基于Jetson_Nano的智能分类垃圾桶设计_申健.pdf

Science and Technology&Innovation科技与创新2023 年 第 03 期61文章编号：2095-6835（2023）03-0061-03基于 Jetson Nano 的智能分类垃圾桶设计申 健，王明鑫，周 鑫，吴 阳（无锡太湖学院智能装备工程学院，江苏 无锡 214064）摘要：随着经济的发展，人民对社会可持续发展及资源再利用的关注度日益增加，垃圾分类理念也被大众广泛认可。智能分类垃圾桶的设计可以准确且有效地进行垃圾分类，无需人工分拣垃圾，继而实现后续垃圾回收资源化及再利用。设计主要以 Jetson Nano 的 YOLOv4 图像识别技术为主，通过摄像采集垃圾图像，根据图像的特征信息进行垃圾类别识别，并利用自动控制完成垃圾分类。关键词：垃圾分类；Jetson Nano；图像识别；自动控制中图分类号：TP29文献标志码：ADOI：10.15913/ki.kjycx.2023.03.018党的十九大报告中提出，人与自然和谐共生，必须树立“绿水青山就是金山银山”的理念。为响应国家号召，全国多地开始实施垃圾分类政策，提高资源转化率，实现可持续发展。近年来，随着中国乃至全球经济水平的高速发展，人们的物质水平不断提高，相对应的垃圾量也在迅速增长，由垃圾产生的问题也日益突出，已经危害到人们所生存的环境甚至危害到人们的身体健康。生活中人们通常没有垃圾分类的意识，或者很多人没有学习过垃圾分类方面的知识，不能很好地将垃圾正确、合理分类。因此，生活垃圾智能分类装置对人类的发展至关重要，它体现了资源可持续、环境可持续发展的精神。然而垃圾分类的具体操作仍有难度，大众分类意识和能力都有欠缺；垃圾分类种类繁多，分为可回收垃圾、有害垃圾、厨余垃圾、其他垃圾等，其中部分垃圾分类边界模糊，容易造成错误投放。因此，可以通过自动控制等方式来解决人为垃圾分类不准确及分类耗时的问题1，给予分类投放指导。本文研究的是基于 Jetson Nano 图像识别技术的智能分类垃圾桶，通过图像识别、智能机制分析等可以有效提高垃圾分类效率。垃圾分类是生活垃圾进行前端处理的重要环节。通过垃圾分类投放、垃圾分类收集，把有用物资从生活垃圾中分离出来重新回收分类处理、充分利用，变废为宝。既提高生活垃圾的资源化利用水平，又可减少垃圾处置量，是实现生活垃圾减量化的有效途径和手段。垃圾分类收集有益于对不同的类型生活垃圾进行分类处理，垃圾分类收集处理是对传统生活垃圾收集处理方式的改革，是对生活垃圾进行有效处理的一种科学管理方法。面对日益增加的生活垃圾产生量和急剧恶化的环境状况，如何才能通过垃圾分类管理最大限度地充分利用生活垃圾，减少垃圾处置量，有效改善生存质量，是当前世界各国共同关注的迫切问题之一。王伟杰等2基于 YOLOv4 智能垃圾分类回收机器人的研究中利用机器人进行图像采集并计算，将垃圾进行智能分类，并放入相应垃圾桶中。陈亚宇等3在研究图像处理的废弃物分类与定位方法时利用图像处理算法结合质心定位算法实现对废弃物进行准确定位。吴蓬勃等4针对人工智能相关专业深度机器学习理论与实践脱节的情况，结合市场对垃圾分拣的实际需求，设计了一款基于 TensorFlow 的垃圾视觉分拣机器人实验平台，实现了对垃圾的视觉分拣。实验平台可满足深度学习、工业机器人、机器视觉等先进技术的实践教学要求，有助于提高学生的创新与实践能力。生活垃圾中有些物质不易降解，使土地受到侵蚀。实行垃圾分类，清除掉能回收分类处理、不易降解的物质后，减少的生活垃圾量可达 50%以上。废弃电池内含有金属汞、镉等有毒物质，会对环境产生危害；土壤中的废塑料会导致农作物减产。回收可以再次利用上述物质，减少环境污染。回收可回收物可以再次利用物品价值，如 1 t 废塑料可回炼 600 kg 无铅汽油或柴油；回收分类处理 1 500 t 废纸，可免除砍伐用于生产 1 200 t 纸的树木；1 t 易拉罐熔融后能变成 1 t 非常好的铝块，可少采 20 t 的铝矿。