基于深度学习的智能垃圾桶识别分类系统＊

2020-07-04郭昌鑫陈公兴

科技与创新 2020年12期

郭昌鑫，陈公兴

基于深度学习的智能垃圾桶识别分类系统＊

郭昌鑫，陈公兴

（广东技术师范大学天河学院电气与电子工程学院，广东广州 510540）

垃圾分类引领绿色生活新时尚，为使传统垃圾桶更加人性化、智能化，提出了基于深度学习的智能垃圾桶分类识别系统。通过树莓派控制摄像头读取当前环境，采用OpenCV进行图像处理，并加载TensorFlow训练的CNN垃圾识别分类算法进行识别分类，最后由STM32单片机控制垃圾桶开盖，同时系统还支持语音识别分类、人体红外感应开盖、温湿度检测等。通过测试，系统功能稳定，其误差较低，具有一定的应用价值。

垃圾分类；深度学习；毒气报警；自动开盖

1 引言

随着科技的迅猛发展和人类物质水平的提高，人们越来越重视周边环境卫生及可持续发展。现今，中国最大的垃圾填埋场快装满了，人们对于垃圾的投放处理问题也越来越关注[1]，而生活中产生的大部分垃圾没有分类就被丢到垃圾桶，垃圾以越来越快的速度增长，人们不得不打起精神准备一场持久战——焚烧垃圾，这也是一些发达国家的主流方式。但焚烧不是终点，人类必须寻找新的方式对付自己亲手制造的敌人，这就需要进行科学的垃圾回收再利用[2]，因此分类垃圾桶在人们的生活中是不可或缺的，它的应用场合非常广泛，大至公园景区车站，小至餐厅家庭宿舍，对国家实行可持续绿色发展有着极其重要的意义。

目前，智能垃圾桶制造行业不断发展与成熟，但其系统一般只具备自动开关盖、智能语音提示功能，无法满足现代人的需要。然而垃圾分类的效果对环境治理和经济发展都同时产生直接影响，所以垃圾桶自动识别分类的人性化设计使其具有广泛的应用价值和市场前景。

2 系统整体方案设计

本设计主要以搭载TensorFlow训练的CNN垃圾识别分类算法的树莓派和语音识别模块作为主要的垃圾识别部件，采用STM32单片机作为微控制器，并外加红外和触摸模块辅助感应垃圾桶开盖，系统整体设计如图1所示。

当树莓派识别垃圾并自动分类（四类垃圾）后由STM32驱动舵机打开相应盖子，同时驱动彩灯照亮桶内情况，系统还应用物联网技术远程监控垃圾桶内外情况，此外还有人体感应开盖、桶满提示和毒气报警功能。

3 硬件结构

3.1 树莓派RPI

本系统主要的分类识别部件是树莓派（简称RPI），它本质上是一个只有信用卡大小的基于ARM的微型计算机，以MicroSD卡为内存硬盘，自带Wi-Fi和蓝牙模块，可运行Linux系统与Windows IoT系统等，它类似一台便携式电脑，具有优越的性价比和功能，作为本智能设备开发的首选[3]。

图1 系统整体设计框图

3.2 单片机STM32

本系统采用的单片机型号为STM32F103C8T6，并设定该微处理器工作频率在72 MHz，其运算速度是51单片机的几十倍。该单片机融高性能、实时性、数字信号处理、低功耗、低电压、丰富的外围接口于一身，配合丰富的软硬件开发工具，让该类单片机成为项目中解决方案的理想选择。

3.3 舵机MG996R

本系统选用MG996R金属舵机来驱动盖子打开，它由直流电机、减速电机、减速齿轮组、传感器和控制电路组成的一套伺服系统，通过控制线发送可变宽度的脉冲来指定输出轴旋转角度，配合金属拉杆达到控制垃圾桶盖子的开合。单片机系统实现对舵机输出转角的控制，必须要完成两个任务：①产生基本的PWM周期信号；②脉宽的调整，即用单片机模拟PWM信号的输出，并且调整占空比来达到控制目的[4]。

