基于深度學(xué)習(xí)的智能分類垃圾桶?

盧淑怡 魏 爽 萬思遠

（上海師范大學(xué)信息與機電工程學(xué)院 上海 200234）

1 引言

隨著我國可持續(xù)發(fā)展政策不斷深入，對建設(shè)美麗社會有了更高的要求，生態(tài)文明建設(shè)已成為我國發(fā)展建設(shè)中的重要戰(zhàn)略部分。垃圾分類工作就是新風(fēng)尚。當(dāng)前社會對于垃圾分類的知識較為薄弱［1］，對于垃圾處理的方法較為低效，因此我們應(yīng)提高垃圾分類的自動化水平［2］，以解決人為垃圾分類不準確、耗時較長等問題。

垃圾分類主要面臨如下幾個關(guān)鍵問題：

1）分類意識薄弱，群眾習(xí)慣難以改變

人工分類需要群眾具有垃圾分類的意識。當(dāng)下公眾的環(huán)保意識淡薄，長期養(yǎng)成的垃圾混裝習(xí)慣難以改變，但是垃圾分類工作的開展需要群眾積極主動參與。因此實現(xiàn)垃圾智能化分類是這一問題的解決方案。

2）垃圾種類繁多，實現(xiàn)準確分類存在困難

垃圾種類繁多，此外垃圾經(jīng)由各種人為原因?qū)е碌牟煌螒B(tài)是影響垃圾分類準確性的主要原因。人工分類的準確性主要取決于個人對垃圾類別的主觀判斷，且分類效率低下。因此，選擇有效的分類方法是實現(xiàn)垃圾分類的重中之重［3］。

當(dāng)前，上海市采用名稱檢索［4］的方式開展垃圾分類，這種方式通常基于事先設(shè)定的數(shù)據(jù)分類，能夠輔助居民實現(xiàn)常見垃圾的分類，但是很難有效地包含現(xiàn)有所有的垃圾以及垃圾的不同狀態(tài)，更難應(yīng)對未來持續(xù)增多的垃圾種類。趙冬娥等［5］提出了基于高光譜成像來實現(xiàn)垃圾分類，通過建立識別分類模型對反射率光譜信息進行分析，實現(xiàn)了對高光譜圖像中待分類垃圾的識別與分類，但是該方法僅對垃圾材質(zhì)進行分類，難以滿足當(dāng)下復(fù)雜的垃圾分類需求。劉雅璇等［6］提出了基于自我訓(xùn)練的長效垃圾分類方法，采用KNN分類器和支持向量機結(jié)合，實現(xiàn)垃圾分類的智能化，但是僅僅幫助了用戶了解特定垃圾的種類，不具備自動化分類功能。

周慧珺等［7］提出了基于單片機的智能垃圾桶，設(shè)計了桶蓋的自動開關(guān)，遙控垃圾桶的行走，智能封袋的功能。梁婷等［8］采用了微電腦控制芯片，設(shè)計了具備智能紅外感應(yīng)系統(tǒng)的智能垃圾桶，實現(xiàn)了垃圾桶桶蓋的自動開關(guān)和自動封口功能。戴禮驍?shù)龋?］設(shè)計了太陽能智能垃圾桶，實現(xiàn)了滅菌除蟲、自動翻蓋、語音功能和容量自動檢測等功能。但是這些研究局限于垃圾桶的使用功能，不具備分類功能。

隨著人們對于美好生活環(huán)境的需要日益提升，自動化垃圾分類技術(shù)亟待提升。針對當(dāng)前研究存在的自動化分類功能不足，本文提出了一種基于深度學(xué)習(xí)［10～12］的智能分類垃圾桶設(shè)計。該設(shè)計具有以下兩個創(chuàng)新點：

1）“Y”字型垃圾桶結(jié)構(gòu)：傳統(tǒng)的垃圾桶外觀構(gòu)造較為單一，無法實現(xiàn)進行自動化分類的功能。為實現(xiàn)自動化分類垃圾這一功能，本文以先檢測，后回收為核心思想，提出了一種新的“Y”字型垃圾桶外觀結(jié)構(gòu)。

2）基于自動化分類的圖像采集、深度學(xué)習(xí)模型與距離檢測的三層框架：本文考慮到自動化分類這一功能的復(fù)雜性，設(shè)計了一個系統(tǒng)功能框架。該框架包括了圖像采集層、深度學(xué)習(xí)層及距離檢測和傳輸層。本文采用卷積神經(jīng)網(wǎng)絡(luò)［13～15］來應(yīng)對垃圾類別的判斷，從而實現(xiàn)了準確高效的垃圾自動化分類功能。

