一種基于YOLOv5 的垃圾分類機械人設計＊

巫傳珺，張 松，胡 正，汪川貴，郭麗芳

（1.成都工業學院網絡與通信工程學院，四川 成都 611730；2.成都工業學院綜合改革與政策法規處，四川 成都 611730）

在當今的城市生活中，國家通過相應的政策督促居民進行垃圾分類，雖然有國家政策的支持，但對于大眾來說，垃圾分類的觀念還沒有深入人心，因此如何更快、更有效地幫助人們進行垃圾的分類，就成了本篇的研究點。

對于市場上流行的掃地機器人，主要功能的設計在于機器人自主尋路、自動規避障礙等[1]，而對于工業垃圾分類車，主要采用傳統后裝壓縮式垃圾車或者后高位自裝卸式垃圾車[2]，體積龐大，無法在小空間場景內使用。本文設計的垃圾機器人采用視覺處理技術[3]解決了小場景下的自動垃圾拾取與分類問題。

本文設計的垃圾分類機械人能夠從指定位置出發，快速搜尋垃圾，對垃圾識別并分類揀送到指定的垃圾堆放地，機械人采用位置式PID 算法對機械人運動進行實時控制，在文獻[4-5]的論文報告中對YOLOv5 模型訓練進行了運用，分別對口罩和動物進行了檢測，筆者們參考了其識別方法，對不同的垃圾進行了模型部署，以高精度識別不同的垃圾，采用OpenMV 攝像頭[6]對分類區域的分類色塊進行識別，采用機械門夾取方式對垃圾進行拾取，完成機械人從出發到垃圾搜索、垃圾識別、垃圾拾取、垃圾分類的整個過程。本文通過對小型垃圾分類機械人的設計研究，為家用生活垃圾處理設備提供新的設計思路。

1 系統總體設計

機械人系統主要由STM32 單片機主控系統、Jetson Nano 平臺、OpenMV 平臺組成，其中STM32單片機作為機械人的主控單元，主要負責機械人的移動、機械門的抓取與垃圾的堆放分揀；Jetson Nano 平臺負責垃圾的識別工作，主要進行垃圾的搜尋及對垃圾種類的識別，同時將識別到的垃圾種類信息與目標垃圾位于鏡頭的坐標發送給STM32 主控；OpenMV 平臺主要負責對垃圾堆放區的檢測及對不同垃圾堆放區的識別，同時堆放區位于鏡頭內的坐標發送給STM32主控，STM32 主控在接收到來自2 個攝像頭的數據后作出相應的處理，包括移動機械人至目標垃圾點并進行抓取、移動機械人至目標堆放區、釋放垃圾、退出堆放區，再開啟新一輪的垃圾尋找，其系統架構如圖1所示。

圖1 系統架構圖

2 系統各模塊設計與實現

2.1 基于Jetson Nano 的垃圾種類的識別

Jetson Nano 是英偉達Jetson 系列的一款開發板，也是性價比最高的一款板子，平臺上提供了現代AI 的強大算力，因此可以在上面進行一些復雜的AI 計算，YOLOv5 是一種單階段目標檢測算法，該算法在YOLOv4 的基礎上添加了一些新的改進思路，使其速度與精度都得到了極大的提升。

整個訓練過程首先會使用相機對需要拾取的垃圾進行各方位的錄像，再將錄制的垃圾視頻分解成數據集相片，通過Labelimg 對數據集進行標注，經過矩池云平臺將數據集轉化為模型，最后將模型部署到Jetson Nano 平臺，使用pycuda 運行程序與模型，Jetson Nano平臺通過單目攝像頭對垃圾進行檢測，過程如圖2所示。

圖2 YOLOv5 模型訓練流程

不同版本的YOLOv5 與EfficientDet檢測算法之間的性能也不同，版本主要有YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，不同版本YOLOv5 性能對比如圖3 所示。

