【摘" 要】 垃圾分類(lèi)是目前我國(guó)環(huán)保工作的重要組成部分。我國(guó)作為人口大國(guó)，每日垃圾產(chǎn)生量非常龐大，而人工垃圾分類(lèi)工作量大、難度大、效率低，難以滿(mǎn)足目前我國(guó)垃圾分類(lèi)的要求?；诖?，文章提出一種基于機(jī)器學(xué)習(xí)的智能垃圾分類(lèi)系統(tǒng)，該系統(tǒng)主控模塊采用了STM32F103ZET6單片機(jī)，OpenMv4 H7攝像采集模塊可以捕捉圖片，根據(jù)BRISK特征提取算法檢測(cè)垃圾圖像，并通過(guò)語(yǔ)音模塊播報(bào)識(shí)別信息，更好地服務(wù)于垃圾分類(lèi)領(lǐng)域。

【關(guān)鍵詞】 機(jī)器學(xué)習(xí)；垃圾分類(lèi)；智能系統(tǒng)

我國(guó)作為人口大國(guó)，每年所產(chǎn)生的垃圾數(shù)量可達(dá)10億噸以上，這些垃圾如果不能得到有效處理將會(huì)污染環(huán)境、威脅人們的身體健康。我國(guó)近年大力推動(dòng)垃圾分類(lèi)工作的實(shí)施，通過(guò)垃圾分類(lèi)針對(duì)性處理生活垃圾，加強(qiáng)資源回收利用率。但從目前垃圾分類(lèi)現(xiàn)狀來(lái)看，依然存在一定的問(wèn)題，傳統(tǒng)垃圾主要由人工分類(lèi)，具有工作流程煩瑣、工作量大、效率低等問(wèn)題。人工智能技術(shù)不斷發(fā)展，也為垃圾分類(lèi)工作提供了新的發(fā)展思路，但依然有可完善之處，如無(wú)法脫離網(wǎng)絡(luò)使用、可靠性不足等。本研究提出基于機(jī)器學(xué)習(xí)的智能垃圾分類(lèi)系統(tǒng)，通過(guò)圖片檢測(cè)、識(shí)別判定垃圾種類(lèi)，旨在降低垃圾分類(lèi)難度。

一、機(jī)器學(xué)習(xí)相關(guān)闡述

機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉的學(xué)科，包括統(tǒng)計(jì)學(xué)、概率學(xué)、逼近論、凸分析等多門(mén)學(xué)科。專(zhuān)業(yè)研究領(lǐng)域是通過(guò)計(jì)算機(jī)模擬人的思維或行動(dòng)的一種學(xué)習(xí)行為，并在學(xué)習(xí)中不斷提升或改善自身性能。算法的功能是通過(guò)求解最佳模型參數(shù)，在假設(shè)空間當(dāng)中挑選出符合用戶(hù)需求的模型。機(jī)器學(xué)習(xí)參數(shù)求解最終會(huì)轉(zhuǎn)化為最優(yōu)化問(wèn)題，本研究所設(shè)計(jì)智能垃圾分類(lèi)系統(tǒng)采用了BRISK算法。

BRISK算法是一種特征提取算法，也是一種二進(jìn)制的特征描述算子，該算法具有良好的尺度不變性、旋轉(zhuǎn)不變性、魯棒性等優(yōu)勢(shì)，在圖像配準(zhǔn)應(yīng)用中識(shí)別速度大于傳統(tǒng)的FREAK、ORB等算法，特別是在模糊圖像配準(zhǔn)中表現(xiàn)更加出色。該算法利用FAST9-16進(jìn)行特征點(diǎn)檢測(cè)，想要解決尺度不變性，必須檢測(cè)尺度空間的特征點(diǎn)，通過(guò)BRISK算法構(gòu)建圖像金字塔即可實(shí)現(xiàn)多尺度表達(dá)。

