盧淑怡 魏 爽 萬(wàn)思遠(yuǎn)

（上海師范大學(xué)信息與機(jī)電工程學(xué)院 上海 200234）

1 引言

隨著我國(guó)可持續(xù)發(fā)展政策不斷深入，對(duì)建設(shè)美麗社會(huì)有了更高的要求，生態(tài)文明建設(shè)已成為我國(guó)發(fā)展建設(shè)中的重要戰(zhàn)略部分。垃圾分類(lèi)工作就是新風(fēng)尚。當(dāng)前社會(huì)對(duì)于垃圾分類(lèi)的知識(shí)較為薄弱［1］，對(duì)于垃圾處理的方法較為低效，因此我們應(yīng)提高垃圾分類(lèi)的自動(dòng)化水平［2］，以解決人為垃圾分類(lèi)不準(zhǔn)確、耗時(shí)較長(zhǎng)等問(wèn)題。

垃圾分類(lèi)主要面臨如下幾個(gè)關(guān)鍵問(wèn)題：

1）分類(lèi)意識(shí)薄弱，群眾習(xí)慣難以改變

人工分類(lèi)需要群眾具有垃圾分類(lèi)的意識(shí)。當(dāng)下公眾的環(huán)保意識(shí)淡薄，長(zhǎng)期養(yǎng)成的垃圾混裝習(xí)慣難以改變，但是垃圾分類(lèi)工作的開(kāi)展需要群眾積極主動(dòng)參與。因此實(shí)現(xiàn)垃圾智能化分類(lèi)是這一問(wèn)題的解決方案。

2）垃圾種類(lèi)繁多，實(shí)現(xiàn)準(zhǔn)確分類(lèi)存在困難

垃圾種類(lèi)繁多，此外垃圾經(jīng)由各種人為原因?qū)е碌牟煌螒B(tài)是影響垃圾分類(lèi)準(zhǔn)確性的主要原因。人工分類(lèi)的準(zhǔn)確性主要取決于個(gè)人對(duì)垃圾類(lèi)別的主觀判斷，且分類(lèi)效率低下。因此，選擇有效的分類(lèi)方法是實(shí)現(xiàn)垃圾分類(lèi)的重中之重［3］。

當(dāng)前，上海市采用名稱檢索［4］的方式開(kāi)展垃圾分類(lèi)，這種方式通?；谑孪仍O(shè)定的數(shù)據(jù)分類(lèi)，能夠輔助居民實(shí)現(xiàn)常見(jiàn)垃圾的分類(lèi)，但是很難有效地包含現(xiàn)有所有的垃圾以及垃圾的不同狀態(tài)，更難應(yīng)對(duì)未來(lái)持續(xù)增多的垃圾種類(lèi)。趙冬娥等［5］提出了基于高光譜成像來(lái)實(shí)現(xiàn)垃圾分類(lèi)，通過(guò)建立識(shí)別分類(lèi)模型對(duì)反射率光譜信息進(jìn)行分析，實(shí)現(xiàn)了對(duì)高光譜圖像中待分類(lèi)垃圾的識(shí)別與分類(lèi)，但是該方法僅對(duì)垃圾材質(zhì)進(jìn)行分類(lèi)，難以滿足當(dāng)下復(fù)雜的垃圾分類(lèi)需求。劉雅璇等［6］提出了基于自我訓(xùn)練的長(zhǎng)效垃圾分類(lèi)方法，采用KNN分類(lèi)器和支持向量機(jī)結(jié)合，實(shí)現(xiàn)垃圾分類(lèi)的智能化，但是僅僅幫助了用戶了解特定垃圾的種類(lèi)，不具備自動(dòng)化分類(lèi)功能。

周慧珺等［7］提出了基于單片機(jī)的智能垃圾桶，設(shè)計(jì)了桶蓋的自動(dòng)開(kāi)關(guān)，遙控垃圾桶的行走，智能封袋的功能。梁婷等［8］采用了微電腦控制芯片，設(shè)計(jì)了具備智能紅外感應(yīng)系統(tǒng)的智能垃圾桶，實(shí)現(xiàn)了垃圾桶桶蓋的自動(dòng)開(kāi)關(guān)和自動(dòng)封口功能。戴禮驍?shù)龋?］設(shè)計(jì)了太陽(yáng)能智能垃圾桶，實(shí)現(xiàn)了滅菌除蟲(chóng)、自動(dòng)翻蓋、語(yǔ)音功能和容量自動(dòng)檢測(cè)等功能。但是這些研究局限于垃圾桶的使用功能，不具備分類(lèi)功能。

