余東 敬超*

（桂林理工大學(xué)信息科學(xué)與工程學(xué)院，廣西 桂林541004）

我國垃圾分類始于20 世紀(jì)90 年代，但垃圾分類仍然處于原地踏步的窘境，沒有被居民接受，長期處于“試行”狀態(tài)。直到2019 年1 月31 日，《上海市生活垃圾管理條例》正式成為地方性法規(guī)，并于2019 年7 月1 日起強(qiáng)制實施，當(dāng)?shù)乩诸惒湃〉蔑@著效果。2020 年初，桂林市就宣布開始在全市全面啟動生活垃圾分類工作，垃圾分類已成為居民日常生活中所必須面對的問題。

本文設(shè)計的是一款運(yùn)行在Android 手機(jī)系統(tǒng)的APP[1]，通過在 Android 應(yīng) 用 本 地 部 署 預(yù) 訓(xùn) 練 神 經(jīng) 網(wǎng) 絡(luò)ResNeXt-101-32x16d-wsl 模型，實現(xiàn)視頻實時智能垃圾分類，同時在APP 中構(gòu)建生活中常見的垃圾物品，具有6800 多條數(shù)據(jù)信息的數(shù)據(jù)庫，從而實現(xiàn)語音和文字查詢垃圾類別功能。最后整體采用CS 模式，使用Flask 構(gòu)建遠(yuǎn)程服務(wù)器，實現(xiàn)客戶端和服務(wù)器之間的數(shù)據(jù)傳輸。經(jīng)過單元測試和確認(rèn)測試，AI 識別準(zhǔn)確率在90%以上，APP 各個功能模塊運(yùn)行正常，性能穩(wěn)定可靠。Android 程序設(shè)計采用MVVM 模式，實現(xiàn)數(shù)據(jù)驅(qū)動、低耦合度、可復(fù)用性，同時做到了垃圾分類離線識別，大大提供了用戶體驗。

1 神經(jīng)網(wǎng)絡(luò)設(shè)計

1.1 神經(jīng)網(wǎng)絡(luò)概述[2]

在缺乏大規(guī)模數(shù)據(jù)標(biāo)注數(shù)據(jù)集的情況下，本文設(shè)計采用遷移學(xué)習(xí)來獲得能夠提取特征的CNN 網(wǎng)絡(luò)，采用的是神經(jīng)網(wǎng)絡(luò)ResNeXt-101-32x16d-wsl 預(yù)訓(xùn)練模型，該模型對Instagram（9.4億）數(shù)據(jù)集進(jìn)行弱監(jiān)督訓(xùn)練，對ImageNet-1k 中finetune 的參數(shù)進(jìn)行微調(diào)，具有很強(qiáng)的圖片特征提取能力。

首先根據(jù)圖片類別數(shù)目確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，然后制作數(shù)據(jù)集，對獲取數(shù)據(jù)進(jìn)行清洗、增強(qiáng)，確定超參數(shù)之后，開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)，在訓(xùn)練過程中記錄損失函數(shù)值和驗證集通過率，用于參數(shù)調(diào)優(yōu)，最后將神經(jīng)網(wǎng)絡(luò)部署到其他平臺進(jìn)行應(yīng)用，實現(xiàn)AI識別功能。

1.2 構(gòu)建數(shù)據(jù)集

本文設(shè)計的神經(jīng)網(wǎng)絡(luò)可以識別生活中常見的4 大類40 小類垃圾物品，收集到的網(wǎng)上開源數(shù)據(jù)有14000 張圖片左右。此外，使用多線程爬蟲爬取百度圖片17 萬張圖片，爬取的圖片是根據(jù)關(guān)鍵詞搜索出來的結(jié)果圖片，除了我們需要的圖片，還有許多相關(guān)圖片，如搜索“煙頭”的圖片，會有煙蒂柱、戒煙圖片等臟數(shù)據(jù)，此外，還有圖片是非RGB 三通道圖片，也是臟數(shù)據(jù)，都需要進(jìn)行數(shù)據(jù)清洗。進(jìn)行數(shù)據(jù)清洗之后，一共還有73600 張圖片，按照8：2 的比例對數(shù)據(jù)進(jìn)行劃分為訓(xùn)練集和驗證集。

