摘要：近年來我國積極推行垃圾分類政策，但受群眾反映仍然存在這垃圾分類困難的問題，因此為垃圾分類提供一種自動化，智能化的解決方案迫在眉睫。本文提出了一款智能化垃圾分類箱，以STM32F103C8T6單片機作為控制終端，搭建TensorFlow與Open CV相結(jié)合的人工智能深度學習圖像識別框架，集成了舵機、紅外識別模塊、藍牙等模塊，最終設計與實現(xiàn)精準識別垃圾種類、自動分類垃圾、滿桶提醒、藍牙數(shù)據(jù)傳輸?shù)裙δ?。本文討論的智能垃圾分類箱基于深度學習的AI圖像識別技術(shù)具有較高的智能性，提高了垃圾分類的準確率和效率，方便了群眾了解與進行垃圾分類。

關(guān)鍵詞：垃圾分類;深度學習;圖像識別;

1. 引言

當前社會對于垃圾分類的知識較為薄弱，對于垃圾處理的方法較為低效，因此我們應提高垃圾分類的自動化水平，為人們解決垃圾分類不準確，耗時較長等問題。

垃圾分類主要面臨以下幾個關(guān)鍵問題：

1）居民缺乏垃圾分類意識

據(jù)調(diào)查，近八成的居民表示，平日扔垃圾沒有分類投放的意識和想法，對于垃圾桶的表示關(guān)注度較低，很少注意扔得對不對，僅僅為了尋求方便，以至于幾乎所有分類垃圾桶內(nèi)的垃圾都是混裝的。

2）垃圾種類繁多，分類準確率低

現(xiàn)實社會當中生產(chǎn)的垃圾種類繁多，在大多時刻，人工分類的依據(jù)主要取決于個人對垃圾分類方法的主觀判斷，且分類效率低下。因此使用機器分類對于垃圾分類的推行是十分重要的環(huán)節(jié)。

2. 系統(tǒng)設計方案

本項目的硬件端以STM32作為核心，控制紅外模塊、OLED模塊、WIFI模塊、步進電機以及舵機各種硬件實現(xiàn)各種功能，本項目具有圖像識別系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、電機系統(tǒng)、輔助學習系統(tǒng)。電機系統(tǒng)由步進電機，繼電器和舵機組成;輔助學習系統(tǒng)由OLED模塊和語音播報模塊組成;圖像識別系統(tǒng)由TensorFlow與Open CV技術(shù)相結(jié)合共同實現(xiàn);數(shù)據(jù)處理系統(tǒng)由WiFi模塊與數(shù)據(jù)統(tǒng)計分析軟件組成。

3. 系統(tǒng)的硬件結(jié)構(gòu)

3.1主控制模塊

主控制模塊主要由STM32F103C8T6控制器構(gòu)成。它是整個系統(tǒng)的大腦。當紅外線模塊檢測到有物體時，反饋給控制器進行圖像識別系統(tǒng)的運行。當圖像識別系統(tǒng)識別出圖像的類別后再反饋控制器，控制電機系統(tǒng)，輔助學習系統(tǒng)以及數(shù)據(jù)處理系統(tǒng)進行垃圾的智能分類投放。

3.2輔助學習系統(tǒng)

該系統(tǒng)采用了7XFS5152CE語言模塊以及OLED顯示屏實現(xiàn)輔助學習系統(tǒng)，當圖像識別系統(tǒng)將圖像識別分類后，通過語言模塊進行語言播報，提醒投放垃圾者垃圾的類別，同時也會在OLED顯示屏當中顯示垃圾類別，方便用戶了解垃圾分類知識。

3.3電機系統(tǒng)

電機系統(tǒng)由舵機模塊，步進電機模塊，紅外模塊共同組成。垃圾桶內(nèi)部有四個垃圾桶，分別是有害垃圾，可回收垃圾，廚余垃圾，其他垃圾。在垃圾桶投放口安裝一個紅外模塊檢測是否有物品存在，若存在就反饋給主控制器一個信號，進行圖像識別系統(tǒng)的運行，當物品識別種類完成后，主控制模塊將根據(jù)編寫的算法控制步進電機與載物臺舵機模塊旋轉(zhuǎn)相應角度進行垃圾精準投放。

3.4數(shù)據(jù)處理系統(tǒng)

