基于樹(shù)莓派的智能化垃圾分類(lèi)系統(tǒng)

摘 要：隨著人們環(huán)境保護(hù)意識(shí)的提升和對(duì)資源可持續(xù)利用需求的增加，垃圾分類(lèi)成為了社會(huì)發(fā)展的必要環(huán)節(jié)。文中提出了基于樹(shù)莓派的智能化垃圾分類(lèi)系統(tǒng)，利用樹(shù)莓派4B作為核心控制單元，結(jié)合定制的CSI攝像頭進(jìn)行圖像識(shí)別，通過(guò)GPIO接口驅(qū)動(dòng)舵機(jī)完成自動(dòng)分揀，并且根據(jù)實(shí)際的垃圾產(chǎn)生數(shù)據(jù)合理節(jié)省材料。該設(shè)計(jì)較好地實(shí)現(xiàn)了垃圾分類(lèi)系統(tǒng)的小型化與低成本，實(shí)現(xiàn)了智能化的垃圾分類(lèi)。實(shí)驗(yàn)結(jié)果表明，該設(shè)計(jì)能夠成功完成垃圾自動(dòng)分類(lèi)，且分類(lèi)準(zhǔn)確度高，成本較低，使用便捷，擁有較好的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：圖像識(shí)別；垃圾分類(lèi)；樹(shù)莓派；深度殘差網(wǎng)絡(luò)；智能垃圾桶；物聯(lián)網(wǎng)

中圖分類(lèi)號(hào)：TP311.5；TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2025）06-0-03

DOI：10.16667/j.issn.2095-1302.2025.06.023

0 引 言

垃圾分類(lèi)可以減少焚燒、掩埋帶來(lái)的碳排放，也能夠減少自然資源的消耗。2020年，習(xí)近平總書(shū)記提出：我國(guó)將提高國(guó)家自主貢獻(xiàn)力度，采取更加有力的政策和措施，力爭(zhēng)于2030年前二氧化碳排放達(dá)到峰值，努力爭(zhēng)取在2060 年前實(shí)現(xiàn)碳中和[1]。實(shí)行垃圾分類(lèi)不僅是為了保護(hù)環(huán)境，更是為了資源的可持續(xù)利用。為高效進(jìn)行垃圾分類(lèi)，設(shè)計(jì)智能化垃圾分類(lèi)系統(tǒng)具有長(zhǎng)遠(yuǎn)意義。

為了更好地實(shí)現(xiàn)垃圾分類(lèi)，智能垃圾分類(lèi)系統(tǒng)層出不窮，但這些產(chǎn)品大多由于成本過(guò)高、沒(méi)有進(jìn)行全面自動(dòng)化分揀等因素未被廣泛使用。在城市生活垃圾投放點(diǎn)，人工智能監(jiān)管作為近幾年的新興技術(shù)，普及程度不高[2]。目前，采用垂直結(jié)構(gòu)的分類(lèi)機(jī)械結(jié)構(gòu)，基于卷積神經(jīng)網(wǎng)絡(luò)的智能垃圾分類(lèi)等使用樹(shù)莓派3B+構(gòu)建的智能垃圾分類(lèi)系統(tǒng)[3]已逐漸趨于成熟。在國(guó)內(nèi)外的一些地區(qū)出現(xiàn)了已投入使用的智能垃圾分類(lèi)機(jī)器人以及智能垃圾桶，如TrashBot垃圾分類(lèi)機(jī)器人不僅在美國(guó)本土多個(gè)城市投入使用，還漂洋過(guò)海到達(dá)澳大利亞[4]；加拿大溫哥華國(guó)際機(jī)場(chǎng)有Oscar垃圾回收機(jī)器人；上海也部署了GPS智能垃圾回收設(shè)施。

本文基于樹(shù)莓派設(shè)計(jì)了一個(gè)能夠低成本且有效完成垃圾分類(lèi)的智能化系統(tǒng)，按照各類(lèi)垃圾比例設(shè)計(jì)了桶的內(nèi)部結(jié)構(gòu)，使其小型化。該設(shè)計(jì)通過(guò)調(diào)用攝像頭識(shí)別圖像，利用舵機(jī)將垃圾自動(dòng)分類(lèi)并送至不同的垃圾桶中，實(shí)現(xiàn)垃圾投放后自動(dòng)分類(lèi)的功能。

