摘要：近年來我國(guó)積極推行垃圾分類政策，但受群眾反映仍然存在這垃圾分類困難的問題，因此為垃圾分類提供一種自動(dòng)化，智能化的解決方案迫在眉睫。本文提出了一款智能化垃圾分類箱，以STM32F103C8T6單片機(jī)作為控制終端，搭建TensorFlow與Open CV相結(jié)合的人工智能深度學(xué)習(xí)圖像識(shí)別框架，集成了舵機(jī)、紅外識(shí)別模塊、藍(lán)牙等模塊，最終設(shè)計(jì)與實(shí)現(xiàn)精準(zhǔn)識(shí)別垃圾種類、自動(dòng)分類垃圾、滿桶提醒、藍(lán)牙數(shù)據(jù)傳輸?shù)裙δ堋１疚挠懻摰闹悄芾诸愊浠谏疃葘W(xué)習(xí)的AI圖像識(shí)別技術(shù)具有較高的智能性，提高了垃圾分類的準(zhǔn)確率和效率，方便了群眾了解與進(jìn)行垃圾分類。

關(guān)鍵詞：垃圾分類;深度學(xué)習(xí);圖像識(shí)別;

1. 引言

當(dāng)前社會(huì)對(duì)于垃圾分類的知識(shí)較為薄弱，對(duì)于垃圾處理的方法較為低效，因此我們應(yīng)提高垃圾分類的自動(dòng)化水平，為人們解決垃圾分類不準(zhǔn)確，耗時(shí)較長(zhǎng)等問題。

垃圾分類主要面臨以下幾個(gè)關(guān)鍵問題：

1）居民缺乏垃圾分類意識(shí)

據(jù)調(diào)查，近八成的居民表示，平日扔垃圾沒有分類投放的意識(shí)和想法，對(duì)于垃圾桶的表示關(guān)注度較低，很少注意扔得對(duì)不對(duì)，僅僅為了尋求方便，以至于幾乎所有分類垃圾桶內(nèi)的垃圾都是混裝的。

2）垃圾種類繁多，分類準(zhǔn)確率低

現(xiàn)實(shí)社會(huì)當(dāng)中生產(chǎn)的垃圾種類繁多，在大多時(shí)刻，人工分類的依據(jù)主要取決于個(gè)人對(duì)垃圾分類方法的主觀判斷，且分類效率低下。因此使用機(jī)器分類對(duì)于垃圾分類的推行是十分重要的環(huán)節(jié)。

2. 系統(tǒng)設(shè)計(jì)方案

本項(xiàng)目的硬件端以STM32作為核心，控制紅外模塊、OLED模塊、WIFI模塊、步進(jìn)電機(jī)以及舵機(jī)各種硬件實(shí)現(xiàn)各種功能，本項(xiàng)目具有圖像識(shí)別系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、電機(jī)系統(tǒng)、輔助學(xué)習(xí)系統(tǒng)。電機(jī)系統(tǒng)由步進(jìn)電機(jī)，繼電器和舵機(jī)組成;輔助學(xué)習(xí)系統(tǒng)由OLED模塊和語(yǔ)音播報(bào)模塊組成;圖像識(shí)別系統(tǒng)由TensorFlow與Open CV技術(shù)相結(jié)合共同實(shí)現(xiàn);數(shù)據(jù)處理系統(tǒng)由WiFi模塊與數(shù)據(jù)統(tǒng)計(jì)分析軟件組成。

3. 系統(tǒng)的硬件結(jié)構(gòu)

3.1主控制模塊

主控制模塊主要由STM32F103C8T6控制器構(gòu)成。它是整個(gè)系統(tǒng)的大腦。當(dāng)紅外線模塊檢測(cè)到有物體時(shí)，反饋給控制器進(jìn)行圖像識(shí)別系統(tǒng)的運(yùn)行。當(dāng)圖像識(shí)別系統(tǒng)識(shí)別出圖像的類別后再反饋控制器，控制電機(jī)系統(tǒng)，輔助學(xué)習(xí)系統(tǒng)以及數(shù)據(jù)處理系統(tǒng)進(jìn)行垃圾的智能分類投放。

