基于圖像識別技術的在校垃圾智能分類

沈婧旸 馬昕雨 喬淑云 朱曉曼 周子鈺

摘?要：在學校規模擴大、學生人數增加以及人民生活質量和生活水平提高的影響下，校園垃圾量急劇增加，校園垃圾如何處理的問題不容忽視。本文以徐州工程學院為例，結合大學校園生活垃圾具有產量大、分布集中、可回收利用價值高等特點，以垃圾分類回收更精準、可靠為目標，進行對智能垃圾分類系統的設計，讓垃圾搬到新“家”，變“廢”為寶。分析目前各高校的垃圾分類現狀，并重點根據圖像識別技術對校園垃圾智能分類系統的可行性進行綜述，旨在為校園垃圾分類和人工智能的深度融合提供方案。

關鍵詞：校園垃圾分類;人工智能;圖像識別

Intelligent?Classification?of?Campus?Waste?Based

on?Image?Recognition?Technology

Shen?Jingyang?Ma?Xinyu?Qiao?Shuyun*?Zhu?Xiaoman?Zhou?Ziyu

Xuzhou?University?of?Technology?JiangsuXuzhou?221018

Abstract：Under?the?influence?of?the?expansion?of?the?size?of?the?school，the?increase?of?the?number?of?students?and?the?improvement?of?the?quality?and?standard?of?living?of?the?people，the?amount?of?campus?waste?has?increased?sharply.How?to?deal?with?campus?garbage?can?not?be?ignored.In?this?paper，taking?Xuzhou?University?of?Technology?as?an?example，combined?with?the?characteristics?of?campus?household?garbage?such?as?large?output，concentrated?distribution，high?recycling?value?and?so?on，we?design?the?intelligent?system?of?garbage?classification?to?make?refuse?classification?and?recycling?more?accurate?and?reliable，so?that?the?garbage?can?be?putted?into?the?recycling?bins?and?waste?can?be?turned?into?treasure.We?analyze?the?current?situation?of?garbage?classification?in?colleges?and?universities，and?summarize?the?feasibility?of?the?intelligent?system?of?campus?garbage?classification?according?to?image?recognition?technology，which?aim?to?provide?a?scheme?for?the?deep?integration?of?campus?garbage?classification?and?artificial?intelligence.

Keywords：Campus?Garbage?Classification;Artificial?Intelligence（AI）;Image?recognition

一、校園垃圾智能分類的背景

近些年來，許多高校不斷擴招，人民生活水平持續進步，校園中的生活垃圾因此日益增長。意大利詩人但丁·阿利吉耶里曾說過，世界上并沒有垃圾，只有放錯位置的寶藏。高效合理地循環使用可回收垃圾已成為現代生活中必不可少的一環。

至今，很多高校還未實行垃圾分類，仍然對校園垃圾采用傳統的混合處理模式。由于垃圾長期不分類而導致的校園環境污染、資源浪費等問題日益突出，制約著生態文明建設以及環境友好型社會發展。2019年4月，生態環境部篩選確定了11個“無廢城市”建設試點城市，徐州市作為江蘇省唯一入選的試點城市更起到示范作用。而大學是一座城市的縮影，在大學校園進行垃圾分類回收是一件意義深遠、刻不容緩的事情。

大學生作為綠色發展新形勢的推動者，奉行可持續發展理念，對保護環境、節約資源等格外重視，并且對現存的垃圾分類狀況較為不滿。我們認真審視徐州地區校園垃圾處理方式及存在的問題，克服目前垃圾處理技術的不足，針對傳統人工分類費時費力、效率低，不分類混裝處理存在污染環境、危害健康、浪費資源等現象，致力于設計出基于圖像識別技術的在校垃圾智能分類系統，使來源于大自然的垃圾回歸大自然，減少固體廢物對環境的不良影響。將科技與環保相結合，創新與重復利用相結合，使垃圾智能分類回收系統深入大學生日常生活。從在校大學生做起，逐步影響家庭、社區，乃至整個社會，垃圾分類回收逐級影響改變，從“無廢校園”最終邁向“無廢城市”。

二、人工智能圖像識別技術

提到圖像識別技術，不得不將它與人工智能聯系起來。人工智能是現如今最為熱門的技術科學，而其中的分支技術——圖像識別技術，正是一個重要的研究領域。機器如何才能與人類一樣準確認識辨別，是現下的熱門研究課題。

（一）圖像識別技術的發展

圖像識別技術是指以圖像為主體，利用計算機和數學推理方法，對圖像進行識別、處理、分析、理解，最終識別出各種不同模式的目標和對象的技術。它利用計算機程序代替人腦對圖片信息進行識別，將圖片中的信息提取出來并加以智能處理。

圖像識別技術由最初的文字識別階段，例如字母、符號等模擬圖像的識別，逐漸發展到數字圖像處理與識別階段。這個階段模擬圖像被處理成數字圖像，這讓存儲、傳輸、處理都更加方便。最終發展到如今的物體識別階段，將自然科學、社會科學、思維科學結合，對真實世界的客體和環境建立了更加清晰的感知和認識。

