沈婧旸 馬昕雨 喬淑云 朱曉曼 周子鈺

摘?要：在學(xué)校規(guī)模擴(kuò)大、學(xué)生人數(shù)增加以及人民生活質(zhì)量和生活水平提高的影響下，校園垃圾量急劇增加，校園垃圾如何處理的問題不容忽視。本文以徐州工程學(xué)院為例，結(jié)合大學(xué)校園生活垃圾具有產(chǎn)量大、分布集中、可回收利用價(jià)值高等特點(diǎn)，以垃圾分類回收更精準(zhǔn)、可靠為目標(biāo)，進(jìn)行對(duì)智能垃圾分類系統(tǒng)的設(shè)計(jì)，讓垃圾搬到新“家”，變“廢”為寶。分析目前各高校的垃圾分類現(xiàn)狀，并重點(diǎn)根據(jù)圖像識(shí)別技術(shù)對(duì)校園垃圾智能分類系統(tǒng)的可行性進(jìn)行綜述，旨在為校園垃圾分類和人工智能的深度融合提供方案。

關(guān)鍵詞：校園垃圾分類;人工智能;圖像識(shí)別

Intelligent?Classification?of?Campus?Waste?Based

on?Image?Recognition?Technology

Shen?Jingyang?Ma?Xinyu?Qiao?Shuyun*?Zhu?Xiaoman?Zhou?Ziyu

Xuzhou?University?of?Technology?JiangsuXuzhou?221018

Abstract：Under?the?influence?of?the?expansion?of?the?size?of?the?school，the?increase?of?the?number?of?students?and?the?improvement?of?the?quality?and?standard?of?living?of?the?people，the?amount?of?campus?waste?has?increased?sharply.How?to?deal?with?campus?garbage?can?not?be?ignored.In?this?paper，taking?Xuzhou?University?of?Technology?as?an?example，combined?with?the?characteristics?of?campus?household?garbage?such?as?large?output，concentrated?distribution，high?recycling?value?and?so?on，we?design?the?intelligent?system?of?garbage?classification?to?make?refuse?classification?and?recycling?more?accurate?and?reliable，so?that?the?garbage?can?be?putted?into?the?recycling?bins?and?waste?can?be?turned?into?treasure.We?analyze?the?current?situation?of?garbage?classification?in?colleges?and?universities，and?summarize?the?feasibility?of?the?intelligent?system?of?campus?garbage?classification?according?to?image?recognition?technology，which?aim?to?provide?a?scheme?for?the?deep?integration?of?campus?garbage?classification?and?artificial?intelligence.

Keywords：Campus?Garbage?Classification;Artificial?Intelligence（AI）;Image?recognition

一、校園垃圾智能分類的背景

近些年來，許多高校不斷擴(kuò)招，人民生活水平持續(xù)進(jìn)步，校園中的生活垃圾因此日益增長(zhǎng)。意大利詩人但丁·阿利吉耶里曾說過，世界上并沒有垃圾，只有放錯(cuò)位置的寶藏。高效合理地循環(huán)使用可回收垃圾已成為現(xiàn)代生活中必不可少的一環(huán)。

至今，很多高校還未實(shí)行垃圾分類，仍然對(duì)校園垃圾采用傳統(tǒng)的混合處理模式。由于垃圾長(zhǎng)期不分類而導(dǎo)致的校園環(huán)境污染、資源浪費(fèi)等問題日益突出，制約著生態(tài)文明建設(shè)以及環(huán)境友好型社會(huì)發(fā)展。2019年4月，生態(tài)環(huán)境部篩選確定了11個(gè)“無廢城市”建設(shè)試點(diǎn)城市，徐州市作為江蘇省唯一入選的試點(diǎn)城市更起到示范作用。而大學(xué)是一座城市的縮影，在大學(xué)校園進(jìn)行垃圾分類回收是一件意義深遠(yuǎn)、刻不容緩的事情。