1 系統(tǒng)方案設(shè)計(jì)

1.1 合理節(jié)約成本

該系統(tǒng)在能夠完成圖像識(shí)別，自動(dòng)分揀功能的同時(shí)，還實(shí)現(xiàn)了體積的小型化以節(jié)約制造成本。本設(shè)計(jì)調(diào)查了各類(lèi)垃圾的產(chǎn)生比例：2020年，上海全市可回收物回收量達(dá)到了6 375噸/天，有害垃圾收運(yùn)量達(dá)2.57噸/天；濕垃圾收運(yùn)量為9 504噸/天；干垃圾處置量約1.42萬(wàn)噸/天[5]。根據(jù)以上數(shù)據(jù)可得出居民垃圾可以分為濕垃圾（廚余垃圾）、干垃圾（生活垃圾）、可回收物、有害垃圾四類(lèi)，每天各類(lèi)垃圾分別占總數(shù)的31.59%、47.20%、21.19%、0.02%。

1.2 技術(shù)框架

該智能化垃圾分類(lèi)系統(tǒng)擁有圖像識(shí)別功能：本文使用樹(shù)莓派Raspberry Pi 4B作為系統(tǒng)開(kāi)發(fā)板，在開(kāi)發(fā)板上可以通過(guò)連接攝像頭、舵機(jī)進(jìn)行圖像識(shí)別以及自動(dòng)分揀，系統(tǒng)方案如圖1所示。

系統(tǒng)開(kāi)發(fā)板的攝像頭接口連接樹(shù)莓派定制的CSI攝像頭進(jìn)行圖像獲取。在樹(shù)莓派中，用Python語(yǔ)言構(gòu)建代碼生成訓(xùn)練模型，得到的數(shù)據(jù)文件可以對(duì)垃圾圖像進(jìn)行識(shí)別處理。該垃圾分類(lèi)系統(tǒng)利用樹(shù)莓派的GPIO接口驅(qū)動(dòng)三個(gè)舵機(jī)實(shí)現(xiàn)對(duì)垃圾的自動(dòng)分揀：通過(guò)識(shí)別的信息使得舵機(jī)在一定的時(shí)間間隔后發(fā)生不同角度的轉(zhuǎn)動(dòng)，將落在平臺(tái)上的垃圾分別移動(dòng)到垃圾桶或下一層平臺(tái)。文中所用的硬件及其型號(hào)見(jiàn)表1。

2 結(jié)構(gòu)設(shè)計(jì)

本文設(shè)計(jì)的智能化垃圾分類(lèi)系統(tǒng)按照廚余垃圾優(yōu)先分類(lèi)處理，其次分離生活垃圾，再分離可回收物，最后分離有害垃圾的順序完成相關(guān)垃圾的分類(lèi)。將四個(gè)小型垃圾桶組合到一個(gè)較大的垃圾桶中，其中，濕垃圾容納桶高度最高，避免污漬留在其余位置，存放干垃圾到有害垃圾的筒高度遞減，符合調(diào)查得到的居民垃圾數(shù)據(jù)。該系統(tǒng)結(jié)構(gòu)簡(jiǎn)潔，可拆卸以便清潔，避免了因?yàn)榍謇砝щy而導(dǎo)致細(xì)菌滋生。

