AI識別的智能垃圾桶

韶關學院智能工程學院 譚偉健 趙其湛 陳水龍 黃梓清 夏 薇 洪遠泉 周永明

針對垃圾分類存在的問題，本文提出一種具有AI人臉識別和垃圾識別功能的垃圾桶設計方案。用戶通過人臉識別驗證身份登錄控制系統并在投放區域放置垃圾，系統調用卷積神經網絡算法對垃圾進行識別并自動分類。同時搭配管理端APP，便于管理員及時對垃圾桶進行清理和維護。通過AI識別功能進行垃圾的智能分類，以及系統對于用戶及時的反饋，可以提高用戶的垃圾分類知識和個人對垃圾分類的積極性。

隨著可持續發展越來越受人們的關注，對垃圾進行有效合理地分類處理也愈受重視。垃圾分類是一個世界范圍的環境治理熱點議題，也是經濟高度發達國家在面對日益增長的垃圾產生量時必然選擇的道路。在人工智能的大背景下，人們的日常生活中出現了越來越多的智能系統，其中，智能垃圾桶以及智能垃圾分類系統也慢慢地出現在人們的日常生活中。然而，市面上大部分智能垃圾桶都是采用掃二維碼或者是磁感應ID卡來對用戶進行交互的，存在二維碼安全問題和ID卡攜帶不便問題，還有部分智能垃圾箱是用戶將垃圾投入對應分類的垃圾箱的方式進行鼓勵，然而這對于缺乏分類意識的用戶是個考驗，以及垃圾分類錯誤會給環衛工人帶來負擔。

針對這些問題，本項目提出了一種AI人臉識別垃圾桶設計方案。系統的硬件部分有攝像頭、智能顯示屏、機械裝置、傳動裝置等模塊組成。可以培養人們養成垃圾分類習慣，擺脫攜帶手機信息不安全或者ID卡出門麻煩的問題，投放錯誤的垃圾也會自動分類到相應的垃圾桶，為此也減輕了垃圾收集者的工作量。為共建美好社會，培養人們環保意識，提供了良好的保障。

1 系統總體設計

垃圾分類系統總體硬件設計框圖如圖1所示。垃圾分類系統的核心主控板采用STM32F103ZET6以及Jetson Nano作為雙核心控制，其中STM32用來控制各類硬件外設功能模塊；攝像頭識別模塊采用雙攝像識別塊，垃圾識別以及人臉識別分別各采用一個高清雙目攝像頭；光電傳感器模塊，用來檢測裝置內的光線情況，當亮度較低時則開啟補光；超聲波模塊選用的類型為US-100，用來檢測垃圾箱內的容量，防止垃圾溢出而沒有得到及時的處理；電機驅動模塊選用TB6600雙驅動模塊，用來驅動步進電機的運動；音樂播放模塊選用DY-SV5W語音模塊，用來給用戶退出系統時播放一段愉快的音樂。

圖1 硬件設計框圖

語音識別：

采用LD3320語音模塊，其本身也是一個C51開發板，通過串口通信方式就可以跟主控STM32進行通信，實現根據識別到的語音去執行對應指令的功能。通過直接連接繼電器即可進行一些簡易控制。但是本地語音模塊是通過聲紋去識別語音的，所以需要提前設定一些識別的語言進去，提前設定一些喚醒詞和一些操作關鍵詞等指令；除此之外，語音識別還可作為一項可擴展功能，為后續本地語音識別功能繼續開發鋪墊基礎。識別語音過程如圖2所示。

圖2 識別語音過程

2 系統軟件算法設計

2.1 垃圾種類識別算法

校園的垃圾種類相對較少，出于對本系統使用的場景，選取快遞紙箱、飲料瓶、紙張、易拉罐、塑料袋等五類校園常見垃圾作為訓練對象。垃圾識別是用超分辨率卷積神經網絡算法，前期通過增加訓練樣本的數量，強化學習各種校園常見的垃圾類型，強化垃圾的特征性，從而達到預測正確的效果。通過加強訓練量和保存設置好閾值，可以大大地提高垃圾識別正確率。垃圾分類系統選用inceptiongV3網絡作為特征提取器進行垃圾種類的特征提取，在保留其運原有權值基礎上，進行分類訓練、強化學習，通過不斷增大訓練樣本數量和調整識別的閾值，識別校園常見的垃圾樣本、擴大垃圾分類的數據庫，從而提高垃圾識別的正確性。垃圾種類識別流程圖如圖3所示。

圖3 垃圾種類識別算法流程圖

2.2 人臉識別算法

前期需要搭建學校區域小范圍的人臉識別庫，學生可以選擇線上或者線下收集臉部特征數據。具體地，學生可以通過線上發布自己的臉部數據或者通過系統的攝像頭直接捕獲自己臉部特征的數據。攝像頭捕獲到學生臉部的多個特征后，儲存在人臉識別數據庫中。完成面部特征的數據采集后，通過調用百度人臉識別的API以及使用FaceDataset提供的人臉識別構建庫，再結合OpenCV開源計算機視覺庫，三者構成系統的人臉識別數據庫。OpenCV提供了圖像處理方面的函數和工具類，其代碼經過了優化，具有可移植性好、實時和執行效率高等特點。通過提取活體的面部特征，進行強化學習訓練，可以將數據庫擴展到一個十分可觀的數據量，從而達到精準識別的效果。人臉識別算法流程圖如圖4所示。

圖4 人臉識別算法流程圖

3 裝置分類結構模型

系統設計有垃圾分類裝置，裝置的核心結構平面如圖5所示。待分類的垃圾①在投放區完成識別后，③滾軸帶動④小型傳送帶進行運動，運動到相對應的垃圾桶口②后，通過滑動推桿⑤將垃圾推進垃圾桶內。滑動推桿控制由PID自動控制算法執行，可以穩定準確將垃圾投放到相對應的垃圾桶，滑桿底部裝有毛狀絲帶，用于接觸傳送帶的表面，清除表面的碎屑。

圖5 分類結構平面圖

4 系統測試

4.1 系統軟件程序設計

系統人臉識別軟件部分程序主要采用python進行程序語言的編寫，通過在pycharm軟件上實現人臉識別，將訓練好的數據庫以及代碼移植到Jetson Nano上，就可以完成人臉識別的功能。系統的控制部分主要是通過C語言程序進行編寫的，在Keil version5軟件上進行實現的。只要將控制部分寫好的代碼燒錄到系統的STM32主控板內就可以實現垃圾的運送功能。

4.2 系統功能測試

當系統的軟硬件設計完成后，需要對系統的功能進行驗證測試。首先，對人臉識別進行測試，當人們靠近垃圾桶攝像頭區域時，攝像頭能夠很好地識別出人臉并登錄系統；其次，登錄系統后，顯示界面OLED能夠正常顯示指引人們操作系統；在使用者的操作下，機械控制部分也能很好的完成垃圾的分類；除此之外，系統也能夠正常完成垃圾桶容量的測距以及探測桶內溫度的高低。總的來說，設計的AI人臉識別垃圾桶設計原理思路正確，技術功能可靠，具有很大的實用性。

結論：隨著人工智能技術以及物聯網技術的發展，通過機器學習算法搭載機械裝置自動分類垃圾，大大提高了垃圾分類的效率，有效解決了人們培養垃圾分類習慣和意識等問題，在一定程度上也減輕了垃圾收集者的工作量，對改善環境以及提高人們的垃圾分類意識均有積極的推進作用。為共建美好社會，培養人們環保意識，提供了良好的保障。