文章编号：2095-6835（2023）01-0051-04
吴旭东，沈子豪，彭福平，高丝雨，安海东，齐剑平
（湖北汽车工业学院机械工程学院，湖北十堰442002）
摘要：中国正大步迈向城镇化发展，城市人口增长日益凸显，居民生活水平逐步提高，国家每年产生的城市生活垃圾总量正快速增长，而垃圾一直被人们称作是“被放错地方的资源”。城市生活垃圾不能被合理利用不仅会造成资源的大量浪费，还会占用土地资源、污染空气及水资源，甚至对人体健康造成威胁，严重影响着人们的生活。目前，对垃圾进行有效分类成为缓解该问题的主要解决方案之一，为帮助人们解决日常生活中垃圾分类难题，减轻人们垃圾分类处理的负担，提出一种树莓派的可分类智能垃圾桶，实现自主识别有害垃圾、可回收垃圾、厨余垃圾、其他垃圾的功能，为人们的日常生活提供便利。关键词：垃圾分类；树莓派；深度学习；神经网络 中图分类号：TP273；X705文献标志码：A DOI：10.ki.kjycx.2023.01.014
在21世纪中国经济水平快速发展的今天，居民生活水平不断提高，城市生活垃圾的日产生量伴随着物质需求的增长而一直居高不下。目前仍有许多地方在采用垃圾掩埋作为垃圾处理的主要方式，然而土地面
积有限，填埋的垃圾量也逐渐趋于饱和，如果能对垃圾进行正确的分类，对垃圾进行有效的回收再利用，就能在一定程度上减轻或缓解对土地资源造成浪费及对环境产生的污染，同时起到节约资源、减少浪费等作用。在20世纪末，国家就已经开始提倡并出台相应政策对垃圾分类收集处理作出相关规定，但在当时由于居民垃圾分类意识不强烈、分类知识欠缺等普遍原因加上执行监管力度不够等原因，导致分类效果并不理想，从而没有达到预期效果。
电解提银2019-07-01，上海作为垃圾分类试点城市发布并执行了一系列针对垃圾分类处理的政策，条例将垃圾分类纳入法制体系，以此来推进垃圾分类处理。条例实施后，许多市民不仅在垃圾分类过程中花费时间，学习分类知识同样也需要花费不少精力。然而随着人们生活节奏逐渐加快，越来越多的年轻人无法将更多精力分配于繁复的生活琐事，逐渐依赖于利用了人工智能、综合布线技术、网络通信技术、自动控制技术、安全防范技术、音视频技术等技术的智能家居产品。高效化、便捷性、自动化、智能化、能明显提升生活便利性的家居智能产品逐渐走进年轻人的生活，并逐渐受到人们的青睐。垃圾分类作为解决处理垃圾流程中较为基础的环节，决定着后续处理环节的难易程度。本文提出一种基于深度学习可识别分类的智能垃圾桶，该装置能自主地完成对生活垃圾的分类处理，在很大程度上缓解人们对垃圾分类所带来的困扰，另外能降低人们对垃圾进行分类的时间成本，为日常生活垃圾分类处理提供新的解决方案，使垃圾分类的效率及效果有大幅度提升。
1可分类智能垃圾桶介绍
可分类智能垃圾桶在设计之初，若作为一款成熟的智能家居产品，必须满足以下几个设计要求：①可分类智能垃圾桶能够在良好稳定的环境下通过摄像头采集到清晰、完整的垃圾图像，完成原始数据的获取； ②垃圾分类系统能在装置完成数据采集后可以完成图像数据的处理、处理结果分析及垃圾的分类筛选，在此过程中要求数据处理、分类结果的准确性及高效性；
③应当安装信号处理系统，能在短时间内完成指令传输、信息的交互，具有优良的通讯传输功能。
本装置的主要控制系统选用了体积较小、性价比较高、操作较为简单的嵌入式设备——树莓派，由于在日常生活中的垃圾分类处理时一般将垃圾分成有害垃圾、可回收垃圾、厨余垃圾和其他垃圾4种不同类别，可利用垃圾桶的不同颜加以区分，本装置将可分类智能垃圾桶设计成可以提高空间利用率及垃圾分类效率的垂直四桶分类式结构[1]。模型自上至下结构设计依次为垃圾投放口、停驻挡板、数据采集装置、垃