圖3 YOLOv5 不同版本的對比

圖3 橫軸表示的是該算法在GPU 上對每張圖的推理時間（ms），該數值越小越好；縱軸表示的是該算法在COCO 測試數據集上面的AP 指標，該數值越大越好。與EfficientDet0 相比，YOLOv5s 不僅可以獲得更高的AP 指標，而且可以獲得更快的推理速度，本項目中的機械人為了更快地部署不同的垃圾模型，采用了YOLOv5s 進行垃圾模型的訓練。垃圾圖片集訓練后的最終模型訓練結果如圖4 所示。

圖4 YOLOv5 訓練結果

圖4 分別是對橘皮、紙團、電池、空瓶、紙杯進行模型訓練，可以看出圖集越多，識別精度越高，模型達到飽和后精度可以達到95%以上，滿足了垃圾識別的需要。

2.2 基于tof 測距垃圾目標定位

tof 測距屬于雙向測距技術，利用數據信號在一對收發機之間往返的飛行時間來測量兩點間的距離。將發射端發出數據信號和接收到接收端應答信號的時間間隔記為Tt，接收端收到發射端的數據信號和發出應答信號的時間間隔記為Tr，如圖5 所示。信號在這對收發機之間的單向飛行時間Tf=（Tt-Tr）/2，則兩點間的距離d=c×Tf，其中c表示電磁波傳播速度，其測距原理如圖5 所示。

圖5 tof 測距原理

2.3 垃圾分類區域檢測

OpenMV 自帶一個Micropython 解釋器和cv 庫，調用OpenCV 里面的blob 色塊模塊，追蹤終點的顏色，通過這種方式實現垃圾堆放區分類色塊的識別，實現方法為：首先對分類區色塊進行拍照取樣，隨后在OpenMV 軟件中通過閾值編輯器改變顏色的閾值來進行色塊追蹤，將顏色加入函數中再調用OpenCV 庫，框出鏡頭畫面中滿足顏色閾值的色塊，將信息轉化為數值的形式發送給主控，主控根據信息決定運動軌跡。區分不同種類垃圾堆放區如圖6 所示。

圖6 區分不同種類垃圾堆放區

2.4 垃圾目標抓取

機械門夾取結構：抓取垃圾的方式采用機械門夾取與豎推方式進行，機械門使用舵機與木板的結合，STM32 主控通過輸出額定PWM 波控制舵機的旋轉從而帶動木板旋轉，實現機械門的張開與閉合，通過此方式將垃圾夾取或者關在一定空間內，使用擋板推動垃圾移動。機械門抓取示意圖如圖7 所示。

圖7 機械門抓取示意圖

2.5 垃圾分類機械人控制策略算法設計與實現

本次機械人采用增量式PID 算法來控制，通過攝像頭傳回的坐標信息來計算該坐標與攝像頭屏幕中線的偏差，從而實現機械人的精準轉向，使之能夠準確地向著目標前進。

PID 算法的主要實現過程如圖8 所示。

圖8 增量式PID 實現過程

從圖8 可以看出，PID 算法實現的影響因素有3個，分別是當前偏差、歷史偏差、近期偏差，與之對應的是PID 中的比例控制（P 算法）、積分控制（I 算法）、微分控制（D 算法）。

比例控制：Ek=Sv-Xk，Pout=Kp×Ek+O0。

積分控制：Sk=E1+E2+E3+…+Ek-1+Ek，Iout=Ki×Sk+O0。

微分控制：Dk=Ek-Ek-1，Dout=Kd×Dk+O0。

其中，Ek為當前的偏差值；Kp為將誤差放大或縮小的比例系數；Sk為歷史偏差；Ki為將歷史誤差放大或者縮小的比例系數；O0為確保當誤差為0 時，整個輸出系統不會為0。

