基于深度學習的校園智能分類垃圾系統研究與實現

鄭州科技學院 周 鑫 劉林陰 路 賽 王 曉 谷志梁

運用深度學習的經典算法卷積神經網絡用于完成垃圾圖像的特征提取。紋理，形狀融合特征和HSV顏色特征分別作為Alexnet卷積神經網絡的輸入樣本，完成卷積神經網絡的訓練和學習遷移，構成垃圾分類模型，準確實現垃圾分類?；谠撃Ｐ停瑢崿F校園智能垃圾分類系統的設計。STM32作為主控制芯片，結合外圍驅動電路。并構建基于NB-IOT物聯網技術的遠程監測網絡，可實現垃圾桶狀態的實時監測與信息反饋。

隨著科學技術的不斷革新，我國居民的消費水平越來越高，生活質量不斷得到提升，但在經濟發展的背后，隱藏著嚴峻的垃圾處理問題。中國擁有世界上最重的垃圾負擔。據統計，全球每年產生近4.9億t垃圾，其中1.5億t在中國城市。垃圾完全是未充分利用的資源。減少廢物的產生量，加強垃圾污染治理，是全面建設小康社會，加快推進城市現代化的重要內容，實現經濟社會可持續發展的重要保障。

1 校園垃圾桶的使用現狀

校園是一個人員密度較高的場所，每天產生的可回收垃圾量巨大，而由于環境的特殊性，校園垃圾又具有集中性、多樣性和較強的流動性、可利用性等特點。隨著“智慧校園”口號的提出和普及，校園分類垃圾桶的智能化已然成為趨勢。設計一款具有自主識別分類功能的校園智能垃圾裝置具有重大的現實意義。

現存校園垃圾桶存在的4點問題：（1）清潔問題：垃圾桶臟，同學們望而卻步，垃圾桶污染嚴重，環衛工人清理困難（2）分類問題：垃圾桶內魚龍混雜，干濕垃圾相互接觸，造成二次污染，可回收與不可回收垃圾混裝，分揀困難。（3）其他問題：分類標識模糊，標識位置單一，盲區較多，垃圾桶假滿情況較多。（4）學生不清楚垃圾桶分類的詳細信息。

2 用戶需求分析

2.1 生理需求

現有校園道路垃圾桶的分類大致有兩類：（1）通過桶身顏色來區分垃圾的種類，但不同的顏色沒有明確對應的垃圾桶種類，分類的方式沒有達到共識（2）通過垃圾桶表面的標志來區分，這種方式通常只給一個寬泛的類別，沒有明確指出分類細節。

設計一桶三分式垃圾桶，配置可根據桶內垃圾填充狀況，調節桶內空間分配布局的分桶葉片，在根本上解決了一桶一分式垃圾桶的占地面積大問題，同時最大化提高垃圾桶內的空間利用率。內筒壁和外筒壁形成獨立空間，單獨放置塑料水瓶。且桶部設置語音識別和圖像識別功能，垃圾桶會根據垃圾特征，自動打開其對應分類模塊的桶蓋，直接解決分類不清楚，不明確問題。

2.2 安全需求

環衛工人的工作時間在早上4點到5點之間，環境偏向昏暗特別在秋冬兩季，環境惡劣，可以通過附近的照明設備和垃圾桶自帶的提示，來降低危險發生的概率，還存在表面污漬多，有異味的問題，且存在門關不嚴，部分垃圾遺落在桶外的現象，主要原因由于設計合理性不到位。在設計上采用大敞口的造型，一定程度上可以提高投放的準確率，用壓環和鉤子結構配合，可以輕松固定住垃圾袋，減清清洗負擔。

2.3 社會需求

垃圾桶報廢率高，回收率低，造價問題，垃圾桶的材料主要有金屬，塑料，木材三大類，對比其優劣，最終選擇金屬為主材料，金屬耐腐蝕性強，可有效延長利用周期。在金屬工藝加工上，常用的有折彎，切割和噴漆等，弊端在于不易加工結構過于復雜的產品?？山档驼蹚澋碾y度，減少加工上的難度，降低造價，并且設計為拼裝型，可易拆卸，方便移動，且大大提高報廢后的利用率。

2.4 尊重需求

混裝習慣，導致回收者拾取困難，需要在臟亂的垃圾內翻找水瓶，惡劣的環境對他們身體造成傷害，也漠視了他們被尊重的需求，在桶外側設置凹槽半開放式利用他們拾取水瓶，同時內筒壁和外筒壁形成的單獨回收塑料水瓶倉，改善了原始需要在混雜桶內尋辨的痛點。同時垃圾桶配置可手動控制開關的按鈕，利用拾荒者尋求。

3 創新發展設計

3.1 研究目標及主要內容

提出一種基于深度學習的校園智能分類垃圾系統，能夠通過可深度學習的神經網絡算法構造模型區分垃圾種類，并運用NB-IOT擁有遠程監控能力，以STM32為主控芯片，加上外圍驅動電路，提高垃圾處理效率，減少資源浪費。研究的主要內容如下：

（1）實現垃圾桶自主分類：采用圖像傳感器結合Alexnet卷積神經網絡分類算法做到識別功能的實現，STM32單片機對識別信息進一步處理，驅動執行機制，實現分類功能。

（2）實現系統的獨立供電：采用風光互補+可充電電池供電，實現系統的獨立供電和可持續供電。

（3）實現系統可靠性及遠程監控：基于NB-IOT的垃圾桶遠程監測網絡，可實時反饋垃圾桶狀況，定位，故障反饋，桶滿情況等，后臺管理系統也可進行實時監測維護。

（4）垃圾的智能壓縮和破袋系統：垃圾的最高點達到設定的距離，被傳感器和紅外測距儀檢測到，壓縮板進行壓縮，當檢測達到3次時，不再進行壓縮，直接進行信息反饋到網絡，提醒工作人員清理。桶口設置塑料破袋爪，可進行破袋操作。

