基于图像识别的垃圾桶智能监护方法研究

凌诗佳

摘   要：随着人们生活水平的不断提高和科技的不断进步，人工智能在人们生活中的应用越来越广泛，各种智能产品大大提高了人们的生活质量。眼下，为了更好地爱护环境，更积极地相应国家节能减排的号召，各地纷纷开始实施垃圾分类政策。为使工作更高效，基于图像识别的智能垃圾分类系统应运而生。文章对此展开分析。

关键词：图像识别;人工智能;垃圾分类

智能电视除了可以观看电视节目，还可以网上购物、玩虚拟游戏。智能灯会根据不同的生活场景和人不同的心情产生不同的灯光效果。智能体重秤可以和手机关联，检测出人体脂肪、水分、蛋白质、肌肉等方面的数据，帮助用户实时监测身体健康情况。智能扫地机器人能自动测量工作空间，规划合理路径，使工作繁忙的上班族从家务中解放出来。越来越多的消费者已经习惯了科技所带来的高效便捷的生活方式。若能将人工智能中的图像识别技术和垃圾分类相结合，便能使我国的垃圾分类政策更好、更快地推进，让我国在低碳经济的发展道路上走得更远、更稳。本文将就此技术，进行详细阐述。

1    图像识别的原理和应用

1.1  图像识别的定义

图像识别的产生，是人工智能发展的产物，目的是为了能让计算机代替人脑去识别图像等一系列物理信息，从而将人从繁杂的信息处理识别中解放出来。随着技术的发展，人们对图像识别的应用越来越熟能生巧。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策等。

1.2  图像识别在人工智能领域的应用

图像识别是人工智能领域的一个重要组成部分。图像识别经历了文字识别，数字图像处理与识别和物体识别3个阶段。图像识别，就是对图形进行分析筛选，最后锁定想要的目标。我们现在所说的图像识别，已经不仅仅局限于肉眼的识别，正是因为人类本身的功能已经不能满足我们的需要，所以才要借助计算机来帮助人们进行识别。如果说人类只是粗略观测的仪器，那么基于计算机基础的图像识别则像是精密观测的显微镜，可以帮助人们发现原本被忽视掉的许多细节，或是帮助人们解决无法解决的问题。

1.3  图像识别的原理

图像识别的原理并不复杂，只是要处理的信息比较繁琐，需要从大量的信息中筛选出可能只有一两条有用的信息。研发者们通过对日常生活实践的不断模拟，最终设计出图像识别程序。机器对图像的识别原理，与人类对图像的识别原理是相同的，区别只在于机器没有对图像的感受罢了。图像识别的原理是先通过图像的特征将图像分类，然后通过其具有的特征再将图像识别出来。机器的图像识别技术，就是利用计算机，模拟了图像识别过程，通过提取图像中的关键信息来对图像进行分类，进而识别各种图像[1]。

1.4  模式识别

模式识别是人工智能和信息技术的重要组成部分之一，是指对事物的形式进行分析，然后对其进行分类和识别。计算机的图像识别技术就是模拟人类的图像识别过程。而模式识别原本也是人类识别事物的方式，但是由于人类自身已经满足不了对于识别的需求，便让计算机学习这种识别模式，为人类所用。模式识别主要分为3种：统计模式识别、句法模式识别、模糊模式识别。

1.5  图像识别的过程

图像识别技术的过程分以下几步：信息的获取、信息预处理、特征抽取和选择、分类器设计和分类决策。获取信息时，通过传感器，将光线或声音通过传感器转变为电信号，因为只有电信号才是机器能识别的信息。直接获取的信息有时会不够清晰，此时需要对信息进行去噪、平滑、变换等操作，便可以加强图像的重要特征，其被称之为信息的预处理。得到信息后需要将信息依据其特征进行分门别类，然后才能进行识别。将信息依据特征分类的过程，就是特征抽取和选择。特征抽取是否正确，会导致信息分类是否准确，因此其是图像识别技术中关键的一步。最后设计分类器，可以理解为信息分类的规则，有了规则，信息就可以被划分得井井有条。

2    图像识别技术的前景

随着技术的不断发展和进步，图像识别的发展已经大大超出了人们的预期。数据显示，在图形识别上，电脑系统识别能力已经超越了人类，越来越多的科技公司加入图形识别的研发行列。其中，Facebook签下的人工智能专家Yann LeCun最重大的成就就是在图像识别领域，其提出的LeNet为代表的卷积神经网络，在应用到各种不同的图像识别任务时都获得卓越成效;Google借助模擬神经网络“DistBelief”通过对数百万份YouTube视频的学习自行掌握了猫的关键特征。2020—2024年中国机器视觉产业深度调研及投资前景预测报告显示，未来在工业领域，消费领域，人工智能领域等，图像识别都具有非常广阔的发展前景[2]。而图像识别与智能监护的结合，就是人工智能领域的一次大胆创新。

