基于5G 云平臺(tái)智能垃圾分類識(shí)別技術(shù)的研究

韓偉亮 任嘉璇 張振 劉志新 單博文 劉勇，4*

（1、黑龍江大學(xué)電子工程學(xué)院，黑龍江 哈爾濱 150080 2、天津理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，天津 300384 3、哈爾濱醫(yī)科大學(xué)生物信息科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150081 4、黑龍江東部節(jié)水設(shè)備有限公司，黑龍江 綏化 152000）

受政策支持，垃圾分類正在積極實(shí)行著并取得良好的成果，但隨著小康社會(huì)的到來，人們經(jīng)濟(jì)水平上升，垃圾數(shù)量不斷增長(zhǎng)。因此，盡管人工在進(jìn)行垃圾分類過程中耗費(fèi)了很長(zhǎng)時(shí)間，產(chǎn)生的結(jié)果也仍不盡人意。清潔機(jī)器人剛開始是為了便于人們生活的一種家庭智能清潔機(jī)器人?，F(xiàn)在，新一代5G 技術(shù)順應(yīng)時(shí)代發(fā)展而生且其云技術(shù)不斷成熟，為了解決目前國內(nèi)垃圾分類仍需人工進(jìn)行分類，或是智能垃圾分類不夠細(xì)致，無法同時(shí)滿足各個(gè)地區(qū)的分類情況。將5G 新概念技術(shù)應(yīng)用到智能垃圾分類處理上，清潔機(jī)器人在工作過程中使用5G 云平臺(tái)技術(shù)，使其快速計(jì)算數(shù)據(jù)[3]，實(shí)現(xiàn)對(duì)垃圾的識(shí)別進(jìn)行分類處理。

目前，智能清潔機(jī)器人識(shí)別技術(shù)在發(fā)展階段。盡管視覺導(dǎo)航技術(shù)存在角度限制，或是智能識(shí)別結(jié)束生成圖像過程中，環(huán)境、亮度等影響不能有效對(duì)垃圾進(jìn)行成功識(shí)別并分類。從長(zhǎng)期發(fā)展來看，視覺導(dǎo)航技術(shù)仍將成為智能清潔機(jī)器人的主要應(yīng)用方向[4]。本文就是以YOLOv2 密集網(wǎng)絡(luò)為基礎(chǔ)[5]，使用VGG-16 卷積神經(jīng)網(wǎng)絡(luò)模型智能識(shí)別，生成圖像，但有時(shí)出現(xiàn)識(shí)別環(huán)境較差，無法精確識(shí)別，出現(xiàn)黑暗不清、陰影覆蓋、外物重疊的情況，尤其是夜晚?？梢允褂肰GG-16 卷積神經(jīng)網(wǎng)絡(luò)模型來應(yīng)對(duì)環(huán)境對(duì)圖片產(chǎn)生的影響[6]。它與5G 云平臺(tái)物聯(lián)網(wǎng)控制系統(tǒng)的結(jié)合，既能使智能清潔機(jī)器人精準(zhǔn)對(duì)垃圾識(shí)別進(jìn)行全方位覆蓋，提高識(shí)別效率，并能在減少垃圾分類的人力消耗方面有所突破，也能適用于其他領(lǐng)域相關(guān)方面。

1 5G 新概念技術(shù)

智能設(shè)備增多，需要更多的光纖來傳遞信號(hào)，而網(wǎng)絡(luò)通信技術(shù)隨著5G 物聯(lián)網(wǎng)+時(shí)代的到來，超大容量、超長(zhǎng)距離、超高速率的光通信系統(tǒng)克復(fù)了這個(gè)問題。它利用新的計(jì)算和網(wǎng)絡(luò)技術(shù)，比如：云計(jì)算技術(shù)，在物聯(lián)網(wǎng)環(huán)境中更大的共享和儲(chǔ)存各種資源，還擁有高速的信息獲取速度與高效的運(yùn)算承載能力。而5G 新概念技術(shù)就是在傳統(tǒng)5G 技術(shù)上增加了穩(wěn)定性與安全性，使空間網(wǎng)絡(luò)更加敏感，使其與端口無線連接的能力提高。

2 識(shí)別技術(shù)

