基于圖像識別的智能垃圾分類小車設計

吳洪艷 徐東萍 甘尚艷

摘? 要：文章基于圖像識別技術設計一款可移動的智能垃圾清潔分類小車，該小車能夠在行進過程中自動識別垃圾，實現垃圾清潔分類。以Arduino mega 2560為主控板，借助K210圖像識別裝置，采用基于卷積神經網絡的算法對垃圾圖像進行識別與分類，并在液晶屏上顯示識別與分類結果，語音提醒垃圾桶裝滿信息。測試結果表明，該文設計的智能垃圾分類小車識別分類準確率高，運行平穩順暢。

關鍵詞：圖像識別；智能小車；垃圾分類

中圖分類號：TP391.4；X705 文獻標識碼：A? 文章編號：2096-4706（2023）03-0143-04

Design of Intelligent Garbage Sorting Car Based on Image Recognition

WU Hongyan， XU Dongping， GAN Shangyan

（School of Electronic and Electrical Engineering， Lingnan Normal University， Zhanjiang? 524048， China）

Abstract： Based on the image recognition technology， this paper designs a mobile intelligent garbage cleaning and classification car， which can automatically identify garbage in the process of traveling and realize garbage cleaning and classification. The Arduino mega 2560 is used as the main control board， and the K210 image recognition device is used to recognize and classify the garbage images using the algorithm based on convolutional neural network， and the results are displayed on the LCD screen to voice alert the trash can of full information. The test results show that the intelligent garbage sorting car designed in this paper has high recognition and classification accuracy and smooth operation.

Keywords： image recognition; intelligent car; garbage classification

0? 引? 言

隨著城市化進程的飛速發展，城市垃圾處理成為城市環境保護和可持續發展的首要任務。在此背景下，生活垃圾分類逐漸受到重視[1]。另外，科技進步促使智能化產品在人們日常生活中的應用越來越廣，出現了智能家居用品、掃地機器人等智能家用電器[2]。在智慧城市的理念下，智能系統的出現大大提高了人們的工作效率。如何運用先進技術，科學高效地處理生活垃圾，促進資源再利用成為政府亟須解決的問題[3]。將圖像處理技術與垃圾分類有機地融合，設計一款智能語音控制垃圾分類系統，解決傳統垃圾分類依靠人工識別、分類效率低下的問題，此項工作具有重要的實用價值，可以更好地實現資源回收和再利用[4-7]。

目前市面上的垃圾分類產品大都是大型化、不可移動的，由于是固定化形式的，對沒有扔入的垃圾沒法處理。通過采用機器視覺和避障模塊實現可移動化的垃圾分類可解決這一問題，保障大型場所室內衛生的干凈整潔，實現垃圾分類，營造綠色環境。

1? 總體設計方案

智能垃圾分類小車是車載分類垃圾桶，在移動過程中實現對垃圾的回收與分類。在沒有尋找到垃圾的時候，小車先用超聲波識別障礙物，并使用直流電機控制麥克納姆輪進行避障行走，圖像識別裝置在小車行進過程中尋找垃圾。圖像識別裝置以K210芯片為主控，小車前方的攝像頭將圖像傳給芯片后，通過卷積神經網絡的計算，識別出圖像中的垃圾，按照可回收物、不可回收物、其他垃圾的分類標準進行類別判斷。在圖像識別裝置得出數據后，通過串口通信傳送給主控板Arduino。主控板再通過舵機控制小車的鏟子將垃圾鏟起，并將垃圾放至小車上相應類別的垃圾桶中。同時，通過紅外模塊，實時測量垃圾桶是否已滿，如果垃圾桶已滿，則發一個信號給主控板，此時，語音模塊發出語音提示“垃圾已滿”。智能垃圾處理小車順應時代發展，可輕松實現垃圾分類，同時又將垃圾分類與小車結合在一起，實現動態的垃圾分類，解決室內衛生問題。具體的系統設計方案如圖1所示。

2? 系統硬件設計

基于設計方案，對主要組成部分進行詳細設計。

2.1? Arduino Mega 2560主控板

Arduino Mega 2560作為主控板，通過收集超聲波測距模塊和光電傳感器的信息對小車周圍環境情況進行判斷，實現小車的自主運動與避障。同時判斷k210通過串口傳輸的數據，對地面上的垃圾進行分類處理，再通過串口發送垃圾種類給語音識別模塊。此外，小車上的臨時垃圾桶裝滿后，Arduino發送信號給工作人員進行下一步的處理。

