段昆昕，朱博文，陳浩男，區(qū)秋鴻，吳澤耿

（廣州城市理工學(xué)院，廣東 廣州 510800）

隨著社會的發(fā)展，垃圾分類任務(wù)從可回收垃圾和不可回收垃圾細(xì)化到了包含這2 類垃圾在內(nèi)的21 種類型，其中很大部分的垃圾處理工藝大相徑庭[1]。廚余垃圾就是其中最讓人頭疼的垃圾種類，廚余垃圾堆肥技術(shù)可使它回到自然循環(huán)，提高垃圾的資源價值和經(jīng)濟(jì)價值。智能分類處理機器可以將倒入容器中的廚余垃圾進(jìn)行預(yù)處理、脫水、研磨、生物降解和發(fā)酵制肥等一系列操作，取出時則是處理后的、無異味的肥料。

自動駕駛作為當(dāng)下汽車行業(yè)最為前沿的技術(shù)，也是人工智能的主要應(yīng)用場景之一[2]。無論是谷歌、百度，還是福特、通用、寶馬等都加快在汽車自動駕駛領(lǐng)域的布局。智能分類處理機器也擁有該方面的部署。機器可以按照地面系統(tǒng)發(fā)布的任務(wù)統(tǒng)一進(jìn)行分配，進(jìn)行智能化的路線規(guī)劃。除此之外，可以在機器空余時間對規(guī)劃路線進(jìn)行路面清掃和灑水，代替地面清掃車的任務(wù)，減少了因請清掃車司機而帶來的人力、物力成本。

先進(jìn)的能源評估技術(shù)可以實時對車輛續(xù)航和續(xù)航預(yù)測與地面站進(jìn)行同步，地面站決策車輛尋找距離最近的充電樁進(jìn)行充電。地面站的高靈活部署特性使智能分類垃圾處理機器可以安裝在環(huán)衛(wèi)工的房間內(nèi)，也可以安裝在當(dāng)?shù)氐沫h(huán)衛(wèi)部門等。招手即停功能可以回收路人手中的垃圾，機器艙內(nèi)的旋轉(zhuǎn)分類系統(tǒng)可以直接分類垃圾。而對于市場上所有智能分類垃圾桶而言，最大的技術(shù)挑戰(zhàn)就是無法對黑色垃圾袋內(nèi)垃圾進(jìn)行準(zhǔn)確識別。智能分類垃圾處理機器借助先進(jìn)的微波雷達(dá)技術(shù)加之深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對袋內(nèi)垃圾進(jìn)行參數(shù)化分析，車艙內(nèi)的機械臂手持刀輪，解剖垃圾，更加精確、細(xì)致、有效、高效地進(jìn)行分類。

1 基本結(jié)構(gòu)

1.1 整體結(jié)構(gòu)

智能分類垃圾處理機器是帶有轉(zhuǎn)向系統(tǒng)的叉臂減震底盤的純電平臺的集垃圾清掃、垃圾分類和垃圾處理為一體的自主巡航、道路規(guī)劃的智能機器車，如圖1 所示。

圖1 自主巡航、道路規(guī)劃的智能機器車

5C 譯為Category 5，即可以收集5 類垃圾，其中包含4 種干垃圾的分類和1 種廚余垃圾的分類。桶內(nèi)垃圾容量高達(dá)1 100 L，搭載寧德時代的聚合物磷酸鐵鋰動力電池，續(xù)航時間可達(dá)10 h。使用了生物分解的堆肥技術(shù)，高效的研磨電機可將廚余垃圾磨碎，6 h 即可完成堆肥，如圖2 所示。

圖2 研磨刀和研磨腔

基于強悍的英偉達(dá)算力平臺和5G 技術(shù)，智能分類垃圾處理機器可以輕松完成路面處理任務(wù)和自動道路規(guī)劃的算法計算。先進(jìn)的能耗評估系統(tǒng)可對自身系統(tǒng)進(jìn)行實時能耗評估，效率更高。機體搭載了日本進(jìn)口的颶風(fēng)葉輪負(fù)壓電機、鋼網(wǎng)過濾系統(tǒng)和鴨嘴形吸塵刷組成的路面垃圾清掃系統(tǒng)。后面有無刷電機驅(qū)動的鋼絲刷進(jìn)行頑固污漬的刷洗任務(wù)。垃圾投入后下方為垃圾道，道內(nèi)末端連接一可控的平板，垃圾置于平板上方的時候，攝像頭進(jìn)行垃圾種類的推斷，再由平板下方開口落入垃圾桶內(nèi)，完成簡單的垃圾分類任務(wù)。

