家用垃圾分類回收系統

劉佳輝，李 澤

（北京科技大學天津學院，天津 301830）

0 引 言

現階段，我國大部分城市都遭受著“垃圾圍城”的困擾，這不僅制約了城鄉均衡發展和新型城鎮化的空間布局，而且還對居民的身心健康和社會進步產生了嚴重影響。破解“垃圾圍城”，首要條件是從源頭上實現垃圾減量。因此，推動城市社區開展垃圾分類勢在必行。自20世紀90年代中期起，部分地區的政府和民間團體就已開始自發探索垃圾分類工作。至2000年，原建設部選取北京、上海、南京等八個大中城市作為生活垃圾分類收集試點，嘗試大范圍推廣生活垃圾分類。就具體實踐而言，我國城市社區垃圾分類存在進展緩慢、推進困難以及居民參與率低等問題，垃圾分類獲得成功的社區案例少之又少。有學者指出，當前垃圾分類設施供給不足與垃圾回收利用體系不健全是社區生活垃圾分類進展緩慢的原因所在。本文的目標在于設計一款家用垃圾分類回收系統，從根源上解決垃圾分類難的問題。

1 垃圾分類回收系統及總體設計方案

1.1 系統總體設計

系統主要分為硬件和軟件兩部分，硬件主要包括Arduino控制硬件的舵機模塊、光電傳感器、超聲波傳感器模塊，以及樹莓派、攝像頭等。軟件部分主要包括基于樹莓派的交互界面設計和基于Lobe的垃圾檢測模型的訓練。系統框架如圖1所示。

圖1 系統框架

1.2 智能垃圾分類回收系統的軟硬件組成

智能垃圾分類回收系統的運轉主要由2個270°舵機拖動，雙舵機結構具有結構簡單、驅動控制便捷、承重能力強，以及分類運轉速度快等優點，適用于家庭垃圾分類。

2 硬件設計

2.1 主控制器模塊

本文選擇的Arduino UNO R3開發板使用ATmega328P作為主控制芯片。Arduino軟件具有自己的文本編輯器，開發者可以使用其文本編輯器來編寫和修改程序，并將程序上傳到Arduino開發板。

Arduino硬件電路板由一條用于為整個電路供電的USB數據線、一個微控制器IC組成。

2.2 舵機模塊設計

選擇使用270°海靈智電舵機作為控制器，原因在于其可控制轉動方向角度，支持角度反饋，具有智能防堵轉功能，可最大限度減少舵機因為堵轉而燒壞的幾率。金屬齒輪的舵機具有大扭力，可避免齒輪因為負載過大而崩牙。使用高精度齒輪鑲嵌可減少摩擦帶來的噪音。

舵機的伺服系統由脈沖控制，通過改變脈沖寬度控制舵機旋轉的角度，使用控制線來傳送脈沖。脈沖的參數包括最大值、最小值和頻率。例如：中間位置為1.5 ms脈沖（選擇使用270°舵機，那么中間位置為135°）?？刂葡到y發出信號，使舵機移動到需要的角度并保持，這時外力的影響不會使角度發生變化（除非超過該舵機的最大扭力）。

2.3 滿載檢測功能設計

滿載檢測選用超聲波模塊，超聲波模塊跟隨上舵機運動，當垃圾入桶后，超聲波模塊根據發送的超聲波與接收到超聲波的時間差，計算出垃圾的高度，以此實現滿載檢測。

2.4 垃圾桶機械結構設計

垃圾分類回收系統機械部分分為視頻識別區、垃圾投放區、垃圾儲存區。

垃圾投放區由上、下2個分離的平面組成，平面為2個四分之三圓，視頻識別區識別到投放的垃圾種類后，垃圾投放區的上平面擋板將垃圾推至該種垃圾儲存區上方，當下平面缺口與上平面缺口重合，垃圾便落入垃圾儲存區，如此即可實現垃圾分類。垃圾存儲區如圖2所示，垃圾識別區如圖3所示。

圖2 垃圾儲存區

圖3 垃圾識別區

2.5 垃圾桶的監測控制硬件設計

垃圾桶的監測功能包括滿載檢測、垃圾種類識別等，當光電開關檢測到信號時，Arduino通過串口通信的方式將數據傳輸至樹莓派，調用提前訓練好的垃圾檢測模型，對攝像頭讀取到的垃圾圖片進行檢測。樹莓派再通過串口通信將識別結果傳輸至Arduino UNO板，然后Arduino發送指令控制2個舵機轉動使缺口重合，將垃圾投入對應的垃圾桶。

系統硬件設計如圖4所示。

圖4 系統硬件設計

3 軟件設計

3.1 垃圾分類模型的訓練

Lobe是一款方便用戶使用的可視化工具，我們可以創建需要的深度學習模型并訓練，這個過程無需編寫任何代碼就能將其部署到APP中。

為降低垃圾識別模型的訓練時間，提高識別準確性，選用Lobe進行垃圾識別模型的訓練，通過使用大量垃圾圖片數據訓練出準確度超98%的垃圾分類模型。

Lobe是微軟開發的一款用于訓練機器學習模型的軟件，可通過圖形化操作界面導入提前準備的數據集，并根據文件樹自動給照片貼上標簽。選擇Lobe的原因在于其具有模型精度高、訓練速度快等優點。

（1）模型構建。從計算機中選擇數據所在的文件夾，之后Lobe自動創建深度學習模型并訓練。工作過程中，Lobe會調整設置并連接預訓練部分對模型進行微調。

（2）模型訓練。隨著模型的改進，可利用交互式操作界面實時監控模型的訓練進度。由于訓練在云端進行，故能夠快速生成結果，同時不影響電腦的運行速度。

（3）模型部署。模型訓練完成后，可以將訓練好的模型導出到TensorFlow，然后將其部署在樹莓派中，或者生成API，直接將模型部署到云端，然后遠程調用模型。

3.2 人機交互界面的設計

為提高人機交互界面的體驗，使用Tkinter實現圖形化操作界面，可通過觸摸屏實現垃圾分類知識普及。視頻與攝像頭識別界面可隨時切換，并顯示出垃圾總數及各類垃圾的數量等信息。視頻宣傳界面如圖5所示，垃圾檢測界面及垃圾檢測結果如圖6所示。

圖5 視頻宣傳界面

圖6 垃圾檢測界面及垃圾檢測結果

4 結 語

本文設計的垃圾分類回收系統利用視覺識別技術與單片機技術實現了垃圾智能識別和分類，并具有滿載檢測功能，能夠在顯示屏上實時顯示垃圾分類情況。此垃圾分類回收系統用盡可能低的成本實現了較多實用功能，但目前的承重能力和硬件可維護方面還存在一定問題。下一步，團隊將側重于系統機械承重和結構部分的改進，同時對視覺識別數據庫進行優化和擴充，使之能夠具有較好的現實情景實用性。