智能垃圾分類識(shí)別技術(shù)是指在垃圾分類過程中應(yīng)用5G、AI、物聯(lián)網(wǎng)等現(xiàn)代高新技術(shù)，幫助用戶完成垃圾的有效分類和回收。這是垃圾分類行業(yè)未來發(fā)展的必然趨勢(shì)。目前，垃圾自動(dòng)分類識(shí)別技術(shù)主要有三種：基于多傳感器的垃圾分類識(shí)別技術(shù)、基于可視電子標(biāo)簽的垃圾分類技術(shù)和基于人工智能學(xué)習(xí)的垃圾分類技術(shù)?；诙鄠鞲衅鞯睦诸愖R(shí)別技術(shù)是早期工廠和其他地方使用的主要技術(shù)。與現(xiàn)在的寶貴時(shí)間相比，這項(xiàng)技術(shù)逐漸落后，主要是因?yàn)樗褂脗魉蛶碜R(shí)別物品。首先，轉(zhuǎn)移貨物需要很長(zhǎng)時(shí)間，其次，在轉(zhuǎn)移過程中容易發(fā)生貨物移位或分類錯(cuò)誤?；诳梢曤娮訕?biāo)簽的垃圾分類技術(shù)就像現(xiàn)在的購物一樣。每種商品在退房時(shí)都需要識(shí)別一個(gè)特定的條形碼，根據(jù)分類在載體上定義一個(gè)特定的電子標(biāo)簽，然后根據(jù)唯一性進(jìn)行最終分類。

VGG-16 卷積神經(jīng)網(wǎng)絡(luò)對(duì)像的處理：當(dāng)攝像機(jī)產(chǎn)生垃圾圖像時(shí)，圖像容易受到各種不可控因素的影響，如明暗、陰影、物體變形等。此時(shí)，必須運(yùn)行vgg-16 卷積神經(jīng)網(wǎng)絡(luò)。根據(jù)Retinex 理論，物體的顏色是由于物體在不同光線下的反射能力不同而形成的，而物體在不同光線下的反射能力則是物體本身的一個(gè)特征，與光的強(qiáng)度無關(guān)。因此，通過計(jì)算每個(gè)像素之間的亮度比和陰影關(guān)系，可以校正圖像中的每個(gè)像素以確定像素的顏色。引入Retinex 算法，以（x，y）為像素，原始圖像為s（x，y），反射圖像為R（x，y），亮度圖像為l（x，y），選擇最佳權(quán)重圖像進(jìn)行進(jìn)一步處理[9]。

如圖1，初始圖像由入射圖像和反射圖像構(gòu)成。燈光照射到目標(biāo)對(duì)象后，形成反射光將插入相機(jī)。然后入射圖像、反射圖像和原始圖像將滿足方程（1）。

圖1 Retinex 算法原理

K 是高斯中心包圍的函數(shù)個(gè)數(shù)，為了保證算法具有高、中、低尺度的優(yōu)點(diǎn)，K 值通常為3。W 是中央環(huán)繞功能的權(quán)重系數(shù)。實(shí)驗(yàn)表明，當(dāng)C=80 時(shí)，可以得到較好的結(jié)果。Retinex 算法的圖像處理效果如圖2 所示。

圖2

圖2 從主觀角度分析了Retinex 算法的改進(jìn)效果。然后，通過圖像信息熵對(duì)處理效果進(jìn)行了定性分析和比較。這是顯示圖像中平均信息的統(tǒng)計(jì)格式。一些函數(shù)可用于顯示下一尺寸圖像準(zhǔn)備的聚合屬性和音頻圖像準(zhǔn)備的遠(yuǎn)程屬性，以創(chuàng)建圖像的二維熵。選擇圖像的平均寬度，以像素（I，J）、像素（0＜=I＜=255）和J鄰域（0＜=J＜=255）為單位。它們滿足等式（6）。

由表1 可知，經(jīng)過Retinex 算法處理后，圖像信息熵有所提高，圖像更加清晰。最后，通過對(duì)卷積神經(jīng)網(wǎng)絡(luò)的重復(fù)成像和多次訓(xùn)練，使卷積神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)集更加完善，提高了識(shí)別精度。

