小型可分類智能垃圾桶設計＊

吳旭東，沈子豪，彭福平，高絲雨，安海東，齊劍平

（湖北汽車工業(yè)學院機械工程學院，湖北 十堰 442002）

在21世紀中國經濟水平快速發(fā)展的今天，居民生活水平不斷提高，城市生活垃圾的日產生量伴隨著物質需求的增長而一直居高不下。目前仍有許多地方在采用垃圾掩埋作為垃圾處理的主要方式，然而土地面積有限，填埋的垃圾量也逐漸趨于飽和，如果能對垃圾進行正確的分類，對垃圾進行有效的回收再利用，就能在一定程度上減輕或緩解對土地資源造成浪費及對環(huán)境產生的污染，同時起到節(jié)約資源、減少浪費等作用。在20世紀末，國家就已經開始提倡并出臺相應政策對垃圾分類收集處理作出相關規(guī)定，但在當時由于居民垃圾分類意識不強烈、分類知識欠缺等普遍原因加上執(zhí)行監(jiān)管力度不夠等原因，導致分類效果并不理想，從而沒有達到預期效果。

2019-07-01，上海作為垃圾分類試點城市發(fā)布并執(zhí)行了一系列針對垃圾分類處理的政策，條例將垃圾分類納入法制體系，以此來推進垃圾分類處理。條例實施后，許多市民不僅在垃圾分類過程中花費時間，學習分類知識同樣也需要花費不少精力。然而隨著人們生活節(jié)奏逐漸加快，越來越多的年輕人無法將更多精力分配于繁復的生活瑣事，逐漸依賴于利用了人工智能、綜合布線技術、網絡通信技術、自動控制技術、安全防范技術、音視頻技術等技術的智能家居產品。高效化、便捷性、自動化、智能化、能明顯提升生活便利性的家居智能產品逐漸走進年輕人的生活，并逐漸受到人們的青睞。垃圾分類作為解決處理垃圾流程中較為基礎的環(huán)節(jié)，決定著后續(xù)處理環(huán)節(jié)的難易程度。本文提出一種基于深度學習可識別分類的智能垃圾桶，該裝置能自主地完成對生活垃圾的分類處理，在很大程度上緩解人們對垃圾分類所帶來的困擾，另外能降低人們對垃圾進行分類的時間成本，為日常生活垃圾分類處理提供新的解決方案，使垃圾分類的效率及效果有大幅度提升。

1 可分類智能垃圾桶介紹

可分類智能垃圾桶在設計之初，若作為一款成熟的智能家居產品，必須滿足以下幾個設計要求：①可分類智能垃圾桶能夠在良好穩(wěn)定的環(huán)境下通過攝像頭采集到清晰、完整的垃圾圖像，完成原始數據的獲??；②垃圾分類系統能在裝置完成數據采集后可以完成圖像數據的處理、處理結果分析及垃圾的分類篩選，在此過程中要求數據處理、分類結果的準確性及高效性；③應當安裝信號處理系統，能在短時間內完成指令傳輸、信息的交互，具有優(yōu)良的通訊傳輸功能。

本裝置的主要控制系統選用了體積較小、性價比較高、操作較為簡單的嵌入式設備——樹莓派，由于在日常生活中的垃圾分類處理時一般將垃圾分成有害垃圾、可回收垃圾、廚余垃圾和其他垃圾4種不同類別，可利用垃圾桶的不同顏色加以區(qū)分，本裝置將可分類智能垃圾桶設計成可以提高空間利用率及垃圾分類效率的垂直四桶分類式結構[1]。模型自上至下結構設計依次為垃圾投放口、停駐擋板、數據采集裝置、垃圾分選用機械控制裝置、支架、底座等部分，裝置主要工作流程如下：垃圾通過垃圾投放口后進入垃圾桶的過程中，嵌入在垃圾桶頂部的攝像頭首先會在有穩(wěn)定光源的情況下對停留在垃圾投放口下方的停駐擋板上的垃圾進行拍照處理，完成圖像數據的采集后將采集完成的數據傳入提前嵌入樹莓派設備中的卷積神經網絡進行檢測，系統分類層分析出垃圾所屬類別后，將處理結果傳輸到樹莓派后，分類系統通過垃圾分選用機械控制裝置中的舵機實現不同分類垃圾桶的角度轉動，歸屬于某一類垃圾回收桶桶口與上方垃圾投放口停駐擋板豎直對應，打開上方停駐擋板，垃圾順利進入到對應垃圾類別的垃圾桶中，準確高效地完成了垃圾的分類工作[2]?？煞诸愔悄芾斑\行框圖如圖1所示。