垃圾分类回收可再次利用物品，实现变废为宝。基于垃圾分类准确度低、基金项目2021 年江苏省大学生创新创业项目（编号：202113571041Y）；江苏高校“青蓝工程”优秀青年骨干教师项目（苏教师函202111 号）科技与创新Science and Technology&Innovation622023 年 第 03 期效率不高的问题，本文设计了一款基于 Jetson Nano 的YOLOv45图像识别技术的智能分类垃圾桶。1智能分类垃圾桶的系统框架设计智能分类垃圾桶的主要目标是实现对生活垃圾的智能分类，提高垃圾分类的精确度，减少人工的参与，节约成本。包括以下内容：研究垃圾分类过程，分析关键技术问题，并制定合理的结构方案和自动化方案；设计生活垃圾的回收硬件机构；设计生活垃圾的输送和分类机构（利用有 2 个自由度的舵机）；设计智能垃圾桶的满载检测（利用传感器）；设计整个机器的安装平台和配套结构；解决整套装置的软件编程问题，先利用摄像头实现图像识别、图像处理、图像分类，再深入到舵机动作，将图像分类扩大到实物分类，从而实现垃圾分类。本文在设计之初考虑到实用性及成本等问题，采用了模块化设计理念，将整体分为 3 个部分，即检测系统、控制系统、执行系统。在整个智能分类垃圾桶系统中，STM32 单片机是核心控制机制，它联系了各个模块之间的运作，并且 STM32 单片机也对外提供采集电路、液晶屏、按键功能等。通过研究基于 Python的树莓派主板，通过树莓派控制摄像头和舵机，利用摄像头进行图像识别、图像分类，从而控制舵机进行垃圾分类。生活垃圾的投放装置包括动力机构、传动机构。其中动力机构包括蓄电池、SPT5435LV 舵机、电机，传动机构包括同步带轮、偏心轴、轴承、连杆。开启电源，摄像头将分析完的数据通过树莓派传输给舵机，舵机按照已经设定好的动作进行，将生活垃圾传送并投放到相对应的位置。利用红外传感器，对垃圾桶进行满载检测，当单个垃圾桶的容量达到 80%时，满载检测器自动发出满载警报，从而保留摄像头所分析出来的参数。2图像识别技术将生活垃圾先进行识别分类、再分类处理全过程的一体化设计，从而将生活垃圾准确、有效地投放到相应的智能垃圾桶中，同时降低生活垃圾对生存环境的影响，既保护了环境，体现了可持续发展原则，还能更高效率地利用可回收垃圾继续产生经济效益，变废为宝。在一般认知中，当谈起图像识别技术就会想到人工智能技术，即通过计算机对采集的图像进行处理、分析和理解，以识别不同模式下的目标及对象的一种技术。在具体的实践运用中，图像识别技术不仅重视识别的对象具体是什么物体，还要明确其所处的位置方向等。当前图像识别技术已经被广泛运用于各个领域中，比如交通领域的车牌号识别、安全领域的人脸识别等。2.1图像识别技术的发展图像识别技术的发展共经历了 3 个阶段：文字识别、数字图像处理与识别、物体识别。最早阶段的文字识别开始于 20 世纪 50 年代，大部分是识别数字、字母和符号。20 世纪 60 年代，数字处理图像与识别开始逐步发展，其在存储、传输过程中展现了很大的优势，也为图像识别技术的发展提供了强大动力。物体识别属于高级计算机视觉范畴，它是以数字图像处理与识别结合的人工智能系统，并且也被广泛用于各种探测机器人上。2.2图像识别技术过程图像识别技术过程如下：收集信息。通过传感器将采集的光等因素向电信号转换，即将识别的信息向计算机传输且转化成计算机可以识别的信息。信息预处理。主要采用变换平滑等操作对信息进行处理，将图像重要特征明显化。抽选重要特征。在识别图像进行分离操作得到一系列特征后，抽取出有用的重要特征，该过程称为特征抽取。设计分类器。分类器是通过制定识别规则将获取的信息特征提高辨识度后，实现对图像的评价，再确认最终分类。3功能设计3.1图像采集垃圾物品的图像采集，主要通过单片机，将垃圾进行逐一拍照并实时同步到服务器，为下一步处理识别做好准备。