一種城市生活垃圾智能檢測分類系統設計

劉禹辰，朱娟

（湖北文理學院，湖北襄陽，441053）

0 引言

人口的快速增長、經濟的高速發展及城市化水平的持續提高，使得我國每年產生的城市垃圾不斷增多，既造成了資源浪費，又產生了環境污染。因此，垃圾分類不斷地得到國家和各界人士地關注，國家至地方政府已將城市生活垃圾分類處理作為可持續發展戰略中的重要部分并出臺了相關的政策，要求加快建立分類投放、分類收集、分類運輸、分類畜欄里的垃圾處理系統，將生活垃圾分類作為推進綠色發展的重要舉措[1]。然而，現階段我國城市街道上的分類垃圾桶大部分只是貼有標簽的普通垃圾桶，需要人為去識別垃圾種類，這種分類桶缺乏自控能力；垃圾回收后依然需要安排人力對其再次分類，消耗了大量的人力物力，因此，我們在提高公民意識的同時開發一種高效且智能的垃圾檢測分類方法顯得尤為重要。

1 智能生活垃圾分類系統總體方案

如圖1 所示，智能生活垃圾檢測分類系統由圖像采集模塊、圖像處理模塊、電源模塊、微處理器、分類模塊及舵機組成。

圖1 智能生活垃圾分類系統總體框圖

圖像采集模塊安裝在垃圾入口處，紅外模塊檢測到投遞動作時啟動圖像采集設備，垃圾圖像經濾波、增強、分割、特征值提取等處理步驟后，采用基于深度學習的技術進行目標檢測與分類，確定垃圾種類后驅動舵機轉動投遞至相應垃圾桶內，完成識別分類操作。系統中電源模塊為攝像頭、微處理器核心板及舵機供電，微處理器用于數據處理，并發送命令控制整個系統運行，分類模塊利用神經網絡訓練的分類器，用于生活垃圾的識別與分類，舵機安裝在垃圾桶中驅動置物板轉動，置物板上有閥門，置物板下方對應多個垃圾桶，確定垃圾種類后可調整舵機轉動的角度，打開閥門，實現分類投放。

2 系統硬件構成

本系統核心處理器采用STM32F103RCT6，其最小系統包括復位電路、振蕩電路、BOOT 電路及電源電路。工作電壓為2～3.6V，工作溫度為-40°C～+85°C，一系列的省電模式保證低功耗應用的要求[2]。CPU 最高速度達72 MHz，多達80 個快速I/O 口，豐富的外設配置，支持其適用于多種應用場合，如電機驅動和應用控制、智能家居、安防監控及其它工業應用。STM32F103RCT6 單片機核心板接口電路圖如圖2 所示。

圖2 STM32 核心板接口原理圖

系統圖像采集模塊使用OV7670 圖像傳感器，該傳感器具有體積小、工作電壓低，提供單片VGA 攝像和影像處理器的所有功能。通過SCCB 總線控制，可以輸出整幀、子采樣、取窗口等方式的各種分辨率8 位影響數據[3]。該產品VGA 圖像最高達到30 幀/秒。用戶可以完全控制圖像質量、數據格式和傳輸方式。所有圖像處理功能過程包括伽瑪曲線、白平衡、飽和度、色度等都可以通過SCCB 接口編程。OmmiVision 圖像傳感器應用獨有的傳感器技術，通過減少或消除光學或電子缺陷如固定圖案噪聲、托尾、浮散等，提高圖像質量，得到清晰的穩定的彩色圖像，攝像頭與STM32 核心板連接電路如圖3 所示。

圖3 攝像頭與STM32 連接電路圖

系統垃圾分類的執行是靠驅動舵機實現，舵機是一種位置(角度)伺服的驅動機，其控制一般需要一個20ms 左右的時基脈沖，該脈沖的高電平部分一般為0.5ms～2.5ms范圍內的角度控制脈沖部分，對應關系為：0.5ms--0 度，1ms--45 度，1.5ms--90 度，2.0ms--135 度，2.5ms--180度。舵機上有3 根線，分別為VCC、GND、信號線，不需要另外接驅動模塊，直接用STM32的I/O 口控制，控制信號一般要求為20ms 的PWM 信號。本系統選用的舵機為MG995，舵機與STM32 連接電路如圖4 所示。

圖4 舵機與STM32連接電路圖

3 系統軟件實現

系統軟件實現分為三部分，第一部分為攝像頭采集垃圾圖像，第二部分為STM32 核心處理器對圖像進行預處理，啟動基于深度學習的算法進行垃圾種類識別，第三部分為STM32 根據識別結果調整PWM 占空比，從而控制舵機的轉動角度，實現垃圾投遞分類。