圖1 可分類智能垃圾桶運行框圖

2 硬件結構

2.1 樹莓派RPI

本裝置要求主控裝置需要完成垃圾圖像數據的采集，圖像數據的傳輸、處理及識別，識別結果通過信號傳輸至垃圾分類結構中，以此實現不同種類垃圾的分類處理。如圖2所示，為學習計算機編程教育而設計的樹莓派3代B+型開發(fā)板（Raspberry Pi3 B+）可以將其看作是一個微型計算機，其以MicroSD卡為內存硬盤，自帶Wi-Fi和藍牙模塊，可運行Linux系統，既能滿足本系統的模擬場景，價格又較為低廉，具有優(yōu)越的功能和性價比，是本系統控制中樞的不二選擇。

圖2 樹莓派3代B+型開發(fā)板

2.2 攝像頭

在機器視覺系統中，攝像頭作為數據采集系統的關鍵，其選用決定了所獲取的圖像數據的清晰度、對比度，對數據處理的準確率起著決定性的作用。由于本裝置采用Raspberry Pi3 B+作為系統的開發(fā)板，而Raspberry Pi Camera Modulev2自帶高質量800萬像素索尼IMX219傳感器擴展板，擁有定焦鏡頭，可拍攝高清視頻及靜態(tài)照片，是專門為樹莓派定制的，并適用于Raspberry Pi 1～4的所有型號，能夠較好地與本系統實現通訊。Raspberry Pi Camera Modulev2如圖3所示。

圖3 Raspberry Pi Camera Modulev2

2.3 照明LED燈

為了使圖像獲取效果更明顯，效率更高，需要增加穩(wěn)定光源，以保證環(huán)境光的統一穩(wěn)定，在衡量照明的均勻度、強度、穩(wěn)定性、發(fā)光效率等因素后，選擇LED燈作為環(huán)境光供給的電子元器件，其擁有節(jié)能環(huán)保、長壽命、響應快等優(yōu)點，被廣泛使用，在本裝置中能夠較好地保持圖像數據獲取環(huán)境的一致性，保證了圖像質量。LED燈帶如圖4所示。

圖4 LED燈帶

2.4 舵機

裝置在垃圾完成種類識別之后，機械裝置依靠底部4個垃圾桶轉動不同的角度實現垃圾的分類入桶，故選取旋轉精度高、扭力較大的一種位置伺服的驅動器，能夠控制并適應角度變化的舵機來完成。在此裝置中，通過控制線發(fā)送可變寬度的脈沖控制輸出軸旋轉角度，以調整裝置下方的4個垃圾桶的旋轉角度，使目標分類垃圾桶與停住擋板在同一豎直方向上，使得不同種類的垃圾能夠順利進入與之對應的垃圾桶中。舵機如圖5所示。

