一種多功能智能垃圾桶設(shè)計(jì)與實(shí)現(xiàn)

陳廣振，李孟珍，劉明亮，*，王 偉，朱欽龍

(1.黑龍江大學(xué) 電子工程學(xué)院，哈爾濱 150080；2.黑龍江省氣象數(shù)據(jù)中心，哈爾濱 150030)

0 引 言

垃圾分類是對綠色低碳生活方式的重要踐行，也是實(shí)施“雙碳”國家戰(zhàn)略的重要任務(wù)[1]。隨著國家垃圾分類政策的普遍實(shí)施和人民環(huán)保意識的不斷提升，實(shí)行垃圾分類是大勢所趨[2-3]。垃圾分類處理的流程是一個(gè)綜合體系，包括前端的垃圾分類投放、中端的垃圾運(yùn)輸和末端的垃圾處理，任何一個(gè)環(huán)節(jié)的缺失都會影響整個(gè)垃圾分類體系，形成惡性循環(huán)效應(yīng)[4]。特別是前端的垃圾分類投放環(huán)節(jié)，它是整個(gè)垃圾分類過程的核心，然而垃圾種類繁多、分類規(guī)則復(fù)雜等問題給其帶來了一定的挑戰(zhàn)。同時(shí)隨著垃圾分類政策推行時(shí)間的延續(xù)，人們的關(guān)注度也隨之降低，如何培養(yǎng)人們長期參與垃圾分類的意識和習(xí)慣，建立垃圾分類長效機(jī)制是城市治理領(lǐng)域亟待解決的重要問題[5]。然而作為投放垃圾的主要容器，現(xiàn)有的垃圾桶結(jié)構(gòu)簡單，功能單一，更新迭代較為滯后[6-7]，通常需要先自行對垃圾分類后再進(jìn)行投擲或存在找不到垃圾桶、距離垃圾桶位置較遠(yuǎn)等問題。本文設(shè)計(jì)的多功能智能垃圾桶具有垃圾的自動分類功能，并通過語音方式實(shí)現(xiàn)了人與垃圾桶的有效互動以及對垃圾桶智能移動的控制，有助于垃圾的正確分類投放，具有一定的應(yīng)用價(jià)值。

1 系統(tǒng)方案設(shè)計(jì)

設(shè)計(jì)的智能垃圾桶是面向家庭、辦公室等場景使用，垃圾桶功能結(jié)構(gòu)見圖1。垃圾桶可對投入的垃圾進(jìn)行識別分類，并將識別結(jié)果和對應(yīng)垃圾種類通過語音播報(bào)和屏幕顯示兩種方式呈現(xiàn)給用戶，同時(shí)垃圾桶將自動把分類后的垃圾送入相應(yīng)類別桶中；用戶可通過語音方式對垃圾桶進(jìn)行控制，垃圾桶將根據(jù)不同語音命令自主導(dǎo)航至相應(yīng)地點(diǎn)并作出語音反饋，在移動過程中垃圾桶可以自動避開路徑上的障礙物。

圖1 垃圾桶功能結(jié)構(gòu)Fig.1 Functional structure of trash can

2 硬件系統(tǒng)設(shè)計(jì)

硬件系統(tǒng)架構(gòu)見圖2。設(shè)計(jì)選用Raspberry Pi 4B作為系統(tǒng)的控制中心，其以Linux作為操作系統(tǒng)，搭載4核 Cortex-A72處理器，內(nèi)存大小為4 GB，擁有兩個(gè)USB3.0和兩個(gè)USB2.0接口，傳輸速率快，算力強(qiáng)大，可擴(kuò)展性強(qiáng)，滿足設(shè)計(jì)要求。Raspberry Pi 4B控制STM32F407等其他硬件設(shè)備實(shí)現(xiàn)垃圾分類、語音交互以及智能移動等功能。

2.1 分類硬件設(shè)計(jì)