訓(xùn)練前需對數(shù)據(jù)進(jìn)行預(yù)處理，將圖片等比例縮放到1：1，然后再進(jìn)行中心剪切，尺寸為224*224，最后對圖片進(jìn)行水平翻轉(zhuǎn)，高斯噪聲，旋轉(zhuǎn)角度等。

1.3 模型訓(xùn)練及部署

在本節(jié)主要過程為加載數(shù)據(jù)集，構(gòu)建神經(jīng)網(wǎng)絡(luò)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)部署。

（1）加載數(shù)據(jù)集。使用Torch 的DataLoader 接口，加載本地磁盤已經(jīng)經(jīng)過清洗的數(shù)據(jù)集，在加載過程中，對數(shù)據(jù)進(jìn)行打亂、增強(qiáng)，其中數(shù)據(jù)增強(qiáng)的Python 相關(guān)代碼如下：

（2） 構(gòu)建神經(jīng)網(wǎng)絡(luò)。 這里采用預(yù)訓(xùn)練模型ResNeXt-101-32x16d-wsl，加載預(yù)訓(xùn)練參數(shù)之后，凍結(jié)網(wǎng)絡(luò)參數(shù)，最后修改網(wǎng)絡(luò)的全連接層，使神經(jīng)網(wǎng)絡(luò)能夠做到對40 類圖片進(jìn)行分類，其構(gòu)建過程的Python 相關(guān)代碼如下：

（3）模型訓(xùn)練。這個過程中涉及定義優(yōu)化器和損失函數(shù)、是否斷點(diǎn)續(xù)訓(xùn)、參數(shù)保存等等，整體訓(xùn)練的Python 相關(guān)代碼如下：def train_network（**arg）：

經(jīng)過測試確定模型訓(xùn)練的超參數(shù)，對預(yù)訓(xùn)練模型ResNeXt-101-32x16d-wsl 訓(xùn)練了16 批次之后，損失值和準(zhǔn)確率變化如圖1 所示，其中損失函數(shù)值最低為0.248，驗證集準(zhǔn)確率最高為90.8%。

（4）模型部署。本設(shè)計需要將神經(jīng)網(wǎng)絡(luò)部署到Android 客戶端，這里使用PyTorch 官方在PyTorch 版本1.3 以上提供的模型轉(zhuǎn)化工具PyTorchMobile。

圖1 損失函數(shù)值和驗證集通過率變化圖

2 軟件實現(xiàn)

2.1 AI 識別垃圾類別功能實現(xiàn)

通過 Jetpack CameraX 組件調(diào)用手機(jī)攝像頭，在PreviewView 控件中實現(xiàn)畫面預(yù)覽，自定義一個Image analysis圖像分析器，CameraX 會將視頻畫面的每一幀圖片傳入這個圖像分析器，在圖像分析器中，調(diào)用神經(jīng)網(wǎng)絡(luò)模型對圖片進(jìn)行識別，對識別結(jié)果進(jìn)行解析之后，通過回調(diào)，將識別結(jié)果也就是圖片中物品所屬的垃圾類別返回并顯示在手機(jī)頁面上，同時為了防止光線過暗，添加了手電筒功能。

2.2 語音查詢垃圾類別功能實現(xiàn)

在科大訊飛官網(wǎng)注冊一個賬號并創(chuàng)建一個具有語音識別功能的應(yīng)用，拿到APPID 用于初始化語音識別API。自定義一個按鈕控件AudioButton 和錄音彈窗AudioDialog，重載錄音按鈕的onTouchEvent（）函數(shù)，并實現(xiàn)錄音動畫。