3.2輔助學(xué)習(xí)系統(tǒng)

該系統(tǒng)采用了7XFS5152CE語(yǔ)言模塊以及OLED顯示屏實(shí)現(xiàn)輔助學(xué)習(xí)系統(tǒng)，當(dāng)圖像識(shí)別系統(tǒng)將圖像識(shí)別分類后，通過語(yǔ)言模塊進(jìn)行語(yǔ)言播報(bào)，提醒投放垃圾者垃圾的類別，同時(shí)也會(huì)在OLED顯示屏當(dāng)中顯示垃圾類別，方便用戶了解垃圾分類知識(shí)。

3.3電機(jī)系統(tǒng)

電機(jī)系統(tǒng)由舵機(jī)模塊，步進(jìn)電機(jī)模塊，紅外模塊共同組成。垃圾桶內(nèi)部有四個(gè)垃圾桶，分別是有害垃圾，可回收垃圾，廚余垃圾，其他垃圾。在垃圾桶投放口安裝一個(gè)紅外模塊檢測(cè)是否有物品存在，若存在就反饋給主控制器一個(gè)信號(hào)，進(jìn)行圖像識(shí)別系統(tǒng)的運(yùn)行，當(dāng)物品識(shí)別種類完成后，主控制模塊將根據(jù)編寫的算法控制步進(jìn)電機(jī)與載物臺(tái)舵機(jī)模塊旋轉(zhuǎn)相應(yīng)角度進(jìn)行垃圾精準(zhǔn)投放。

3.4數(shù)據(jù)處理系統(tǒng)

該系統(tǒng)由WiFi模塊，數(shù)據(jù)處理APP軟件構(gòu)成。WiFi模塊采用的是ESP8266模塊。這是一款低成本的串口Wi-Fi模塊，支持串口與Wi-Fi之間的數(shù)據(jù)傳輸，還可以通過事先預(yù)定的垃圾投放次數(shù)閾值，當(dāng)垃圾投放超過閾值時(shí)判斷為垃圾桶溢滿，向該區(qū)域的垃圾處理總站發(fā)送警報(bào)信息。同時(shí)開發(fā)一款A(yù)PP對(duì)垃圾分類的數(shù)據(jù)進(jìn)行處理分析，記錄各類垃圾投放次數(shù)，方便管理人員進(jìn)行數(shù)據(jù)的查看與分析。

4. 系統(tǒng)的軟件結(jié)構(gòu)

軟件結(jié)構(gòu)分為兩部分，一部分由于采用STM32F103C8T6作為主控制器所以部分軟件借助KEIL5開發(fā)平臺(tái)使用C語(yǔ)言編程實(shí)現(xiàn)功能邏輯，另一部分則是運(yùn)用Open CV計(jì)算機(jī)視覺函數(shù)庫(kù)與TensorFlow搭建的深度學(xué)習(xí)圖像識(shí)別的框架?？紤]到垃圾圖像分類的準(zhǔn)確性和實(shí)效性，本項(xiàng)目針對(duì)圖像垃圾分類系統(tǒng)設(shè)計(jì)了兩層框架，包括獲取圖像層、深度學(xué)習(xí)層。

4.1獲取圖像層

獲取圖像層采用Open CV技術(shù)運(yùn)用其函數(shù)庫(kù)將圖像進(jìn)行處理，通過攝像頭拍攝圖片后進(jìn)行圖像預(yù)處理，讓圖像數(shù)據(jù)更適合AI模型進(jìn)行處理，同時(shí)通過圖像預(yù)處理技術(shù)，還可以實(shí)現(xiàn)數(shù)據(jù)集的擴(kuò)充，這種方法成為數(shù)據(jù)增強(qiáng)。

