• 144
开放info共享平台
•
运用深度学习的经典算法卷积神经网络用于完成垃圾图像的特征提取。纹理，形状融合特征和HSV 颜特征分别作为Alexnet 卷积神经网络的输入样本，完成卷积神经网络的训练和学习迁移，构成垃圾分类模型，准确实现垃圾分类。基于该模型，实现校园智能垃圾分类系统的设计。STM32作为主控制芯片，结合外围驱动电路。并构建基于NB-IOT 物联网技术的远程监测网络，可实现垃圾桶状态的实时监测与信息反馈。 随着科学技术的不断革新，我国居民的消费水平越来越高，生活质量不断得到提升，但在经济发展的背后，隐藏着严峻的垃圾处理问题。中国拥有世界上最重的垃圾负担。据统计，全球每年产生近4.9亿t 垃圾，其中1.5亿t 在中国城市。垃圾完全是未充分利用的资源。减少废物的产生量，加强垃圾污染治理，是全面建设小康社会，加快推进城市现代化的重要内容，实现经济社会可持续发展的重要保障。
1 校园垃圾桶的使用现状
校园是一个人员密度较高的场所，每天产生的可回收垃圾量巨大，而由于环境的特殊性，校园垃圾又具有集中性、多样性和较强的流动性、可利用性等特点。随着“智慧校园”口号的提出和普及，校园分类垃圾桶的智能化已然成为趋势。设计一款具有自主识别分类功能的校园智能垃圾装置具有重大的现实意义。
现存校园垃圾桶存在的4点问题：（1）清洁问题：垃圾桶脏，同学们望而却步，垃圾桶污染严重，环卫工人清理困难（2）分类问题：垃圾桶内鱼龙混杂，干湿垃圾相互接触，造成二次污染，可回收与不可回收垃圾混装，分拣困难。（3）其他问题：分类标识模糊，标识位置单一，盲区较多，垃圾桶假满情况较多。（4）学生不清楚垃圾桶分类的详细信息。
2 用户需求分析
2.1 生理需求
现有校园道路垃圾桶的分类大致有两类：（1）通过桶身颜来区分垃圾的种类，但不同的颜没有明确对应的垃圾桶种类，分类的方式没有达到共识（2）通过垃圾桶表面的标志来区分，这种方式通常只给一个宽泛的类别，没有明确指出分类细节。
不锈钢精密冲压
设计一桶三分式垃圾桶，配置可根据桶内垃圾填充状况，调节桶内空间分配布局的分桶叶片，在根本上解决了一桶一分式垃圾桶的占地面积大问题，同时最大化提高垃圾桶内的空间利用率。内筒壁和外筒壁形成独立空间，单独放置塑料水瓶。且桶部设置语音识别和图像识别功能，垃圾桶会根据垃圾特征，自动打开其对应分类模块的桶盖，直接解决分类不清楚，不明确问题。
2.2 安全需求
环卫工人的工作时间在早上4点到5点之间，环境偏向昏暗特别在秋冬两季，环境恶劣，可以通过附近的照明设备和垃圾桶自带的提示，来降低危险发生的概率，还存在表面污渍多，有异味的问题，且存在门关不严，部分垃圾遗落在桶外的现象，主要原因由于设计合理性不到位。在设计上采用大敞口的造型，一定程度上可以提高投放的准确率，用压环和钩子结构配合，可以轻松固定住垃圾袋，减清清洗负担。2.3 社会需求
垃圾桶报废率高，回收率低，造价问题，垃圾桶的材料主要有金属，塑料，木材三大类，对比其优劣，最终选择金属为主材料，金属耐腐蚀性强，可有效延长利用周期。在金属工艺加工上，常用的有折弯，切割和喷漆等，弊端在于不易加工结构过于复杂的产品。可降低折弯的难度，减少加工上的难度，降低造价，并且设计为拼装型，可易拆卸，方便移动，且大大提高报废后的利用率。
2.4 尊重需求