——————————————————————————
＊［基金项目］湖北汽车工业学院2021大学生创新创业项目（编号：DC2021004）
石油测井仪器圾分选用机械控制装置、支架、底座等部分，装置主要工作流程如下：垃圾通过垃圾投放口后进入垃
圾桶的过程中，嵌入在垃圾桶顶部的摄像头首先会在有稳定光源的情况下对停留在垃圾投放口下方的停驻挡板上的垃圾进行拍照处理，完成图像数据的采集后将采集完成的数据传入提前嵌入树莓派设备中的卷积神经网络进行检测，系统分类层分析出垃圾所属类别后，将处理结果传输到树莓派后，分类系统通过垃圾分选用机械控制装置中的舵机实现不同分类垃圾桶的角度转动，归属于某一类垃圾回收桶桶口与上方垃圾投放口停驻挡板竖直对应，打开上方停驻挡板，垃圾顺利进入到对应垃圾类别的垃圾桶中，准确高效地完成了垃圾的分类工作[2]。可分类智能垃圾桶运行框图如图1
所示。
图1可分类智能垃圾桶运行框图
2硬件结构2.1树莓派RPI
本装置要求主控装置需要完成垃圾图像数据的采集，图像数据的传输、处理及识别，识别结果通过信号传输至垃圾分类结构中，以此实现不同种类垃圾的分类处理。如图2所示，为学习计算机编程教育而设计的树莓派3代B+型开发板（Raspberry Pi3B+）可以将其看作是一个微型计算机，其以MicroSD 卡为内存硬盘，自带Wi-Fi 和蓝牙模块，可运行Linux 系统，既能满足本系统的模拟场景，价格又较为低廉，具有优越的功能和性价比，是本系统控制中枢的不二选择。图2树莓派3代B+型开发板
2.2摄像头
在机器视觉系统中，摄像头作为数据采集系统的关键，其选用决定了所获取的图像数据的清晰度、对比度，对数据处理的准确率起着决定性的作用。由于本装置采用Raspberry Pi3B+作为系统的开发板，而Raspberry Pi Camera Modulev2自带高质量800万像素索尼IMX219传感器扩展板，拥有定焦镜头，可拍摄高清视频及静态照片，是专门为树莓派定制的，并适用于Raspberry Pi 1～4的所有型号，能够较好地与本系统实现通讯。Raspberry Pi Camera Modulev2如图3
所示。
图3Raspberry Pi Camera Modulev2
2.3照明LED 灯
为了使图像获取效果更明显，效率更高，需要增加稳定光源，以保证环境光的统一稳定，在衡量照明的均匀度、强度、稳定性、发光效率等因素后，选择
LED 灯作为环境光供给的电子元器件，其拥有节能环保、长寿命、响应快等优点，被广泛使用，在本装置中能够较好地保持图像数据获取环境的一致性，保证了图像质量。LED 灯带如图4
所示。
u盘摄像机
图4LED 灯带
2.4舵机
装置在垃圾完成种类识别之后，机械装置依靠底部4个垃圾桶转动不同的角度实现垃圾的分类入桶，故选取旋转精度高、扭力较大的一种位置伺服的驱动器，能够控制并适应角度变化的舵机来完成。在此装置中，通过控制线发送可变宽度的脉冲控制输出轴旋转角度，以调整装置下方的4个垃圾桶的旋转角度，使目标分类垃圾桶与停住挡板在同一竖直方向上，使得不同种类的垃圾能够顺利进入与之对应的垃圾桶中。舵机如图5
所示。
图5舵机
2.5超声波传感器
