楚豪杰,岑志波,馬鑫磊,王彥皓,旺扎拉
(鄂爾多斯應(yīng)用技術(shù)學(xué)院,內(nèi)蒙古 鄂爾多斯 017000)
我國(guó)環(huán)保事業(yè)不斷發(fā)展,垃圾分類回收的工作如火如荼地開展。有些地區(qū)出臺(tái)相關(guān)政策,以鼓勵(lì)居民進(jìn)行垃圾分類,甚至還形成了一些幫助居民垃圾分類的行業(yè)。垃圾只是放錯(cuò)位置的資源,堅(jiān)持垃圾分類能夠充分利用資源,并且還能減少環(huán)境污染,利國(guó)利民。因此,垃圾分類勢(shì)在必行。綜上所述,本項(xiàng)目想通過制造智能垃圾分類機(jī)器人,使垃圾分揀工作人員能從繁重的重復(fù)分揀工作中解放出來。
研究?jī)?nèi)容及目標(biāo):基于卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別與分類。針對(duì)人們對(duì)垃圾沒有辦法正確判斷種類并且分類投放,因此設(shè)計(jì)了一個(gè)智能垃圾分類系統(tǒng)。其基于Open MV 框架下檢測(cè)待識(shí)別物體,采用卷積神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練出來的模型精準(zhǔn)度非常高[1],在垃圾的分類識(shí)別中有非常好的優(yōu)越性。系統(tǒng)為基于物聯(lián)網(wǎng)、人工智能、計(jì)算機(jī)視覺等新興技術(shù),利用Open MV 的圖像處理能力構(gòu)建的垃圾分類模型,可以達(dá)到垃圾的識(shí)別與智能分類功能。
本系統(tǒng)是專門針對(duì)普通居民在垃圾分類方面遇到的難題而設(shè)計(jì)的智能垃圾分類系統(tǒng)。針對(duì)當(dāng)前垃圾分類存在的問題,如分類效率低、人工成本高等問題,提出了一種智能垃圾分類系統(tǒng)。裝置主體上層為控制部分電路盒,中層為垃圾分類機(jī)械結(jié)構(gòu),下層為4 個(gè)獨(dú)立的垃圾桶。垃圾桶整體結(jié)構(gòu)建模如圖1 所示。
圖1 垃圾桶整體結(jié)構(gòu)建模
當(dāng)垃圾投放進(jìn)去之后,系統(tǒng)就會(huì)進(jìn)行檢測(cè),對(duì)垃圾種類進(jìn)行識(shí)別,并且在屏幕上顯示。該系統(tǒng)能按照“可回收垃圾”“廚余垃圾”“有害垃圾”“其他垃圾”四種垃圾類型進(jìn)行分類。檢測(cè)結(jié)束之后自動(dòng)放入對(duì)應(yīng)的桶內(nèi),然后結(jié)束運(yùn)行。當(dāng)四個(gè)桶內(nèi)垃圾達(dá)到預(yù)設(shè)容量之后,會(huì)觸發(fā)警報(bào)裝置,提醒管理員對(duì)裝滿的垃圾桶進(jìn)行處理,并且在顯示屏上直接顯示,使用戶能夠方便、快捷地查閱信息。
系統(tǒng)主要由樹莓派4B 微型計(jì)算機(jī)為控制主板、攝像頭為主要識(shí)別模塊、舵機(jī)為運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)、近紅外傳感器模塊、電源模塊等結(jié)構(gòu)組成。
系統(tǒng)為基于物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù),利用Open MV 的圖像處理能力構(gòu)建的垃圾分類模型,可以實(shí)現(xiàn)垃圾的識(shí)別與智能分類功能[2]。利用近紅外傳感器模塊檢測(cè)桶內(nèi)容量,如果垃圾儲(chǔ)存達(dá)滿載閾值的話,就會(huì)進(jìn)行滿載報(bào)警,并且在管理員屏幕上顯示其滿載信息。硬件電路的連接如圖2 所示。
圖2 硬件電路連接
基于內(nèi)容的大類物體檢索主要分為兩大部分:特征提取和相似度匹配。在整個(gè)檢索過程中,首先對(duì)所有的數(shù)據(jù)庫(kù)圖像進(jìn)行預(yù)處理,并利用特征提取技術(shù),從圖像中抽取重要信息,并將這些信息儲(chǔ)存于特征數(shù)據(jù)庫(kù)中。在進(jìn)行搜索查詢時(shí),需要對(duì)查詢圖像執(zhí)行同樣的預(yù)處理和特征提取操作,然后計(jì)算提取出的對(duì)象特征與數(shù)據(jù)庫(kù)中的特征之間的相似度。最后,得出最相似的圖像作為檢索結(jié)果?;趦?nèi)容的大類物體檢索的系統(tǒng)程序流程如圖3 所示。
圖3 物體檢索系統(tǒng)程序流程