混装习惯，导致回收者拾取困难，需要在脏乱的垃圾内翻水瓶，恶劣的环境对他们身体造成伤害，也漠视了他们被尊重的需求，在桶外侧设置凹槽半开放式利用他们拾取水瓶，同时内筒壁和外筒壁形成的单独回收塑料水瓶仓，改善了原始需要在混杂桶内寻辨的痛点。同时垃圾桶配置可手动控制开关的按钮，利用拾荒者寻求。
3 创新发展设计
3.1 研究目标及主要内容
提出一种基于深度学习的校园智能分类垃圾系统，能够通过可深度学习的神经网络算法构造模型区分垃圾种类，并运用NB-IOT 拥有远程监控能力，以STM32为主控芯片，加上外围驱动电路，提高垃圾处理效率，减少资源浪费。研究的主要内容如下：
（1）实现垃圾桶自主分类：采用图像传感器结合Alexnet 卷积神经网络分类算法做到识别功能的实现，STM32单片机对识别信息进一步处理，驱动执行机制，实现分类功能。
（2）实现系统的独立供电：采用风光互补+可充电电池供电，实现系统的独立供电和可持续供电。
（3）实现系统可靠性及远程监控：基于NB-IOT 的垃圾桶远程监测网络，可实时反馈垃圾桶状况，定位，故障反馈，桶满情况等，后台管理系统也可进行实时监测维护。
（4）垃圾的智能压缩和破袋系统：垃圾的最高点达到设定的距离，被传感器和红外测距仪检测到，压缩板进行压缩，当检测达到3次时，不再进行压缩，直接进行信息反馈到网络，提醒工作人员清理。桶口设置塑料破袋爪，可进行破袋操作。
花生油
基于深度学习的校园智能分类垃圾系统研究与实现
郑州科技学院 周 鑫 刘林阴 路 赛 王 晓 谷志梁
• 145
•
（5）深度学习：机器可以像人类一样进行分析和学习，并且可以识别文本，图像和声音数据。它充分利用了经典深度学习的卷积神经网络，并结合了MATLAB和Hu不变矩阵的特征提取，灰度共生矩阵的特征提取，HSV颜特征以及特征提取之前的图像预处理，以进行连续扩展和迁移学习。
（6）采用一桶三分式设计，配置可调控空间的分桶叶片，设立内外壁形成的独立回收仓，最大化减少垃圾桶占地面积，提高桶内空间利用率。消弧消谐柜
3.2 创新特概述
（1）通过研究与分析现有垃圾分类装置和识别分类的算法，结合深度学习和机械结构，制定出智能垃圾桶系统的总体设计方案，智能垃圾桶的功能设计方案以及监测平台的功能设计，利用NB-IOT物联网技术的优势，为监测终端与平台通信提供技术支持。
（2）采用可深度学习的卷积神经网络分类算法一次训练多次使用，主要由卷积神经网络、Hu不变矩阵特征提取，灰度共生矩阵的特征提取、HSV彩特征以及提取特征前的图像预处理和迁移学习构成。
圣诞树灯（3）垃圾桶的智能压缩和自主破袋系统，在不改变人们习惯的前提下改善垃圾桶性能，大大减少无必要人力回收清理，并提高了垃圾桶的寿命。
（4）采用一桶三分式设计，打破一桶一分常规，在根本上减少垃圾桶的占地面积，内筒壁由三个分桶叶片分割为三个分类模块，分桶叶片可根据各个分类模块的垃圾填充状况进行调整，进而改变桶内空间分配布局，进而最大化提高垃圾桶内的空间利用率。同时内筒壁和外筒壁形成单独的回收仓，回收瓶子，进而减少因瓶子内空设计造成的空间浪费。从而提升整体垃圾桶空间利用。
3.3 基本路线
（1）基于深度学习的校园智能分类垃圾桶分为软硬件两部分。硬件主要由图像传感器，识别算法微处理器，STM32控制平台，舵机执行电路，能源供给电路以及检测电路组成，检测电路又由节能控制电路，故障反馈，实时监测，安全保障电路构成；软件部分由例程的编写，控制程序，AD设计，Matlab仿真验证构成。