1.2 智能底盤

5C 智能分類處理機器使用了自主研發(fā)的純電平臺，使用12 寸鍛造輪轂和單永磁電機中置的布局，是可控的全時四驅(qū)系統(tǒng)。

智能底盤由1 個永磁同步電機、1 個轉(zhuǎn)向電機、轉(zhuǎn)向連桿、轉(zhuǎn)向架、轉(zhuǎn)向球頭、獨立梁和4 支減震支臂組成，如圖3 所示。

圖3 智能底盤示意圖

永磁同步電機是由布魯薩（深圳）電子技術(shù)有限責(zé)任公司生產(chǎn)的高性能電機，其核心技術(shù)及產(chǎn)品廣泛被奔馳、寶馬、大眾、奧迪、保時捷、沃爾沃、豐田、本田等全球車企采用。具有極高的性能和空前的穩(wěn)定性。

減速箱同樣也是由布魯薩公司提供，該減速箱為固定齒比減速箱，具有適中的傳動比，系同公司同技術(shù)水平設(shè)計，工作配合協(xié)調(diào)性更好，具有額定效率高、輸出扭矩大、噪聲低、發(fā)熱低等特點。

可調(diào)阻尼、硬度的可調(diào)液壓支臂，將普通的液壓支臂進(jìn)行風(fēng)格化的改進(jìn)，在原有液壓支臂的液壓殼體倒上了螺紋，加了一個可以和螺紋配合的大螺栓，這個大螺栓既可以壓迫減震彈簧向下以增加彈簧硬度，又可以自鎖，防止它上下滑動，這樣的設(shè)計符合不同的應(yīng)用場景。

智能底盤分控制系統(tǒng)負(fù)責(zé)配合和機器總控系統(tǒng)之間的任務(wù)交流，和應(yīng)用性能優(yōu)良的CAN（Controller Area Network）總線進(jìn)行通訊。另外，控制箱內(nèi)部包含眾多設(shè)置，具體如下：4 個高精度電壓偵測器，實時監(jiān)測電池包、發(fā)電機、控制器和其他周邊設(shè)備的輸入輸出電壓并及時反饋；1 個128 GB 的SSD（Solid State Disk）硬盤，用于記錄車輛的行駛記錄和設(shè)備的一些雷達(dá)傳感器數(shù)據(jù)，并以日志的方式儲存下來，方便設(shè)備維護(hù)升級；4 個攝像頭數(shù)據(jù)總線，可以在車輛周圍安裝4 個高分辨率攝像頭，其中1 個為主攝像頭，可以裝載支持深度感知的雙目攝像頭；1 個12 路的超聲波雷達(dá)控制器，可以安裝汽車用毫米波雷達(dá)等類似以超聲波或微波為原理工作的傳感器模塊；4 路胎壓監(jiān)控傳感器數(shù)據(jù)總線，可以安裝4 輪胎壓監(jiān)控設(shè)備。

強電箱內(nèi)安裝有2 路轉(zhuǎn)向電機控制器，2 路主電機控制器以一主一備的冗余思想為原則，2 路控制器由分電板提供電力，4 路控制器不共享數(shù)據(jù)總線，而是每一路單獨設(shè)置總線，提高調(diào)度響應(yīng)速度和失真率。

1.3 分類系統(tǒng)