二、智能垃圾分類(lèi)系統(tǒng)研究現(xiàn)狀

隨著移動(dòng)設(shè)備終端不斷發(fā)展以及機(jī)器學(xué)習(xí)方法的出現(xiàn)，機(jī)器學(xué)習(xí)已經(jīng)逐漸被應(yīng)用到各個(gè)領(lǐng)域。在智能垃圾分類(lèi)中應(yīng)用機(jī)器學(xué)習(xí)，實(shí)現(xiàn)自動(dòng)化、智能化垃圾識(shí)別，提高了垃圾分類(lèi)效率和精準(zhǔn)度。一些學(xué)者通過(guò)收集垃圾信息并創(chuàng)建了垃圾圖像數(shù)據(jù)集，算法選用了SVM、CNN識(shí)別垃圾，SVM算法和CNN算法的識(shí)別精準(zhǔn)率分別為63%和22%，識(shí)別精度有待進(jìn)一步提升，并且整個(gè)系統(tǒng)流程十分煩瑣。為了簡(jiǎn)化流程，也有學(xué)者提出了智能廢料分類(lèi)系統(tǒng)，采用50層殘差預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型開(kāi)采。為了提升模型預(yù)測(cè)性能，還有學(xué)者采用了RecycleNet模型，雖然該模型減少了垃圾參數(shù)量，但將垃圾識(shí)別精準(zhǔn)度提升到了80%以上。如今，關(guān)于機(jī)器學(xué)習(xí)應(yīng)用到垃圾分類(lèi)中的研究有很多，也提出了多種設(shè)計(jì)模型和設(shè)計(jì)思路。但整體上將機(jī)器學(xué)習(xí)應(yīng)用到垃圾分類(lèi)上的研究依然不多，垃圾分類(lèi)公開(kāi)數(shù)據(jù)量較為局限。所以將機(jī)器學(xué)習(xí)與垃圾分類(lèi)相融合，已經(jīng)成為垃圾分類(lèi)研究的重要趨勢(shì)。

三、智能垃圾分類(lèi)系統(tǒng)設(shè)計(jì)思路

本智能垃圾分類(lèi)系統(tǒng)采用了物體識(shí)別技術(shù)，主要檢測(cè)對(duì)象包括有害垃圾、可回收垃圾、廚余垃圾、其他垃圾。通過(guò)識(shí)別垃圾特征量，根據(jù)特征量參數(shù)判定垃圾的具體類(lèi)型。本研究所設(shè)計(jì)的智能垃圾分類(lèi)系統(tǒng)所采用的算法為BRISK算法。此外，該系統(tǒng)還采用了AGAST算法（角點(diǎn)檢測(cè)算法），該算法作為FAST算法的優(yōu)化改進(jìn)算法，在圖像計(jì)算中可以在平面上連續(xù)顯示圖像特征。因此在設(shè)計(jì)中可以構(gòu)建尺度空間金字塔，通過(guò)AGAST算法檢測(cè)角點(diǎn)，二次擬合連續(xù)尺度空間中測(cè)度相應(yīng)函數(shù)值，抑制非極大值、提出非穩(wěn)定極值點(diǎn)。通過(guò)拋物線(xiàn)擬合穩(wěn)定極值參數(shù)，最終獲取到連續(xù)尺度空間中定位精度的穩(wěn)定極值點(diǎn)。

AGAST算法在BRISK算法體系內(nèi)運(yùn)行，主要負(fù)責(zé)特征點(diǎn)檢測(cè)，而特征描述方面借助自動(dòng)以鄰域采樣模式，也就是在特征點(diǎn)周?chē)?0個(gè)像素塊中構(gòu)建同心圓，圓周上均勻分布采樣點(diǎn)，每個(gè)圓周設(shè)置60個(gè)采樣點(diǎn)。在實(shí)際計(jì)算中，需要在描述BIRSK特征前完成預(yù)旋轉(zhuǎn)工作，也就是中心點(diǎn)旋轉(zhuǎn)采樣模板的旋轉(zhuǎn)角度，短距采樣點(diǎn)集中對(duì)比采樣點(diǎn)強(qiáng)度，形成512bits值特征，對(duì)值特征進(jìn)行特征匹配，得出整個(gè)圖像運(yùn)動(dòng)估計(jì)值。過(guò)去很多垃圾分類(lèi)系統(tǒng)設(shè)計(jì)都是采用ORB算法，但存在可靠性低、檢測(cè)精度低等限制。而B(niǎo)RISK算法通過(guò)構(gòu)建連續(xù)尺度空間、預(yù)旋轉(zhuǎn)作業(yè)，保證了被描述對(duì)象的尺度、旋轉(zhuǎn)的不變性，更加適用于高精度圖像匹配，可極大地提升垃圾分類(lèi)精度。

四、智能垃圾分類(lèi)系統(tǒng)整體架構(gòu)

（一）整體框架

如圖1所示，本系統(tǒng)主控模塊采用了STM32F103ZET6單片機(jī)，OpenMv4 H7攝像采集模塊可以捕捉圖片，根據(jù)BRISK特征提取算法檢測(cè)垃圾圖像特征點(diǎn)，并將采集的垃圾圖像特征與訓(xùn)練集對(duì)比分析，完善垃圾的整個(gè)檢測(cè)過(guò)程，將檢測(cè)結(jié)果上傳給顯示模塊，通過(guò)文字顯示垃圾具體種類(lèi)，同時(shí)語(yǔ)音系統(tǒng)會(huì)播報(bào)垃圾信息。