大學(xué)生作為綠色發(fā)展新形勢(shì)的推動(dòng)者，奉行可持續(xù)發(fā)展理念，對(duì)保護(hù)環(huán)境、節(jié)約資源等格外重視，并且對(duì)現(xiàn)存的垃圾分類狀況較為不滿。我們認(rèn)真審視徐州地區(qū)校園垃圾處理方式及存在的問題，克服目前垃圾處理技術(shù)的不足，針對(duì)傳統(tǒng)人工分類費(fèi)時(shí)費(fèi)力、效率低，不分類混裝處理存在污染環(huán)境、危害健康、浪費(fèi)資源等現(xiàn)象，致力于設(shè)計(jì)出基于圖像識(shí)別技術(shù)的在校垃圾智能分類系統(tǒng)，使來源于大自然的垃圾回歸大自然，減少固體廢物對(duì)環(huán)境的不良影響。將科技與環(huán)保相結(jié)合，創(chuàng)新與重復(fù)利用相結(jié)合，使垃圾智能分類回收系統(tǒng)深入大學(xué)生日常生活。從在校大學(xué)生做起，逐步影響家庭、社區(qū)，乃至整個(gè)社會(huì)，垃圾分類回收逐級(jí)影響改變，從“無廢校園”最終邁向“無廢城市”。

二、人工智能圖像識(shí)別技術(shù)

提到圖像識(shí)別技術(shù)，不得不將它與人工智能聯(lián)系起來。人工智能是現(xiàn)如今最為熱門的技術(shù)科學(xué)，而其中的分支技術(shù)——圖像識(shí)別技術(shù)，正是一個(gè)重要的研究領(lǐng)域。機(jī)器如何才能與人類一樣準(zhǔn)確認(rèn)識(shí)辨別，是現(xiàn)下的熱門研究課題。

（一）圖像識(shí)別技術(shù)的發(fā)展

圖像識(shí)別技術(shù)是指以圖像為主體，利用計(jì)算機(jī)和數(shù)學(xué)推理方法，對(duì)圖像進(jìn)行識(shí)別、處理、分析、理解，最終識(shí)別出各種不同模式的目標(biāo)和對(duì)象的技術(shù)。它利用計(jì)算機(jī)程序代替人腦對(duì)圖片信息進(jìn)行識(shí)別，將圖片中的信息提取出來并加以智能處理。

圖像識(shí)別技術(shù)由最初的文字識(shí)別階段，例如字母、符號(hào)等模擬圖像的識(shí)別，逐漸發(fā)展到數(shù)字圖像處理與識(shí)別階段。這個(gè)階段模擬圖像被處理成數(shù)字圖像，這讓存儲(chǔ)、傳輸、處理都更加方便。最終發(fā)展到如今的物體識(shí)別階段，將自然科學(xué)、社會(huì)科學(xué)、思維科學(xué)結(jié)合，對(duì)真實(shí)世界的客體和環(huán)境建立了更加清晰的感知和認(rèn)識(shí)。

（二）圖像識(shí)別技術(shù)的原理

其實(shí)，計(jì)算機(jī)的圖像識(shí)別技術(shù)和我們?nèi)祟悓?duì)圖像的識(shí)別在本質(zhì)上都是一樣的。人的大腦在“看到”一張圖片時(shí)，會(huì)根據(jù)記憶中不同的類別的特征進(jìn)行比較，判斷是否有與該圖片相同或類似特征的存儲(chǔ)記憶，從而將圖像進(jìn)行分類、識(shí)別。計(jì)算機(jī)的圖像識(shí)別技術(shù)也有類似的感知機(jī)制，計(jì)算機(jī)從大量的信息中高效準(zhǔn)確地過濾無效信息，提煉篩選出有用信息，將圖片中的特征信息進(jìn)行存儲(chǔ)。然后通過這些已經(jīng)提取到的特征信息將圖片進(jìn)行分類、識(shí)別和處理。

（三）圖像識(shí)別技術(shù)的過程

圖像處理和圖像識(shí)別是圖像識(shí)別技術(shù)過程中的兩大部分。

1.圖像處理過程

提取原始圖像，利用特定計(jì)算機(jī)軟件對(duì)其進(jìn)行處理，減少圖片在采集過程中的損耗，增加圖片的質(zhì)量，將原始圖像數(shù)字化，轉(zhuǎn)化成計(jì)算機(jī)可以識(shí)別的二進(jìn)制形式。圖像進(jìn)行處理工作過程主要內(nèi)容包括圖像數(shù)據(jù)采集、圖像增強(qiáng)、圖像復(fù)原、圖像編碼與壓縮和圖像分割。

（1）圖像采集。提取圖像數(shù)據(jù)的重要步驟之一是圖像采集。通過照相機(jī)、攝像機(jī)、掃描儀等設(shè)備，獲得采樣數(shù)字化的圖像。將圖像采集完畢是圖像處理過程中的第一步。