在此装置中，在垃圾投放口及垃圾桶桶口2处设置了超声波传感器，利用超声波传感器能够利用声波介质对被检测物进行非接触式无磨损的检测，不受检测物颜、状态等因素变化的影响，且检测性能对检测环境要求较低，能够较好地满足垃圾形状、状态、质量等不同条件下的分类要求，在装置的投入口处设置，用于检测是否有垃圾投入，当超声波传感器在投入口检测到有垃圾投入时，反馈给树莓派，树莓派启动摄像头开始图像数据获取。而垃圾桶桶口处的传感器则用于检测垃圾桶桶内垃圾是否装满溢出，若达到预设容量值时，蜂鸣器发出声音，提醒工作人员回收处理，避免垃圾溢出造成二次污染。蜂鸣器如图6
所示。
图6蜂鸣器
3软件结构
视觉识别垃圾分类系统设计作为整个装置的重点，为识别结果的高效性、准确性提供保障，其可以分为图像获取识别层及垃圾智能分类系统层。
自动化检测3.1图像获取识别层
卫生香智能分类垃圾桶通电后，安装在投放口处的超声波传感器感应到有垃圾通过投放口投入时将信号反馈给树莓派，树莓派接收信号后打开白LED 灯带，为无畸变、带有逆光补偿、免驱动安装、可支持多种操作系统的150°广角USB 摄像头提供较为理想的图像数据获取环境，在图像数据获取完成后传输至图像识别处理单元进行下一步工作。3.2垃圾智能分类系统层
在垃圾图像识别处理系统当中，首先实验选取了日常生活中常见生活垃圾，包括废旧塑料瓶、易拉罐、纸制品、电池、化妆品等多种垃圾作为原始数据集，按照日常分类要求将垃圾分成有害垃圾（电池、杀虫剂、废弃化妆品、过期药瓶、废电池和废灯泡）、可回收垃圾（废弃塑料、废旧纸张、废玻璃、布料和金属）、厨余垃圾（果皮、蛋壳、固体食物、果核和肉碎骨等）和其他垃圾（烟头和碎瓷片）4种。为得到一个较为完
整、识别准确率较高的数据集，需要建立不同垃圾种类，分别用于训练和测试的卷积神经网络数据集。此过程需要庞大的数据支持，在各硬件模型等实验环境初步搭建完成后，利用Raspberry Pi Camera Modulev2摄像头对上述不同种类的垃圾在不同背景及角度拍摄大量图片作为部分数据，由于现实生活的垃圾通常状态、形态、颜等都是不规则的，所以仅在实验环境下获取的数据还远远不够，利用互联网平台收集到与上述环境大致吻合并符合要求的垃圾图片，与实验环境搭建获取的数据共同构成一个原始的庞大数据集。完成数据集的获取后通过需对原始数据集中所属不同垃圾种类的垃圾图像建立不同的文件夹进行相应分类，并将获取到的庞大数据集按照一定比例分成用于训练的训练
集和用于测试的测试集供神经网络训练学习，当训练达到一定次数后，识别准确率将不会有所变化并趋近于某一个数值，在这之后即使再增加训练次数，效果无显著提升并逐渐无明显影响，此时一个神经网络的训练基本完成[3]。由于此过程会消耗运行机大量的内存和资源，但嵌入式设备性能受限，因此卷积神经网络的搭建与训练需要首先通过PC 实现，并在PC 上测试获得神经网络模型，之后在树莓派上搭建了Linux 系统环境与Tensor-Flow 软件环境，将该神经网
络模型移植到嵌入式设备树莓派上，并通过测试集进行测试后进行参数调整及优化，以此提升不同垃圾种类识别过程中的准确率和效率。
在整个视觉系统中，在摄像头完成图像获取后会首先判断投入的垃圾是否可以被识别，即是否已在卷
积神经网络中，如果投入的垃圾没有被系统识别出来，在垃圾分类系统层中，系统会默认该垃圾属于其他类垃圾，舵机将旋转至一定的角度，使投放口停住挡板与对其他类的小垃圾桶竖直对应；若投入的垃圾可以识别出来，则通过移植到嵌入式设备的神经网络判断垃圾的具体所属类别，将已获取的图像数据经过已经训练好并调参优化后的卷积神经网络进行运算后，系统会判断此种垃圾对应的垃圾所属类别，并将判断垃圾种类信息的结果显示到屏幕上，紧接着控制分类系统层的机械结构装置，控制底板上的舵机底盘转动，使与底盘连接的智能分类桶转动到与垃圾种类相一致的某一分类桶桶口与上方停驻挡板对应位置后控制投入口下方停驻隔板打开，使垃圾能够顺利掉入下方所正确对应的垃圾桶中，从而实现将垃圾投入到对应的垃圾分类桶中。4机械控制