2.2? K210芯片

K210芯片作為圖像識別裝置的主控，擁有1TOPS的算力，在卷積神經網絡計算方面有一定的優勢，所搭載的SD上存放有基于YOLO目標檢測算法訓練的圖像識別模型。當接收到攝像頭OV2640傳來的圖像時，利用卷積神經網絡及已經訓練好的模型進行計算，分析圖像中是否有垃圾，并通過串口將結果實時傳送至主控Arduino，同時將垃圾位置框出，連同垃圾種類一起在LCD屏中顯示出來。當攝像頭傳過來的圖片中未顯示有垃圾時，則不發送數據。

2.3? LCD顯示屏（ST7789）顯示識別情況

運用高清全彩IPS LCD實時顯示圖像。如果圖像中存在垃圾時，在屏幕中顯示垃圾所在的區域及垃圾類別，可以驗證能否正確尋找圖像中的垃圾以及所識別的圖像垃圾類別是否正確。

2.4? 超聲波測距和光電開關組成的避障模塊

小車的頭部是避障最為關鍵的部位，在車頭中心位置加裝超聲波傳感器，兩側對稱放置光電傳感器，盡可能擴大環境探測范圍。此外，車體兩側也是避障的關鍵點。在避障過程中，它們的作用是讓車身與兩側的障礙物保持安全距離。通過超聲波測距模塊和光電傳感器對周圍環境做出判斷，與構建好的控制規則進行比較，在代碼中設置不同環境下小車的運動動作，當超聲波返回的數值小于所設置的距離或光電開關置于“0”時，小車改變當前的運動狀態。與紅外測距相比，光電開關傳感器抗干擾能力強，頻率響應快，檢測準確度高，適用于不同的室內光線，克服小車使用場景的局限性。

2.5? TB6612FNG電機驅動

TB6612FNG是一款新型電機驅動器件，具有集成度高、輸出能力強、能耗低等優點。通過改變Arduino的引腳輸入對應碼值和PWM輸入數值，即可控制電機正反轉和轉速，實現相應的動作，有效控制小車運動。

2.6? 攝像頭OV2640捕捉圖像

這款攝像頭擁有高靈敏度，適合低照度應用，可以適配K210，且擁有200萬像素，能夠清晰地獲取圖像，提高圖像識別的準確率。

2.7? 舵機組合模塊

舵機的轉動由PWM脈沖控制，通過改變輸入信號脈沖寬度的方式來改變舵機轉動的角度，能夠很精確地控制電機的轉動，從而實現精確的定位。在實現垃圾的抓取和倒置時，我們選用舵機MG996R設計兩個可自由活動的垃圾鏟子抓取垃圾，使用舵機SG90控制垃圾桶的翻轉。

2.8? Q8900-16P語音模塊

能夠靈活有效地更換存儲的語音內容，使得產品研發和生產變得簡單便捷，同時價格適中，非常適合應用在實際生活中。將語音模塊和喇叭安裝在小車上，實現在不同情況下播報不同的語音，讓使用者可隨時了解智能垃圾小車的運動狀態。

3? 系統軟件設計

3.1? 系統主控程序

如圖2所示為系統主控流程圖，先初始化各個功能模塊，實時檢測小車周圍的環境情況，根據傳感器返回的數據控制小車執行避障程序，從而實現小車的自主運動。在小車運動過程中，同時使用攝像頭檢測是否有垃圾，若有垃圾，K210經過卷積神經網絡分類處理，同時通過串口發送數據給主控板，主控板控制舵機轉動，抓取垃圾放入不同的垃圾桶。當垃圾桶中的垃圾裝滿時，會發出語音提醒工作人員進行處理。

避障功能部分代碼如圖3所示。

3.2? 圖像識別裝置（K210）程序

如圖4所示為圖像識別裝置（K210）程序框圖，先初始化攝像頭和屏幕，打開SD卡里的模型文件和anchors、lable文件，設置串口通信的引腳，然后由K210芯片處理攝像頭傳來的圖片，并將處理結果通過串口傳出去，同時將垃圾框出，連同處理結果一起顯示在LCD屏上。

3.3? YOLO目標檢測算法

YOLO是一種國外開源的目標檢測算法，YOLO本質上是一個回歸問題，圖像作為神經網絡結構的輸入，輸出為邊界框的位置及其所屬的類別。

YOLOv2是其中一個版本，利用K-means聚類方法獲得更好的Anchor模板，同時結合圖像細粒度特征，將淺層特征與深層特征相關聯，有利于小目標的檢測。但YOLOv2算法相比之前的系列算法，提高了定位準確性，并且基于region proposal的方法相比召回率有所提高，因此選用YOLOv2算法實現垃圾分類。