（2）圖像增強(qiáng)。數(shù)據(jù)在成像、采集、傳輸、復(fù)制等過程中會(huì)有一定損耗，所以圖像的質(zhì)量會(huì)有所下降，呈現(xiàn)的視覺效果與人們所期待的將有所偏差。為了提高圖像的清晰度，增強(qiáng)圖片質(zhì)量，通常使用圖像增強(qiáng)技術(shù)，使圖像中的物體的輪廓更加清晰，細(xì)節(jié)更加明顯，高質(zhì)量的圖像是后期的圖像分析和圖像理解的基礎(chǔ)。

（3）圖像復(fù)原（圖像恢復(fù)）。由于在采集時(shí)受環(huán)境的影響，數(shù)字化后呈現(xiàn)的圖像較為模糊。通常對(duì)圖像進(jìn)行恢復(fù)，來獲得較清晰的圖像。圖像恢復(fù)原的主要技術(shù)有濾波方法，其作用是將降質(zhì)后的圖像恢復(fù)成原始圖。圖像重建是圖像恢復(fù)的另一種特殊技術(shù)，根據(jù)物體橫剖面的一組投影數(shù)據(jù)來重新建立圖像。

（4）圖像編碼與壓縮。數(shù)字圖像的數(shù)據(jù)量大，需要占用很大的存儲(chǔ)空間。為了可以方便快速地傳輸圖像，必須對(duì)圖像進(jìn)行編碼和壓縮。利用圖像編碼壓縮技術(shù)不但減少了圖像的冗余數(shù)據(jù)量，節(jié)省了存儲(chǔ)器的容量，而且提高了圖像傳輸速度、縮短了處理時(shí)間。

（5）圖像分割技術(shù)。圖像分割是把圖像分割許多個(gè)子區(qū)域，這些子區(qū)域互不重疊但又具有各自特征，每個(gè)子區(qū)域是構(gòu)成像素的一個(gè)連續(xù)集。對(duì)圖像進(jìn)行分割是之后的圖像識(shí)別、分析和理解的基礎(chǔ)。

2.圖像識(shí)別過程

圖像識(shí)別過程就是將經(jīng)過圖像處理得到的圖像進(jìn)行特征抽取和選擇，并根據(jù)特征進(jìn)行圖像分類。其中主要有特征抽取和選擇以及分類器設(shè)計(jì)和分類決策。

（1）特征抽取和選擇。特征抽取和選擇就是在模式識(shí)別中將圖像所具有的關(guān)鍵特征抽取并選擇出來，便于之后圖像的分類匯總。特征抽取的正確性，對(duì)圖像分類起決定性作用，因此特征的抽取和選擇是圖像識(shí)別過程中最為重要的一環(huán)。

（2）分類器設(shè)計(jì)和分類決策。設(shè)計(jì)分類器即設(shè)定信息分類的規(guī)則。在設(shè)定好的規(guī)則下對(duì)不同的關(guān)鍵特征進(jìn)行分類，提高圖像識(shí)別的準(zhǔn)確性。最后將提取好的圖片特征與之對(duì)比識(shí)別，做出分類決策，分類的結(jié)果要進(jìn)行評(píng)估。

（四）圖像識(shí)別技術(shù)的分析和應(yīng)用

1.模式識(shí)別

在計(jì)算機(jī)的快速發(fā)展和人工智能的興起的影響下，人們希望使用計(jì)算機(jī)來代替、擴(kuò)展部分傳統(tǒng)人腦活動(dòng)，模式識(shí)別技術(shù)在此應(yīng)運(yùn)而生。模式識(shí)別是指對(duì)圖像大量的數(shù)據(jù)信息進(jìn)行分析和處理，從而得到計(jì)算機(jī)對(duì)圖像的分類和識(shí)別的結(jié)果。

模式識(shí)別根據(jù)圖像識(shí)別技術(shù)多年積累的經(jīng)驗(yàn)，將計(jì)算機(jī)科學(xué)與數(shù)學(xué)的分析和推理相結(jié)合，對(duì)圖像特征進(jìn)行準(zhǔn)確的分類、選擇，以實(shí)現(xiàn)圖像特征的自動(dòng)識(shí)別。

模式識(shí)別具有學(xué)習(xí)和實(shí)現(xiàn)兩個(gè)過程。在學(xué)習(xí)過程中，圖像存儲(chǔ)是最為重要的一個(gè)環(huán)節(jié)。計(jì)算機(jī)提前將元圖像及其關(guān)鍵特征進(jìn)行存儲(chǔ)，然后根據(jù)既有規(guī)則設(shè)計(jì)分類器，形成可比對(duì)識(shí)別圖像的計(jì)算機(jī)程序。實(shí)現(xiàn)過程的本質(zhì)就是比對(duì)，即將圖像的關(guān)鍵特征與已分類的模板進(jìn)行對(duì)比、識(shí)別。