表1 Retinex 圖像增強(qiáng)算法信息熵比較

首先，輸入給定的設(shè)定， 然后，您可以使用yolov2 服務(wù)器識(shí)別垃圾并啟動(dòng)分類模型。之后，您可以將經(jīng)過訓(xùn)練的模型發(fā)送到清理機(jī)并打開相機(jī)。當(dāng)照相機(jī)在某處發(fā)現(xiàn)垃圾時(shí)，機(jī)器人將被引導(dǎo)去清除垃圾，并根據(jù)系統(tǒng)所給出的方案進(jìn)行清潔。Yolv2網(wǎng)絡(luò)強(qiáng)化培訓(xùn)流程如下：（1）通過增強(qiáng)初始數(shù)據(jù)來獲取圖像；（2）通知安裝了從原始圖像接收的信息，并且增加了提供的信息；（3）將此數(shù)據(jù)集用于yolov2 強(qiáng)化訓(xùn)練；（4）為了獲得訓(xùn)練模型樣本，需要增強(qiáng)數(shù)據(jù)集并手動(dòng)標(biāo)記所有圖像。

針對(duì)清洗過程中目標(biāo)范圍變化較大的問題，采用多范圍培訓(xùn)策略進(jìn)行網(wǎng)絡(luò)培訓(xùn)。基于多范圍培訓(xùn)策略，每15 批輸入樣本的大小在訓(xùn)練過程中都會(huì)發(fā)生一次變化，不同大小的圖像具有很強(qiáng)的魯棒性。根據(jù)公式a=32（7+b），a 是輸入圖像的大小，b 是輸出圖像的大小，隨機(jī)數(shù)是312。模型經(jīng)多范圍培訓(xùn)策略從而能夠適應(yīng)不同的輸入決策。與靜態(tài)決策模型相比，檢測(cè)效果更優(yōu)。如數(shù)量、質(zhì)量和準(zhǔn)確性等。未來的研究可應(yīng)用于半監(jiān)督和非監(jiān)督深度檢測(cè)方法以及網(wǎng)絡(luò)生成和學(xué)習(xí)。通過對(duì)目標(biāo)特征的分析，實(shí)現(xiàn)了垃圾處理方案和清洗模式的決策，進(jìn)一步提高了清洗機(jī)器人的自主決策能力，見圖3。

系統(tǒng)基礎(chǔ)：由于每個(gè)地區(qū)的分類標(biāo)準(zhǔn)不同，上海規(guī)定廢物分為濕廢物、干廢物、可回收廢物和危險(xiǎn)廢物，而北京則分為廚房廢物、危險(xiǎn)廢物、其他廢物和可回收廢物。因此，使用5Glan 技術(shù)[7]根據(jù)不同區(qū)域設(shè)置相應(yīng)的IP 地址，并分別存儲(chǔ)在區(qū)域廢物分類標(biāo)準(zhǔn)中。同時(shí)，將一些物品的原始圖片上傳到云平臺(tái)，作為物品識(shí)別的依據(jù)，然后再變成垃圾。之后，通過識(shí)別技術(shù)和垃圾分類生成圖像時(shí)，使用5G 云平臺(tái)物聯(lián)網(wǎng)控制系統(tǒng)對(duì)對(duì)應(yīng)的基礎(chǔ)圖片進(jìn)行高速匹配，找到匹配度最高的圖片進(jìn)行最終分割。每一張識(shí)別出的圖像都會(huì)自動(dòng)保存在云平臺(tái)上，逐步完善每一個(gè)階段每一項(xiàng)的信息，從而確保這項(xiàng)技術(shù)在應(yīng)用后變得越來越成熟，可以應(yīng)用到更多需要這項(xiàng)技術(shù)幫助的地方。系統(tǒng)模型設(shè)計(jì)5G 云平臺(tái)物聯(lián)網(wǎng)控制系統(tǒng)分為云平臺(tái)像存儲(chǔ)、成像匹配、分類歸屬三部分。

（1）云平臺(tái)像存儲(chǔ)