（5）深度學習：機器可以像人類一樣進行分析和學習，并且可以識別文本，圖像和聲音數據。它充分利用了經典深度學習的卷積神經網絡，并結合了MATLAB和Hu不變矩陣的特征提取，灰度共生矩陣的特征提取，HSV顏色特征以及特征提取之前的圖像預處理，以進行連續擴展和遷移學習。

（6）采用一桶三分式設計，配置可調控空間的分桶葉片，設立內外壁形成的獨立回收倉，最大化減少垃圾桶占地面積，提高桶內空間利用率。

3.2 創新特色概述

（1）通過研究與分析現有垃圾分類裝置和識別分類的算法，結合深度學習和機械結構，制定出智能垃圾桶系統的總體設計方案，智能垃圾桶的功能設計方案以及監測平臺的功能設計，利用NB-IOT物聯網技術的優勢，為監測終端與平臺通信提供技術支持。

（2）采用可深度學習的卷積神經網絡分類算法一次訓練多次使用，主要由卷積神經網絡、Hu不變矩陣特征提取，灰度共生矩陣的特征提取、HSV色彩特征以及提取特征前的圖像預處理和遷移學習構成。

（3）垃圾桶的智能壓縮和自主破袋系統，在不改變人們習慣的前提下改善垃圾桶性能，大大減少無必要人力回收清理，并提高了垃圾桶的壽命。

（4）采用一桶三分式設計，打破一桶一分常規，在根本上減少垃圾桶的占地面積，內筒壁由三個分桶葉片分割為三個分類模塊，分桶葉片可根據各個分類模塊的垃圾填充狀況進行調整，進而改變桶內空間分配布局，進而最大化提高垃圾桶內的空間利用率。同時內筒壁和外筒壁形成單獨的回收倉，回收瓶子，進而減少因瓶子內空設計造成的空間浪費。從而提升整體垃圾桶空間利用。

3.3 基本路線

（1）基于深度學習的校園智能分類垃圾桶分為軟硬件兩部分。硬件主要由圖像傳感器，識別算法微處理器，STM32控制平臺，舵機執行電路，能源供給電路以及檢測電路組成，檢測電路又由節能控制電路，故障反饋，實時監測，安全保障電路構成；軟件部分由例程的編寫，控制程序，AD設計，Matlab仿真驗證構成。

（2）硬件電路控制系統主要由圖像收集模塊，分類識別模塊，紅外傳感反饋模塊，微處理器，通訊模塊，機電和電源模塊構成，其中圖像收集模塊與分類識別模塊相連，分類識別模塊，紅外傳感反饋模塊，通訊模塊，機電和電源模塊與單片機相連。

（3）以STM32為主控，構建運用基于NB-IOT物聯網技術的垃圾桶遠程檢測監控網絡，物聯網技術是利用各種傳感器根據規定的通信協議將物體與物聯網相連的一種技術。眾所周知，這項技術的核心仍然是互聯網，它是互聯網技術的擴展。在實際應用中，傳感器被嵌入到空調，電網，垃圾桶等物理對象中，并與互聯網整合一起，以實現對生活的遠程監控和管理。

（4）在Matlab中構建Alexnet卷積神經網絡，并建立數據集訓練網絡。當訓練結果達到所需效果時，將訓練后的模型遷移到處理器。執行機制的設計，在得到分類結果后通過STM32單片機對一系列機械部件進行控制，實現不同種類垃圾的精準入箱。設計NBIOT通信系統，當垃圾箱裝滿時或者系統某處發生故障時及時向管理中心反饋，以便管理人員及時處理。

（5）垃圾的智能壓縮，為防止垃圾桶桶內垃圾過多，以及垃圾桶內虛滿，假滿的問題，設計在垃圾桶上方位置傳感器，內側壁安裝紅外測距儀，位置傳感器有接觸式和接近式兩種，本設計選擇的是接近式位置傳感器，當物體與其接近到設定距離時就可以發出信號，無需直接接觸更適合本產品；紅外測距傳感器傳輸的數據是在大于設定距離時反饋，接著進行桶內壓縮。

（6）深度學習經典的卷積神經網絡算法，卷積神經網絡層中的每個卷積都由若干各卷積核組成，卷積核的作用是使輸入進行卷積運算，提取某一個特征，通過對后面的輸出結果反向傳播優化卷積核從而得到最優解，每個卷積核只可以提取一個特征，一般每個卷積層都有很多卷積核，通過這些卷積核可以提取多種特征，例如紋理，線條，邊緣等，這些特征只是一些淺層的，卷積層一般均有池化層，做卷積運算后的降維處理，多層網絡通過不斷地卷積池化，可以獲得更深層次的特征。整個鏈接層的功能類似于人工神經網絡，后者訓練提取的特征，最終獲得所需的結果。

總結：垃圾分類和垃圾治理是一項系統的工程，如何運用現代技術和設計手段，通過設計合理的物來協調人與環境的關系是一個長期課題，校園分類垃圾桶的設計與研究，雖然取得一定的成果，但對于全國范圍的垃圾分類與治理來說，僅僅只是冰山一角。要推廣垃圾分類，只有因地制宜，科學劃分區域，制定好分類標準，設置合理的分類措施，才能建設良好的垃圾分類系統。高校也需先行一步樹立典范，不斷完善和優化垃圾分類的體系，從校園走向社會，實現資源利用最大化與垃圾分類標準化。