基于圖像處理的智能分類垃圾桶的設(shè)計

胡耀，王棟，馬龍，張斌

（塔里木大學(xué)機械電氣化工程學(xué)院，新疆阿拉爾，843300）

關(guān)鍵字：圖像處理；樹莓派4B開發(fā)板；垃圾智能分類；智能垃圾桶

0 引言

近年來隨著經(jīng)濟、工業(yè)的飛速發(fā)展，產(chǎn)生垃圾大量的生活垃圾、工業(yè)垃圾。垃圾現(xiàn)有的主要處理方式有掩埋、焚燒、填海，導(dǎo)致垃圾污染也從陸地蔓延到了海洋。以上垃圾的處理方法不僅污染環(huán)境而且造成資源浪費[1][2]。降低環(huán)境污染，變廢為寶，最大程度挖掘垃圾的潛在價值，垃圾分類回收勢在必行。但是人們覺得垃圾分類繁瑣、費時、容易混淆。很難真正做好垃圾源頭分類很難。綜合以上問題，本次大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項目設(shè)計一個基于圖像處理的智能分類垃圾桶，該垃圾桶以日常生活垃圾分類為主題，如：廚余垃圾、有害垃圾、可回收垃圾和其他垃圾等四類生活垃圾，該垃圾桶能具有自主判斷、垃圾分類、方便投放、滿載警報功能及播放垃圾分類宣傳片的功能。

1 智能分類垃圾桶的結(jié)構(gòu)與原理

該垃圾桶的外部形狀及內(nèi)部結(jié)構(gòu)如下圖所示，如圖1和圖2所示。垃圾桶整體尺寸為直徑50厘米，高60厘米，垃圾桶的容積約為118升，4個子垃圾桶即垃圾投放箱可拆卸。

圖1 智能分類垃圾桶外觀

圖2 智能分類垃圾桶爆炸圖

1.1 智能分類垃圾桶的結(jié)構(gòu)

該垃圾桶主要由以下幾個部分組成，垃圾桶支撐架，投放箱（4個）、隔板、舵機等。支撐架用于支撐四個子垃圾桶及垃圾桶上部投放箱、隔板及舵機，四個子垃圾桶由四個舵機單獨控制[3]。

1.2 智能分類垃圾桶的原理

（1）垃圾桶有紅外檢測功能，在光紅外傳感器模塊探測范圍內(nèi)探測到有人員要投放垃圾時，垃圾桶自動打開桶蓋，人員將垃圾投放到垃圾桶上部的投放箱中，在垃圾投放箱中進行垃圾識別，此時攝像頭會獲取垃圾圖片，完成圖像信息采集。

（2）攝像頭拍照獲取垃圾圖片，并將圖片信息上傳給樹莓派開發(fā)板中的圖像處理系統(tǒng)，圖像處理系統(tǒng)會調(diào)取模型數(shù)據(jù)庫與該圖片進行分析、對比、識別，獲得該種垃圾的可信度，從得出垃圾的種類。

（3）識別出具體垃圾種類后，樹莓派開發(fā)板將發(fā)出控制命令到控制系統(tǒng)。假設(shè)當前識別出的是可回收垃圾，控制系統(tǒng)將控制該垃圾桶的舵機和隔板舵機，由舵機帶動可回收垃圾的垃圾桶旋轉(zhuǎn)到隔板投放口下方，隔板投放口打開，垃圾投入垃圾桶，完成垃圾投放。若垃圾桶內(nèi)垃圾達到容納上線，位置傳感器檢測到有物體，觸發(fā)滿載報警器報警，及時提醒工作人員清空垃圾桶。

2 智能分類垃圾桶的工作流程

本項目設(shè)計的智能分類垃圾桶主要由圖像信息采集模塊、圖像處理模塊與垃圾分類執(zhí)行模塊組成[4]。如圖3所示。圖像信息的采集在本項目設(shè)計的采集箱中進行，調(diào)整好光源位置，通過樹莓派攝像頭獲取圖像，并將圖像保存并傳輸?shù)綐漭砷_發(fā)板。在前期已創(chuàng)建好的垃圾識別模型、分類模型中對圖片進行處理、評估，從而正確得出垃圾的類別。同時將所識別出的垃圾分類信號傳輸?shù)綐漭砷_發(fā)板，樹莓派開發(fā)板發(fā)出信號控制舵機旋轉(zhuǎn)相應(yīng)的角度，將對應(yīng)的垃圾桶轉(zhuǎn)到垃圾投放口，完成垃圾投放。