其流程为首先通过单片机访问摄像头，对摄像头状态进行初始化确认，确认无误后利用摄像头对图像进行动态拍摄，逻辑层利用图像识别算法对对象主体进行识别，并将识别结果传输至图像处理处。3.2图像处理图像处理单元是整个智能识别处理系统的核心单元。它能够基于 Jetson Nano 的 YOLOv4 图像识别技术实现，首先将图像进行预处理，再通过深度学习模型训练对目标进行定位分类。明确垃圾的分类信息并进行训练，再采用重复验证方式进行分类并归集处理。通过不断训练，不断提高系统对图像的识别率。YOLOv4 是在原有 YOLO 目标检测架构的基础上，采用了近些年 CNN 领域中最优秀的优化策略，对数据处理、主干网络、网络训练、激活函数、损失函数等各个方面都进行了不同程度的优化，虽没有理论上的创新，但是受到了许多的工程师的欢迎，尝试了各种优化算法。3.3机制操作在处理完后，可通过 Web 端对系统处理数据进行Science and Technology&Innovation科技与创新2023 年 第 03 期63访问整理。Web 终端主界面能够实时显示当前垃圾处理的数量、类别等详细信息。可以通过数据记录对垃圾处理信息进行可视化分析，为分析垃圾分类大数据提供参考。并将结果发送至前段进行分析显示，达到垃圾处理信息存储和统计的目的。4智能分类垃圾桶应用4.1技术实现首先，通过摄像头等工具对垃圾进行图像识别处理，转化为计算机可以识别的数字信号；其次，利用变换等操作手段增加图像辨识度，进行信息处理提取重要特征，保证信息准确，最后，设计分类器，对采集信息的重要特征进行识别分析，与数据库中已有的数据进行对比，进行分类操作。分类操作的完成需要建立一个内部控制程序，即通过代码控制完成分类。4.2发展前景智能回收垃圾桶的使用范围已经越来越广泛，就城市地区而言，大部分地方都已经安置了智能回收垃圾桶。与传统垃圾桶相比，智能分类垃圾桶可以有效提高大众垃圾分类的效率，使后续垃圾回收工作更加方便快捷。在如今“绿水青山就是金山银山”的环保理念下，智能分类垃圾桶的设计无疑是值得被大众认可及广泛投入使用的。但是由于基于图像识别技术的智能分类垃圾桶的技术及成本投入较高，该设计的使用应先从高密度人群地区开始，这样也可以提高使用率，达到效率最大化。随着社会经济、科技水平的提高，基于图像识别技术的智能分类垃圾桶也将在成本越来越低、技术越来越精湛的基础上被广泛应用，走进大众的日常生活中，提供关于垃圾分类更加便捷的服务，这样才可以真正实现所有人都可以做到垃圾分类，实现“绿水青山就是金山银山”的环保理念。5结语本文设计了一款基于Jetson Nano图像识别技术的智能分类垃圾桶，该垃圾桶以Jetson Nano为主控制器，通过图像识别技术及 YOLOv4 深度学习模型进行检测然后分类，经过不同场景的测试，该垃圾桶可以及时有效且准确地进行垃圾分类。相较于传统的人工分拣垃圾，利用图片识别技术人工智能垃圾分类可以更加准确、省时省力。环保意识的宣传不仅需要大众的认可实践，随着时代的发展，使用人工智能方法实现也是一条有效途径。参考文献：1卢淑怡，魏爽，万思远.基于深度学习的智能分类垃圾桶J.计算机与数字工程，2021，49（5）：1009-1012，1029.2王伟杰，姚建涛，张敏燕，等.基于 YOLOV4 的智能垃圾分类回收机器人J.智能计算机与应用，2020，10（11）：182-186.3陈亚宇，孙冀晟，李建龙，等.基于深度学习与图像处理的废弃物分类与定位方法J.科学技术与工程，2021，21（21）：8970-8975.4吴蓬勃，姚美菱，王拓，等.基于 TensorFlow 的垃圾分拣机器人设计 J.实验室研究与探索，2020，39（6）：117-122.5 BOCHKOVSKIY A，WANG C Y，LIAO H YM.YOLOV4：optimal speed and accuracy of objectdetectionJ.ArXiv preprintarXiv，2004，10：934.作者简介：申健（20