設(shè)計(jì)采用OV5642攝像頭進(jìn)行圖像采集，其支持最大以2 592×1 944分辨率輸出RGB、YUV422和JPEG等格式圖像，可通過CSI接口將采集到的圖像傳輸至Raspberry Pi 4B進(jìn)行識別，識別種類在LCD液晶屏上進(jìn)行顯示以及通過語音方式進(jìn)行播報(bào)。使用3ds Max軟件對垃圾桶分類結(jié)構(gòu)進(jìn)行設(shè)計(jì)，分類結(jié)構(gòu)見圖3。設(shè)計(jì)的垃圾桶外觀形狀與傳統(tǒng)垃圾桶相似，直徑為32 cm，高度為40 cm。桶內(nèi)通過十字型結(jié)構(gòu)劃分為4個(gè)區(qū)域，分別對應(yīng)可回收物、廚余垃圾、有害垃圾和其他垃圾。十字型結(jié)構(gòu)正上方連接著可以旋轉(zhuǎn)的垃圾分離結(jié)構(gòu)，垃圾分離結(jié)構(gòu)的旋轉(zhuǎn)通過兩個(gè)舵機(jī)來完成，主舵機(jī)位于十字型結(jié)構(gòu)與垃圾分離結(jié)構(gòu)下半部分之間，負(fù)責(zé)將整個(gè)垃圾分離結(jié)構(gòu)旋轉(zhuǎn)至不同垃圾區(qū)域上方；副舵機(jī)通過扇形結(jié)構(gòu)連接垃圾分離結(jié)構(gòu)上半部分，轉(zhuǎn)動時(shí)可將垃圾送入相應(yīng)類別桶中。考慮到旋轉(zhuǎn)角度、精度以及旋轉(zhuǎn)扭矩等要求，主副舵機(jī)均采用LD-27MG型號金屬數(shù)字舵機(jī)。LD-27MG舵機(jī)可通過PWM脈沖信號控制，具有20 kg的超大扭力，能實(shí)現(xiàn)270°大角度轉(zhuǎn)動，轉(zhuǎn)動精度高且響應(yīng)速度快，保證了分類的準(zhǔn)確性和快速性。

圖3 垃圾桶分類結(jié)構(gòu)Fig.3 Classification structure of trash can

2.2 語音交互硬件設(shè)計(jì)

設(shè)計(jì)采用M160C語音模塊實(shí)現(xiàn)人與垃圾桶的交互功能。M160C語音模塊板載Linux系統(tǒng)，可直接與同為Linux系統(tǒng)的Raspberry Pi 4B通過USB自定義通信協(xié)議進(jìn)行通信，基于這些協(xié)議，在Raspberry Pi 4B端設(shè)置語音模塊開機(jī)、獲取音頻等操作。

當(dāng)用戶發(fā)出語音指令時(shí)，M160C語音模塊對其進(jìn)行輸入捕捉后送入離線識別引擎中進(jìn)行語音識別，根據(jù)識別到的文本命令進(jìn)行邏輯處理，最后對生成的回復(fù)文本實(shí)現(xiàn)語音合成。

2.3 移動硬件設(shè)計(jì)

Raspberry Pi 4B作為控制中心通過串口通信方式連接LSN10激光雷達(dá)和STM32F407微控制器，控制中心負(fù)責(zé)相關(guān)數(shù)據(jù)的接收處理以及命令的發(fā)送，從而控制垃圾桶的導(dǎo)航和移動。

LSN10激光雷達(dá)主要負(fù)責(zé)構(gòu)建垃圾桶周圍環(huán)境的實(shí)時(shí)二維地圖，其采用TOF(time of flight)方案，能夠?qū)χ車?60°環(huán)境進(jìn)行二維掃描探測，其內(nèi)部使用無線供電和光通訊，測量重頻為4.5 kHz，輸出數(shù)據(jù)分辨率達(dá)15 mm，探測精度達(dá)到3 cm，最大量程為12 m，使用壽命超過30 000 h，支持ROS系統(tǒng)。

STM32F407微控制器主要負(fù)責(zé)接收和執(zhí)行Raspberry Pi 4B下發(fā)的運(yùn)動控制命令以及上傳相關(guān)傳感器信息至Raspberry Pi 4B，具有性價(jià)比高、性能強(qiáng)大以及外設(shè)資源豐富等優(yōu)點(diǎn)。采用MPU6050慣性測量單元進(jìn)行垃圾桶加速度、角速度的采集，L298N電機(jī)驅(qū)動器實(shí)現(xiàn)MG513直流減速電機(jī)的驅(qū)動，MG513直流電機(jī)位于垃圾桶底部且連接著麥克納姆滾動輪，用于實(shí)現(xiàn)垃圾桶快速精確的移動。

3 軟件系統(tǒng)設(shè)計(jì)

3.1 垃圾分類程序設(shè)計(jì)

通過OV5642攝像頭采集不同種類的垃圾圖片構(gòu)建數(shù)據(jù)集，數(shù)據(jù)集涵蓋了可回收物、其他垃圾、廚余垃圾與有害垃圾，包含日常生活中常見的紙片、電池、口罩、西瓜皮、煙蒂、廢紙、塑料袋等30類垃圾，經(jīng)數(shù)據(jù)增強(qiáng)[8]后共3 570張圖片，每張圖片分辨率為224×224。數(shù)據(jù)集樣例見圖4。