該系統(tǒng)設(shè)計(jì)為長(zhǎng)呈體，內(nèi)含4個(gè)開(kāi)口的不同高度的小長(zhǎng)方體作為嵌入其中的垃圾桶，從左至右編號(hào)分別為1～4。內(nèi)部的小長(zhǎng)方體呈梯度下降，兩個(gè)相鄰長(zhǎng)方體上方各設(shè)計(jì)一個(gè)與大桶側(cè)壁相連的平臺(tái)作為分類(lèi)處，平臺(tái)也按梯度下降。平臺(tái)中各嵌入一個(gè)舵機(jī)，通過(guò)控制葉片的左右旋轉(zhuǎn)完成對(duì)垃圾的自動(dòng)分類(lèi)。系統(tǒng)正上方是蓋口，蓋口側(cè)面是攝像頭，蓋口正對(duì)第一個(gè)平臺(tái)保證垃圾在平臺(tái)處得到分揀。根據(jù)實(shí)驗(yàn)可知，人在正常拋擲較輕的物體時(shí)，物體下落至地面的時(shí)間約為1.5 s。將平臺(tái)處舵機(jī)開(kāi)始轉(zhuǎn)動(dòng)的時(shí)間設(shè)計(jì)為1 s，保證其在物體下落到平臺(tái)處才會(huì)發(fā)生轉(zhuǎn)動(dòng)。舵機(jī)轉(zhuǎn)動(dòng)范圍為-60～60°，負(fù)方向代表左側(cè)，向左轉(zhuǎn)動(dòng)使垃圾進(jìn)入小桶中；正方向代表右側(cè)，向右轉(zhuǎn)動(dòng)使垃圾進(jìn)入下一個(gè)平臺(tái)。垃圾桶結(jié)構(gòu)如圖2所示。

3 軟件方案設(shè)計(jì)

3.1 圖像識(shí)別

本文在Raspberry Pi 4B系統(tǒng)開(kāi)發(fā)板中安裝依賴(lài)項(xiàng)，通過(guò)Paddle-Lite進(jìn)行垃圾圖像識(shí)別。Paddle-Lite 是百度深度學(xué)習(xí)平臺(tái)PaddlePaddle的端側(cè)推理引擎[6]，是一種輕量級(jí)、靈活性強(qiáng)、易于擴(kuò)展的高性能深度學(xué)習(xí)預(yù)測(cè)框架[7]，能夠有效進(jìn)行垃圾圖像識(shí)別。

由于神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要消耗大量?jī)?nèi)存和計(jì)算資源，而嵌入式設(shè)備如樹(shù)莓派的計(jì)算能力有限，首先在PC上的百度飛槳平臺(tái)完成了網(wǎng)絡(luò)的搭建與訓(xùn)練。百度飛槳AI" Studio是一個(gè)基于PaddlePaddle 的集成了大量數(shù)據(jù)集、經(jīng)典樣例項(xiàng)目及比賽項(xiàng)目的云計(jì)算建模平臺(tái)[8]。本文提供數(shù)據(jù)集進(jìn)行模型訓(xùn)練，采用基于深度殘差網(wǎng)絡(luò)ResNet的PPYOLO實(shí)現(xiàn)圖像識(shí)別。測(cè)試得出，ResNet進(jìn)行圖像識(shí)別的正確率接近95%，優(yōu)于近鄰分類(lèi)以及基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)。待模型在PC上訓(xùn)練并測(cè)試完成后，再將其部署到裝有Linux系統(tǒng)和Python環(huán)境的樹(shù)莓派上。在樹(shù)莓派上安裝OpenCV以及Paddle-Lite，為其配置模型參數(shù)以及類(lèi)別信息，并進(jìn)一步提高模型在識(shí)別不同垃圾類(lèi)別時(shí)的準(zhǔn)確率和效率。

3.2 舵機(jī)控制

將樹(shù)莓派的GPIO接口與舵機(jī)數(shù)據(jù)引腳連接后可以通過(guò)樹(shù)莓派創(chuàng)建Python腳本，指定舵機(jī)的仰角以及旋轉(zhuǎn)角度。樹(shù)莓派的GPIO接口如圖3所示。首先通過(guò)調(diào)用分類(lèi)系統(tǒng)蓋口處的攝像頭獲得物體圖像，進(jìn)行圖像識(shí)別后，根據(jù)識(shí)別結(jié)果對(duì)舵機(jī)發(fā)出指令控制其旋轉(zhuǎn)。系統(tǒng)的程序流程如圖4所示。若識(shí)別出為廚余垃圾，則系統(tǒng)在1 s后驅(qū)動(dòng)第一個(gè)舵機(jī)向左旋轉(zhuǎn)，其余兩個(gè)舵機(jī)維持原狀；若為生活垃圾，則在1 s后驅(qū)動(dòng)第一個(gè)舵機(jī)向右旋轉(zhuǎn)，再經(jīng)過(guò)1 s使得第二個(gè)舵機(jī)向左旋轉(zhuǎn)；若為可回收物，則在前兩個(gè)舵機(jī)向右旋轉(zhuǎn)完成之后，再過(guò)1 s使得第三個(gè)舵機(jī)向左旋轉(zhuǎn)；若為有害垃圾，則使3個(gè)舵機(jī)在3 s內(nèi)依次向右旋轉(zhuǎn)。