2 系統(tǒng)設(shè)計方案

本文所設(shè)計的垃圾桶系統(tǒng)設(shè)計圖如圖1所示。該系統(tǒng)由單片機作為主要控制模塊，集成兩大功能、四個模塊為一體。兩大功能包括自動化垃圾分類和滿桶檢測與提醒，四大模塊包括舵機模塊、深度學(xué)習(xí)模塊、超聲波模塊和藍牙模塊。其中，自動化垃圾分類通過深度學(xué)習(xí)模塊檢測和舵機模塊轉(zhuǎn)動實現(xiàn)；滿桶檢測與提醒通過超聲波模塊檢測和藍牙模塊通訊實現(xiàn)。

圖1 系統(tǒng)設(shè)計圖

結(jié)合本文對硬件外觀和軟件框架的設(shè)計，所提出的垃圾桶具體實現(xiàn)的功能如下：

1）自動化垃圾分類：攝像頭獲取丟入垃圾桶的垃圾圖像，并上傳至深度學(xué)習(xí)模塊。由深度學(xué)習(xí)模塊對于投放的垃圾進行識別，并將識別后的結(jié)果通過樹莓派與Arduino的串口通信傳輸，使舵機模塊帶動隔板進行角度轉(zhuǎn)動，將垃圾自動掉入相應(yīng)的桶內(nèi)。

2）滿桶檢測與提醒：由超聲波模塊對于桶內(nèi)垃圾高度進行監(jiān)測，當(dāng)監(jiān)測結(jié)果小于設(shè)定的滿桶高度值時，智能垃圾桶頂部的LED燈將亮起，并通過藍牙模塊將信息傳輸給管理者，進行清理更換工作。

垃圾桶工作的流程圖如圖2所示。

3 硬件外觀結(jié)構(gòu)

為實現(xiàn)自動化垃圾分類這一功能，本文提出的智能垃圾桶物理結(jié)構(gòu)設(shè)計采用“Y”字型結(jié)構(gòu)，如圖3所示。其中，頂部中央為攝像頭，用于投入垃圾的圖像拍攝。由兩塊隔板（3）將垃圾桶一分為二，分別為檢測空間（1）和回收空間（2）。檢測空間（1）包含垃圾桶的投放口，主要對于投放的垃圾進行初步的匯集與檢測。回收空間（2）作為主要的垃圾收容桶，左邊小桶負責(zé)收容可回收垃圾，右邊小桶負責(zé)收容不可回收垃圾。隔板能夠支撐投放的垃圾，并在檢測出垃圾種類后，控制單個隔板向桶壁旋轉(zhuǎn)。在垃圾桶上方匯聚檢測完畢后，通過隔板（3）的轉(zhuǎn)動進行隔離回收，實現(xiàn)垃圾分類的功能。

圖2 工作流程圖

為了防止垃圾中液體對識別的干擾，該垃圾桶兩隔板間設(shè)有一條小的縫隙（4），使回收的液體流入，便于干濕垃圾的分離。隔板的上側(cè)設(shè)有兩個小水箱（5），實現(xiàn)隔板清洗的功能，解決了垃圾液體殘留引發(fā)的惡臭和衛(wèi)生問題。另外，垃圾桶底部設(shè)有用于存放垃圾袋的儲物裝置（6），便于環(huán)衛(wèi)工人更換垃圾袋操作。

圖3 智能垃圾桶物理模型圖

4 軟件框架設(shè)計

考慮到垃圾圖像分類的準確性和實效性，本文針對垃圾桶系統(tǒng)功能設(shè)計了一個三層框架，其中包括獲取圖像層、深度學(xué)習(xí)層和距離判斷與傳輸層。具體框架如圖4所示。

圖4 系統(tǒng)框架設(shè)計圖

首先，獲取圖像層通過攝像頭拍攝扔進垃圾桶的垃圾圖像，將圖像上傳到深度學(xué)習(xí)層后對垃圾類別作出判斷，并投放到相應(yīng)的內(nèi)桶中。完成投放任務(wù)后，距離檢測與傳輸層進行滿桶檢測和信息傳輸?shù)墓δ堋?/p>

4.1 獲取圖像層

針對戶外垃圾檢測的時效性需求，為進行實時的垃圾圖像采集以及進行圖像處理運算，本文采用了基于樹莓派平臺的圖像獲取方法：攝像頭安置于智能分類垃圾桶頂部內(nèi)側(cè)，結(jié)合物理模型“Y”字型中的隔板，可直觀地獲取從垃圾投放口進入的垃圾圖像。攝像頭通過獲取每一幀圖像，用于后續(xù)的圖像處理。并上傳至服務(wù)器存儲。為智能垃圾分類提供了新的可視化信息。獲取的圖像樣式如圖5所示。

