基于YOLOv5 的智能垃圾分類系統設計

羅 亮， 許佳娜， 畢登峰， 黃耀鵬， 羅 慧

（韶關學院 數學與統計學院， 廣東 韶關 512005）

0 引言

我國不僅是人口大國，還是垃圾產生大國，隨著經濟逐步發展， 人們的生活消費水平和城鎮化率不斷提高，生活垃圾產生量不斷上升，但是由于人們長期缺乏垃圾分類的意識， 導致生活垃圾在投放的時經常未被合理的分類，不僅造成了資源浪費，隨之而來的環境問題也日益突出。

目前， 基于傳統模式識別的圖像分類方法已被應用到工業領域，但這些圖像識別分類方法的往往準確度不高。 此外，由于設備算法的限制，垃圾自動識別的研究在很長一段時間停滯不前。而隨著計算機性能的快速發展，依托大數據和GPU 計算的深度學習取得了非常大的進展，成為學術界和工業領域的主流。

針對目前深度學習領域發展現狀并結合垃圾分類的現狀與難點，提出了基于YOLOv5 的智能垃圾分類系統，通過圖像識別與嵌入式的結合， 很好的解決了生活垃圾在投放時遇到的難題， 同時也解決了垃圾處理方式上的難題，為進一步的垃圾回收提供了便利。

與傳統的垃圾分類方式相比， 該系統提高了垃圾分類的準確度和垃圾資源的利用率， 對生活垃圾處理方式也有一定的幫助， 一定程度上解決了由于生活垃圾帶來的環境污染問題。 可以預見，在未來，隨著圖像識別技術的發展，基于圖像識別的垃圾分類技術將成為主流。

1 系統整體設計

該系統使用基于Pytorch 的深度學習框架的YOLOv5模型進行生活垃圾圖像識別， 使用STM32F103 單片機作為控制器。 本文的垃圾回收裝置，使用的是圓形垃圾桶。在垃圾桶頂部，安裝了攝像頭模塊，在投放垃圾時，可以進行圖像采集；在垃圾桶內部劃分四個扇形區域，每個區域使用擋板隔開； 在垃圾桶底部安裝了步進電機控制垃圾桶的旋轉。

當系統運行時，使用攝像頭進行圖像采集，將采集到的圖像信息發送至在上位機即PC 端部署的YOLOv5 模型進行識別，識別完成后將識別到的結果信息（包含物體的類別信息以及坐標信息）經過串口通信發送給單片機，單片機接受到信息后， 通過判斷垃圾類別來控制步進電機進行旋轉，旋轉到對應的區域，再控制另一個步進電機打開垃圾擋板， 實現垃圾的自動識別和分揀功能。 系統設計如圖1 所示。

圖1 系統設計圖

2 硬件設計

硬件結構主要的模塊有STM32 主控模塊、圖像采集模塊、步進電機模塊、紅外傳感器模塊。系統結構設計如圖2 所示。

圖2 系統結構設計圖

2.1 STM32 單片機

選用STM32F103ZET6 單片機作為控制器，該系列單片機構造簡單、工具易用、低功耗、高性能且有豐富的拓展接口，可拓展性強，充分滿足本系統的需求。

2.2 圖像采集模塊

選用分辨率為720×1280 的外接攝像頭作為圖像采集模塊，配置有自動降噪和自動對焦功能，使圖像采集更為精準。 采集的生活垃圾示例如圖3 所示。

圖3 生活垃圾示例

2.3 紅外傳感器模塊

選用紅外傳感器來判斷垃圾是否被投放進垃圾桶， 當紅外傳感器檢測到光線變化時，將信號發送給單片機， 單片機接收到信號后將旋轉后的對垃圾桶進行復位， 使垃圾桶回到初始位置。 紅外傳感器具有體積小，穩定性強等特點。 紅外傳感器原理圖如圖4 所示。

圖4 紅外傳感器原理圖

2.4 步進電機模塊

選用28BYJ48 型步進電機控制垃圾桶進行旋轉。 該型號步進電機的驅動方式為4 相8 拍，最大轉速能力大約14 圈每分鐘，額定電壓為12V，牽入轉矩≥34.3mN·m，在滿足系統需求的同時還兼具速度快、功率小、噪聲低等優勢。 STM32 單片機接收數據后進行判斷，控制1 個步進電機旋轉，使得垃圾桶轉到對應區域， 再控制另一個步進電機轉動垃圾擋板進行投放。

3 系統軟件設計

3.1 YOLOv5 模型

YOLOv5 采用端到端網絡結構，并將目標檢測任務轉換為回歸問題，以直接檢測和分類目標。它是通過整個圖像應用一個卷積神經網絡（CNN），把圖像分劃為網格，預測每個網格的類概率和邊界框。 YOLOv5 有四種版本，由于深度和寬度的不同分為s、l、m、x 四種版本。 而本文使用YOLOv5s。

YOLOv5s 模型的基本組件有：輸入端（Input）、主干網絡（Backbone）、Neck、數據輸出端（Prediction）。 Yolov5s的整體網絡結構如圖5 所示。

