王鑫龍，喻 恒，陳坤鵬，孫睿璁

（平頂山學院，河南 平頂山 467000）

0 引 言

隨著時代的發(fā)展、群眾生活消費水平的提高，再加上我國人口眾多，生活垃圾的產生量與日俱增。初步統(tǒng)計，2021年我國生活垃圾產量約有27 119萬噸。垃圾問題日益嚴重，政府針對此問題實施了垃圾分類等政策，但通過四川省統(tǒng)計局組織開展的一項專項調查發(fā)現(xiàn)，受訪居民分辨可回收垃圾、廚余垃圾、有害垃圾的準確率分別為13.0%、14.4%、20.5%，總體辨識準確率僅有1.4%；有80%的受訪居民表示需要進一步了解垃圾分類相關知識[1]。由此可知，大部分的居民缺乏執(zhí)行垃圾分類的知識。同時，垃圾分類回收的一些流程還處于人工管控[2]，仍不夠完善，導致居民區(qū)無法有效處理生活垃圾，未處理的垃圾堆積變質，之后直接焚燒，導致了污染環(huán)境等一系列問題，極大地影響了城市的環(huán)境質量。垃圾不能正確分類，無法實現(xiàn)垃圾的回收價值利用，與我國的可持續(xù)發(fā)展觀相悖。隨著人工智能技術的不斷發(fā)展，在垃圾識別分類領域出現(xiàn)了越來越多的研究，如基于機器學習的垃圾識別分類系統(tǒng)[3]、基于視覺識別的垃圾分類系統(tǒng)[4]。如果將人工智能與垃圾分類相結合，既能減輕負擔，又能加快效率，因此本文設計了一個基于樹莓派的智能垃圾分類亭。

1 系統(tǒng)需求與可行性分析

1.1 系統(tǒng)功能

本文設計的系統(tǒng)可以通過對垃圾圖像的處理進行智能識別分類，主要流程為：用戶點擊垃圾亭的拍照按鈕進行拍照，系統(tǒng)對該照片進行識別，分類完成后自動打開相應的垃圾桶蓋。

1.2 用戶需求分析

通過調查發(fā)現(xiàn)，近八成受訪群眾愿意進行垃圾分類，但會擔心進行垃圾分類時投放不夠準確。為滿足智能分類和投放垃圾的需求，需要設計出智能垃圾分類亭。本文的設計解決了用戶因為缺乏垃圾分類知識而無法準確投放垃圾的困擾，使用者可以將垃圾放置在分類亭的臺面上，點擊拍照，系統(tǒng)就會通過拍照返回的結果，打開相應的垃圾桶蓋[5]，便于用戶將垃圾精準投放至對應的垃圾桶內。

1.3 市場需求分析

智能垃圾分類亭能讓垃圾分類變得簡單高效，對于后續(xù)的垃圾回收利用更加方便。據(jù)統(tǒng)計，目前我國300多個城市中幾乎沒有城市使用此類分類亭。此設計相較傳統(tǒng)垃圾桶更加方便、智能、精準，用戶體驗感得以提升，具有良好的前景，其市場潛力非常大。

1.4 技術需求分析

智能垃圾分類亭的設計分為前后端兩部分，前端部分使用PyQt5進行可視化界面的開發(fā)設計，后端即神經網絡端使用Python語言開發(fā)。通過python_flask傳輸轉發(fā)前后端數(shù)據(jù)，采用數(shù)據(jù)庫保存用戶使用記錄。

2 系統(tǒng)設計

本章主要對系統(tǒng)的整體架構、主控電路、舵機控制模塊、舵機驅動模塊、攝像頭垃圾圖像提取和識別模塊進行詳細描述。對數(shù)據(jù)庫服務和軟件系統(tǒng)的部分也都作了詳細的介紹。

2.1 系統(tǒng)整體架構

垃圾分類亭的設計分為硬件設計部分和軟件設計部分，系統(tǒng)硬件使用了USB攝像頭、SG90舵機、舵機驅動板、樹莓派4B等主要硬件，軟件設計包括圖片分類識別算法的設計以及數(shù)據(jù)庫的設計。系統(tǒng)整體架構如圖1所示，系統(tǒng)工作流程如圖2所示。

圖1 系統(tǒng)整體架構

圖2 系統(tǒng)工作流程

2.2 系統(tǒng)主控電路設計

為了穩(wěn)定且高效地實現(xiàn)垃圾分類識別，經查閱資料，比較ESP32、STM32、樹莓派等幾款主流的主控芯片，發(fā)現(xiàn)樹莓派開發(fā)便捷、接口豐富、處理速度快，可以滿足垃圾分類算法運行和硬件控制的需求，因此采用樹莓派作為主控處理器，系統(tǒng)主控電路如圖3所示。

圖3 系統(tǒng)主控電路

2.3 系統(tǒng)硬件設計

2.3.1 圖像采集識別模塊

圖像采集主要使用攝像頭，在本設計中使用的是一款USB免驅攝像頭（SD-SXT01），像素大約為500萬，分辨率為1 920×1 080，可以支持日常垃圾的識別，其通過攝像頭來捕捉視頻流，實現(xiàn)垃圾信息的實時傳遞。圖像采集流程如圖4所示。

圖4 圖像采集流程

2.3.2 舵機驅動板

為了避免占用太多的引腳，進而影響到樹莓派的處理效率，使用了一款PCA9685的16路PWM舵機驅動版[6]，是一款I2C接口的驅動板；另外，它可以外接電源供電，本設計外接了一塊7 V的電池進行供電。