該系統(tǒng)由WiFi模塊，數(shù)據(jù)處理APP軟件構(gòu)成。WiFi模塊采用的是ESP8266模塊。這是一款低成本的串口Wi-Fi模塊，支持串口與Wi-Fi之間的數(shù)據(jù)傳輸，還可以通過事先預定的垃圾投放次數(shù)閾值，當垃圾投放超過閾值時判斷為垃圾桶溢滿，向該區(qū)域的垃圾處理總站發(fā)送警報信息。同時開發(fā)一款APP對垃圾分類的數(shù)據(jù)進行處理分析，記錄各類垃圾投放次數(shù)，方便管理人員進行數(shù)據(jù)的查看與分析。

4. 系統(tǒng)的軟件結(jié)構(gòu)

軟件結(jié)構(gòu)分為兩部分，一部分由于采用STM32F103C8T6作為主控制器所以部分軟件借助KEIL5開發(fā)平臺使用C語言編程實現(xiàn)功能邏輯，另一部分則是運用Open CV計算機視覺函數(shù)庫與TensorFlow搭建的深度學習圖像識別的框架?？紤]到垃圾圖像分類的準確性和實效性，本項目針對圖像垃圾分類系統(tǒng)設計了兩層框架，包括獲取圖像層、深度學習層。

4.1獲取圖像層

獲取圖像層采用Open CV技術(shù)運用其函數(shù)庫將圖像進行處理，通過攝像頭拍攝圖片后進行圖像預處理，讓圖像數(shù)據(jù)更適合AI模型進行處理，同時通過圖像預處理技術(shù)，還可以實現(xiàn)數(shù)據(jù)集的擴充，這種方法成為數(shù)據(jù)增強。

4.2深度學習層

深度學習層接收來自獲取圖像層拍攝上傳的照片，將照片進行灰度處理后放入已經(jīng)訓練好的深度學習模型中進行分類判斷。使用深度學習中的卷積神經(jīng)網(wǎng)絡作為核心進行訓練。卷積神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)包括了卷積，激活，池化，全連接等多個過程，并且重復多次卷積與池化過程，通過全連接映射到多類標記維度上。在圖像處理中，通過選取合適的卷積核（或稱算子），可以對圖像進行銳化，去噪，模糊，加強邊沿，提取深層次復雜特征。

5. 性能評估

該項目所設計的智能垃圾分類箱能實現(xiàn)較為精確和快速的預測結(jié)果，從而做出正確的分類決策。本項目所設計的深度學習網(wǎng)絡的訓練數(shù)據(jù)來自于互聯(lián)網(wǎng)中收集到的垃圾圖像數(shù)據(jù)集，數(shù)據(jù)集包含2452張圖像，包含的類別有易拉罐類，紙類，塑料類，濕垃圾及其他類的5類別，模型實驗的樣本準確性如下表所示。

6. 結(jié)語

本項目設計以STM32F103C8T6單片機作為控制中心，功能模塊作為條件，以Open CV與TensorFlow作為圖像識別系統(tǒng)的核心技術(shù)實現(xiàn)了垃圾桶自主識別垃圾并精準投放，垃圾溢滿警報，語音播報和OLED輔助學習，WiFi上傳數(shù)據(jù)與分析等功能。經(jīng)過硬件設計與軟件編程，神經(jīng)網(wǎng)絡深度學習框架的訓練，不斷調(diào)試、仿真運行、尋找輸入訓練數(shù)據(jù)集，最終使該智能垃圾分類箱實現(xiàn)了垃圾分類的功能。該系統(tǒng)將常見的垃圾進行數(shù)據(jù)測試，證明了本文所設計的智能分類箱能夠有效的對日常生活垃圾進行分類，如若投放至社會街道當中使用，可以有效提高垃圾分類率與環(huán)衛(wèi)工人的工作效率，極大的降低了垃圾分類的人力資源與成本的投入，大幅提高了社會效益和經(jīng)濟效益，更加符合了現(xiàn)代化智能標準。

參考文獻

[1]盧淑怡，魏爽，萬思遠 基于深度學習的智能分類垃圾箱[J].計算機與數(shù)學工程，2021，49（5）：1011-1029.

[2]齊鑫宇，龔劬，李佳航，何建龍 基于深度學習的垃圾圖片處理與識別[J].電腦知識與技術(shù)，2021，17（09）：20-24.

[3]邁克爾·貝耶克勒，Michael，Berkeley.機器學習：使用Open CV和Python進行智能圖像處理[M].北京：機械工業(yè)出版社，2018.

[4]劉朝輝，王維高 基于TensorFlow的水果識別系統(tǒng)設計[J].電腦知識與技術(shù)，2021，17（03）：190-191+203.

本文系廣州軟件學院大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目，項目名稱：智能垃圾分類箱，項目編號：DCXM2021012

作者簡介：陳貴生，男，2001.6.21，廣東梅州，本科，研究方向：圖像識別技術(shù)，嵌入式技術(shù)