智能分类垃圾桶设计遵循小型化原则，采用SolidWorks 软件对垃圾桶进行模型建立，其整体结构如图7所示。智能垃圾分类垃圾桶机械结构部分由底板、底座、4个分类垃圾桶、滑槽、旋转挡板、铝型材框架、漏洞状的连中间轴的引流槽、支座以及中间轴9部分组成。整体结构由密度较小并便于加工的方形铝架作为框架，底座由2个正方形四角圆弧亚克力板和4个便于移动的万向轮支座构成，底板由透明的亚克力板作为承载，为了提高装置的整体空间的利用率，也方便安装、拆卸及移动，更高效、更迅速地完成不同种类垃圾的智能分类，设置有害垃圾、可回收垃圾、厨余垃圾和其他垃圾4个分类垃圾桶类型均为下窄上宽的圆台，底座上放置的垃圾桶通过上板被下板承载，底座连着中间轴，由舵机控制可以调整底座360°自由旋转，使垃圾投入到对应类别的垃圾分类桶中。测试表明，此种机械装置设计结构反应速度较快，功能实
现较为稳定，能够较好地满足日常生活需求。
图7智能分类垃圾桶结构图
5结束语
本文采用的基于图像识别、树莓派和Linux 开发
板的智能垃圾桶模拟方案，采用体积相对较小、操作较为简单的树莓派主要负责将收集回来的垃圾图像利用卷积神经网络技术设计了可分类智能分类系统。由于嵌入式设备数据处理能力有限，将已训练好的卷积神经网络移植到嵌入式设备树莓派中，成为了具备高准确率、高效率的识别垃圾种类功能的核心嵌入式主控设备。通过Raspberry Pi Camera Modulev2摄像头完成了对投入垃圾桶停驻挡板上的垃圾进行拍摄，采集拍摄图像数据获取并对数据存储，判定出垃圾物的回收种类，并将种类信息通过串口发送给Linux 开发板，进而控制舵机工作，实现分类效果，结合其他传感器，实现满载预警、显示屏结果显示等一些附加功能，使产品功能更加完备。该分类装置反应速度较快，系统误差较低，功能稳定，在当前在国家环保政策的引导下，以及人们对智慧生活的向往，家庭生活垃圾智能分拣、自动分类技术及装置具有一定的应用价值和市场前景，但本系统仍有较多内容需要进行完善及改进，如增加系统数据集，能精确识别更多的垃圾种类，更贴合日常生活的使用场景，并实现自动封袋打包垃圾、对分类垃圾实现压缩增大容量等功能，以此节约垃圾处理的时间和成本，有效缓解不合理的垃圾分类对生态环境所造成的影响。参考文献：
［1］陈佳欣，仲子鑫.基于机器视觉的家庭智能垃圾桶
设计研究［J ］.网络安全技术与应用，2021（7）：152-153.
［2］秦铂涛，邓磊，黄姝珂.基于PLC 控制的小型智
能分类垃圾桶设计［J ］.机电产品开发与创新，2021，34（4）：63-65.
［3］卢淑怡，魏爽，万思远.基于深度学习的智能分类
垃圾桶［J ］.计算机与数字工程，2021，49（5）：1009-1012，1029.————————
作者简介：吴旭东（2002—），男，湖北孝感人，本科在读，研究方向为工业工程。
热风拆焊台通讯作者：齐剑平（1977—），男，本科，实验师，研究方向为机械设计制造及其自动化。
（编辑：王霞）
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议