（二）圖像識別技術的原理

其實，計算機的圖像識別技術和我們人類對圖像的識別在本質上都是一樣的。人的大腦在“看到”一張圖片時，會根據記憶中不同的類別的特征進行比較，判斷是否有與該圖片相同或類似特征的存儲記憶，從而將圖像進行分類、識別。計算機的圖像識別技術也有類似的感知機制，計算機從大量的信息中高效準確地過濾無效信息，提煉篩選出有用信息，將圖片中的特征信息進行存儲。然后通過這些已經提取到的特征信息將圖片進行分類、識別和處理。

（三）圖像識別技術的過程

圖像處理和圖像識別是圖像識別技術過程中的兩大部分。

1.圖像處理過程

提取原始圖像，利用特定計算機軟件對其進行處理，減少圖片在采集過程中的損耗，增加圖片的質量，將原始圖像數字化，轉化成計算機可以識別的二進制形式。圖像進行處理工作過程主要內容包括圖像數據采集、圖像增強、圖像復原、圖像編碼與壓縮和圖像分割。

（1）圖像采集。提取圖像數據的重要步驟之一是圖像采集。通過照相機、攝像機、掃描儀等設備，獲得采樣數字化的圖像。將圖像采集完畢是圖像處理過程中的第一步。

（2）圖像增強。數據在成像、采集、傳輸、復制等過程中會有一定損耗，所以圖像的質量會有所下降，呈現的視覺效果與人們所期待的將有所偏差。為了提高圖像的清晰度，增強圖片質量，通常使用圖像增強技術，使圖像中的物體的輪廓更加清晰，細節更加明顯，高質量的圖像是后期的圖像分析和圖像理解的基礎。

（3）圖像復原（圖像恢復）。由于在采集時受環境的影響，數字化后呈現的圖像較為模糊。通常對圖像進行恢復，來獲得較清晰的圖像。圖像恢復原的主要技術有濾波方法，其作用是將降質后的圖像恢復成原始圖。圖像重建是圖像恢復的另一種特殊技術，根據物體橫剖面的一組投影數據來重新建立圖像。

（4）圖像編碼與壓縮。數字圖像的數據量大，需要占用很大的存儲空間。為了可以方便快速地傳輸圖像，必須對圖像進行編碼和壓縮。利用圖像編碼壓縮技術不但減少了圖像的冗余數據量，節省了存儲器的容量，而且提高了圖像傳輸速度、縮短了處理時間。

（5）圖像分割技術。圖像分割是把圖像分割許多個子區域，這些子區域互不重疊但又具有各自特征，每個子區域是構成像素的一個連續集。對圖像進行分割是之后的圖像識別、分析和理解的基礎。

2.圖像識別過程

圖像識別過程就是將經過圖像處理得到的圖像進行特征抽取和選擇，并根據特征進行圖像分類。其中主要有特征抽取和選擇以及分類器設計和分類決策。

（1）特征抽取和選擇。特征抽取和選擇就是在模式識別中將圖像所具有的關鍵特征抽取并選擇出來，便于之后圖像的分類匯總。特征抽取的正確性，對圖像分類起決定性作用，因此特征的抽取和選擇是圖像識別過程中最為重要的一環。

（2）分類器設計和分類決策。設計分類器即設定信息分類的規則。在設定好的規則下對不同的關鍵特征進行分類，提高圖像識別的準確性。最后將提取好的圖片特征與之對比識別，做出分類決策，分類的結果要進行評估。

（四）圖像識別技術的分析和應用

1.模式識別

在計算機的快速發展和人工智能的興起的影響下，人們希望使用計算機來代替、擴展部分傳統人腦活動，模式識別技術在此應運而生。模式識別是指對圖像大量的數據信息進行分析和處理，從而得到計算機對圖像的分類和識別的結果。

模式識別根據圖像識別技術多年積累的經驗，將計算機科學與數學的分析和推理相結合，對圖像特征進行準確的分類、選擇，以實現圖像特征的自動識別。

模式識別具有學習和實現兩個過程。在學習過程中，圖像存儲是最為重要的一個環節。計算機提前將元圖像及其關鍵特征進行存儲，然后根據既有規則設計分類器，形成可比對識別圖像的計算機程序。實現過程的本質就是比對，即將圖像的關鍵特征與已分類的模板進行對比、識別。

在圖像識別技術的現實應用中，計算機與人腦之間依舊存在較大差異。但由于識別的需求越來越高，便讓計算機學習模式識別，對傳統的人腦活動進行擴展。對有些人腦難以識別的圖像，計算機可以將圖像最關鍵的信息與以前存儲過的元圖像及其特征逐一匹配，如果可以分類，則說明計算機可以識別該圖像。

但模式識別也具有一定的局限性。當識別出的特征與其他類別的特征具有高度相似性，計算機的圖像識別容易產生偏差。

2.神經網絡

神經網絡圖像識別技術是在以傳統的圖像識別技術為基礎的前提下，結合現代神經網絡算法的一種的全新識別技術。神經網絡圖像識別技術會先提取圖像的特征，再將其特征映射到神經網絡中，對其進行圖像識別分類。在圖像識別系統中融入神經網絡算法，雖然說提高了研發成本和技術復雜度，但卻發揮了更精確的作用。神經網絡技術先提取并捕捉圖像特征，再利用圖像所具有的特征映射到神經網絡程序中，實現了更全面且精確的圖像識別分類。

