楚豪杰，岑志波，馬鑫磊，王彥皓，旺扎拉

（鄂爾多斯應(yīng)用技術(shù)學(xué)院，內(nèi)蒙古 鄂爾多斯 017000）

我國環(huán)保事業(yè)不斷發(fā)展，垃圾分類回收的工作如火如荼地開展。有些地區(qū)出臺相關(guān)政策，以鼓勵居民進行垃圾分類，甚至還形成了一些幫助居民垃圾分類的行業(yè)。垃圾只是放錯位置的資源，堅持垃圾分類能夠充分利用資源，并且還能減少環(huán)境污染，利國利民。因此，垃圾分類勢在必行。綜上所述，本項目想通過制造智能垃圾分類機器人，使垃圾分揀工作人員能從繁重的重復(fù)分揀工作中解放出來。

1 主要研究內(nèi)容

研究內(nèi)容及目標：基于卷積神經(jīng)網(wǎng)絡(luò)的物體識別與分類。針對人們對垃圾沒有辦法正確判斷種類并且分類投放，因此設(shè)計了一個智能垃圾分類系統(tǒng)。其基于Open MV 框架下檢測待識別物體,采用卷積神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練出來的模型精準度非常高[1]，在垃圾的分類識別中有非常好的優(yōu)越性。系統(tǒng)為基于物聯(lián)網(wǎng)、人工智能、計算機視覺等新興技術(shù)，利用Open MV 的圖像處理能力構(gòu)建的垃圾分類模型，可以達到垃圾的識別與智能分類功能。

本系統(tǒng)是專門針對普通居民在垃圾分類方面遇到的難題而設(shè)計的智能垃圾分類系統(tǒng)。針對當前垃圾分類存在的問題，如分類效率低、人工成本高等問題，提出了一種智能垃圾分類系統(tǒng)。裝置主體上層為控制部分電路盒，中層為垃圾分類機械結(jié)構(gòu)，下層為4 個獨立的垃圾桶。垃圾桶整體結(jié)構(gòu)建模如圖1 所示。

圖1 垃圾桶整體結(jié)構(gòu)建模

2 系統(tǒng)的硬件設(shè)計

2.1 硬件識別流程設(shè)計

當垃圾投放進去之后，系統(tǒng)就會進行檢測，對垃圾種類進行識別，并且在屏幕上顯示。該系統(tǒng)能按照“可回收垃圾”“廚余垃圾”“有害垃圾”“其他垃圾”四種垃圾類型進行分類。檢測結(jié)束之后自動放入對應(yīng)的桶內(nèi)，然后結(jié)束運行。當四個桶內(nèi)垃圾達到預(yù)設(shè)容量之后，會觸發(fā)警報裝置，提醒管理員對裝滿的垃圾桶進行處理，并且在顯示屏上直接顯示，使用戶能夠方便、快捷地查閱信息。

2.2 硬件電路的連接

系統(tǒng)主要由樹莓派4B 微型計算機為控制主板、攝像頭為主要識別模塊、舵機為運動執(zhí)行機構(gòu)、近紅外傳感器模塊、電源模塊等結(jié)構(gòu)組成。

系統(tǒng)為基于物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù)，利用Open MV 的圖像處理能力構(gòu)建的垃圾分類模型，可以實現(xiàn)垃圾的識別與智能分類功能[2]。利用近紅外傳感器模塊檢測桶內(nèi)容量，如果垃圾儲存達滿載閾值的話，就會進行滿載報警，并且在管理員屏幕上顯示其滿載信息。硬件電路的連接如圖2 所示。

圖2 硬件電路連接

3 系統(tǒng)的軟件設(shè)計

基于內(nèi)容的大類物體檢索主要分為兩大部分：特征提取和相似度匹配。在整個檢索過程中，首先對所有的數(shù)據(jù)庫圖像進行預(yù)處理，并利用特征提取技術(shù)，從圖像中抽取重要信息，并將這些信息儲存于特征數(shù)據(jù)庫中。在進行搜索查詢時，需要對查詢圖像執(zhí)行同樣的預(yù)處理和特征提取操作，然后計算提取出的對象特征與數(shù)據(jù)庫中的特征之間的相似度。最后，得出最相似的圖像作為檢索結(jié)果。基于內(nèi)容的大類物體檢索的系統(tǒng)程序流程如圖3 所示。