AudioButton 按鈕具有三種狀態(tài)：未按住按鈕的正常狀態(tài)、一直按住的錄音狀態(tài)和手指移動到按鈕范圍之外的取消錄音狀態(tài)，其中后兩者分別對應(yīng)onTouchEvent 的ACTION_DOWN 和ACTION_MOVE 事件，不同的狀態(tài)會觸發(fā)不同的事件和彈窗效果。按鈕按下時，觸發(fā)錄音彈窗并開始錄音，實時將錄音發(fā)送到訊飛開放平臺進(jìn)行語音識別，通過對語音識別API 的SpeechRecognizer 設(shè)置，使得返回的結(jié)果是已經(jīng)經(jīng)過了分詞處理。如：“西瓜皮是什么垃圾”，返回的結(jié)果為：西瓜皮、是、什么、垃圾，經(jīng)過簡單的字符串匹配，確定用戶要查詢的關(guān)鍵詞為“西瓜皮”，在得到語音識別結(jié)果和關(guān)鍵詞之后，通過回調(diào)將信息傳給AudioButton，再回調(diào)給Fragment，之后通過關(guān)鍵詞查詢數(shù)據(jù)庫，最后將語音識別結(jié)果和查詢結(jié)果展示給用戶。具體實現(xiàn)如圖2 所示。

圖2 智能垃圾分類界面

2.3 文字檢索垃圾類別功能實現(xiàn)

將SearchView和RecyclerView控件結(jié)合構(gòu)成一個帶下拉列表的搜索框，在搜索框SearchView 中輸入垃圾物品的名稱或關(guān)鍵詞，會實時對數(shù)據(jù)庫進(jìn)行查詢并將搜索結(jié)果顯示在下拉列表RecyclerView 中。 實時搜索主要是重載 SearchView.OnQueryTextListener 中的onQueryTextChange（）方法，每當(dāng)搜索框SearchView 中內(nèi)容發(fā)生改變時，都會被onQueryTextChange（）方法監(jiān)聽到，在onQueryTextChange（）方法中根據(jù)搜索框里的內(nèi)容對數(shù)據(jù)庫進(jìn)行模糊查詢，并將查詢結(jié)果顯示在RecyclerView中。文字檢索頁面效果圖如3 所示。

圖3 文字檢索頁面

2.4 生活垃圾百科功能實現(xiàn)

該功能主要是對垃圾數(shù)據(jù)庫數(shù)據(jù)分類展示的效果，主要是將TabLayout 和ViewPager2 控件結(jié)合起來實現(xiàn)不同類別垃圾數(shù)據(jù)頁面可以左右滑動和點(diǎn)擊TabLayout 進(jìn)行切換[3]，在每個頁面中都是通過RecyclerView 和PagedListAdapter 對數(shù)據(jù)進(jìn)行展示的。實現(xiàn)界面如圖4 所示。

2.5 分享與反饋功能實現(xiàn)

分享功能是通過Android 自身提供的底層API 實現(xiàn)的，可以將要分享的內(nèi)容分享到手機(jī)上可以被分享的軟件。相關(guān)代碼如下：

反饋功能是通過第三方庫okhttp3 實現(xiàn)服務(wù)器和客戶端之間的數(shù)據(jù)傳輸，主要是將用戶輸入到文本框EditText 中的信息發(fā)送到遠(yuǎn)程服務(wù)器，服務(wù)器在成功接收信息之后向客戶端返回一個成功標(biāo)志，并將反饋信息記錄到服務(wù)器數(shù)據(jù)庫中。

圖4 生活垃圾百科頁面

本文基于Android 平臺設(shè)計了一款具有實時AI 識別、語音查詢、文字檢索等對垃圾進(jìn)行分類的功能的移動應(yīng)用軟件[4]，能夠滿足居民日常垃圾分類的需要。一方面能夠及時且有效解決居民因垃圾分類知識儲備不足而難以對垃圾物品進(jìn)行正確垃圾的問題；另一方面從長期來看，潛移默化中提高居民垃圾分類的本領(lǐng)，同時也是對我國環(huán)保事業(yè)的一份助力。