■3.1 圖像采集

系統圖像采集在紅外模塊檢測到投遞狀態后由休眠模式轉入正常工作模式，生活垃圾從入口處投遞后，進入上層置物臺，置物臺頂部裝有圖像采集模塊，置物臺底部接有舵機，可驅動置物臺轉動，每轉動45 度采集一次圖像，共采集5 次，將5 次圖像數據進行加權平均法融合拼接，得到完整、不重影的垃圾圖像，為下一步圖像識別與分類，提供準確圖像數據，圖像采集流程圖如圖5 所示。

圖5 圖像采集流程圖

■3.2 圖像處理

圖像分析中，圖像質量的好壞直接影響識別算法的設計與效果的精度，因此在圖像分析（特征提取、分割、匹配和識別等）前，需要進行預處理。圖像預處理的主要目的是消除圖像中無關的信息，恢復有用的真實信息，增強有關信息的可檢測性、最大限度地簡化數據，從而改進特征提取、圖像分割、匹配和識別的可靠性。一般的預處理流程為：灰度化->幾何變換->圖像增強[4]。

(1)灰度化

在RGB 模型中，如果R=G=B 時，則彩色表示一種灰度顏色，其中R=G=B 的值叫灰度值，因此，灰度圖像每個像素只需一個字節存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。系統采用加權平均法對彩色圖像進行灰度化。根據重要性及其它指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB 三分量進行加權平均能得到較合理的灰度圖像。

(2)幾何變換

圖像幾何變換又稱為圖像空間變換，通過平移、轉置、鏡像、旋轉、縮放等幾何變換對采集的圖像進行處理，用于改正圖像采集系統的系統誤差和儀器位置（成像角度、透視關系乃至鏡頭自身原因）的隨機誤差。此外，還需要使用灰度插值算法，因為按照這種變換關系進行計算，輸出圖像的像素可能被映射到輸入圖像的非整數坐標上。系統采用最近鄰插值算法實現校正。

(3)圖像增強

增強圖像的目的是要改善圖像的視覺效果，針對給定圖像的應用場合，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。系統采用中值濾波算法減弱噪聲。

得到清晰垃圾圖像后，系統采用深度卷積的方法，針對所采集的生活垃圾圖像樣本集，建立相應的自動識別與分類模型。首先利用神經網絡模型中的卷積層和池化層計算垃圾圖像的特征，同時將圖像特征值保存至緩存文件中，這些特征值作為輸入進入樣本庫進行比對，得到識別結果。系統數據集采用華為2019 年在垃圾圖像分類挑戰杯大賽上公開的垃圾分類數據集，包括14000 余張垃圾圖像和對應的分類標簽。圖像處理流程圖如圖6 所示。

圖6 圖像處理流程圖

■3.3 舵機分類

系統設計中分類垃圾桶位于置物板下方，置物板上有可開合的擋板，識別指令下達后，調整舵機的轉動角度，打開擋板，實施分類投放。系統采用基于PWM 信號控制的數字舵機，上電后經定時器初始化、I/O 口初始化、AD 采樣初始化等，STM32 輸出脈寬1.5ms,周期20ms 的方波，首先控制舵機轉動到零度位置并保持，然后根據角度改變相應定時器通道的占空比，產生舵機控制信號，驅動舵機轉動到相應的角度。舵機轉動完畢后，通過AD 采集的舵機角度的反饋值，判斷舵機是否轉動到位，若實際角度和預測角度誤差較大，則采用校正算法進行角度補償。分類算法如圖7 所示。

圖7 舵機分類流程圖

4 測試

系統分別對垃圾種類識別和舵機轉動角度進行測試。對模型的生活垃圾種類進行測試時，導入樣本集后，選用5種實際垃圾圖像生成的模型文件調用神經網絡卷積算法進行比對測試，具體測試結果如圖8 所示。

圖8 垃圾圖片識別測試結果

系統分類功能主要對可回收垃圾和不可回收垃圾做了測試，初始化舵機置0 度，識別為可回收垃圾時，舵機轉動45 度，打開置物板擋板；識別為不可回收垃圾時，舵機轉動135 度，打開置物板擋板，測試結果如表1 所示。

表1 垃圾分類測試表

通過以上測試結果可知，該系統基于深度學習的神經網絡卷積算法具有較好的圖像識別能力，對常見生活垃圾的識別率達到85%左右。舵機也能根據識別結果調制控制信號，驅動其轉動角度，正確率較高。可見，系統在實際常見生活垃圾分類中有一定的應用價值。

5 總結

垃圾分類的目的是提高垃圾的資源價值和經濟價值，力爭物盡其用，減少垃圾處理量和處理設備的使用，降低處理成本，減少土地資源的消耗，具有社會、經濟、生態等幾方面的效益[5]。本文針對現有生活垃圾分類裝置人工化高、分類效果差的問題，提出了基于深度學習的智能垃圾檢測分類系統，可有效識別常見生活垃圾可回收和不可回收的種類，實現正確分類與投遞，助力資源節約型、環境友好型社會的建設，有利于我國新型城鎮化質量和生態文明建設水平的進一步提高。