一類基于深度學習的水面垃圾收集系統設計

張漪 蔣欽如

摘 要：當下隨全球經濟的快速發展，環境正作為其發展代價，每況愈下，其中，水面環境尤甚。為了在一定成本范圍內有效改善水面環境問題，為治理水污染提供新思路，通過借助藍牙模塊及馬達控制模塊，實現對馬達的遠程藍牙控制；通過微型電壓動力式抽水泵，實現靜水的俯流，在51單片機燒錄程序，串口通信實現與藍牙對接。再通過藍牙模塊與手機APP對接，從而實現對水面漂浮物的采集。本設備還可自主擴展OLED、繼電器模塊，實現可視化、無線化的智能垃圾收集器的控制。

關鍵詞：深度學習；卷積神經網絡；Faster-RCNN算法；嵌入式；水面垃圾收集

1 引言

近年來，隨著媒體的報道和政策的變化，水污染問題[1]引起越來越多的人重視。我國東南沿海城市的河流、湖泊的水質日益降低。越來越多的漂浮物出現在水面上，這些漂浮物大多為生活垃圾和水藻。水面漂污物不僅會導致水體變質，從而不利于人體健康，還會影響當地的生態形象。當前，人們普遍采用人工方式通過駕駛船只來收集水面垃圾[2]，或通過竹竿從岸邊清理水面漂浮物。顯然，如何設計一種更加高效的水面垃圾收集系統成為解決目前困境的熱點問題。

深度學習是神經網絡發展到一定時期的產物[3]。2006年，國外研究團隊首次提出了首次提出并闡述了深度學習的概念，在這段時期，人們常常采用分層次初始化的方法來完成神經網絡的訓練。深度學習的本質是通過低層特征之間的組合產生更加抽象的高層特征來描述研究對象的變化規律和特征。……