4? 系統測試

為了讓圖像識別更加精準，計算更加準確，采用YOLO目標檢測算法進行模型訓練，同時選擇擁有高算力的K210芯片進行卷積網絡計算。此外，小車搭載大扭力的舵機以及3D打印的鏟子，保證鏟子擁有較高的載重能力同時能夠準確地鏟起垃圾。在進行物體垃圾分類識別時，除了芯片算力的問題，還有SD卡中訓練的模型準確度問題。這就涉及訓練集的大小和精度，以及模型是否適配K210芯片的問題。經過一系列的嘗試，最終選擇本地訓練的模式。關于小車避障部分，在實現過程中也遇到了一些困難。小車綜合采用超聲波及光電實現避障功能，傳感器在小車上并不能完全覆蓋每一個角度，因此在一些比較極端的環境下，小車與障礙物存在碰撞情況，因此在實現過程中我們在調整傳感器角度的同時，后續還會安裝防撞導向擋板，使小車的避障功能更加完善。除此之外，我們在測試過程中發現，小車在遇到三面都是障礙物時可能會出現循環移動的路線，這是因為小車左右遇到障礙物時的旋轉角度一致。當障礙物左右距離相等的時候，小車會不斷地左右轉動，我們的解決方法是稍微調整小車的轉動角度，同時向斜后方倒車，讓左右兩邊的距離差增大，后續我們還會繼續根據車身來調整車速和轉動方向。圖5與圖6展示了小車在行進過程中遇到電池垃圾，經過分類識別后，用鏟子鏟起電池垃圾，然后將其放入對應的分類垃圾桶中。

4.1? 不同環境下的小車避障測試

將小車放入不同環境中進行測試，檢測小車能否成功避障，記錄小車在不同環境下的測試結果。障礙物出現在車頭前方a，出現在車頭左方b，出現在車頭右方c，出現在車頭左右方d，出現在車頭的前方、左方e，出現在車頭前方、右方f，出現在車頭前方、左右方g。試驗結果如表1所示，小車能夠在不同環境中實現避障功能。

4.2? 垃圾識別正確率的測試

訓練模型中將垃圾分為三類，分別是有害垃圾、可回收垃圾和其他垃圾。進行了10次試驗，其中有9次能正確識別出垃圾，成功率為90%。另外在對不同類別垃圾進行分類識別的實驗中，有害垃圾的分類準確率低于可回收垃圾及其他垃圾的分類準確率，如表2所示。試驗結果表明，小車能夠正確識別垃圾，但在對有害垃圾的識別分類上還要提高準確率。

4.3? 垃圾拾取成功率測試

對小車鏟垃圾動作準確性進行實驗，進行了10次實驗，成功率達到100%，試驗結果表明，小車能夠正常鏟起垃圾。

5? 結? 論

隨著人們對環境清潔需求的日益增加，垃圾分類正在融入人們的生活，為此設計和制作一款基于圖像識別的智能垃圾小車。摒棄了市面上固定垃圾桶的垃圾分類方法，采用裝載了能讓小車橫向行走的麥克納姆輪的小車巡邏的方法，避免了垃圾桶旁邊堆放垃圾無人清掃的情況，提高了清潔的靈活性，節省了人力成本，更好地保證了環境的干凈整潔。小車采取圖像識別垃圾自動分類，避免了依賴人工進行垃圾分類的弊端，讓小車清潔、垃圾分類的一系列流程能夠順利、高效地進行，讓小車的使用更智能、更簡便，門檻更低。

參考文獻：

[1] 彭超.數字鄉村戰略推進的邏輯 [J].人民論壇，2019（33）：72-73.

[2] 范攀峰，李露露.基于Smart3D的低空無人機傾斜攝影實景三維建模研究 [J].測繪通報，2017（S2）：77-81.

[3] 李加忠，程興勇，郭湧，等.三維實景模型在景觀設計中的應用探索——以金塔公園為例 [J].中國園林，2017，33（10）：24-28.

[4] 康荔，蔡磊，張鑫，等.傾斜攝影技術在農村宅基地權籍調查測量中的應用研究 [J].測繪與空間地理信息，2019，42（11）：236-238.

[5] 李智廣.基于WebGIS的鄉村管理平臺設計與研究 [J].中國建設信息化，2020（10）：55-57.

[6] 喬賢哲，張超，楊建宇，等.高分辨率遙感影像中農田灌溉設施的提取 [J].測繪通報，2012（S1）：372-374.

[7] 舒小林，劉東強，齊培瀟，等.中國城鎮化與旅游業發展的動態關系研究——基于VAR模型的分析 [J].經濟問題探索，2014（11）：122-129.

作者簡介：吳洪艷（1970—），女，漢族，遼寧義縣人，副教授，博士，研究方向：智能控制。

收稿日期：2022-10-10

基金項目：嶺南師范學院教學質量與教學改革工程建設項目（嶺師教務〔2020〕81號）；廣東省高職教育改革研究與實踐項目（GDJG2021368）；嶺南師范學院—北京三清互聯科技有限公司實踐教學基地（嶺師教務〔2021〕165號）