（2）硬件电路控制系统主要由图像收集模块，分类识别模块，红外传感反馈模块，微处理器，通讯模块，机电和电源模块构成，其中图像收集模块与分类识别模块相连，分类识别模块，红外传感反馈模块，通讯模块，机电和电源模块与单片机相连。
（3）以STM32为主控，构建运用基于NB-IOT物联网技术的垃圾桶远程检测监控网络，物联网技术是利用各种传感器根据规定的通信协议将物体与物联网相连的一种技术。众所周知，这项技术的核心仍然是互联网，它是互联网技术的扩展。在实际应用中，传感器被嵌入到空调，电网，垃圾桶等物理对象中，并与互联网整合一起，以实现对生活的远程监控和管理。
（4）在Matlab中构建Alexnet卷积神经网络，并建立数据集训练网络。当训练结果达到所需效果时，将训练后的模型迁移到处理器。执行机制的设计，在得到分类结果后通过STM32单片机对一系列机械部件进行控制，实现不同种类垃圾的精准入箱。设计NB-IOT通信系统，当垃圾箱装满时或者系统某处
发生故障时及时向管理中心反馈，以便管理人员及时处理。
（5）垃圾的智能压缩，为防止垃圾桶桶内垃圾过多，以及垃圾桶内虚满，假满的问题，设计在垃圾桶上方位置传感器，内侧壁安装红外测距仪，位置传感器有接触式和接近式两种，本设计选择的是接近式位置传感器，当物体与其接近到设定距离时就可以发出信号，无需直接接触更适合本产品；红外测距传感器传输的数据是在大于设定距离时反馈，接着进行桶内压缩。
医用压片机（6）深度学习经典的卷积神经网络算法，卷积神经网络层中的每个卷积都由若干各卷积核组成，卷积核的作用是使输入进行卷积运算，提取某一个特征，通过对后面的输出结果反向传播优化卷积核从而得到最优解，每个卷积核只可以提取一个特征，一般每个卷积层都有很多卷积核，通过这些卷积核可以提取多种特征，例如纹理，线条，边缘等，这些特征只是一些浅层的，卷积层一般均有池化层，做卷积运算后的降维处理，多层网络通过不断地卷积池化，可以获得更深层次的特征。整个链接层的功能类似于人工神经网络，后者训练提取的特征，最终获得所需的结果。
总结：垃圾分类和垃圾治理是一项系统的工程，如何运用现代技术和设计手段，通过设计合理的物来协调人与环境的关系是一个长期课题，校园分类垃圾桶的设计与研究，虽然取得一定的成果，但对于全国范围的垃圾分类与治理来说，仅仅只是冰山一角。要推广垃圾分类，只有因地制宜，科学划分区域，制定好分类标准，设置合理的分类措施，才能建设良好的垃圾分类系统。高校也需先行一步树立典范，不断完善和优化垃圾分类的体系，从校园走向社会，实现资源利用最大化与垃圾分类标准化。
基金项目：2020年度郑州科技学院大学生创新创业训练计划项目《基于深度学习的校园智能垃圾分类系统研究与实现》（校级项目编号：DC202014；省级项目编号：S202012746014）。
作者简介：
周鑫（2000—），男，大学本科，现就读于郑州科技学院信息工程学院，研究方向：智能硬件。
刘林阴（1983—），女，硕士，郑州科技学院电气学院教研室组长，研究方向：轨道交通信号与控制。
路赛（1998—），男，大学本科，现就读于郑州科技学院机械工程学院，研究方向：智能硬件。
王晓（1997—），男，大学本科，现就读于郑州科技学院电气工程学院，研究方向：智能硬件。
谷志梁（2000—），男，大学本科，现就读于郑州科技学院信息工程学院，研究方向：智能硬件。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议