圖3 物體檢索系統(tǒng)程序流程

4 系統(tǒng)調(diào)試

4.1 程序功能測試

為直觀地表示系統(tǒng)分類識別的效果，我們以塑料瓶、易拉罐、煙頭這三個生活中常見的垃圾進行系統(tǒng)分類功能的演示。當攝像頭對投入的垃圾進行調(diào)整提取后，運行在樹莓派嵌入式平臺的識別分類程序會與數(shù)據(jù)庫中的所以物品特征進行比較，分析出該物品與數(shù)據(jù)庫中每種已知物品的相似度概率，并輸出相似度最高的結(jié)果[3]。通過測試得到系統(tǒng)對塑料瓶、易拉罐、煙頭的識別相似度概率分別為0.874510、0.996078、0.988235，說明該系統(tǒng)對垃圾分類的成功率較高，符合功能預(yù)期。

表1 識別準確率測試結(jié)果

4.2 識別準確率測試

為提高垃圾識別的精度，本設(shè)計進行了大量的樣本采集[4]。通過大量樣本的測試，可以看到該系統(tǒng)對各類垃圾都具有較高的識別準確率，說明該系統(tǒng)具有較高的實用性。

垃圾識別錯誤原因分析：物體識別受光線明暗、擺放角度等因素影響較大。后續(xù)需要努力降低這些影響，提升識別準確率。

5 研究結(jié)果

傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)在一般的粗粒度圖像分類任務(wù)中被廣泛使用，其主要功能是自動提取大量訓(xùn)練樣本中的特征，從中獲取出色的分類效果。細粒度圖像分類主要用于識別蔬菜、水果品種，區(qū)分飲料罐的品牌款式以及識別電池型號等。由于類別之間存在微小差異，相對于普通的粗粒度圖像分類任務(wù)，這項任務(wù)更具挑戰(zhàn)性。因為訓(xùn)練網(wǎng)絡(luò)所提取的特征是粗粒度的，它們無法有效地關(guān)注細粒度大類別圖像的局部細節(jié)信息，這會對最終的分類識別結(jié)果產(chǎn)生影響[5]。因此，需要采用一種不同的結(jié)構(gòu)來解決這個問題。本文采用兩個步驟來識別細粒度物體。首先，將具有細粒度劃分的物體（如廢紙、金屬、玻璃等）視為一個大類別，實施普通的粗略分類來識別大類物體[6]。其次，為了提高對細粒度物體的識別準確性，我們采用注意力模塊，該模塊可以根據(jù)特征通道的不同賦予不同的權(quán)重。為了實現(xiàn)粗粒度和細粒度的分級識別，在粗粒度特征提取網(wǎng)絡(luò)中，我們對每個細粒度的大類別分別進行了處理。我們采用了一種不同的結(jié)構(gòu)，聚焦于對大類別分類具有關(guān)鍵影響的特征圖譜，將來自不同層次的特征圖譜整合在一起，以增強對精細物體特征的深入提取。這樣的方法使我們能夠更加精確地捕捉和理解細粒度物體的特征，從而提高了智能分類機器人實際應(yīng)用場景下大類物體的識別效果。

6 結(jié)論

存在的問題：垃圾分類準確率受光線明暗、擺放角度等因素影響較大，需要降低這些影響，提升識別準確率。

通過對本課題的研究，學(xué)習(xí)到了許多新的知識，也提升了理論與實踐相結(jié)合的能力，雖然遇到了許多困難，但是項目團隊認為垃圾只是放錯位置的資源，應(yīng)當利用所學(xué)知識為垃圾分類的事業(yè)貢獻一份力量。通過幫助人們在源頭上對廢棄物進行精細化分類投放，然后將這些分類好的垃圾進行回收利用，使其重新轉(zhuǎn)化為可再生資源。

隨著國家逐步在試點城市推廣垃圾分類，以及政策的不斷引導(dǎo)和成熟產(chǎn)品的出現(xiàn)都可以看出垃圾分類市場的巨大潛力。所以我們順應(yīng)時代研發(fā)本設(shè)計，提供智能高效的解決方案，通過改造普通垃圾桶，以較低的成本，可以將其轉(zhuǎn)變?yōu)橹悄芊诸惱埃瑥亩鉀Q當前社會所面臨的垃圾分類難題。因此，我們有理由相信本設(shè)計具有廣泛的應(yīng)用前景，定能在普及垃圾分類的過程中大放異彩。