s內(nèi)捕獲并識(shí)別的任務(wù)，其中存在識(shí)別時(shí)間略長現(xiàn)象的原因是離攝像頭過近，對(duì)焦耗時(shí)較長，調(diào)整距離后再次實(shí)驗(yàn)，耗時(shí)在5 s之內(nèi)。

表2 圖像識(shí)別時(shí)間測試結(jié)果

（2）垃圾的連續(xù)識(shí)別投放測試

表3的測試結(jié)果中，從20:10:30到20:11:21一共進(jìn)行了10次連續(xù)檢測，每次檢測不同的垃圾，表明垃圾分類亭可以進(jìn)行高效率的負(fù)荷分類。

表3 垃圾投放測試結(jié)果

（3）識(shí)別率測試

在表4的測試結(jié)果中，第10次垃圾識(shí)別出現(xiàn)了問題，原因是舊衣物表面線頭較多，被識(shí)別系統(tǒng)誤判成了毛絨玩具，剪掉部分線頭之后再次測試，成功完成識(shí)別。

表4 圖像識(shí)別率測試結(jié)果

4 結(jié) 語

本文研究的是基于樹莓派的智能垃圾分類亭。對(duì)收集到的圖片和數(shù)據(jù)，使用深度學(xué)習(xí)算法進(jìn)行多次訓(xùn)練，實(shí)現(xiàn)了對(duì)多類型垃圾的識(shí)別；使用的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型，使系統(tǒng)具有高精度分辨率，能夠提高識(shí)別率。在系統(tǒng)設(shè)計(jì)的過程中，主要實(shí)現(xiàn)了以下功能：

（1）能夠正確識(shí)別用戶拍照上傳的圖片，同時(shí)反饋給用戶該拍照?qǐng)D片為哪種垃圾。

（2）在平臺(tái)上直接上傳需要分類的垃圾的圖片，平臺(tái)能夠快速識(shí)別出該垃圾的類型，分類亭可以自動(dòng)將垃圾投放至對(duì)應(yīng)的垃圾桶，同時(shí)對(duì)應(yīng)的垃圾桶等待10 s后自動(dòng)關(guān)閉。

（3）分類亭可以將識(shí)別到的垃圾上傳至數(shù)據(jù)庫進(jìn)行數(shù)據(jù)的保存操作。目前，分類亭的設(shè)計(jì)已經(jīng)完成，功能已經(jīng)實(shí)現(xiàn)，不足的是無法對(duì)多目標(biāo)同時(shí)進(jìn)行分類識(shí)別，后續(xù)會(huì)對(duì)其進(jìn)行升級(jí)，提升用戶的體驗(yàn)感。