云平臺(tái)像存儲(chǔ)使用5G 云平臺(tái)建立數(shù)據(jù)庫。根據(jù)PC 上定義的類別，每個(gè)類別都被命名為不同的標(biāo)簽。每個(gè)標(biāo)簽下存儲(chǔ)了大量相應(yīng)類別的數(shù)據(jù)集。在應(yīng)用之前，一定數(shù)量的圖像將存儲(chǔ)為基本圖像。在此基礎(chǔ)上，進(jìn)行了重復(fù)試驗(yàn)。數(shù)據(jù)集中各種類型的圖像正在增加，需要?jiǎng)h除。此時(shí)，需要回收數(shù)據(jù)集。對(duì)于重復(fù)、無意義的選擇被放置在循環(huán)集中。每次成像都會(huì)被讀取和匹配，所以每個(gè)數(shù)據(jù)集都用于匹配中使用的基本集和剛生成的圖像的臨時(shí)存儲(chǔ)集，按照7:1 的比例。任務(wù)完成后，將整理臨時(shí)存儲(chǔ)集以確定最終存儲(chǔ)位置。在這個(gè)周期中，云平臺(tái)將像存儲(chǔ)和5G 高速一樣快速完成每一項(xiàng)任務(wù)，減少傳統(tǒng)云平臺(tái)的延遲，增加靈活性。

（2）成像匹配

理想情況下，圖像匹配是將即時(shí)生成的圖像與存儲(chǔ)在頭部圖像中的數(shù)據(jù)集進(jìn)行匹配的過程。采用分段法對(duì)匹配過程進(jìn)行了分析。主要方法是將圖像轉(zhuǎn)換為灰度圖像，得到一個(gè)適合于提取垃圾區(qū)域和背景差分特征的灰度圖像選擇閾值，最后選擇背景區(qū)域，接著選擇迭代法，來得到最優(yōu)的閾值分割算法。首閾值是圖像的最大、最小灰度值的均值。這樣，就可以在基本集中找到最佳的圖像匹配度。在其他情況下，生成的圖像必須經(jīng)過VGG-16 卷積神經(jīng)網(wǎng)絡(luò)操作系統(tǒng)處理，才能進(jìn)行匹配。[8]

（3）分類歸屬

在找到最佳匹配度的基本集圖像后，自動(dòng)對(duì)相應(yīng)數(shù)據(jù)集的標(biāo)簽進(jìn)行分類，見圖4。

近年來，隨著城市化進(jìn)程的加快、人民生活水平的提高和互聯(lián)網(wǎng)技術(shù)的日益成熟，我國垃圾分類行業(yè)發(fā)展迅速。智能垃圾分類應(yīng)運(yùn)而生，已成為垃圾分類行業(yè)未來發(fā)展的必然趨勢(shì)。目前國內(nèi)市場(chǎng)上，很多企業(yè)在智能垃圾分類領(lǐng)域的市場(chǎng)格局相對(duì)分散，尚未形成龍頭企業(yè)。機(jī)器人收集一定數(shù)量的垃圾后，系統(tǒng)會(huì)識(shí)別是否能自動(dòng)分類垃圾。如果垃圾類型單一，機(jī)器人將使用yolov2 密集網(wǎng)絡(luò)系統(tǒng)自動(dòng)分類垃圾。如果垃圾類型復(fù)雜，機(jī)器人無法自動(dòng)分類，機(jī)器人會(huì)通過5G 網(wǎng)絡(luò)將桶內(nèi)垃圾圖片返回終端，提醒工作人員分類。

4 結(jié)論

本文提出了一種基于5G 云平臺(tái)物聯(lián)網(wǎng)控制系統(tǒng)的垃圾分類識(shí)別技術(shù)的研究與實(shí)現(xiàn)方案。機(jī)器人的智能化發(fā)展導(dǎo)致人力資源的消耗逐漸減少，該方案不僅降低了垃圾分類實(shí)施的成本，或者解決了不同城市的不同分類標(biāo)準(zhǔn)，提高了居民對(duì)垃圾分類的積極性，而且提高了識(shí)別技術(shù)的識(shí)別效率和成像的清晰度。vgg-16 卷積神經(jīng)網(wǎng)絡(luò)圖像處理與yolov2 密集網(wǎng)絡(luò)的結(jié)合將使智能清潔機(jī)器人更加完整，并在未來出現(xiàn)在每個(gè)家庭中。