圖5 舵機

2.5 超聲波傳感器

在此裝置中，在垃圾投放口及垃圾桶桶口2處設置了超聲波傳感器，利用超聲波傳感器能夠利用聲波介質對被檢測物進行非接觸式無磨損的檢測，不受檢測物顏色、狀態(tài)等因素變化的影響，且檢測性能對檢測環(huán)境要求較低，能夠較好地滿足垃圾形狀、狀態(tài)、質量等不同條件下的分類要求，在裝置的投入口處設置，用于檢測是否有垃圾投入，當超聲波傳感器在投入口檢測到有垃圾投入時，反饋給樹莓派，樹莓派啟動攝像頭開始圖像數據獲取。而垃圾桶桶口處的傳感器則用于檢測垃圾桶桶內垃圾是否裝滿溢出，若達到預設容量值時，蜂鳴器發(fā)出聲音，提醒工作人員回收處理，避免垃圾溢出造成二次污染。蜂鳴器如圖6所示。

圖6 蜂鳴器

3 軟件結構

視覺識別垃圾分類系統設計作為整個裝置的重點，為識別結果的高效性、準確性提供保障，其可以分為圖像獲取識別層及垃圾智能分類系統層。

3.1 圖像獲取識別層

智能分類垃圾桶通電后，安裝在投放口處的超聲波傳感器感應到有垃圾通過投放口投入時將信號反饋給樹莓派，樹莓派接收信號后打開白色LED燈帶，為無畸變、帶有逆光補償、免驅動安裝、可支持多種操作系統的150°廣角USB攝像頭提供較為理想的圖像數據獲取環(huán)境，在圖像數據獲取完成后傳輸至圖像識別處理單元進行下一步工作。

3.2 垃圾智能分類系統層

在垃圾圖像識別處理系統當中，首先實驗選取了日常生活中常見生活垃圾，包括廢舊塑料瓶、易拉罐、紙制品、電池、化妝品等多種垃圾作為原始數據集，按照日常分類要求將垃圾分成有害垃圾（電池、殺蟲劑、廢棄化妝品、過期藥瓶、廢電池和廢燈泡）、可回收垃圾（廢棄塑料、廢舊紙張、廢玻璃、布料和金屬）、廚余垃圾（果皮、蛋殼、固體食物、果核和肉碎骨等）和其他垃圾（煙頭和碎瓷片）4種。為得到一個較為完整、識別準確率較高的數據集，需要建立不同垃圾種類，分別用于訓練和測試的卷積神經網絡數據集。此過程需要龐大的數據支持，在各硬件模型等實驗環(huán)境初步搭建完成后，利用Raspberry Pi Camera Modulev2攝像頭對上述不同種類的垃圾在不同背景及角度拍攝大量圖片作為部分數據，由于現實生活的垃圾通常狀態(tài)、形態(tài)、顏色等都是不規(guī)則的，所以僅在實驗環(huán)境下獲取的數據還遠遠不夠，利用互聯網平臺收集到與上述環(huán)境大致吻合并符合要求的垃圾圖片，與實驗環(huán)境搭建獲取的數據共同構成一個原始的龐大數據集。完成數據集的獲取后通過需對原始數據集中所屬不同垃圾種類的垃圾圖像建立不同的文件夾進行相應分類，并將獲取到的龐大數據集按照一定比例分成用于訓練的訓練集和用于測試的測試集供神經網絡訓練學習，當訓練達到一定次數后，識別準確率將不會有所變化并趨近于某一個數值，在這之后即使再增加訓練次數，效果無顯著提升并逐漸無明顯影響，此時一個神經網絡的訓練基本完成[3]。由于此過程會消耗運行機大量的內存和資源，但嵌入式設備性能受限，因此卷積神經網絡的搭建與訓練需要首先通過PC實現，并在PC上測試獲得神經網絡模型，之后在樹莓派上搭建了Linux系統環(huán)境與Tensor-Flow軟件環(huán)境，將該神經網絡模型移植到嵌入式設備樹莓派上，并通過測試集進行測試后進行參數調整及優(yōu)化，以此提升不同垃圾種類識別過程中的準確率和效率。

