劉禹辰，朱娟

（湖北文理學(xué)院，湖北襄陽(yáng)，441053）

0 引言

人口的快速增長(zhǎng)、經(jīng)濟(jì)的高速發(fā)展及城市化水平的持續(xù)提高，使得我國(guó)每年產(chǎn)生的城市垃圾不斷增多，既造成了資源浪費(fèi)，又產(chǎn)生了環(huán)境污染。因此，垃圾分類不斷地得到國(guó)家和各界人士地關(guān)注，國(guó)家至地方政府已將城市生活垃圾分類處理作為可持續(xù)發(fā)展戰(zhàn)略中的重要部分并出臺(tái)了相關(guān)的政策，要求加快建立分類投放、分類收集、分類運(yùn)輸、分類畜欄里的垃圾處理系統(tǒng)，將生活垃圾分類作為推進(jìn)綠色發(fā)展的重要舉措[1]。然而，現(xiàn)階段我國(guó)城市街道上的分類垃圾桶大部分只是貼有標(biāo)簽的普通垃圾桶，需要人為去識(shí)別垃圾種類，這種分類桶缺乏自控能力；垃圾回收后依然需要安排人力對(duì)其再次分類，消耗了大量的人力物力，因此，我們?cè)谔岣吖褚庾R(shí)的同時(shí)開發(fā)一種高效且智能的垃圾檢測(cè)分類方法顯得尤為重要。

1 智能生活垃圾分類系統(tǒng)總體方案

如圖1 所示，智能生活垃圾檢測(cè)分類系統(tǒng)由圖像采集模塊、圖像處理模塊、電源模塊、微處理器、分類模塊及舵機(jī)組成。

圖1 智能生活垃圾分類系統(tǒng)總體框圖

圖像采集模塊安裝在垃圾入口處，紅外模塊檢測(cè)到投遞動(dòng)作時(shí)啟動(dòng)圖像采集設(shè)備，垃圾圖像經(jīng)濾波、增強(qiáng)、分割、特征值提取等處理步驟后，采用基于深度學(xué)習(xí)的技術(shù)進(jìn)行目標(biāo)檢測(cè)與分類，確定垃圾種類后驅(qū)動(dòng)舵機(jī)轉(zhuǎn)動(dòng)投遞至相應(yīng)垃圾桶內(nèi)，完成識(shí)別分類操作。系統(tǒng)中電源模塊為攝像頭、微處理器核心板及舵機(jī)供電，微處理器用于數(shù)據(jù)處理，并發(fā)送命令控制整個(gè)系統(tǒng)運(yùn)行，分類模塊利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練的分類器，用于生活垃圾的識(shí)別與分類，舵機(jī)安裝在垃圾桶中驅(qū)動(dòng)置物板轉(zhuǎn)動(dòng)，置物板上有閥門，置物板下方對(duì)應(yīng)多個(gè)垃圾桶，確定垃圾種類后可調(diào)整舵機(jī)轉(zhuǎn)動(dòng)的角度，打開閥門，實(shí)現(xiàn)分類投放。

2 系統(tǒng)硬件構(gòu)成

本系統(tǒng)核心處理器采用STM32F103RCT6，其最小系統(tǒng)包括復(fù)位電路、振蕩電路、BOOT 電路及電源電路。工作電壓為2～3.6V，工作溫度為-40°C～+85°C，一系列的省電模式保證低功耗應(yīng)用的要求[2]。CPU 最高速度達(dá)72 MHz，多達(dá)80 個(gè)快速I/O 口，豐富的外設(shè)配置，支持其適用于多種應(yīng)用場(chǎng)合，如電機(jī)驅(qū)動(dòng)和應(yīng)用控制、智能家居、安防監(jiān)控及其它工業(yè)應(yīng)用。STM32F103RCT6 單片機(jī)核心板接口電路圖如圖2 所示。

圖2 STM32 核心板接口原理圖

系統(tǒng)圖像采集模塊使用OV7670 圖像傳感器，該傳感器具有體積小、工作電壓低，提供單片VGA 攝像和影像處理器的所有功能。通過(guò)SCCB 總線控制，可以輸出整幀、子采樣、取窗口等方式的各種分辨率8 位影響數(shù)據(jù)[3]。該產(chǎn)品VGA 圖像最高達(dá)到30 幀/秒。用戶可以完全控制圖像質(zhì)量、數(shù)據(jù)格式和傳輸方式。所有圖像處理功能過(guò)程包括伽瑪曲線、白平衡、飽和度、色度等都可以通過(guò)SCCB 接口編程。OmmiVision 圖像傳感器應(yīng)用獨(dú)有的傳感器技術(shù)，通過(guò)減少或消除光學(xué)或電子缺陷如固定圖案噪聲、托尾、浮散等，提高圖像質(zhì)量，得到清晰的穩(wěn)定的彩色圖像，攝像頭與STM32 核心板連接電路如圖3 所示。