分類系統(tǒng)由機械部分和電控系統(tǒng)部分組成，機械部分包括分揀機械臂（如圖4 所示）、投入口緊緊相連的滑道和與滑道相連的篩板。機械臂是1 個6 自由度的機械臂，自由度高、動作靈活，手部夾爪撿拾效率高。篩板上帶有無數(shù)微孔，篩板與電機帶動的一個偏心機構(gòu)相連，電機振動帶動篩板振動使待識別物攤平于篩板之上。機械部分負(fù)責(zé)控制信號的執(zhí)行，稱為執(zhí)行機構(gòu)，電控系統(tǒng)是由攝像頭、微波雷達(dá)、控制器等設(shè)備組成的系統(tǒng)，是整個垃圾分類系統(tǒng)的靈魂。分類控制系統(tǒng)也可以通過5G 技術(shù)和物聯(lián)網(wǎng)技術(shù)與地面站進(jìn)行通訊。

圖4 分揀機械臂

1.4 廚余堆肥系統(tǒng)

廚余垃圾分類部分由研磨機、脫水機、負(fù)壓真空機、加溫器和堆肥箱組成。經(jīng)過分類系統(tǒng)的篩選，執(zhí)行機構(gòu)將廚余垃圾分類整理送至研磨機構(gòu)，研磨機構(gòu)對磨碎后的垃圾進(jìn)行生物制肥。

1.5 圖像識別系統(tǒng)

圖像識別系統(tǒng)由高分辨率攝像頭模組、紅外攝像頭模組、紅外補光燈模組、微波雷達(dá)模組和圖像數(shù)據(jù)處理模塊[3]等組成。

1.6 綜合控制系統(tǒng)

綜合控制系統(tǒng)是整個機器的大腦、小腦和神經(jīng)，它與底盤積極“溝通”，也與垃圾處理設(shè)備建立通訊，實現(xiàn)各個模塊的實時通訊、調(diào)度、管理。綜合控制系統(tǒng)由2 部分組成：①STM32 單片機搭建的“守護(hù)者”程序，負(fù)責(zé)整個機器智能部分的開機、自檢及應(yīng)急措施的任務(wù)；②Intel 公司生產(chǎn)的低功耗至強e3 處理器為計算核心的工業(yè)控制主機，主機通過PCI（Peripheral Component Interconnect）總線通訊的方式與AMD R9圖像計算平臺進(jìn)行實時通訊，完成道路標(biāo)線識別、道路安全性分析、地面垃圾和箱體內(nèi)垃圾數(shù)據(jù)及激光雷達(dá)傳回數(shù)據(jù)的科學(xué)化處理，以及完成深度學(xué)習(xí)網(wǎng)絡(luò)推理任務(wù)，CPU（Central Processing Unit）則是處理中間信息的計算單元。

1.7 地面清潔系統(tǒng)

地面清潔系統(tǒng)由清掃刷頭、喉管、扁吸嘴、掃塵刷、離心風(fēng)機組成。吸塵器主要由起塵、吸塵、濾塵3部分組成。

1.8 自主巡航傳感器

自主巡航部分主要是傳感器的合理化配合，自主巡航套件主要包含3 個激光雷達(dá)和12 個超聲波雷達(dá)及雙目深度相機（主攝像頭）和3 個高清攝像頭。

1.9 智能發(fā)電機模組

智能發(fā)電機組采用雙缸15 kW 汽油動力發(fā)電機，發(fā)電效率高、能源熱值高，高效節(jié)能。

1.1 0 地面站和地面控制系統(tǒng)

地面站和機器的通訊系統(tǒng)采用高通SDX55 5G 基帶芯片2 款不同封裝（LGA、M.2）的5G 通信模組SRM815 和SRM825W。

2 工作原理

2.1 分類系統(tǒng)工作原理

垃圾投放口：垃圾投放口處設(shè)有“紅外簾幕”，即紅外對射傳感器，主要用來檢測是否有實體經(jīng)過。紅外對射全稱為主動紅外入侵探測器（Active Infrared Intrusion Detectors），其基本的構(gòu)造包括發(fā)射端、接收端、光束強度指示燈、光學(xué)透鏡等，其偵測原理是利用紅外發(fā)光二極管發(fā)射的紅外射線，再經(jīng)過光學(xué)透鏡做聚焦處理，使光線傳至很遠(yuǎn)距離，最后光線由接收端的光敏晶體管接收。當(dāng)有物體擋住發(fā)射端發(fā)射的紅外射線時，由于接收端無法接收到紅外線，所以會發(fā)出警報。紅外線是一種不可見光，而且會擴(kuò)散，投射出去后，在起始路徑會形成圓錐體光束，隨著發(fā)射距離的增加，其理想強度與發(fā)射距離呈反平方衰減。當(dāng)物體越過其探測區(qū)域時，遮斷紅外射束而引發(fā)警報。傳統(tǒng)型主動紅外入侵探測器由于只有2 光束、3 光束、4 光束類型，常用于室外圍墻報警。