3.3 定位功能

在實(shí)地應(yīng)用時(shí)系統(tǒng)可以具備定位功能，成為軟硬件結(jié)合的智能化系統(tǒng)。我國(guó)自主研發(fā)的北斗衛(wèi)星導(dǎo)航系統(tǒng)集導(dǎo)航定位、授時(shí)、用戶(hù)監(jiān)測(cè)、短報(bào)文通信于一體[9]。在本設(shè)計(jì)中，樹(shù)莓派通過(guò)Python讀取WTGPS+BD模塊，可以獲得北斗衛(wèi)星輸出的信息。通過(guò)樹(shù)莓派建立服務(wù)器，將坐標(biāo)位置信息儲(chǔ)存到服務(wù)器的數(shù)據(jù)庫(kù)中。用戶(hù)使用時(shí)可以通過(guò)網(wǎng)頁(yè)訪問(wèn)服務(wù)器，借助高德API實(shí)現(xiàn)定位點(diǎn)在地圖上的實(shí)時(shí)顯示。高德地圖API為開(kāi)發(fā)人員創(chuàng)建了一個(gè)開(kāi)放且免費(fèi)的地圖服務(wù)應(yīng)用程序接口，也提供了地圖服務(wù)類(lèi)的描述和調(diào)用案例[10]。對(duì)定位系統(tǒng)的開(kāi)發(fā)能夠進(jìn)一步實(shí)現(xiàn)硬件與軟件的結(jié)合。

4 實(shí)驗(yàn)與結(jié)果分析

4.1 實(shí)驗(yàn)設(shè)置

本設(shè)計(jì)建立了一個(gè)包括可回收物、廚余垃圾、有害垃圾、生活垃圾的垃圾圖像數(shù)據(jù)集。為此，本設(shè)計(jì)從不同來(lái)源收集了廣泛的圖像數(shù)據(jù)，以確保數(shù)據(jù)集的多樣性和廣泛性。利用這一數(shù)據(jù)集，基于ResNet模型完成圖像識(shí)別并部署到樹(shù)莓派。部署完成后在實(shí)際的垃圾分類(lèi)設(shè)施中對(duì)該模型進(jìn)行了現(xiàn)場(chǎng)測(cè)試，觀察舵機(jī)的響應(yīng)動(dòng)作以及垃圾最終的歸類(lèi)情況。通過(guò)這種方式，本設(shè)計(jì)旨在評(píng)估模型在現(xiàn)實(shí)世界條件下的表現(xiàn)，并對(duì)其實(shí)際應(yīng)用前景進(jìn)行探索。

4.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)結(jié)果表明，本研究設(shè)計(jì)的垃圾分類(lèi)系統(tǒng)能以超過(guò)90%的準(zhǔn)確率成功執(zhí)行分類(lèi)任務(wù)，證明了模型的高效性和實(shí)用性。一些常見(jiàn)垃圾的識(shí)別分類(lèi)結(jié)果見(jiàn)表2。系統(tǒng)的響應(yīng)時(shí)間為2 s，滿(mǎn)足了快速分揀的實(shí)際需求。通過(guò)對(duì)分類(lèi)錯(cuò)誤的案例進(jìn)行深入分析，發(fā)現(xiàn)大多數(shù)錯(cuò)誤都與圖像采集過(guò)程中的光照條件和拍攝角度有關(guān)。這一發(fā)現(xiàn)表明在實(shí)際部署時(shí)，需要對(duì)攝像頭的安裝位置進(jìn)行優(yōu)化，并可能需要改善環(huán)境的光照條件以降低誤分類(lèi)率。