在整個視覺系統中，在攝像頭完成圖像獲取后會首先判斷投入的垃圾是否可以被識別，即是否已在卷積神經網絡中，如果投入的垃圾沒有被系統識別出來，在垃圾分類系統層中，系統會默認該垃圾屬于其他類垃圾，舵機將旋轉至一定的角度，使投放口停住擋板與對其他類的小垃圾桶豎直對應；若投入的垃圾可以識別出來，則通過移植到嵌入式設備的神經網絡判斷垃圾的具體所屬類別，將已獲取的圖像數據經過已經訓練好并調參優(yōu)化后的卷積神經網絡進行運算后，系統會判斷此種垃圾對應的垃圾所屬類別，并將判斷垃圾種類信息的結果顯示到屏幕上，緊接著控制分類系統層的機械結構裝置，控制底板上的舵機底盤轉動，使與底盤連接的智能分類桶轉動到與垃圾種類相一致的某一分類桶桶口與上方停駐擋板對應位置后控制投入口下方停駐隔板打開，使垃圾能夠順利掉入下方所正確對應的垃圾桶中，從而實現將垃圾投入到對應的垃圾分類桶中。

4 機械控制

智能分類垃圾桶設計遵循小型化原則，采用SolidWorks軟件對垃圾桶進行模型建立，其整體結構如圖7所示。智能垃圾分類垃圾桶機械結構部分由底板、底座、4個分類垃圾桶、滑槽、旋轉擋板、鋁型材框架、漏洞狀的連中間軸的引流槽、支座以及中間軸9部分組成。整體結構由密度較小并便于加工的方形鋁架作為框架，底座由2個正方形四角圓弧亞克力板和4個便于移動的萬向輪支座構成，底板由透明的亞克力板作為承載，為了提高裝置的整體空間的利用率，也方便安裝、拆卸及移動，更高效、更迅速地完成不同種類垃圾的智能分類，設置有害垃圾、可回收垃圾、廚余垃圾和其他垃圾4個分類垃圾桶類型均為下窄上寬的圓臺，底座上放置的垃圾桶通過上板被下板承載，底座連著中間軸，由舵機控制可以調整底座360°自由旋轉，使垃圾投入到對應類別的垃圾分類桶中。測試表明，此種機械裝置設計結構反應速度較快，功能實現較為穩(wěn)定，能夠較好地滿足日常生活需求。

圖7 智能分類垃圾桶結構圖

5 結束語

本文采用的基于圖像識別、樹莓派和Linux開發(fā)板的智能垃圾桶模擬方案，采用體積相對較小、操作較為簡單的樹莓派主要負責將收集回來的垃圾圖像利用卷積神經網絡技術設計了可分類智能分類系統。由于嵌入式設備數據處理能力有限，將已訓練好的卷積神經網絡移植到嵌入式設備樹莓派中，成為了具備高準確率、高效率的識別垃圾種類功能的核心嵌入式主控設備。通過Raspberry Pi Camera Modulev2攝像頭完成了對投入垃圾桶停駐擋板上的垃圾進行拍攝，采集拍攝圖像數據獲取并對數據存儲，判定出垃圾物的回收種類，并將種類信息通過串口發(fā)送給Linux開發(fā)板，進而控制舵機工作，實現分類效果，結合其他傳感器，實現滿載預警、顯示屏結果顯示等一些附加功能，使產品功能更加完備。該分類裝置反應速度較快，系統誤差較低，功能穩(wěn)定，在當前在國家環(huán)保政策的引導下，以及人們對智慧生活的向往，家庭生活垃圾智能分揀、自動分類技術及裝置具有一定的應用價值和市場前景，但本系統仍有較多內容需要進行完善及改進，如增加系統數據集，能精確識別更多的垃圾種類，更貼合日常生活的使用場景，并實現自動封袋打包垃圾、對分類垃圾實現壓縮增大容量等功能，以此節(jié)約垃圾處理的時間和成本，有效緩解不合理的垃圾分類對生態(tài)環(huán)境所造成的影響。