緊連的滑道：該滑道為不銹鋼材質(zhì)的斜置平臺，上端連接投擲口，下端連接分類篩板，滑道上涂有放生銹涂層。

分類篩板：分類篩板與一偏心機構(gòu)電機相連，電機轉(zhuǎn)動，帶動篩板，使落入篩板的垃圾攤平，從而更好地幫助攝像頭進(jìn)行識別，如圖5 所示。

圖5 分類篩板

分類箱容器：分類桶為四分類圓形桶，中部被十字板分隔成4 個獨立的空間，共有1 100 L 的可用空間。箱體為可旋轉(zhuǎn)箱體，下部剛性連接有4 個方向的日內(nèi)瓦輪，日內(nèi)瓦輪由1 個閉環(huán)控制的步進(jìn)電機驅(qū)動，步進(jìn)電機主軸每旋轉(zhuǎn)1 個周期，日內(nèi)瓦輪帶動箱體轉(zhuǎn)動90°。因此，控制電機即可完成對分類箱體旋轉(zhuǎn)到哪一個分區(qū)進(jìn)行精確的控制。

2.2 廚余堆肥系統(tǒng)的工作原理

有機肥堆肥厭氧性方式是把垃圾堆積，減少與空氣的接觸，以厭氧性分解為主要反應(yīng)，促使有機肥有機物安定化的處理方式，傳統(tǒng)自然堆積法即屬于此，此有機肥堆肥法反應(yīng)緩慢，需要數(shù)個月才能完成腐熟。

有機肥堆肥好氧性方法是用翻堆或強制送風(fēng)、抽風(fēng)，以好氧性分解有機肥使有機物安定化的方式，因反應(yīng)快可減少堆肥化的處理時間，目前被稱為高速有機肥堆肥化法。好氧性有機肥堆肥處理在形式上又可分為連續(xù)式高速堆肥法及堆積式堆肥法2 類。

機器主要采用波卡西堆肥法，波卡西堆肥法是日本琉球大學(xué)比嘉照夫教授研究開發(fā)的，波卡西（BOKASHI）堆肥法是指將EM 活菌制劑混合到被發(fā)酵物里，一同存放進(jìn)密封的發(fā)酵容器，通過間缺性缺氧發(fā)酵，來分解被發(fā)酵物質(zhì)的一種堆肥方法。波卡西（BOKASHI）堆肥是引進(jìn)國外先進(jìn)的園藝?yán)砟钪瞥傻男率蕉逊势?，通過對廚房食物垃圾的分解發(fā)酵，得到營養(yǎng)豐富的有機土及液體肥料，變廢為寶，是廚余垃圾最有效的綠色環(huán)?；厥绽梅绞剑鉀Q了垃圾分類廚余垃圾難處理的問題。