為直觀地表示系統(tǒng)分類識(shí)別的效果,我們以塑料瓶、易拉罐、煙頭這三個(gè)生活中常見的垃圾進(jìn)行系統(tǒng)分類功能的演示。當(dāng)攝像頭對(duì)投入的垃圾進(jìn)行調(diào)整提取后,運(yùn)行在樹莓派嵌入式平臺(tái)的識(shí)別分類程序會(huì)與數(shù)據(jù)庫(kù)中的所以物品特征進(jìn)行比較,分析出該物品與數(shù)據(jù)庫(kù)中每種已知物品的相似度概率,并輸出相似度最高的結(jié)果[3]。通過測(cè)試得到系統(tǒng)對(duì)塑料瓶、易拉罐、煙頭的識(shí)別相似度概率分別為0.874510、0.996078、0.988235,說明該系統(tǒng)對(duì)垃圾分類的成功率較高,符合功能預(yù)期。
表1 識(shí)別準(zhǔn)確率測(cè)試結(jié)果
為提高垃圾識(shí)別的精度,本設(shè)計(jì)進(jìn)行了大量的樣本采集[4]。通過大量樣本的測(cè)試,可以看到該系統(tǒng)對(duì)各類垃圾都具有較高的識(shí)別準(zhǔn)確率,說明該系統(tǒng)具有較高的實(shí)用性。
垃圾識(shí)別錯(cuò)誤原因分析:物體識(shí)別受光線明暗、擺放角度等因素影響較大。后續(xù)需要努力降低這些影響,提升識(shí)別準(zhǔn)確率。
傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)在一般的粗粒度圖像分類任務(wù)中被廣泛使用,其主要功能是自動(dòng)提取大量訓(xùn)練樣本中的特征,從中獲取出色的分類效果。細(xì)粒度圖像分類主要用于識(shí)別蔬菜、水果品種,區(qū)分飲料罐的品牌款式以及識(shí)別電池型號(hào)等。由于類別之間存在微小差異,相對(duì)于普通的粗粒度圖像分類任務(wù),這項(xiàng)任務(wù)更具挑戰(zhàn)性。因?yàn)橛?xùn)練網(wǎng)絡(luò)所提取的特征是粗粒度的,它們無法有效地關(guān)注細(xì)粒度大類別圖像的局部細(xì)節(jié)信息,這會(huì)對(duì)最終的分類識(shí)別結(jié)果產(chǎn)生影響[5]。因此,需要采用一種不同的結(jié)構(gòu)來解決這個(gè)問題。本文采用兩個(gè)步驟來識(shí)別細(xì)粒度物體。首先,將具有細(xì)粒度劃分的物體(如廢紙、金屬、玻璃等)視為一個(gè)大類別,實(shí)施普通的粗略分類來識(shí)別大類物體[6]。其次,為了提高對(duì)細(xì)粒度物體的識(shí)別準(zhǔn)確性,我們采用注意力模塊,該模塊可以根據(jù)特征通道的不同賦予不同的權(quán)重。為了實(shí)現(xiàn)粗粒度和細(xì)粒度的分級(jí)識(shí)別,在粗粒度特征提取網(wǎng)絡(luò)中,我們對(duì)每個(gè)細(xì)粒度的大類別分別進(jìn)行了處理。我們采用了一種不同的結(jié)構(gòu),聚焦于對(duì)大類別分類具有關(guān)鍵影響的特征圖譜,將來自不同層次的特征圖譜整合在一起,以增強(qiáng)對(duì)精細(xì)物體特征的深入提取。這樣的方法使我們能夠更加精確地捕捉和理解細(xì)粒度物體的特征,從而提高了智能分類機(jī)器人實(shí)際應(yīng)用場(chǎng)景下大類物體的識(shí)別效果。
存在的問題:垃圾分類準(zhǔn)確率受光線明暗、擺放角度等因素影響較大,需要降低這些影響,提升識(shí)別準(zhǔn)確率。
通過對(duì)本課題的研究,學(xué)習(xí)到了許多新的知識(shí),也提升了理論與實(shí)踐相結(jié)合的能力,雖然遇到了許多困難,但是項(xiàng)目團(tuán)隊(duì)認(rèn)為垃圾只是放錯(cuò)位置的資源,應(yīng)當(dāng)利用所學(xué)知識(shí)為垃圾分類的事業(yè)貢獻(xiàn)一份力量。通過幫助人們?cè)谠搭^上對(duì)廢棄物進(jìn)行精細(xì)化分類投放,然后將這些分類好的垃圾進(jìn)行回收利用,使其重新轉(zhuǎn)化為可再生資源。
隨著國(guó)家逐步在試點(diǎn)城市推廣垃圾分類,以及政策的不斷引導(dǎo)和成熟產(chǎn)品的出現(xiàn)都可以看出垃圾分類市場(chǎng)的巨大潛力。所以我們順應(yīng)時(shí)代研發(fā)本設(shè)計(jì),提供智能高效的解決方案,通過改造普通垃圾桶,以較低的成本,可以將其轉(zhuǎn)變?yōu)橹悄芊诸惱埃瑥亩鉀Q當(dāng)前社會(huì)所面臨的垃圾分類難題。因此,我們有理由相信本設(shè)計(jì)具有廣泛的應(yīng)用前景,定能在普及垃圾分類的過程中大放異彩。