隨著人們對(duì)于美好生活環(huán)境的需要日益提升，自動(dòng)化垃圾分類(lèi)技術(shù)亟待提升。針對(duì)當(dāng)前研究存在的自動(dòng)化分類(lèi)功能不足，本文提出了一種基于深度學(xué)習(xí)［10～12］的智能分類(lèi)垃圾桶設(shè)計(jì)。該設(shè)計(jì)具有以下兩個(gè)創(chuàng)新點(diǎn)：

1）“Y”字型垃圾桶結(jié)構(gòu)：傳統(tǒng)的垃圾桶外觀構(gòu)造較為單一，無(wú)法實(shí)現(xiàn)進(jìn)行自動(dòng)化分類(lèi)的功能。為實(shí)現(xiàn)自動(dòng)化分類(lèi)垃圾這一功能，本文以先檢測(cè)，后回收為核心思想，提出了一種新的“Y”字型垃圾桶外觀結(jié)構(gòu)。

2）基于自動(dòng)化分類(lèi)的圖像采集、深度學(xué)習(xí)模型與距離檢測(cè)的三層框架：本文考慮到自動(dòng)化分類(lèi)這一功能的復(fù)雜性，設(shè)計(jì)了一個(gè)系統(tǒng)功能框架。該框架包括了圖像采集層、深度學(xué)習(xí)層及距離檢測(cè)和傳輸層。本文采用卷積神經(jīng)網(wǎng)絡(luò)［13～15］來(lái)應(yīng)對(duì)垃圾類(lèi)別的判斷，從而實(shí)現(xiàn)了準(zhǔn)確高效的垃圾自動(dòng)化分類(lèi)功能。

2 系統(tǒng)設(shè)計(jì)方案

本文所設(shè)計(jì)的垃圾桶系統(tǒng)設(shè)計(jì)圖如圖1所示。該系統(tǒng)由單片機(jī)作為主要控制模塊，集成兩大功能、四個(gè)模塊為一體。兩大功能包括自動(dòng)化垃圾分類(lèi)和滿桶檢測(cè)與提醒，四大模塊包括舵機(jī)模塊、深度學(xué)習(xí)模塊、超聲波模塊和藍(lán)牙模塊。其中，自動(dòng)化垃圾分類(lèi)通過(guò)深度學(xué)習(xí)模塊檢測(cè)和舵機(jī)模塊轉(zhuǎn)動(dòng)實(shí)現(xiàn)；滿桶檢測(cè)與提醒通過(guò)超聲波模塊檢測(cè)和藍(lán)牙模塊通訊實(shí)現(xiàn)。

圖1 系統(tǒng)設(shè)計(jì)圖

結(jié)合本文對(duì)硬件外觀和軟件框架的設(shè)計(jì)，所提出的垃圾桶具體實(shí)現(xiàn)的功能如下：

1）自動(dòng)化垃圾分類(lèi)：攝像頭獲取丟入垃圾桶的垃圾圖像，并上傳至深度學(xué)習(xí)模塊。由深度學(xué)習(xí)模塊對(duì)于投放的垃圾進(jìn)行識(shí)別，并將識(shí)別后的結(jié)果通過(guò)樹(shù)莓派與Arduino的串口通信傳輸，使舵機(jī)模塊帶動(dòng)隔板進(jìn)行角度轉(zhuǎn)動(dòng)，將垃圾自動(dòng)掉入相應(yīng)的桶內(nèi)。

2）滿桶檢測(cè)與提醒：由超聲波模塊對(duì)于桶內(nèi)垃圾高度進(jìn)行監(jiān)測(cè)，當(dāng)監(jiān)測(cè)結(jié)果小于設(shè)定的滿桶高度值時(shí)，智能垃圾桶頂部的LED燈將亮起，并通過(guò)藍(lán)牙模塊將信息傳輸給管理者，進(jìn)行清理更換工作。

垃圾桶工作的流程圖如圖2所示。

3 硬件外觀結(jié)構(gòu)