2.3 圖像識別與微波雷達(dá)系統(tǒng)的工作原理

圖像識別系統(tǒng)主要靠雙目攝像頭和微波雷達(dá)作為識別元件，雙目攝像頭在識別開始指令下達(dá)后，開始連續(xù)采集幀數(shù)據(jù)，再由算力平臺提供的部分算力進(jìn)行編碼，并送入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。由于攝像頭的相對位置是固定的，分類篩板的位置也是相對固定的。那么就可以通過算法虛擬出一個二維坐標(biāo)系，該坐標(biāo)系內(nèi)的散點的坐標(biāo)為四元變量信息（x，y，flags，n），其中，x和y是垃圾重心所在位置的橫坐標(biāo)和縱坐標(biāo)，該坐標(biāo)用2 組浮點數(shù)存放；四元變量中的flags是垃圾種類的標(biāo)識符，該變量為一整形變量，用于存放物品類型的預(yù)測值，這個預(yù)測值是預(yù)先在數(shù)據(jù)集中完成映射的flags；四元變量中n為該識別對象的置信度，若置信度大于一定值則近似認(rèn)為被識別物品就是確定的識別結(jié)果。所有的四元變量在計算單元特定的緩沖區(qū)內(nèi)被映射為一個四元數(shù)組，四元數(shù)組存放著攝像頭推流信號當(dāng)前識別幀的物品識別數(shù)據(jù)。該緩沖區(qū)的布置在設(shè)計之初就考慮到了數(shù)據(jù)交換問題，因此，算法采用雙緩沖區(qū)機制，采用1 個公有的標(biāo)志符變量，將奇數(shù)幀預(yù)先寫入第一緩沖區(qū)，偶數(shù)幀寫入第二緩沖區(qū)，當(dāng)新的奇數(shù)幀識別結(jié)果得出時，原先第二緩沖區(qū)的數(shù)據(jù)會流向第一緩沖區(qū)，當(dāng)然，第一緩沖區(qū)的數(shù)據(jù)會被以日志的形式進(jìn)行編碼并流向日志儲存區(qū)域進(jìn)行記錄，新的奇數(shù)幀數(shù)據(jù)被寫入第二緩沖區(qū)，以此循環(huán)，每當(dāng)新的數(shù)據(jù)幀得出時，緩沖區(qū)內(nèi)的數(shù)據(jù)會以步進(jìn)的方式向前迭代，最終流向日志記錄區(qū)域。

產(chǎn)品的深度神經(jīng)網(wǎng)絡(luò)采用YOLOv5 算法，該算法是一種單階段目標(biāo)檢測算法，YOLOv5 在YOLOv4 的基礎(chǔ)上添加了一些全新的改進(jìn)思路，使它無論在速度上還是精度上都有了極大的提升。

在輸入端上的改進(jìn)：在模型的訓(xùn)練階段，增加了自適應(yīng)圖片縮放、Mosai 數(shù)據(jù)增強和自適應(yīng)錨框的計算。

在基準(zhǔn)網(wǎng)絡(luò)上的改進(jìn)：融合了一些Focus 結(jié)構(gòu)與CSP 結(jié)構(gòu)算法的新思路。

在Neck 網(wǎng)絡(luò)上的改進(jìn)：目標(biāo)檢測網(wǎng)絡(luò)在BackBone與最后的Head 輸出層之間往往會插入一些層，YOLOv5 中添加了FPN+PAN 結(jié)構(gòu)。

在Head 輸出層的改進(jìn)：輸出層的錨框機制與YOLOv4 相同，主要改進(jìn)的是訓(xùn)練時的損失函數(shù)GIOU_Loss，及預(yù)測框篩選的DIOU_nms。

2.4 YOLOv5 算法實例的分層概述

輸入端：圖像數(shù)據(jù)從輸入端進(jìn)入整個神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以輸入416×416，單位為像素的圖像數(shù)據(jù)。該階段主要負(fù)責(zé)圖像的預(yù)處理，即將其他尺寸的圖片文件縮放到神經(jīng)網(wǎng)絡(luò)要求的尺寸并進(jìn)行歸一化處理。

基準(zhǔn)網(wǎng)絡(luò)：基準(zhǔn)網(wǎng)絡(luò)在絕大多數(shù)時候都是一些性能優(yōu)異的分類器網(wǎng)絡(luò)，該模塊用來提取圖片中一些通用的特殊的特征信息。

Neck 網(wǎng)絡(luò)：Neck 網(wǎng)絡(luò)通常位于基準(zhǔn)網(wǎng)絡(luò)的中部位置，利用它可以進(jìn)一步提升特征的多樣性。

Head 輸出端：它用來完成目標(biāo)檢測的輸出結(jié)果。針對于不同的目標(biāo)檢測算法，輸出端的分支數(shù)量也不完全相同，通常包含一個分類分支和一個回歸分支。在YOLOv4 中利用GIOU_Loss 來代替Smooth L1 Loss函數(shù)，從而進(jìn)一步提升算法的檢測精度。