3    智能垃圾分类

3.1  智能垃圾分类的背景

之所以要实行垃圾分类，是因为通过垃圾分类管理，可以实现最大限度地物质循环利用，有效减少资源浪费，改善人们的生存环境。因此，如何高效准确地将垃圾实施分类，是全世界共同关注的课题。根据目前我国的标准，生活垃圾被广泛分为4类，分别是可回收物、厨余垃圾、有害垃圾和其他垃圾。可回收物表示可以回收和资源利用的垃圾，主要包括废纸、塑料、玻璃、金属和布料5大类。厨余垃圾包括剩菜剩饭、骨头、菜根菜叶、果皮等食品类废物，回收后经生物技术处理，可以转化为农业肥料。有害垃圾，指含有对人体健康有害的重金属、有毒的物质或者对环境造成现实危害或者潜在危害的废弃物。其他垃圾为除上述几类垃圾之外的难以回收的废弃物，如砖瓦陶瓷、渣土、尘土等。针对其他垃圾，通常采用卫生填埋的处理方式，可以有效减少对地下水、地表水、土壤及空气的污染。但是，由于我国刚刚实行垃圾分类，一方面，人们对于垃圾如何分类还不是特别了解，另一方面，生活中会出现的垃圾多种多样，很多垃圾难以被准确分类，如何对各类垃圾进行准确分类，困扰着广大群众。因此，基于图像识别并将垃圾正确分类的智能垃圾桶，非常切合大众需求。

3.2  基于圖像识别的智能垃圾分类的技术实现

基于图像识别的智能垃圾分类垃圾桶，需要有摄像头对垃圾的图像进行采集，还需要有信息处理器来对图像信息进行分析处理。此外，一个垃圾桶内部，需要有多个小型垃圾桶与垃圾类别一一对应，以及相对应的提示灯。大致处理过程如下：首先，摄像头拍摄垃圾照片，并将照片上传至信息处理器，信息处理器对照片识别后，对垃圾进行分类;然后生成分类结果，再将结果发送到信号灯指示器;最后，对应的垃圾类别的信号灯就会亮起，提示人应该投入哪个投放口。需要注意的是，垃圾桶应配备传感器和感应开关，并且应当设置在垃圾桶外壳与投放口相对应的位置[3]。显示屏最好选用触摸屏，便于用户操作和调整设置以及控制摄像头。

3.3  基于图像识别的智能垃圾桶的发展现状

我国是最早提出垃圾分类的国家之一，但是一直以来垃圾分类政策效果都不是非常明显，随着智能垃圾桶的出现，智能、高效的垃圾分类终于走进了人们的生活。2019年12月，在十堰茅箭区北京小镇、名城港湾以及龚家湾社区，智能垃圾分类回收箱投入使用，吸引了许多居民前来体验。这批智能垃圾分类回收箱采取“互联网+”智能化管理模式，小区居民将垃圾分类后投入回收箱中，可以获得积分兑换日常生活用品。与此同时，陕西西安、江苏无锡等多个城市，基于图像识别的智能垃圾桶也在社区投入使用，“垃圾分类换积分”的政策，大大提高了居民实施垃圾分类的积极性。

3.4  基于图像识别的智能垃圾桶的发展前景

由社区智能垃圾桶的成功推广可以看出，智能垃圾分类这项技术值得大力推广。目前，由于智能垃圾箱技术较为复杂、造价较高，基于图像识别的智能垃圾分类技术，只应用在了社区大型垃圾分类垃圾箱上，还未走入寻常百姓家。但是，正如曾经的手机、电视一样，随着经济水平的不断提高和技术的不断精进，基于图像识别的智能分类垃圾桶，在不久的将来，分类会越来越精准，成本会越来越经济节约，垃圾箱的体型会越来越小，最后走进千家万户，成为人们生活中的日常必需品。这样，足不出户便可在家完成垃圾分类，既节约了时间，又做到了保护环境。

4    结语

相比于人脑识别，图像识别技术有着识别更精准、反应更快速的优点。利用图像识别技术进行垃圾分类，可以有效地节约时间，培养人们的垃圾分类意识。除此之外，垃圾分类的有效实施可以大大减少清洁人员的工作量。重视环保、垃圾分类已经是全球大势所趋，可以让科技更好地为人们所用。还可以为这种垃圾桶附加一些其他的功能，比如实时监控垃圾桶温度、湿度和垃圾存放量等，可以更好地预防疾病，让人们的生活更加健康，改善生活品质。

[参考文献]

[1]李观发.探究计算机图像识别的智能化处理方法[J].数码世界，2019（6）：111-112.

[2]崔瑞琳，曹宁.基于智能图像识别的视频处理方法及系统.中国：CN201110414071.2[P].2011.

[3]江辉.基于RFID的智能垃圾分类系统的设计与实施[J].安徽电子信息职业技术学院学报，2018（4）：10-13.

Research on intelligent monitoring method of garbage bin based on image recognition

Ling Shijia

（Zhongshan Polytechnic， Zhongshan 528404， China）

Abstract：With the continuous improvement of people's living standards and the continuous advancement of science and technology， the application of artificial intelligence in our lives is becoming more and more widespread， and various intelligent products have greatly improved our quality of life. In order to make the work more efficient， an intelligent waste classification system based on image recognition came into being. This paper analyzes it.

Key words：image recognition; artificial intelligence; garbage classification