為實(shí)現(xiàn)自動(dòng)化垃圾分類(lèi)這一功能，本文提出的智能垃圾桶物理結(jié)構(gòu)設(shè)計(jì)采用“Y”字型結(jié)構(gòu)，如圖3所示。其中，頂部中央為攝像頭，用于投入垃圾的圖像拍攝。由兩塊隔板（3）將垃圾桶一分為二，分別為檢測(cè)空間（1）和回收空間（2）。檢測(cè)空間（1）包含垃圾桶的投放口，主要對(duì)于投放的垃圾進(jìn)行初步的匯集與檢測(cè)?；厥湛臻g（2）作為主要的垃圾收容桶，左邊小桶負(fù)責(zé)收容可回收垃圾，右邊小桶負(fù)責(zé)收容不可回收垃圾。隔板能夠支撐投放的垃圾，并在檢測(cè)出垃圾種類(lèi)后，控制單個(gè)隔板向桶壁旋轉(zhuǎn)。在垃圾桶上方匯聚檢測(cè)完畢后，通過(guò)隔板（3）的轉(zhuǎn)動(dòng)進(jìn)行隔離回收，實(shí)現(xiàn)垃圾分類(lèi)的功能。

圖2 工作流程圖

為了防止垃圾中液體對(duì)識(shí)別的干擾，該垃圾桶兩隔板間設(shè)有一條小的縫隙（4），使回收的液體流入，便于干濕垃圾的分離。隔板的上側(cè)設(shè)有兩個(gè)小水箱（5），實(shí)現(xiàn)隔板清洗的功能，解決了垃圾液體殘留引發(fā)的惡臭和衛(wèi)生問(wèn)題。另外，垃圾桶底部設(shè)有用于存放垃圾袋的儲(chǔ)物裝置（6），便于環(huán)衛(wèi)工人更換垃圾袋操作。

圖3 智能垃圾桶物理模型圖

4 軟件框架設(shè)計(jì)

考慮到垃圾圖像分類(lèi)的準(zhǔn)確性和實(shí)效性，本文針對(duì)垃圾桶系統(tǒng)功能設(shè)計(jì)了一個(gè)三層框架，其中包括獲取圖像層、深度學(xué)習(xí)層和距離判斷與傳輸層。具體框架如圖4所示。

圖4 系統(tǒng)框架設(shè)計(jì)圖

首先，獲取圖像層通過(guò)攝像頭拍攝扔進(jìn)垃圾桶的垃圾圖像，將圖像上傳到深度學(xué)習(xí)層后對(duì)垃圾類(lèi)別作出判斷，并投放到相應(yīng)的內(nèi)桶中。完成投放任務(wù)后，距離檢測(cè)與傳輸層進(jìn)行滿桶檢測(cè)和信息傳輸?shù)墓δ堋?/p>

4.1 獲取圖像層

針對(duì)戶外垃圾檢測(cè)的時(shí)效性需求，為進(jìn)行實(shí)時(shí)的垃圾圖像采集以及進(jìn)行圖像處理運(yùn)算，本文采用了基于樹(shù)莓派平臺(tái)的圖像獲取方法：攝像頭安置于智能分類(lèi)垃圾桶頂部?jī)?nèi)側(cè)，結(jié)合物理模型“Y”字型中的隔板，可直觀地獲取從垃圾投放口進(jìn)入的垃圾圖像。攝像頭通過(guò)獲取每一幀圖像，用于后續(xù)的圖像處理。并上傳至服務(wù)器存儲(chǔ)。為智能垃圾分類(lèi)提供了新的可視化信息。獲取的圖像樣式如圖5所示。

圖5 攝像頭獲取圖像

4.2 深度學(xué)習(xí)層

深度學(xué)習(xí)層接收來(lái)自獲取圖像層拍攝上傳的圖片，將圖片進(jìn)行灰度處理后放入已經(jīng)訓(xùn)練好的深度學(xué)習(xí)模型中進(jìn)行分類(lèi)判斷。目前存在許多種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，考慮到快速提取圖像信息的這一點(diǎn)，本文所設(shè)計(jì)的深度學(xué)習(xí)模型采用LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)。該模型具有凸顯圖像重要信息和減少計(jì)算量的特點(diǎn)，能夠達(dá)到較為精準(zhǔn)和快速的預(yù)測(cè)結(jié)果，符合自動(dòng)化判斷垃圾種類(lèi)這一功能的要求。該模型結(jié)構(gòu)如圖6所示。