3.4 全彩LED灯WS2812B

WS2812B内置全彩驱动芯片，其控制电路和RGB芯片集成于一个5050封装的元器件中，构成一个完整的外控像素点，每个像素点的三基色颜色可实现256级亮度显示，完成16 777 216种颜色的全真彩显示。WS2812B具有体积小、亮度高、功耗低等特点，本项目将其置于垃圾桶内部，当盖子打开后由STM32驱动点亮，特别是夜晚时更显人性化，更进一步引导人们将垃圾分类。

3.5 无线模块ESP8266

本系统选择ESP8266来远程监控垃圾桶内外情况，该模块自带一超低功率32位的CPU，具有能耗低优点。通过物联网技术可远程查看桶内外温湿度，当桶内温度过高（如有未熄灭烟头）或有异味时会发送警告信息给手机或上位机，同时会自动开启负离子发生器净化桶内异味和烟雾。垃圾桶还可实时监测桶外湿度，低于设定值时自动开启加湿器，此外还支持语音控制设备。

4 软件设计

系统软件设计主要是对PRI和STM32进行程序设计，其中STM32程序主要是由C语言编写的主程序、底层驱动程序和各功能模块子程序；而RPI是采用OpenCV进行图像处理，并加载TensorFlow训练的CNN垃圾识别分类算法进行识别分类，即将收集到的数据集进行不断地训练，最后由RCNN使用预先训练的网络的前几层（如RestNet50）来识别来自输入层的图像特征。RPI摄像头对垃圾识别分类流程如图2所示。

图2 RPI摄像头识别垃圾流程图

TensorFlow在其模型库中提供了几种对象检测模型（具有特定神经网络架构的预训练分类器）。其中SSD-MobileNet模型具有允许更快检测速度但精度较低的体系结构，但其主要应用在运算能力较低的设备，而Faster-RCNN模型给出的检测速度相对较慢但精度更高，可以在功能强大的笔记本电脑或台式电脑上运行检测器。

本系统最初是从SSD-MobileNet-V1模型开始的，综合考虑，后期在Faster-RCNN-Inception-V2模型上对检测器进行了重新训练，检测效果明显提升。训练RCNN的目的是调整RPN（区域生成网络）和分类网络在的权重，RPN网络是产生图中可能的目标区域，分类网络则是为每个可能的目标区域得到一属于某个分类的得分。而RCNN的目标之一是生成图像中检测物的边框，先由RCNN通过给定的边界框（由边框的长、宽和左上角坐标组成），应用一组回归系数来调整边框大小。可假设目标和原始边界框的长和宽分别为L、W、L、W，目标和原始边界框左上角的、坐标分别为X、Y、X、Y，则由以下公式将原始边界框换算为目标边界框：

5 测验结果与分析

调试初期，垃圾桶盖子采用步进电机驱动开合，但经大量试验得出：步进电机运行时抖动、力矩不够，长时间超负荷运行会严重发热，最终烧毁电机，其软件配置程序较舵机更烦琐。电机抖动原因是步进电机需要配置相应的定时器（一个用于定时1 ms，另一个用于产生脉冲），通过实验发现，如果将定时1 ms的定时器中断优先级设置为0级，用于发脉冲的定时器中断优先级设置为1级，即用于定时1 ms的定时器中断优先级高于用于产生脉冲定时器中断优先级，则会出现输出脉冲间断且丢脉冲的现象，步进电机运行不平稳产生抖动且定位不准[5]。后来改为MG996R舵机，配合金属拉杆实现开闭。MG996R型号舵机有着20 kg的扭力且旋转角度精准易调，足以撑起盖子，这一点比步进电机强得多。

系统还增加了红外和触摸感应模块，当人们能够清楚分辨垃圾种类后可使用两种感应模块快速开启特定的盖子，而不需要触碰垃圾桶任何位置，减少接触细菌的可能性。

6 结束语

本文介绍了基于深度学习的智能垃圾桶识别分类系统及实现过程，该系统的实现将引导更多人认识垃圾的分类及其重要意义。

测试表明，该智能分类垃圾桶的反应速度较快、系统误差较低、功能稳定，具有一定的应用价值和市场前景，在今后还可对本系统进行完善改进，比如增加系统数据集，让垃圾桶可以精确识别更多的垃圾，并实现自动倒垃圾的功能，这将让人们的生活更加智能化。垃圾桶的自动识别分类对中国的经济可持续发展有着重要价值和意义，智能垃圾桶实物如图3所示。