圖4 數(shù)據(jù)集樣例圖片F(xiàn)ig.4 Sample pictures of dataset

使用MobileNetV3[9]模型實(shí)現(xiàn)對垃圾的分類。MobileNet是一種輕量化卷積神經(jīng)網(wǎng)絡(luò)，輕量化卷積神經(jīng)網(wǎng)絡(luò)廣泛用于無人駕駛、移動端、物聯(lián)網(wǎng)的邊緣計(jì)算和人工智能算法部署[10-12]。MobileNetV3作為MobileNet模型的第三代版本，不僅結(jié)合了前兩代的深度可分離卷積、殘差連接等優(yōu)點(diǎn)，而且升級了非線性激活函數(shù)，加入了注意力機(jī)制，使模型精度和速度都有了一定的提升。

使用構(gòu)建的數(shù)據(jù)集，基于Pytorch框架搭建MobileNetV3網(wǎng)絡(luò)模型，訓(xùn)練環(huán)境基于谷歌公司的Google Colab平臺，其中GPU為Tesla T4，顯存大小為16 G。訓(xùn)練集與測試集比例設(shè)置為7∶3，初始學(xué)習(xí)率設(shè)置為0.000 1。經(jīng)過500次迭代后訓(xùn)練完成，測試集準(zhǔn)確率達(dá)到了98.7%，模型較好地完成了垃圾分類任務(wù)。

垃圾經(jīng)過識別分類后，需要控制舵機(jī)轉(zhuǎn)動從而聯(lián)動相應(yīng)機(jī)械結(jié)構(gòu)來實(shí)現(xiàn)垃圾入桶。舵機(jī)的轉(zhuǎn)動通過調(diào)整PWM(脈沖寬度調(diào)制)信號的占空比實(shí)現(xiàn)，輸入脈沖信號范圍是0.5～2.5 ms，4種垃圾入桶時(shí)與PWM信號、舵機(jī)角度的對應(yīng)關(guān)系見表1。由表1可見，不同垃圾入桶時(shí)主舵機(jī)轉(zhuǎn)動不同角度，副舵機(jī)固定轉(zhuǎn)動90°即可。

表1 PWM信號與舵機(jī)角度的對應(yīng)關(guān)系

3.2 語音交互程序設(shè)計(jì)

語音交互相關(guān)參數(shù)包括喚醒詞、命令詞和回復(fù)語。喚醒詞負(fù)責(zé)開啟垃圾桶的語音交互功能，命令詞負(fù)責(zé)啟動不同的導(dǎo)航移動任務(wù)，回復(fù)語則作為一種反饋，用于判斷喚醒詞或命令詞是否被識別。

設(shè)計(jì)將喚醒詞設(shè)置為“小桶小桶”。命令詞的設(shè)置與垃圾桶具體的導(dǎo)航任務(wù)有關(guān)，不同命令詞對應(yīng)不同的導(dǎo)航任務(wù)，同時(shí)對應(yīng)不同的回復(fù)語。

例如，用戶說出命令詞“前往桌子”，垃圾桶將會回復(fù)“馬上到達(dá)桌子”，同時(shí)M160C語音模塊會將識別到的命令詞傳輸給Raspberry Pi 4B控制中心進(jìn)行語音參數(shù)匹配，匹配成功后，控制中心將會執(zhí)行導(dǎo)航去桌子位置的相關(guān)程序。用戶可根據(jù)使用需求設(shè)置不同的命令詞，命令詞默認(rèn)設(shè)置為“前往桌子”“前往窗臺”和“回到起點(diǎn)”3種。

3.3 智能移動程序設(shè)計(jì)

垃圾桶移動部分的程序設(shè)計(jì)基于ROS(Robot Operating System)完成。ROS是開放源代碼(OSS)的機(jī)器人應(yīng)用程序架構(gòu)，其以UNIX系列操作系統(tǒng)的Ubuntu 作為標(biāo)準(zhǔn)環(huán)境，被廣泛應(yīng)用到全球機(jī)器人的研究開發(fā)領(lǐng)域[13-15]。ROS不可獨(dú)立運(yùn)行，需要搭載在其他操作系統(tǒng)上開發(fā)，設(shè)計(jì)選用基于Linux的Ubuntu 18.04操作系統(tǒng)，其可運(yùn)行于控制中心Raspberry Pi 4B上。

