基于Jetson嵌入式的智能化洗鞋機研究

向宇濤 陳錦 苗靖 林凡強

摘? 要：隨著城市生活節奏的加快，人們對于自動化設備和智能家居的需求越來越多。如智能掃地機器人[1]，智能家居化空調[2]，洗鞋機[3-4]。傳統的洗鞋機僅從清洗和消毒的角度考慮了洗鞋機的實用性，并沒有考慮鞋的材質，有些鞋子需精細護理，若對所有鞋子進行相同方式的清洗，可能會對做工精細的鞋子形成磨損。本文以Jetson嵌入式系統為核心，基于OpenCV、TensorFlow的組合式框架，并結合多軸機器臂，設計了一種可以識別鞋子材質類型，并根據這些類型使用指定的方式清洗保養的洗鞋機。

關鍵詞：洗鞋機;OpenCV;圖像處理;神經網絡;算法

1. Jetson簡介

Jetson是一款由Nvidia設計的新型SoC，它的GPU計算能力強大，功耗較低，擁有Wi-Fi、攝像頭接口和GPIO輸出接口，最新版的還有兩個攝像頭接口。現有的洗鞋機中大多使用80C51和STM32系列的芯片進行控制[5]，若需實現分類和識別部分，使用Jetson Nano嵌入式系統不僅可以控制機械臂，還可以在本地端識別鞋子的類型，并能根據新添加進來的鞋子訓練神經網絡，生成更多材質的鞋子類型，進而使用合適的方案清洗，實現所設計的功能。

2. 設計部分

機器設計部分參考了文獻[6]的部分設計，整個洗鞋機包括：Jetson嵌入式及配備的攝像頭模塊、Jetson與外設的通信模塊、電機模塊和外設模塊、伸縮支架、多種類洗滌劑、烘干風扇、多種類毛刷、清洗倉。

洗鞋機可進行上傳云端功能、清洗烘干并存放在存儲箱中等待客戶取走等流程。若洗鞋機檢測到物品不屬于認識的任一類鞋子，洗鞋機會判斷是否為鞋子，若不是則會把鞋子退返，否則洗鞋機會把鞋子的材質上報云端，待云端發送指令或根據洗鞋方式執行一個最佳的清洗流程。完成流程后，洗鞋機詢問云端或機主是否需要待機。若不需待機，洗鞋機繼續工作。在需要節省功耗時，洗鞋機會進入待機模式，只有洗鞋機收到需要工作、啟動的指令才會被喚醒。

3.識別算法

在本文的識別部分里使用開源的OpenCV庫來識別鞋子的基本類型，OpenCV庫可以調用Jetson的攝像頭模塊拍攝鞋子圖像，并用相關算法判斷鞋子類型，不同材質的灰度分布特性不同，可使用不同模板檢測鞋子材質、類型相關度。

3.1 余弦灰度相似度算法

余弦灰度相似度算法利用灰度間相似性判斷圖像相似性[7]，借助直方圖灰度分布相似性確定鞋子類別，將測試集和模板集的余弦灰度相似算法記作下式：

（1）

式中 是模板灰度級向量， 是測試鞋子灰度級向量，當 和 的圖像材質較為相似的時候， 將趨近于1，θ將趨近于0°。否則， 將趨近于0，而θ將趨近于90°。基于以上分析，定義以下的準則以判斷鞋子材質分類。

（2）

（3）

當測試材質 對應模板材質 的余弦相似度大于閾值t時，材質 被歸為材質 類，后續部分加入了神經網絡部分來輔助判別鞋子的信息。對于材質不相似，灰度相似的圖片，該算法可以進行較精確的分類，只要合理地設置閾值，洗鞋機就能正確地進行分類。

3.2 TensorFlow分類算法

當OpenCV識別結果與所有類別鞋子不相似時，使用基于TensorFlow的Shoe Classifier[8]神經網絡識別，此方式依賴Jetson的GPU模塊，功耗較高，若使用余弦灰度相似度算法，設定洗鞋機盡可能不使用TensorFlow。在實際訓練中[8]，訓練次數達到25000次后，精確度已達到90%左右。因此，洗鞋機只需要在云端訓練好權重，將這個權重文件輸入給Jetson核心板即可識別。

4. 結論

相比于傳統洗鞋機使用的單片機和STM32系統，基于Jetson嵌入式處理器方案具有很多性能上的優勢。但是Jetson嵌入式系統的成本相對較高，在后續的工作中，需要考慮成本和性能的權衡問題。

參考文獻

[1]? 薛慧心. 智能家庭掃地機器人設計原理研究與分析[J]. 信息技術，2014（11）：204-206.

[2]? 周慶和. 智能家居空調控制系統的設計[J]. 江西建材，2016（15）：9-10.

[3]? 張麗. 一種新型洗鞋機的設計[J]. 裝備制造技術，2011，000（012）：159-160.

[4]? 李國銘，劉任，雷佩紅，等. 新型洗鞋機：CN.

[5]? 謝嘉誠，安小雪，梁逸波，等. 一種新型自動布鞋洗鞋機的設計與制作[J]. 科技視界，2018，000（008）：262-263.

[6]? 張敏，王亮，謝永召，等. 小型洗鞋機的機械機構設計[C]，全國機械設計年會. 2009.

[7]? 劉英偉，秦永彬. 基于余弦相似性的m-類分類器設計與算法實現[J]. 計算機與數字工程，2014，042（003）：351-354.

[8]? Deverall J，Lee J，Ayala M. Using generative adversarial networks to design shoes：the preliminary steps[J]. CS231n in Stanford，2017.

基金項目：本文系四川省教育廳2019年規劃課題《2019年四川省大學生創新創業訓練項目》（課題批準號：30800-2019DCXM134）的系列研究成果之一

作者簡介：向宇濤（1999.7）男，漢族，四川南充人，成都理工大學本科生 研究方向：人工智能、地質勘探;

陳錦（2002.10）女，漢族，廣東惠州人，成都理工大學本科生 研究方向：通信工程、信號處理;

苗靖（1999.6）男，漢族，山西太原人，成都理工大學本科生 研究方向：嵌入式系統、圖像處理;

林凡強（1978.5）男，漢族，江蘇連云港人，成都理工大學博士，成都理工大學，副教授，研究方向：人工智能，地質勘探。