在圖像識(shí)別技術(shù)的現(xiàn)實(shí)應(yīng)用中，計(jì)算機(jī)與人腦之間依舊存在較大差異。但由于識(shí)別的需求越來越高，便讓計(jì)算機(jī)學(xué)習(xí)模式識(shí)別，對(duì)傳統(tǒng)的人腦活動(dòng)進(jìn)行擴(kuò)展。對(duì)有些人腦難以識(shí)別的圖像，計(jì)算機(jī)可以將圖像最關(guān)鍵的信息與以前存儲(chǔ)過的元圖像及其特征逐一匹配，如果可以分類，則說明計(jì)算機(jī)可以識(shí)別該圖像。

但模式識(shí)別也具有一定的局限性。當(dāng)識(shí)別出的特征與其他類別的特征具有高度相似性，計(jì)算機(jī)的圖像識(shí)別容易產(chǎn)生偏差。

2.神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)是在以傳統(tǒng)的圖像識(shí)別技術(shù)為基礎(chǔ)的前提下，結(jié)合現(xiàn)代神經(jīng)網(wǎng)絡(luò)算法的一種的全新識(shí)別技術(shù)。神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)會(huì)先提取圖像的特征，再將其特征映射到神經(jīng)網(wǎng)絡(luò)中，對(duì)其進(jìn)行圖像識(shí)別分類。在圖像識(shí)別系統(tǒng)中融入神經(jīng)網(wǎng)絡(luò)算法，雖然說提高了研發(fā)成本和技術(shù)復(fù)雜度，但卻發(fā)揮了更精確的作用。神經(jīng)網(wǎng)絡(luò)技術(shù)先提取并捕捉圖像特征，再利用圖像所具有的特征映射到神經(jīng)網(wǎng)絡(luò)程序中，實(shí)現(xiàn)了更全面且精確的圖像識(shí)別分類。

在實(shí)際應(yīng)用中，比如尋找汽車時(shí)，用攝像頭獲取汽車車牌的圖像，然后將圖像上傳到計(jì)算機(jī)進(jìn)行保存，最后利用車牌定位模塊提取車牌信息，識(shí)別車牌上的字符并得出最終結(jié)果。在此過程中就應(yīng)用了神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)。

3.非線性降維

數(shù)字化后的圖像數(shù)據(jù)通常是多維，計(jì)算機(jī)識(shí)別這種數(shù)據(jù)需要消耗很長(zhǎng)的工作時(shí)間。降維是讓計(jì)算機(jī)更高效識(shí)別數(shù)據(jù)的最有效方法之一。由線性降維和非線性降維兩個(gè)主要部分組成。線性降維易于理解，但其計(jì)算的復(fù)雜度較高且會(huì)需要較多的時(shí)間和空間，于是產(chǎn)生了將非線性降維應(yīng)用于計(jì)算機(jī)識(shí)別技術(shù)。

非線性降維的圖像識(shí)別技術(shù)是一種高效的特征提取方法。它可以在保持圖像原有結(jié)構(gòu)的同時(shí)對(duì)其進(jìn)行降維處理，使計(jì)算機(jī)的識(shí)別工作在低維度上進(jìn)行，這樣不僅使計(jì)算機(jī)空間得到充分釋放，同時(shí)也提高了識(shí)別的速率。

非線性降維的圖像識(shí)別技術(shù)也具有很好的實(shí)際運(yùn)用性。例如識(shí)別人臉時(shí)，人臉圖像分布不均勻，采集器獲得的數(shù)據(jù)維數(shù)非常高，這對(duì)計(jì)算機(jī)來說更是“難上加難”。通過非線性降維技術(shù)可以將其降維成分布緊湊的圖像，從而提高人臉識(shí)別的效率。

三、圖像識(shí)別技術(shù)的在校園垃圾智能分類中的應(yīng)用

（一）基于圖像識(shí)別的智能垃圾分類的技術(shù)實(shí)現(xiàn)

利用圖像識(shí)別技術(shù)對(duì)大學(xué)校園中產(chǎn)生的生活垃圾進(jìn)行智能分類回收，首先需要有攝像頭等采集器，對(duì)垃圾進(jìn)行掃描，收集垃圾的元圖像，然后將收集的圖像轉(zhuǎn)換成數(shù)字信號(hào)。利用圖像增強(qiáng)、圖像還原等方法，增加圖像的清晰度，保證信息的準(zhǔn)確性。由于垃圾的圖像較為復(fù)雜，可以使用非線性降維處理。