圖6 深度學(xué)習(xí)模型圖

1）卷積層（convolutions）：卷積層起到提取所拍攝到的垃圾圖像的不同特征，具體的卷積公式如下：

其中，代表模型第l層中第j個(gè)卷積輸出的特征圖像，Mj是輸入特征圖像的集合，代表第l層中第j個(gè)的權(quán)值，Bl是賦予第l層卷積的偏置項(xiàng)，f(·)作為非線性激勵(lì)函數(shù)。

2）池化層（pooling）：池化層是卷積神經(jīng)網(wǎng)絡(luò)中降采樣的一種形式。其減小垃圾圖像的空間大小，減少垃圾圖像的計(jì)算量和參數(shù)數(shù)量。由于識(shí)別垃圾圖像對(duì)時(shí)間上有著必要的要求，判別需要在一個(gè)較短的時(shí)間內(nèi)，以免外界再有垃圾投入，導(dǎo)致兩類(lèi)垃圾判斷錯(cuò)誤的情況發(fā)生。本文所采用的池化公式如下：

3）全連接層（full connections）：全連接層將本層的神經(jīng)元逐一和上一層的所有神經(jīng)元連接，起到分類(lèi)器的作用，最終判斷垃圾類(lèi)別。

該深度學(xué)習(xí)層所設(shè)計(jì)的模型能實(shí)現(xiàn)較為精確和快速的預(yù)測(cè)結(jié)果，從而做出正確的分類(lèi)決策。

4.3 距離檢測(cè)與傳輸層

垃圾桶還配有超聲波測(cè)距模塊實(shí)現(xiàn)測(cè)距功能，其主要工作原理為該超聲波模塊接收到先前發(fā)出的特定超聲波，并通過(guò)前后時(shí)間差，計(jì)算出到垃圾離超聲波模塊的距離（D）計(jì)算公式如下：

因此能在每一次投放垃圾過(guò)后進(jìn)行實(shí)時(shí)超聲波測(cè)距監(jiān)測(cè)得到距離，當(dāng)?shù)玫降木嚯x小于10cm時(shí)，通過(guò)內(nèi)置的藍(lán)牙模塊進(jìn)行無(wú)線網(wǎng)絡(luò)通訊，提高了環(huán)衛(wèi)工人更換垃圾袋的工作效率。

如圖7所示，超聲波模塊每隔一定時(shí)間調(diào)用一次測(cè)距函數(shù)，當(dāng)箱內(nèi)垃圾達(dá)到一定的高度時(shí)，則LED燈亮，進(jìn)而達(dá)到閃爍的效果。

圖7 超聲波流程圖

5 性能評(píng)估

本文所設(shè)計(jì)的智能分類(lèi)垃圾桶能實(shí)現(xiàn)較為精確和快速的預(yù)測(cè)結(jié)果，從而做出正確的分類(lèi)決策。本文所設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)來(lái)自于第三世界政府提供的垃圾圖像數(shù)據(jù)集，數(shù)據(jù)集包含2664張圖像，包含的類(lèi)別有易拉罐類(lèi)、紙類(lèi)、塑料類(lèi)、濕垃圾類(lèi)及其他類(lèi)的5個(gè)類(lèi)別。為驗(yàn)證模型的有效性，模型實(shí)驗(yàn)的樣本準(zhǔn)確性如表1所示。

表1 準(zhǔn)確性測(cè)試表

6 結(jié)語(yǔ)

本文提出的基于深度學(xué)習(xí)的智能分類(lèi)垃圾桶的設(shè)計(jì)方案，通過(guò)所設(shè)計(jì)的“Y”字型物理模型以及LeNet-5深度學(xué)習(xí)模型、舵機(jī)模塊，超聲波模塊，藍(lán)牙模塊整合成的一個(gè)完整的系統(tǒng)，結(jié)合了人工智能、通信傳輸?shù)燃夹g(shù)，實(shí)現(xiàn)了垃圾的分類(lèi)存放，滿桶檢測(cè)與提醒等功能，最終實(shí)現(xiàn)智能化垃圾分類(lèi)。該系統(tǒng)將常見(jiàn)垃圾（如餐巾紙、塑料瓶等）進(jìn)行了數(shù)據(jù)測(cè)試，證明了本文所提出的垃圾桶可以有效地提高垃圾分類(lèi)率和環(huán)衛(wèi)工人的工作效率，大量節(jié)省了人力資源，減少了環(huán)境資源的浪費(fèi)，大幅提升了社會(huì)效益與經(jīng)濟(jì)效益，更加符合現(xiàn)代化智能標(biāo)準(zhǔn)。