圖3 攝像頭與STM32 連接電路圖

系統(tǒng)垃圾分類的執(zhí)行是靠驅(qū)動(dòng)舵機(jī)實(shí)現(xiàn)，舵機(jī)是一種位置(角度)伺服的驅(qū)動(dòng)機(jī)，其控制一般需要一個(gè)20ms 左右的時(shí)基脈沖，該脈沖的高電平部分一般為0.5ms～2.5ms范圍內(nèi)的角度控制脈沖部分，對(duì)應(yīng)關(guān)系為：0.5ms--0 度，1ms--45 度，1.5ms--90 度，2.0ms--135 度，2.5ms--180度。舵機(jī)上有3 根線，分別為VCC、GND、信號(hào)線，不需要另外接驅(qū)動(dòng)模塊，直接用STM32的I/O 口控制，控制信號(hào)一般要求為20ms 的PWM 信號(hào)。本系統(tǒng)選用的舵機(jī)為MG995，舵機(jī)與STM32 連接電路如圖4 所示。

圖4 舵機(jī)與STM32連接電路圖

3 系統(tǒng)軟件實(shí)現(xiàn)

系統(tǒng)軟件實(shí)現(xiàn)分為三部分，第一部分為攝像頭采集垃圾圖像，第二部分為STM32 核心處理器對(duì)圖像進(jìn)行預(yù)處理，啟動(dòng)基于深度學(xué)習(xí)的算法進(jìn)行垃圾種類識(shí)別，第三部分為STM32 根據(jù)識(shí)別結(jié)果調(diào)整PWM 占空比，從而控制舵機(jī)的轉(zhuǎn)動(dòng)角度，實(shí)現(xiàn)垃圾投遞分類。

■3.1 圖像采集

系統(tǒng)圖像采集在紅外模塊檢測(cè)到投遞狀態(tài)后由休眠模式轉(zhuǎn)入正常工作模式，生活垃圾從入口處投遞后，進(jìn)入上層置物臺(tái)，置物臺(tái)頂部裝有圖像采集模塊，置物臺(tái)底部接有舵機(jī)，可驅(qū)動(dòng)置物臺(tái)轉(zhuǎn)動(dòng)，每轉(zhuǎn)動(dòng)45 度采集一次圖像，共采集5 次，將5 次圖像數(shù)據(jù)進(jìn)行加權(quán)平均法融合拼接，得到完整、不重影的垃圾圖像，為下一步圖像識(shí)別與分類，提供準(zhǔn)確圖像數(shù)據(jù)，圖像采集流程圖如圖5 所示。

圖5 圖像采集流程圖

■3.2 圖像處理

圖像分析中，圖像質(zhì)量的好壞直接影響識(shí)別算法的設(shè)計(jì)與效果的精度，因此在圖像分析（特征提取、分割、匹配和識(shí)別等）前，需要進(jìn)行預(yù)處理。圖像預(yù)處理的主要目的是消除圖像中無(wú)關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性、最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征提取、圖像分割、匹配和識(shí)別的可靠性。一般的預(yù)處理流程為：灰度化->幾何變換->圖像增強(qiáng)[4]。

(1)灰度化

在RGB 模型中，如果R=G=B 時(shí)，則彩色表示一種灰度顏色，其中R=G=B 的值叫灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0-255。系統(tǒng)采用加權(quán)平均法對(duì)彩色圖像進(jìn)行灰度化。根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，按下式對(duì)RGB 三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。

(2)幾何變換

圖像幾何變換又稱為圖像空間變換，通過(guò)平移、轉(zhuǎn)置、鏡像、旋轉(zhuǎn)、縮放等幾何變換對(duì)采集的圖像進(jìn)行處理，用于改正圖像采集系統(tǒng)的系統(tǒng)誤差和儀器位置（成像角度、透視關(guān)系乃至鏡頭自身原因）的隨機(jī)誤差。此外，還需要使用灰度插值算法，因?yàn)榘凑者@種變換關(guān)系進(jìn)行計(jì)算，輸出圖像的像素可能被映射到輸入圖像的非整數(shù)坐標(biāo)上。系統(tǒng)采用最近鄰插值算法實(shí)現(xiàn)校正。

(3)圖像增強(qiáng)

增強(qiáng)圖像的目的是要改善圖像的視覺效果，針對(duì)給定圖像的應(yīng)用場(chǎng)合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識(shí)別效果，滿足某些特殊分析的需要。系統(tǒng)采用中值濾波算法減弱噪聲。