為實(shí)現(xiàn)垃圾桶自主導(dǎo)航移動，設(shè)計(jì)選擇Gmapping算法進(jìn)行建圖。Gmapping算法在構(gòu)建小場景地圖時(shí)所需的計(jì)算量較小且精度較高，對雷達(dá)頻率要求低且魯棒性好[16]，符合應(yīng)用環(huán)境要求，使用激光雷達(dá)運(yùn)用Gmapping算法構(gòu)建的一個(gè)封閉環(huán)境下的二維地圖(圖5)。黑色代表封閉環(huán)境中的桌子、沙發(fā)和一些障礙物，左下角白色物體代表垃圾桶。通過Gmapping算法建立好環(huán)境地圖后，結(jié)合激光雷達(dá)、IMU、里程計(jì)等傳感器信息，采用Amcl濾波定位算法、Astar全局路徑規(guī)劃算法以及TEB局部路徑規(guī)劃算法實(shí)現(xiàn)垃圾桶的自主導(dǎo)航及避障功能。

圖5 環(huán)境地圖Fig.5 Environmental map

可通過ROS平臺可視化工具Rviz中的“2D Nav Goal”按鈕在地圖上進(jìn)行移動位置的標(biāo)定，標(biāo)定后會生成相應(yīng)位置的坐標(biāo)以及角度信息(圖6)，每個(gè)移動位置信息與語音命令中的命令詞對應(yīng)。

圖6 位置坐標(biāo)和角度Fig.6 Position coordinates and angles

4 實(shí)驗(yàn)驗(yàn)證與分析

垃圾桶實(shí)物見圖7。基于垃圾桶實(shí)物分別對垃圾識別分類、語音交互以及垃圾桶的智能移動功能進(jìn)行測試與分析。

圖7 垃圾桶實(shí)物Fig.7 Real picture of trash can

4.1 垃圾識別分類測試

使用訓(xùn)練好的MobileNetV3網(wǎng)絡(luò)模型對收集的30種433個(gè)垃圾進(jìn)行識別分類，并將識別結(jié)果在8 cm LCD液晶屏上進(jìn)行顯示，部分結(jié)果見圖8。垃圾的識別分類準(zhǔn)確率見表2。由表2可見，垃圾的平均識別率達(dá)到了98.1%，識別效果與訓(xùn)練測試時(shí)基本保持一致，該智能垃圾桶實(shí)現(xiàn)了垃圾分類功能。

表2 識別分類準(zhǔn)確率

圖8 識別分類結(jié)果顯示Fig.8 Display of recognition and classification results

4.2 語音交互及智能移動測試

分別在30～40 dB較為安靜環(huán)境和50～60 dB相對嘈雜環(huán)境下對4種語音指令進(jìn)行識別測試，若垃圾桶能播報(bào)出正確回復(fù)語即判定本次語音識別成功，播報(bào)錯(cuò)誤或無反應(yīng)則判定本次語音識別失敗。對每個(gè)語音指令分別進(jìn)行100次測試，同時(shí)記錄識別成功情況下的移動準(zhǔn)確率即垃圾桶能否按照語音指令到達(dá)指定位置，測試結(jié)果見表3。測試結(jié)果表明，在兩種環(huán)境下每個(gè)語音指令的識別率均在86.0%以上，雖然嘈雜環(huán)境下的平均識別率相較安靜環(huán)境降低了4.0%，但平均識別率仍然達(dá)到了較高的88.0%，平均移動準(zhǔn)確率也達(dá)到了97.6%，結(jié)果表明，垃圾桶較好實(shí)現(xiàn)了語音交互和智能移動功能。

表3 語音指令識別率

5 結(jié) 論

基于現(xiàn)有垃圾分類現(xiàn)狀及發(fā)展需求，利用人工智能技術(shù)設(shè)計(jì)了一款多功能智能垃圾桶。測試結(jié)果表明，該智能垃圾桶具有較高的垃圾識別準(zhǔn)確率、語音指令識別率和移動準(zhǔn)確率。相比于傳統(tǒng)垃圾桶，該智能垃圾桶可自動對投擲的垃圾進(jìn)行識別分類，較高的垃圾識別率解決了垃圾分類知識缺乏以及分類結(jié)果不準(zhǔn)確等問題；通過簡單的語音命令詞實(shí)現(xiàn)了與垃圾桶的語音交互，該智能垃圾桶為垃圾桶的發(fā)展提供了新的思路，有利于資源的優(yōu)化整合和回收利用，具有很好的市場價(jià)值和發(fā)展前景。