（二）單片機(jī)選型

本垃圾分類(lèi)系統(tǒng)選用了STM32F103ZET6單片機(jī)，其工作頻率為72MHz。STM32F103ZET6單片機(jī)具有技術(shù)成熟、運(yùn)算效率高、硬件配置高、外帶接口總線(xiàn)等優(yōu)勢(shì)，特別是外部接口可以實(shí)現(xiàn)外部設(shè)備的連接和功能擴(kuò)展，如連接FSMC驅(qū)動(dòng)LCD，提升刷屏率。

（三）顯示模塊

本系統(tǒng)的顯示模塊采用了3.5寸TFTLCD，分別率為320*480。顯示模塊中的端口與MCU引腳對(duì)應(yīng)連接，單片機(jī)通過(guò)數(shù)據(jù)傳輸、信息控制實(shí)現(xiàn)顯示屏的信息顯示與控制功能。MCU的PBO口連接BL并行串口，可以控制液晶屏背光亮度。單片機(jī)、顯示屏共用復(fù)位信號(hào)電路，單片機(jī)的FSMC總線(xiàn)連接顯示屏總線(xiàn)接口，從而提升顯示屏的清晰度和刷新率。

（四）語(yǔ)音模塊

語(yǔ)音模塊采用了JQ8400，通過(guò)將語(yǔ)音模塊與單片機(jī)連接（I/O通信系統(tǒng)），可根據(jù)圖像檢測(cè)結(jié)果輸出語(yǔ)音播報(bào)信息。在語(yǔ)音模塊中存入垃圾分類(lèi)的MP3文件，包括有害垃圾、可回收垃圾、廚余垃圾、其他垃圾。JQ8400語(yǔ)音模塊采用了SOC設(shè)計(jì)方案，集成度非常高，包含了16位MCU、音頻解碼的ADSP，通過(guò)硬解碼方案提升播報(bào)音質(zhì)和播報(bào)穩(wěn)定性。本次設(shè)計(jì)中只在JQ8400語(yǔ)音模塊中存入了4個(gè)MP3文件，因此暫時(shí)只應(yīng)用到ONE LINE串口進(jìn)行控制。

（五）圖像采集模塊

本系統(tǒng)采用了OpenMv4 H7攝像采集模塊，搭載了STM32H743II ARM Corlex-M7處理器，其運(yùn)行頻率可達(dá)480MHz，RAM和Flash分別為1MB、2MB。I/O引腳采用標(biāo)準(zhǔn)化輸出，均為3.3V。在獲取圖像方面，該攝像頭同時(shí)具備圖像采集、圖像處理多種功能，借助Python腳本即可識(shí)別所采集圖像的形狀、顏色、特征等信息，從而實(shí)現(xiàn)追蹤功能。

五、智能垃圾分類(lèi)系統(tǒng)設(shè)計(jì)

（一）訓(xùn)練集

機(jī)器學(xué)習(xí)需要有大量的資源作為支撐，因此設(shè)計(jì)前期需要拍攝多張垃圾圖片，采用特征提取法提取垃圾圖像特征反復(fù)訓(xùn)練，整個(gè)訓(xùn)練過(guò)程類(lèi)似于人們判斷垃圾種類(lèi)的過(guò)程，將垃圾與參照物對(duì)比分析判定其可信度。本研究所提出的智能垃圾分類(lèi)系統(tǒng)中，采用了4個(gè)樣本，包括易拉罐、干電池、大蒜、醫(yī)用棉簽，每個(gè)樣本從不同角度拍攝100張照片進(jìn)行訓(xùn)練。

（二）硬件連接

所選單片機(jī)上沒(méi)有配備專(zhuān)門(mén)的攝像頭通信接口，本系統(tǒng)采用獨(dú)立的OpenMv4 H7攝像頭，通過(guò)端口電位檢測(cè)法進(jìn)行物體識(shí)別。如圖2所示，設(shè)計(jì)中采用了3個(gè)檢測(cè)端口（P0、P1、P2），每個(gè)端口均配備4種電位組合來(lái)匹配4種垃圾（有害垃圾、可回收垃圾、廚余垃圾、其他垃圾）。使用編程軟件（OpenMv）設(shè)置每個(gè)端口的垃圾識(shí)別信號(hào)，可回收垃圾電位信號(hào)輸出為P0=1、P1=0、P2=0，有害垃圾電位信號(hào)輸出為P0=0、P1=1、P2=0，廚余垃圾電位信號(hào)輸出為P0=0、P1=1、P2=1，其他垃圾電位信號(hào)輸出為P0=1、P1=1、P2=0。單片機(jī)采用的檢測(cè)端口分別為PG0、PG1、PG2，在硬件設(shè)置過(guò)程中需要將端口一一對(duì)應(yīng)連接。語(yǔ)音模塊中，單片機(jī)PB信號(hào)由ONE LINE端口接收，設(shè)置過(guò)程中一一對(duì)應(yīng)連接線(xiàn)路即可實(shí)現(xiàn)語(yǔ)音模塊功能。