Mosaic 數(shù)據(jù)增強技術(shù)：在YOLOv5 中，訓(xùn)練模型的時候仍采用了Mosaic 數(shù)據(jù)增強技術(shù)，該技術(shù)是以算法為載體的技術(shù)，亦可以稱之為Mosaic 數(shù)據(jù)增強算法。該算法是在CutMix 數(shù)據(jù)增強算法上演變而來的。CutMix 會對輸入的幾張圖片數(shù)據(jù)進(jìn)行兩兩拼接，而Mosaic 數(shù)據(jù)增強算法則更改為用4 張圖片進(jìn)行隨機縮放、隨機裁剪和隨機排布的方式進(jìn)行拼接。這樣做的目的是豐富訓(xùn)練集的內(nèi)容，訓(xùn)練速度大幅提升，因此使用很少的數(shù)據(jù)也可以達(dá)到不錯的精度。更重要的是在模型訓(xùn)練階段，對模型訓(xùn)練集群服務(wù)器的內(nèi)存要求更低。

自適應(yīng)錨框計算：在YOLO 系列算法當(dāng)中，與其他算法不同的是，YOLO 算法需要預(yù)先設(shè)定長寬比例、大小比例不同的錨框。在網(wǎng)絡(luò)訓(xùn)練階段，模型在錨框所框選出的特定位置上進(jìn)行輸出預(yù)測，計算它與GT框之間的差距，并執(zhí)行反向更新操作，從而更新整個網(wǎng)絡(luò)的參數(shù)。在YOLOv3 和YOLOv4 中，不同模型都要自定義錨點框，而在YOLOv5 中，每次訓(xùn)練新的數(shù)據(jù)模型時，根據(jù)數(shù)據(jù)集的名稱自適應(yīng)計算結(jié)果生成自適應(yīng)錨點框。

自適應(yīng)圖片縮放：為了方便將圖片數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，經(jīng)常要對輸入的圖片進(jìn)行簡單的縮放處理等一系列預(yù)處理操作，即將原始的圖像數(shù)據(jù)縮放到一個固定的比例后再送入神經(jīng)網(wǎng)絡(luò)。若圖形比例較為特殊，在縮放填充之后可能會出現(xiàn)大量重復(fù)的冗余信息，冗余信息對于模型訓(xùn)練有害而無利，并且拖慢模型的訓(xùn)練速度，甚至影響模型的精度。因此，需要將冗余的數(shù)據(jù)變?yōu)楹诳?，避免冗余?shù)據(jù)的出現(xiàn)。

3 結(jié)論

在5C 智能分類處理機器中，垃圾分類遇到最棘手的問題就是用戶不能將垃圾進(jìn)行合理的分類就進(jìn)行打包，然后直接投擲進(jìn)入垃圾桶內(nèi)，圖像識別對于垃圾分類識別就束手無策了，因此，通過毫米波進(jìn)行穿透性分析和隔絕環(huán)境下分析可以帶來不錯的效果。在毫米波雷達(dá)使用數(shù)據(jù)進(jìn)行訓(xùn)練時，可以在一些有毒有害的物質(zhì)上進(jìn)行標(biāo)簽的特化標(biāo)注，告知模型遇到類似波形該如何處理。

在5C 智能分類處理機器中，針對于垃圾袋集中投放問題還有第二類解決方案，這種解決方案似乎比前一種簡單很多。在設(shè)計時加入了振動解剖刀，對該模塊的普通刀頭進(jìn)行改進(jìn)，將直流電機與連桿安裝在一起，這樣做的目的是讓刀頭在切割起來更加鋒利，不會因為遇到堅硬物而受阻。市場，2017（2）：182-183.

［2］吳碧程，鄧祥恩，張子憧，等.基于卷積神經(jīng)網(wǎng)絡(luò)的智能垃圾分類系統(tǒng)［J］.物理實驗，2019，39（11）：44-49.

［3］張方超，董振，張棟，等.基于圖像視覺的垃圾分類機器人識別控制系統(tǒng)算法設(shè)計［J］.電子測量技術(shù)，2019，42（20）：63-67.