4.2深度學(xué)習(xí)層

深度學(xué)習(xí)層接收來自獲取圖像層拍攝上傳的照片，將照片進(jìn)行灰度處理后放入已經(jīng)訓(xùn)練好的深度學(xué)習(xí)模型中進(jìn)行分類判斷。使用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)作為核心進(jìn)行訓(xùn)練。卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)包括了卷積，激活，池化，全連接等多個(gè)過程，并且重復(fù)多次卷積與池化過程，通過全連接映射到多類標(biāo)記維度上。在圖像處理中，通過選取合適的卷積核（或稱算子），可以對(duì)圖像進(jìn)行銳化，去噪，模糊，加強(qiáng)邊沿，提取深層次復(fù)雜特征。

5. 性能評(píng)估

該項(xiàng)目所設(shè)計(jì)的智能垃圾分類箱能實(shí)現(xiàn)較為精確和快速的預(yù)測(cè)結(jié)果，從而做出正確的分類決策。本項(xiàng)目所設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)來自于互聯(lián)網(wǎng)中收集到的垃圾圖像數(shù)據(jù)集，數(shù)據(jù)集包含2452張圖像，包含的類別有易拉罐類，紙類，塑料類，濕垃圾及其他類的5類別，模型實(shí)驗(yàn)的樣本準(zhǔn)確性如下表所示。

6. 結(jié)語(yǔ)

本項(xiàng)目設(shè)計(jì)以STM32F103C8T6單片機(jī)作為控制中心，功能模塊作為條件，以O(shè)pen CV與TensorFlow作為圖像識(shí)別系統(tǒng)的核心技術(shù)實(shí)現(xiàn)了垃圾桶自主識(shí)別垃圾并精準(zhǔn)投放，垃圾溢滿警報(bào)，語(yǔ)音播報(bào)和OLED輔助學(xué)習(xí)，WiFi上傳數(shù)據(jù)與分析等功能。經(jīng)過硬件設(shè)計(jì)與軟件編程，神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)框架的訓(xùn)練，不斷調(diào)試、仿真運(yùn)行、尋找輸入訓(xùn)練數(shù)據(jù)集，最終使該智能垃圾分類箱實(shí)現(xiàn)了垃圾分類的功能。該系統(tǒng)將常見的垃圾進(jìn)行數(shù)據(jù)測(cè)試，證明了本文所設(shè)計(jì)的智能分類箱能夠有效的對(duì)日常生活垃圾進(jìn)行分類，如若投放至社會(huì)街道當(dāng)中使用，可以有效提高垃圾分類率與環(huán)衛(wèi)工人的工作效率，極大的降低了垃圾分類的人力資源與成本的投入，大幅提高了社會(huì)效益和經(jīng)濟(jì)效益，更加符合了現(xiàn)代化智能標(biāo)準(zhǔn)。

參考文獻(xiàn)

[1]盧淑怡，魏爽，萬思遠(yuǎn) 基于深度學(xué)習(xí)的智能分類垃圾箱[J].計(jì)算機(jī)與數(shù)學(xué)工程，2021，49（5）：1011-1029.

[2]齊鑫宇，龔劬，李佳航，何建龍 基于深度學(xué)習(xí)的垃圾圖片處理與識(shí)別[J].電腦知識(shí)與技術(shù)，2021，17（09）：20-24.

[3]邁克爾·貝耶克勒，Michael，Berkeley.機(jī)器學(xué)習(xí)：使用Open CV和Python進(jìn)行智能圖像處理[M].北京：機(jī)械工業(yè)出版社，2018.

[4]劉朝輝，王維高 基于TensorFlow的水果識(shí)別系統(tǒng)設(shè)計(jì)[J].電腦知識(shí)與技術(shù)，2021，17（03）：190-191+203.

本文系廣州軟件學(xué)院大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目，項(xiàng)目名稱：智能垃圾分類箱，項(xiàng)目編號(hào)：DCXM2021012

作者簡(jiǎn)介：陳貴生，男，2001.6.21，廣東梅州，本科，研究方向：圖像識(shí)別技術(shù)，嵌入式技術(shù)