得到清晰垃圾圖像后，系統(tǒng)采用深度卷積的方法，針對(duì)所采集的生活垃圾圖像樣本集，建立相應(yīng)的自動(dòng)識(shí)別與分類模型。首先利用神經(jīng)網(wǎng)絡(luò)模型中的卷積層和池化層計(jì)算垃圾圖像的特征，同時(shí)將圖像特征值保存至緩存文件中，這些特征值作為輸入進(jìn)入樣本庫(kù)進(jìn)行比對(duì)，得到識(shí)別結(jié)果。系統(tǒng)數(shù)據(jù)集采用華為2019 年在垃圾圖像分類挑戰(zhàn)杯大賽上公開的垃圾分類數(shù)據(jù)集，包括14000 余張垃圾圖像和對(duì)應(yīng)的分類標(biāo)簽。圖像處理流程圖如圖6 所示。

圖6 圖像處理流程圖

■3.3 舵機(jī)分類

系統(tǒng)設(shè)計(jì)中分類垃圾桶位于置物板下方，置物板上有可開合的擋板，識(shí)別指令下達(dá)后，調(diào)整舵機(jī)的轉(zhuǎn)動(dòng)角度，打開擋板，實(shí)施分類投放。系統(tǒng)采用基于PWM 信號(hào)控制的數(shù)字舵機(jī)，上電后經(jīng)定時(shí)器初始化、I/O 口初始化、AD 采樣初始化等，STM32 輸出脈寬1.5ms,周期20ms 的方波，首先控制舵機(jī)轉(zhuǎn)動(dòng)到零度位置并保持，然后根據(jù)角度改變相應(yīng)定時(shí)器通道的占空比，產(chǎn)生舵機(jī)控制信號(hào)，驅(qū)動(dòng)舵機(jī)轉(zhuǎn)動(dòng)到相應(yīng)的角度。舵機(jī)轉(zhuǎn)動(dòng)完畢后，通過(guò)AD 采集的舵機(jī)角度的反饋值，判斷舵機(jī)是否轉(zhuǎn)動(dòng)到位，若實(shí)際角度和預(yù)測(cè)角度誤差較大，則采用校正算法進(jìn)行角度補(bǔ)償。分類算法如圖7 所示。

圖7 舵機(jī)分類流程圖

4 測(cè)試

系統(tǒng)分別對(duì)垃圾種類識(shí)別和舵機(jī)轉(zhuǎn)動(dòng)角度進(jìn)行測(cè)試。對(duì)模型的生活垃圾種類進(jìn)行測(cè)試時(shí)，導(dǎo)入樣本集后，選用5種實(shí)際垃圾圖像生成的模型文件調(diào)用神經(jīng)網(wǎng)絡(luò)卷積算法進(jìn)行比對(duì)測(cè)試，具體測(cè)試結(jié)果如圖8 所示。

圖8 垃圾圖片識(shí)別測(cè)試結(jié)果

系統(tǒng)分類功能主要對(duì)可回收垃圾和不可回收垃圾做了測(cè)試，初始化舵機(jī)置0 度，識(shí)別為可回收垃圾時(shí)，舵機(jī)轉(zhuǎn)動(dòng)45 度，打開置物板擋板；識(shí)別為不可回收垃圾時(shí)，舵機(jī)轉(zhuǎn)動(dòng)135 度，打開置物板擋板，測(cè)試結(jié)果如表1 所示。

表1 垃圾分類測(cè)試表

通過(guò)以上測(cè)試結(jié)果可知，該系統(tǒng)基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)卷積算法具有較好的圖像識(shí)別能力，對(duì)常見生活垃圾的識(shí)別率達(dá)到85%左右。舵機(jī)也能根據(jù)識(shí)別結(jié)果調(diào)制控制信號(hào)，驅(qū)動(dòng)其轉(zhuǎn)動(dòng)角度，正確率較高?？梢?，系統(tǒng)在實(shí)際常見生活垃圾分類中有一定的應(yīng)用價(jià)值。

5 總結(jié)

垃圾分類的目的是提高垃圾的資源價(jià)值和經(jīng)濟(jì)價(jià)值，力爭(zhēng)物盡其用，減少垃圾處理量和處理設(shè)備的使用，降低處理成本，減少土地資源的消耗，具有社會(huì)、經(jīng)濟(jì)、生態(tài)等幾方面的效益[5]。本文針對(duì)現(xiàn)有生活垃圾分類裝置人工化高、分類效果差的問(wèn)題，提出了基于深度學(xué)習(xí)的智能垃圾檢測(cè)分類系統(tǒng)，可有效識(shí)別常見生活垃圾可回收和不可回收的種類，實(shí)現(xiàn)正確分類與投遞，助力資源節(jié)約型、環(huán)境友好型社會(huì)的建設(shè)，有利于我國(guó)新型城鎮(zhèn)化質(zhì)量和生態(tài)文明建設(shè)水平的進(jìn)一步提高。