（三）功能實(shí)現(xiàn)

在硬件操作中，在指定位置安裝攝像頭，將所有設(shè)備接通電源，程序初始化后，攝像頭即進(jìn)入到垃圾檢測(cè)狀態(tài)。在采集垃圾信號(hào)、分析垃圾信號(hào)后，將垃圾框選出來(lái)進(jìn)行提示，所識(shí)別的垃圾在處理系統(tǒng)中通過(guò)P0、P1、P2端口的電位組合，單片機(jī)通過(guò)PG0、PG1、PG3端口測(cè)定端口電位，通過(guò)電位信息組合即可呈現(xiàn)出相應(yīng)的垃圾種類(lèi)。如所檢測(cè)的物體為大蒜，代表廚余垃圾，則電位信號(hào)輸出為P0=0、P1=1、P2=1，電位檢測(cè)完畢后喚醒語(yǔ)音模塊，并播放P0=0、P1=1、P2=1所應(yīng)對(duì)的“廚余垃圾”MP3文件，完成垃圾分類(lèi)提醒。

（四）功能測(cè)試

本次設(shè)計(jì)的智能垃圾分類(lèi)系統(tǒng)的核心功能是垃圾智能識(shí)別。在完成系統(tǒng)設(shè)計(jì)后使用易拉罐、干電池、大蒜、醫(yī)用棉簽4個(gè)樣本進(jìn)行檢測(cè)，對(duì)這4個(gè)樣本分別展開(kāi)100次檢測(cè)，其中干電池檢測(cè)為“有害垃圾”98次、“可回收垃圾”1次、“其他垃圾”1次；大蒜檢測(cè)為“有害垃圾”1次、“廚余垃圾”99次；易拉罐檢測(cè)為“可回收垃圾”98次、“可回收垃圾”1次、“廚余垃圾”1次、“其他垃圾”1次；醫(yī)用棉簽檢測(cè)為“有害垃圾”1次、“其他垃圾”98次、“廚余垃圾”1次。整體來(lái)看，本設(shè)計(jì)方案垃圾分類(lèi)正確率可達(dá)98%以上，并且系統(tǒng)運(yùn)行較為穩(wěn)定、可靠性強(qiáng)，可以較好地完成垃圾分類(lèi)工作。

六、結(jié)語(yǔ)

綜上所述，本研究針對(duì)城市居民垃圾采用了機(jī)器學(xué)習(xí)設(shè)計(jì)智能垃圾分類(lèi)系統(tǒng)，借助AGAST算法提取垃圾特征，實(shí)現(xiàn)了城市垃圾的智能分類(lèi)。本設(shè)計(jì)系統(tǒng)操作便捷，適用于絕大部分人群使用。通過(guò)測(cè)試，對(duì)城市生活垃圾正確識(shí)別率達(dá)到98%以上，實(shí)現(xiàn)了可以在現(xiàn)實(shí)應(yīng)用的垃圾分類(lèi)功能。

參考文獻(xiàn)：

［1］ 潘麗，賈冕茜. 基于機(jī)器學(xué)習(xí)的智能垃圾分類(lèi)系統(tǒng)設(shè)計(jì)［J］. 西昌學(xué)院學(xué)報(bào)：自然科學(xué)版，2022（02）：36-37.

［2］ 衛(wèi)昱含，楊志錕，吳海倫，等. 基于互聯(lián)網(wǎng)技術(shù)的智能垃圾分類(lèi)系統(tǒng)的設(shè)計(jì)——以“趣分類(lèi)”App為例［J］. 信息記錄材料，2021（11）：177-179.

［3］ 江輝. 基于RFID的智能垃圾分類(lèi)系統(tǒng)的設(shè)計(jì)與實(shí)施［J］. 安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2018，17（04）：403-404.

［4］ 張懷予. 基于物聯(lián)網(wǎng)和圖像識(shí)別的垃圾分類(lèi)回收系統(tǒng)［A］//中國(guó)通信學(xué)會(huì)，中國(guó)電子學(xué)會(huì). 物聯(lián)網(wǎng)與無(wú)線(xiàn)通信論文集［C］.2018：155-156.

［5］ 范松，陳坤，朱峰，等. 智能垃圾分類(lèi)回收系統(tǒng)的研究與設(shè)計(jì)［J］. 數(shù)碼世界，2019（04）：265-266.