2.3.3 SG90舵機

舵機控制又稱為伺服[7]控制，給其一定的PWM信號，舵機按照要求轉至相應角度，將垃圾自動分類到對應垃圾桶。經過對幾款主流舵機的比較，選擇性價比最高的SG90舵機作為項目的控制舵機。舵機整體運行流程如圖5所示。

圖5 舵機整體運行流程

2.4 系統(tǒng)軟件設計

2.4.1 圖像分類算法的設計

深度殘差網絡在2015年被提出，一舉奪得了2015年世界最具影響力的計算機視覺大賽里的圖像分類領域的冠軍，并且首次出現(xiàn)錯誤率比人類的極限還低的情況。因此，本項目使用在圖像分類領域表現(xiàn)較好的ResNet50網絡[9]作為項目的基礎網絡模型，使用Tensor flow框架搭建項目網絡，使用3×3的卷積核對圖片進行卷積操作，最后提取圖片的特征。

采用華為云垃圾分類大賽提供的數(shù)據(jù)集進行模型的訓練，里面大約有2萬多張圖片，基本包含了日常生活中的垃圾，具有一定的廣泛性，使用Tensor flow開源框架進行訓練，通過卷積層、池化層的不斷疊加后，最后由全連接層進行降維提取特征值。使用ReLU激活函數(shù)能夠有效避免過擬合現(xiàn)象發(fā)生，通過多Echo的訓練得到垃圾分類的權重模型文件。

當系統(tǒng)進行識別時，樹莓派端使用OpenCV獲得實時視頻流，用OpenCV[8]讀取一張照片，并對其進行轉碼操作；使用python_ flask進行格式轉換，傳給電腦端，電腦端加載分類數(shù)據(jù)，并對傳來的圖片進行識別，最后將識別結果返回給樹莓派端。

網絡的深度對模型的性能至關重要，ResNet50網絡可以有效地解決深層次網絡退化問題，與AlexNet網絡和VGG16網絡相比，優(yōu)缺點見表1所列[8]。

表1 ResNet50與AlexNet和VGG16網絡的優(yōu)缺點對比

2.4.2 數(shù)據(jù)庫的設計

項目使用數(shù)據(jù)庫[10]對識別的垃圾種類的數(shù)據(jù)進行存儲。利用SQL_Server2016創(chuàng)建數(shù)據(jù)庫，使用Python連接數(shù)據(jù)庫。垃圾分類亭系統(tǒng)將垃圾分類識別的結果數(shù)據(jù)上傳至數(shù)據(jù)庫，數(shù)據(jù)庫對上傳的數(shù)據(jù)進行整理和保存。E-R關系如圖6所示。

圖6 E-R關系

3 系統(tǒng)調試

3.1 測試目的

系統(tǒng)測試的目的就是檢測基于樹莓派的智能垃圾分類系統(tǒng)是否符合預期目標。首先，需要檢驗系統(tǒng)的功能是否完整、性能是否穩(wěn)定；其次，需要測試系統(tǒng)采集并傳到后臺的數(shù)據(jù)是否準確；最后，需要測試系統(tǒng)是否能實現(xiàn)預期的功能。通過測試之后，如果系統(tǒng)達到預期目標則通過測試，否則需要對出現(xiàn)的問題進行分析與調整，直至達到預期的目標。

3.2 功能測試

3.2.1 預期測試要求

（1）要求5 s內完成對垃圾的捕獲和識別，使用戶獲得比較好的使用體驗。

（2）要求可以在1 min內連續(xù)地對10名用戶所投放的垃圾完成檢測。

（3）要求可以識別85%以上的垃圾種類。

3.2.2 測試數(shù)據(jù)

（1）攝像頭捕獲和識別的時間測試

由表2的測試結果可以發(fā)現(xiàn)，攝像頭基本可以完成5 s內捕獲并識別的任務，其中存在識別時間略長現(xiàn)象的原因是離攝像頭過近，對焦耗時較長，調整距離后再次實驗，耗時在5 s之內。

表2 圖像識別時間測試結果

（2）垃圾的連續(xù)識別投放測試

表3的測試結果中，從20:10:30到20:11:21一共進行了10次連續(xù)檢測，每次檢測不同的垃圾，表明垃圾分類亭可以進行高效率的負荷分類。

表3 垃圾投放測試結果

（3）識別率測試

在表4的測試結果中，第10次垃圾識別出現(xiàn)了問題，原因是舊衣物表面線頭較多，被識別系統(tǒng)誤判成了毛絨玩具，剪掉部分線頭之后再次測試，成功完成識別。

表4 圖像識別率測試結果

4 結 語

本文研究的是基于樹莓派的智能垃圾分類亭。對收集到的圖片和數(shù)據(jù)，使用深度學習算法進行多次訓練，實現(xiàn)了對多類型垃圾的識別；使用的深度學習卷積神經網絡模型，使系統(tǒng)具有高精度分辨率，能夠提高識別率。在系統(tǒng)設計的過程中，主要實現(xiàn)了以下功能：

（1）能夠正確識別用戶拍照上傳的圖片，同時反饋給用戶該拍照圖片為哪種垃圾。

（2）在平臺上直接上傳需要分類的垃圾的圖片，平臺能夠快速識別出該垃圾的類型，分類亭可以自動將垃圾投放至對應的垃圾桶，同時對應的垃圾桶等待10 s后自動關閉。

（3）分類亭可以將識別到的垃圾上傳至數(shù)據(jù)庫進行數(shù)據(jù)的保存操作。目前，分類亭的設計已經完成，功能已經實現(xiàn)，不足的是無法對多目標同時進行分類識別，后續(xù)會對其進行升級，提升用戶的體驗感。