機械人對于PID 算法的應用：攝像頭是放在機械人車頭的正前方的中間，使機械人與車頭同向，鏡頭的中點也就是機械人車頭中點，當垃圾或者終點出現在鏡頭前方時，攝像頭會識別出垃圾或終點塊在鏡頭x方向的位置并將信息傳遞給主控芯片，根據垃圾或終點在鏡頭x軸方向的值，計算出與鏡頭中點的差值Ek，因此根據差值Ek計算出PID 值，根據PID 值，對左右車輪輸出的PWM 進行調整，使兩車輪轉速不同，使機器人朝垃圾方向行駛。差值越大，偏向速度越大，差值越小，偏向速度越小，當沒有偏差，垃圾或終點在機械人的正前方時，機械人不偏向，這樣就實現了機械人的PID 調速，控制流程如圖9、圖10 所示。

圖9 駛向垃圾時PID 控制流程圖

圖10 駛向終點時PID 控制流程圖

2.6 Jetson Nano 實現垃圾定位

攝像頭鏡頭內有垃圾時，機械人通過Jetson Nano傳回的物體中點位于x軸的坐標，并將坐標信息發送給STM32 單片機，STM32 單片機通過計算出垃圾中心位于x軸坐標值與鏡頭中點x軸坐標值之差，就可以使用上面講述的PID 差速控制，調整機械人雙輪的相對速度，讓機械人往物體方向運行，使垃圾始終在鏡頭中心浮動，最后當tof 模塊測試到垃圾與機械人的距離少于20 cm 時，機械門關閉，垃圾被拾取。在攝像頭鏡頭內沒有垃圾時，機械人自身旋轉車身，改變Jetson Nano 鏡頭視野，當攝像頭視野內再次出現垃圾時，回到剛開始的過程。垃圾在鏡頭的識別顯示如圖11 所示。

圖11 垃圾在鏡頭的識別顯示

2.7 OpenMV 實現對分類堆放區的定位

當機械人拾取垃圾后，機械人通過調用OpenMV硬件平臺自帶的OpenCV 庫里面的blob 色塊模塊，追蹤終點的顏色，通過閾值編輯器改變終點顏色的閾值來進行色塊追蹤，實時鎖定終點的位置坐標。

首先機械人將識別到的垃圾種類信息發送給OpenMV，OpenMV 根據垃圾種類選擇識別顏色色塊，機械人通過OpenMV 對終點色塊坐標進行識別，將顏色色塊中心在x軸上的坐標值傳遞給單片機，STM32單片機通過判斷其相對于鏡頭中點x方向上的距離，使用上述講述的PID 差速控制，調整機械人雙輪的相對速度，讓機械人往終點方向行駛。

2.8 TCS34725 模塊實現終點的定位

當機械人行駛到終點附近時，使用TCS34725 模塊檢測終點色塊。TCS34725 模塊是一個顏色檢測傳感器，它集成了紅外阻擋濾光片，可以最大限度地減少入射光的紅外光譜成分，并可精確地進行顏色測量，我們使用它來檢測地面的顏色信息。STM32 主控板通過I2C 通信協議對其進行通信與控制，當機械人行駛到對應的垃圾堆放色塊上時，通過TCS34725 模塊檢測，并將顏色信息發給主控，主控接收到色塊信息后，判斷顏色信息是否為堆放區色塊，當判斷為堆放區色塊時，將機械門打開，將垃圾放下。

3 結束語

本文的垃圾分類機械人基本實現了垃圾搜尋、垃圾識別、垃圾拾取、垃圾堆放的整體過程，實現了小巧化、整體化的設計，機械人的各個模塊不僅能獨立分工，還能協調工作，系統結構緊湊而又靈活，功能強大，具有極大的可擴展性，可以減少人們分類生活垃圾的負擔，提高垃圾分類的效率。設計雖已完成并且實現，但要承認的是設計中還有很多的不足，比如垃圾誤識別問題、機械人運動規劃問題、拾取微小垃圾的問題等等，需要不斷優化和改進，希望本文能對垃圾分類事業有所幫助。