圖5 攝像頭獲取圖像

4.2 深度學(xué)習(xí)層

深度學(xué)習(xí)層接收來自獲取圖像層拍攝上傳的圖片，將圖片進行灰度處理后放入已經(jīng)訓(xùn)練好的深度學(xué)習(xí)模型中進行分類判斷。目前存在許多種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，考慮到快速提取圖像信息的這一點，本文所設(shè)計的深度學(xué)習(xí)模型采用LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)。該模型具有凸顯圖像重要信息和減少計算量的特點，能夠達到較為精準和快速的預(yù)測結(jié)果，符合自動化判斷垃圾種類這一功能的要求。該模型結(jié)構(gòu)如圖6所示。

圖6 深度學(xué)習(xí)模型圖

1）卷積層（convolutions）：卷積層起到提取所拍攝到的垃圾圖像的不同特征，具體的卷積公式如下：

其中，代表模型第l層中第j個卷積輸出的特征圖像，Mj是輸入特征圖像的集合，代表第l層中第j個的權(quán)值，Bl是賦予第l層卷積的偏置項，f(·)作為非線性激勵函數(shù)。

2）池化層（pooling）：池化層是卷積神經(jīng)網(wǎng)絡(luò)中降采樣的一種形式。其減小垃圾圖像的空間大小，減少垃圾圖像的計算量和參數(shù)數(shù)量。由于識別垃圾圖像對時間上有著必要的要求，判別需要在一個較短的時間內(nèi)，以免外界再有垃圾投入，導(dǎo)致兩類垃圾判斷錯誤的情況發(fā)生。本文所采用的池化公式如下：

3）全連接層（full connections）：全連接層將本層的神經(jīng)元逐一和上一層的所有神經(jīng)元連接，起到分類器的作用，最終判斷垃圾類別。

該深度學(xué)習(xí)層所設(shè)計的模型能實現(xiàn)較為精確和快速的預(yù)測結(jié)果，從而做出正確的分類決策。

4.3 距離檢測與傳輸層

垃圾桶還配有超聲波測距模塊實現(xiàn)測距功能，其主要工作原理為該超聲波模塊接收到先前發(fā)出的特定超聲波，并通過前后時間差，計算出到垃圾離超聲波模塊的距離（D）計算公式如下：

因此能在每一次投放垃圾過后進行實時超聲波測距監(jiān)測得到距離，當(dāng)?shù)玫降木嚯x小于10cm時，通過內(nèi)置的藍牙模塊進行無線網(wǎng)絡(luò)通訊，提高了環(huán)衛(wèi)工人更換垃圾袋的工作效率。

如圖7所示，超聲波模塊每隔一定時間調(diào)用一次測距函數(shù)，當(dāng)箱內(nèi)垃圾達到一定的高度時，則LED燈亮，進而達到閃爍的效果。

圖7 超聲波流程圖

5 性能評估

本文所設(shè)計的智能分類垃圾桶能實現(xiàn)較為精確和快速的預(yù)測結(jié)果，從而做出正確的分類決策。本文所設(shè)計的深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)來自于第三世界政府提供的垃圾圖像數(shù)據(jù)集，數(shù)據(jù)集包含2664張圖像，包含的類別有易拉罐類、紙類、塑料類、濕垃圾類及其他類的5個類別。為驗證模型的有效性，模型實驗的樣本準確性如表1所示。

表1 準確性測試表

6 結(jié)語

本文提出的基于深度學(xué)習(xí)的智能分類垃圾桶的設(shè)計方案，通過所設(shè)計的“Y”字型物理模型以及LeNet-5深度學(xué)習(xí)模型、舵機模塊，超聲波模塊，藍牙模塊整合成的一個完整的系統(tǒng)，結(jié)合了人工智能、通信傳輸?shù)燃夹g(shù)，實現(xiàn)了垃圾的分類存放，滿桶檢測與提醒等功能，最終實現(xiàn)智能化垃圾分類。該系統(tǒng)將常見垃圾（如餐巾紙、塑料瓶等）進行了數(shù)據(jù)測試，證明了本文所提出的垃圾桶可以有效地提高垃圾分類率和環(huán)衛(wèi)工人的工作效率，大量節(jié)省了人力資源，減少了環(huán)境資源的浪費，大幅提升了社會效益與經(jīng)濟效益，更加符合現(xiàn)代化智能標準。