此外，觀察到系統(tǒng)在處理濕垃圾和有光澤的物體時(shí)識(shí)別效果較差。為了解決這一問(wèn)題，開(kāi)發(fā)了更為復(fù)雜的圖像預(yù)處理算法，以提升模型在不利光照和復(fù)雜背景條件下的識(shí)別能力。未來(lái)的工作還包括擴(kuò)大數(shù)據(jù)集，尤其是增加在不同天氣條件下拍攝的圖像，以進(jìn)一步提高系統(tǒng)的魯棒性和準(zhǔn)確性。計(jì)劃探索使用多攝像頭系統(tǒng)從不同角度捕捉圖像，以減少單一視角帶來(lái)的限制，從而進(jìn)一步優(yōu)化分類(lèi)性能。

5 結(jié) 語(yǔ)

本研究設(shè)計(jì)了一款基于樹(shù)莓派和圖像識(shí)別技術(shù)的智能垃圾分類(lèi)系統(tǒng)，實(shí)驗(yàn)結(jié)果驗(yàn)證了其高效性和準(zhǔn)確性。該系統(tǒng)的設(shè)計(jì)充分考慮了成本和實(shí)用性，具有很高的推廣價(jià)值。未來(lái)的研究將集中在優(yōu)化圖像識(shí)別模型領(lǐng)域，提高其分類(lèi)的準(zhǔn)確性，以及探索系統(tǒng)更多的實(shí)用功能，如垃圾量監(jiān)測(cè)、實(shí)時(shí)定位、語(yǔ)音播報(bào)等，以進(jìn)一步提高垃圾分類(lèi)的智能化水平。

參考文獻(xiàn)

[1]王燦，張雅欣.碳中和愿景的實(shí)現(xiàn)路徑與政策體系[J].中國(guó)環(huán)境管理，2020，12（6）：58-64.

[2]李娟娟，劉新，李建勇.城市居民生活垃圾分類(lèi)投放現(xiàn)狀、問(wèn)題與優(yōu)化建議[J].節(jié)能與環(huán)保，2024（1）：44-51.

[3]吳碧程，鄧祥恩，張子憧，等.基于卷積神經(jīng)網(wǎng)絡(luò)的智能垃圾分類(lèi)系統(tǒng)[J].物理實(shí)驗(yàn)，2019，39（11）：44-49.

[4]殷桐. TrashBot：垃圾桶里的“鋼鐵俠”美國(guó)AI垃圾分類(lèi)發(fā)展到什么程度？[J].中外管理，2019（11）：32-33.

[5]新華社.上海垃圾分類(lèi)可回收物回收量2020年同比增長(zhǎng)近六成[EB/OL].https：//www.gov.cn/xinwen/2021-01/22/content_5581952.htm

[6]任永國(guó).面向移動(dòng)端的蔬菜水果目標(biāo)檢測(cè)算法的研究與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2021.

[7]陶杰，陳啟源，朱恒通.基于Paddle Lite的太湖莼菜檢測(cè)測(cè)試平臺(tái)設(shè)計(jì)[J].電子制作，2024，32（3）：66-69.

[8]陳玫玫，玄玉波，李兆璽，等.基于百度飛槳AI Studio的機(jī)器學(xué)習(xí)教學(xué)新模式實(shí)踐與探索[J].計(jì)算機(jī)教育，2021（9）：46-50.

[9]楊元喜.北斗衛(wèi)星導(dǎo)航系統(tǒng)的進(jìn)展、貢獻(xiàn)與挑戰(zhàn)[J].測(cè)繪學(xué)報(bào)，2010，39（1）：1-6.

[10]王璇，楊成杰.基于地圖API的城市地質(zhì)調(diào)查信息平臺(tái)[J].智能城市，2024，10（1）：9-11.

作者簡(jiǎn)介：譚瑞鴻（2004—），男，研究方向?yàn)閿?shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)。

劉宇杰（2003—），男，研究方向?yàn)闇y(cè)繪工程。

劉 杭（2002—），男，研究方向?yàn)闇y(cè)繪工程。

江 暢（1978—），女，博士，副教授，研究方向?yàn)榭臻g數(shù)據(jù)處理與分析。

收稿日期：2024-04-19 修回日期：2024-05-24

基金項(xiàng)目：江蘇省高等學(xué)校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃（20231029 3162T）