圖3 智能分類垃圾桶工作流程

2.1 圖像信息采集模塊

主要由樹莓派4b開發(fā)板、樹莓派攝像頭和采集箱組成。如圖4所示。

圖4 垃圾圖像采集組件

2.1.1 垃圾樣本的采集

（1）訓(xùn)練樣本的采集

為提高垃圾識別的精度，項目組成員進行了大量的樣本采集，保證圖像處理的訓(xùn)練模塊有充足的、全面的數(shù)據(jù)庫。訓(xùn)練樣本主要對可回收垃圾、干垃圾、濕垃圾及有害垃圾等四大類進行采集。每一種垃圾采集至少1000個樣本以上，以可回收垃圾為例，首先考慮到可回收垃圾的種類，其次考慮每種可回收垃圾的形狀、大小、顏色等情況，最后考慮到樣本采集時的角度、距離、光照等問題。同理其他三種垃圾樣本采集時也要考慮相關(guān)的因素。

采集的可回收垃圾主要選取了礦泉水瓶、酒瓶、易拉罐、廢紙等。有害垃圾主要選取了過期藥品、廢舊電池、過期化妝品、廢燈泡等。干垃圾即其他垃圾主要選取了煙頭、衛(wèi)生紙、塑料袋、陶瓷等。濕垃圾即廚余垃圾主要選取了香蕉皮、橘子皮、蘋果核、西瓜皮、雞蛋殼等。

樣本采集完畢后，檢查所獲取的垃圾圖片是否清晰、是否有噪點，如果有要重新采集，直到清晰可用為止。檢查結(jié)束后建立文件夾將獲取的每一類垃圾圖片進行命名并保存到對應(yīng)的文件夾中，方便圖像處理模塊種模型的訓(xùn)練。

（2）驗證樣本的采集

驗證樣本即是對訓(xùn)練的模型進行檢驗的對象，盡量與訓(xùn)練樣本不同同，以免影響識別的準確率。項目組成員隨機選取四類垃圾共計175個，隨機抽取一種進行驗證直至175個垃圾都驗證完畢。

2.2 圖像處理模塊

本項目采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法 對圖像進行信息讀取、模型建構(gòu)及模型訓(xùn)練，最后得出學(xué)習(xí)函數(shù)，當隨機投入任意種垃圾時，訓(xùn)練出的模型會預(yù)測垃圾的類型。 構(gòu)建的模型由輸入層、卷積層、池化層、全連接層和輸出層組成。卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

圖5 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

（1）其中輸入層：輸入垃圾圖片，為卷積層提供信息數(shù)據(jù)。

（2）卷積層：卷積層通過卷積運算提取圖像的特征，隨著卷積層的增加，多層網(wǎng)絡(luò)可以提取更為復(fù)雜的圖像特征。公式，其中，是l層第j個特征平面的輸出特征,是l-1卷積層第i個特征平面的輸出，是l層第j個神經(jīng)元的權(quán)值，是l層的第j個特征平面的偏置[5]。

（3）池化層：壓縮數(shù)據(jù)，降低數(shù)據(jù)維度，池化層在卷積之后對圖像進行降維。采用relu函數(shù)激活神經(jīng)元。

（4）全連接層：把所有局部特征以及各通道的特征矩陣結(jié)合變?yōu)橄蛄看恚贸雒恳活惖牡梅郑雌鸬健胺诸惼鳌钡淖饔茫卷椖坎捎肧oftmax函數(shù)進行分類。

2.3 垃圾分類執(zhí)行模塊

垃圾正確的分類投放主要由樹莓派開發(fā)板、舵機和四個子垃圾桶共同完成。首先在圖像信息處理模塊中，完成了所投放垃圾的識別并輸垃圾類別信號，樹莓派開發(fā)板將根據(jù)所獲取的信號控制對應(yīng)的舵機旋轉(zhuǎn)到投放口下方，打開投放口隔板完成此次垃圾投放。

3 垃圾分類的準確率

得出此智能分類垃圾桶的驗證結(jié)果如表1所示。將175個生活垃圾混合隨即抽取一種投入垃圾桶進行識別，同事統(tǒng)計每種垃圾的個數(shù)及垃圾被正確識別出來的次數(shù)，直到所有垃圾都識別完成，統(tǒng)計系統(tǒng)識別的結(jié)果。得到下表1

表1 智能分類垃圾桶驗證結(jié)果

4 結(jié)束語

本文介紹了一種智能分類垃圾桶，該垃圾桶利用了樹莓派開發(fā)板、機器視覺技術(shù)和傳感器技術(shù)等。項目組成員實地采集擬分類四種垃圾對其進行測試，結(jié)果準確率分別是90.4%、88.7%、76.2%、100%。通過了垃圾分類測試，驗證了垃圾智能分類的可行性。但是該裝置對于處理剩飯剩菜之類的廚余垃圾還有待提高，訓(xùn)練模型需進一步優(yōu)化改進。