然后設(shè)計(jì)一個(gè)信息處理器，對(duì)采集到的圖像信息進(jìn)行識(shí)別分析，對(duì)圖像信息提取、整合出關(guān)鍵特征，為下面的對(duì)比分類做準(zhǔn)備。

接著建立一個(gè)垃圾分類信息數(shù)據(jù)庫，運(yùn)用SQL語句輸入垃圾類別的關(guān)鍵特征，并用group?by進(jìn)行分組，形成垃圾分類特征。

最后設(shè)計(jì)分類器，進(jìn)行分類訓(xùn)練，循環(huán)迭代。最終將提取好的圖片特征與數(shù)據(jù)庫中已有的數(shù)據(jù)識(shí)別比對(duì)，做出分類決策，明確分析投入垃圾的分類。分類的結(jié)果要進(jìn)行評(píng)估。

（二）基于圖像識(shí)別的智能垃圾箱的發(fā)展前景

在西安、無錫等多個(gè)城市，垃圾分類智能回收箱的使用已隨處可見。分析對(duì)比之下，使用這一新型設(shè)施后人們更加積極地實(shí)行垃圾分類，也使得社會(huì)的垃圾回收工作更加準(zhǔn)確，更省時(shí)省力。在“時(shí)間就是金錢”的現(xiàn)代社會(huì)，智能垃圾分類這項(xiàng)技術(shù)值得充分使用。

但是由于智能垃圾箱實(shí)現(xiàn)需要的技術(shù)較復(fù)雜、成本較高、日后維護(hù)較頻繁，現(xiàn)只被應(yīng)用在了大型住宅社區(qū)，還未進(jìn)入各大高校。但是，高校居住人口多，分布密集，更應(yīng)積極使用基于圖像識(shí)別的智能垃圾箱。隨著社會(huì)經(jīng)濟(jì)水平不斷提高、科學(xué)技術(shù)的日益精進(jìn)與成熟，并且對(duì)環(huán)保這個(gè)“剛需”概念的不斷重視，基于圖像識(shí)別的智能分類垃圾箱，在不久后的將來，應(yīng)用范圍將越來越廣泛，成本也會(huì)逐漸減少，分類也會(huì)越來越精準(zhǔn)，最后走進(jìn)百姓生活中，為人們生活日常提供服務(wù)。這樣，垃圾分類才會(huì)變成人們真實(shí)的行動(dòng)。

結(jié)語

相比消耗大量的人工作業(yè)，人工智能算法下的圖像識(shí)別技術(shù)使垃圾分類更精準(zhǔn)、更省時(shí)。相比于人腦識(shí)別，圖像識(shí)別技術(shù)的優(yōu)點(diǎn)在于可以更便捷、更迅速、更準(zhǔn)確地識(shí)別出垃圾分類。不僅可以節(jié)省時(shí)間，節(jié)省人工，還有利于培養(yǎng)高校學(xué)生對(duì)于環(huán)境保護(hù)的意識(shí)，提高垃圾分類的積極性，將垃圾分類由“紙上談兵”真正運(yùn)用到生活中。最后建設(shè)“無廢校園”，并且一步一步建成“無廢城市”。

參考文獻(xiàn)：

[1]甘華生.面向人工智能算法下圖像識(shí)別技術(shù)分析[J].中國(guó)新通信，2020，22（22）：4041.

[2]陳家琪.校園垃圾的現(xiàn)狀調(diào)查及處理對(duì)策探究——以東北師范大學(xué)凈月校區(qū)為例[J].現(xiàn)代職業(yè)教育，2018（10）：192193.

[3]凌詩佳.基于圖像識(shí)別的垃圾桶智能監(jiān)護(hù)方法研究[J].無線互聯(lián)科技，2020，17（05）：128129.

[4]劉田田.基于大數(shù)據(jù)的垃圾智能處理系統(tǒng)的分析與設(shè)計(jì)[J].電腦知識(shí)與技術(shù)，2020，16（30）：6768.

基金項(xiàng)目：江蘇省徐州市科技計(jì)劃重點(diǎn)研發(fā)（社會(huì)發(fā)展）項(xiàng)目：有機(jī)垃圾致病性微生物滅殺與腐熟制肥關(guān)鍵技術(shù)研究（No：KC20194）;徐州工程學(xué)院大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目：大學(xué)校園垃圾分類回“家”智能管理系統(tǒng)設(shè)計(jì)（No：XCX2020057）

*通訊作者：?jiǎn)淌缭?，碩士，副教授，研究方向：智能信息處理。