圖6 Focus 結構

本文以YOLOv5 算法為基礎， 了解并使用它進行檢測目標生活垃圾圖片， 通過YOLOv5 算法對垃圾圖像進行預處理，得到一張垃圾特征圖。 通過相關算法分析，得出垃圾分類結果，從而對垃圾進行分類，達到本文所研究的目的。 具體過程為：攝像頭端口檢測到垃圾，識別垃圾后傳送到YOLOv5 的輸入端輸入。 為了提高模型的訓練速度和網絡的準確性，在輸入端采用了Mosaic 數據增強的方法，使垃圾圖片的Mini-batch 不用很大，而獲得更好的結果。 同時提出了能夠對圖像進行預處理并豐富了檢測數據集的方法——自適應錨框計算與自適應圖像縮放，獲得更多的目標。通過輸入端對垃圾圖像進行隨機縮放、裁剪、分布、拼接后，得到一張新的圖像，并根據圖像的尺寸自適應地向縮放后的圖像添加最少的黑邊。 經過這樣處理后，計算量會大幅度減少。 YOLOv5 的主干網絡使用了Focus 結構，是Backbone 所獨有的，結構如圖2 所示。 Backbone 利用CSP_X 把輸入分為兩部分，一部分通過CBL 經過多個殘差組件卷積而成，另一部分通過使用普通卷積運算，豐富了梯度形式的多樣性。經過Backbone的切片和卷積操作后，進入Neck。 Neck 部分堆疊了許多能夠提取特征融合的層，通過FPN+PAN 結構把上層和下層的垃圾信息融合起來形成垃圾特征圖， 極大地減少了提取垃圾信息特征的損失。從Neck 獲得預測的垃圾特征圖， 最后進入Prediction 進行最后的剔除多余的預測框，從而得到準確的垃圾特征圖，在經過后續一系列操作后，得到目標垃圾的分類信息，完成垃圾分類。

YOLOv5 最大的優點是速度快，它能夠直接對單個圖像、批處理圖像、視頻甚至網絡攝像頭端口輸入，快速的檢測識別垃圾圖像中的目標， 直接在網絡中提取特征來預測目標垃圾的分類和位置。 所以本文使用YOLOv5 對生活垃圾進行檢測分類，提高生活垃圾檢測分類的速率，從而提高垃圾分類再利用的效率。

3.1.1 數據集

生活垃圾的樣本集是垃圾檢測是否有效的關鍵，樣本集會對訓練后模型的質量產生影響。 本文收集了各種環境下的生活垃圾圖像，分為可回收垃圾、有害垃圾、廚余垃圾和其他垃圾，保證訓練后的模型更具實用性。最后經過篩選，共收集到生活垃圾圖片2745 張，每一類收集了約550 張垃圾圖像。 對收集的垃圾圖片按順序編號后進行重新命名（例如，00001.xml，00002.xml，……，01067.xml）， 并劃分為訓練集與測試集。 其中， 訓練集一共有2545 張圖像， 用于測試的測試集有200 張圖像。 之后通過LabelImg 軟件對生活垃圾圖片進行標注， 標注的信息主要是垃圾分類類別， 并將圖片標注的圖片格式由xml轉換成YOLOv5 的格式。

3.1.2 訓練環境

本文為構建生活垃圾檢測環境并對模型進行訓練，使用Windows 10 作為實驗應用的操作系統，開發語言選擇Python 語言。 硬件參數詳見表1。

表1 硬件參數

在網絡模型訓練過程中，具體的訓練參數及訓練設置情況如下：網絡模型訓練階段，物體檢測驗證集較平穩，總迭代次數為300 次。 輸入圖片尺寸為640×640，batch-size 為16。

3.2 單片機程序設計

本文的單片機程序主要包含了主程序以及步進電機程序、紅外傳感程序等子程序。在對程序進行編寫時實現各個功能的模塊化，使得系統易于調試。

4 識別結果分析

為了驗證模型的正確識別率， 一共選取了200 張圖像，包含分別從各種環境中采集的可回收垃圾、有害垃圾、廚余垃圾、其他垃圾圖像，從中各取50 張進行了混淆。 將圖像隨機分為4 組，每一組圖像集包含50 張垃圾圖像，然后使用模型對圖像進行識別。 得到的結果如表2 的所示。

表2 測試結果

由測試結果分析可知，模型有較好的識別率，平均識別率達到了96%，識別效果很好。對于不同環境的垃圾圖像都有較好的識別率， 證明了模型能夠滿足日常生活中人們對生活垃圾的分類需求， 解決現實生活中人們對生活垃圾分類的遇到的問題。

5 總結

本文將目前垃圾分類的痛點與深度學習和嵌入式設備結合，提出了基于YOLOv5 的智能垃圾分類系統，利用STM32F103ZET6 單片機作為控制器， 通過訓練YOLOv5模型進行圖像識別， 能夠實現垃圾自動分類和分揀的功能，有較好的識別率，滿足了系統設計的需求，并且有較強的實用價值。

在之后的改造中， 可以增加語音識別模塊、 配套的APP 開發，以適應更加復雜的場景下的使用需求。