在實際應用中，比如尋找汽車時，用攝像頭獲取汽車車牌的圖像，然后將圖像上傳到計算機進行保存，最后利用車牌定位模塊提取車牌信息，識別車牌上的字符并得出最終結果。在此過程中就應用了神經網絡圖像識別技術。

3.非線性降維

數字化后的圖像數據通常是多維，計算機識別這種數據需要消耗很長的工作時間。降維是讓計算機更高效識別數據的最有效方法之一。由線性降維和非線性降維兩個主要部分組成。線性降維易于理解，但其計算的復雜度較高且會需要較多的時間和空間，于是產生了將非線性降維應用于計算機識別技術。

非線性降維的圖像識別技術是一種高效的特征提取方法。它可以在保持圖像原有結構的同時對其進行降維處理，使計算機的識別工作在低維度上進行，這樣不僅使計算機空間得到充分釋放，同時也提高了識別的速率。

非線性降維的圖像識別技術也具有很好的實際運用性。例如識別人臉時，人臉圖像分布不均勻，采集器獲得的數據維數非常高，這對計算機來說更是“難上加難”。通過非線性降維技術可以將其降維成分布緊湊的圖像，從而提高人臉識別的效率。

三、圖像識別技術的在校園垃圾智能分類中的應用

（一）基于圖像識別的智能垃圾分類的技術實現

利用圖像識別技術對大學校園中產生的生活垃圾進行智能分類回收，首先需要有攝像頭等采集器，對垃圾進行掃描，收集垃圾的元圖像，然后將收集的圖像轉換成數字信號。利用圖像增強、圖像還原等方法，增加圖像的清晰度，保證信息的準確性。由于垃圾的圖像較為復雜，可以使用非線性降維處理。

然后設計一個信息處理器，對采集到的圖像信息進行識別分析，對圖像信息提取、整合出關鍵特征，為下面的對比分類做準備。

接著建立一個垃圾分類信息數據庫，運用SQL語句輸入垃圾類別的關鍵特征，并用group?by進行分組，形成垃圾分類特征。

最后設計分類器，進行分類訓練，循環迭代。最終將提取好的圖片特征與數據庫中已有的數據識別比對，做出分類決策，明確分析投入垃圾的分類。分類的結果要進行評估。

（二）基于圖像識別的智能垃圾箱的發展前景

在西安、無錫等多個城市，垃圾分類智能回收箱的使用已隨處可見。分析對比之下，使用這一新型設施后人們更加積極地實行垃圾分類，也使得社會的垃圾回收工作更加準確，更省時省力。在“時間就是金錢”的現代社會，智能垃圾分類這項技術值得充分使用。

但是由于智能垃圾箱實現需要的技術較復雜、成本較高、日后維護較頻繁，現只被應用在了大型住宅社區，還未進入各大高校。但是，高校居住人口多，分布密集，更應積極使用基于圖像識別的智能垃圾箱。隨著社會經濟水平不斷提高、科學技術的日益精進與成熟，并且對環保這個“剛需”概念的不斷重視，基于圖像識別的智能分類垃圾箱，在不久后的將來，應用范圍將越來越廣泛，成本也會逐漸減少，分類也會越來越精準，最后走進百姓生活中，為人們生活日常提供服務。這樣，垃圾分類才會變成人們真實的行動。

結語

相比消耗大量的人工作業，人工智能算法下的圖像識別技術使垃圾分類更精準、更省時。相比于人腦識別，圖像識別技術的優點在于可以更便捷、更迅速、更準確地識別出垃圾分類。不僅可以節省時間，節省人工，還有利于培養高校學生對于環境保護的意識，提高垃圾分類的積極性，將垃圾分類由“紙上談兵”真正運用到生活中。最后建設“無廢校園”，并且一步一步建成“無廢城市”。

參考文獻：

[1]甘華生.面向人工智能算法下圖像識別技術分析[J].中國新通信，2020，22（22）：4041.

[2]陳家琪.校園垃圾的現狀調查及處理對策探究——以東北師范大學凈月校區為例[J].現代職業教育，2018（10）：192193.

[3]凌詩佳.基于圖像識別的垃圾桶智能監護方法研究[J].無線互聯科技，2020，17（05）：128129.

[4]劉田田.基于大數據的垃圾智能處理系統的分析與設計[J].電腦知識與技術，2020，16（30）：6768.

基金項目：江蘇省徐州市科技計劃重點研發（社會發展）項目：有機垃圾致病性微生物滅殺與腐熟制肥關鍵技術研究（No：KC20194）;徐州工程學院大學生創新創業訓練計劃項目：大學校園垃圾分類回“家”智能管理系統設計（No：XCX2020057）

*通訊作者：喬淑云，碩士，副教授，研究方向：智能信息處理。