基于HuskyLens的智能垃圾分类回收车设计.pdf

信息与电脑2023年第10 期Information&Computer软件开发与应用基于 HuskyLens 的智能垃圾分类回收车设计师宇白宏坤马晓慧杨志朋杨丽（中国矿业大学徐海学院，江苏徐州221000)摘要：文章基于图像识别技术，设计了一款智能垃圾分类回收车。该车可以通过图像识别学习算法分类和回收垃圾，实现自动化、高效化处理垃圾。文章详细介绍了智能垃圾分类回收车的结构设计、图像识别算法、分类回收流程等，并通过实验验证了智能垃圾分类回收车的可行性和实用性。关键词：智能垃圾分类回收车；图像识别；分类回收流程；HuskyLens识图中图分类号：TP311Design of Intelligent Garbage Sorting and Recycling Vehicle Based on HuskyLens文献标识码：A文章编号：10 0 3-9 7 6 7（2 0 2 3）10-147-0 4SHI Yu,BAI Hongkun,MA Xiaohui,YANG Zhipeng,YANG Li(Xuhai College,China University of Mining and Technology,Xuzhou Jiangsu 221000,China)Abstract:Based on image recognition technology,this paper designs an intelligent garbage sorting and recycling vehicle,which can classify and recycle garbage through image recognition learning algorithm,so as to realize the automation and highefficiency of garbage disposal.In this paper,the structure design,image recognition algorithm,classification and recyclingprocess of intelligent garbage sorting and recycling vehicle are introduced in detail,and experimental verification is carried outto prove the feasibility and practicability of intelligent garbage sorting and recycling vehicle.Keywords:intelligent garbage sorting and recycling vehicle;image recognition;sorting and recycling process;HuskyLensmap recognition0引言随着人们的环境保护意识不断增强，日益重视垃圾分类回收。传统的垃圾处理方式已经无法满足人们的需求，因此智能垃圾分类回收车应运而生。另外，科技发展促使智能化产品在人们日常生活得到了广泛的应用，涌现出大量智能电器，提高了人们的生活幸福指数。在智慧城市的理念下，智能系统的出现大大提高了人们的工作效率。文章根据生活现状，设计了一款融合图像识别和垃圾分类的垃圾分类回收车，解决了传统垃圾分类依靠人们自我识别、分类效率低的问题，能够实现资源的回收再利用 1-3。1系统总体方案设计智能垃圾分类回收车是车载的分类垃圾桶，在智能车的移动过程中可以智能分类垃圾。智能车采用摇杆控制电机带动小车行走。图像识别装置以HuskyLens识图为主要技术，以K210芯片为硬件主控。首先智能车上方的摄像头模块将图像传给K210芯片，其次通过芯片处理图像，按照已设定的分类系统进行分类，最后启动机将垃圾放入对应的垃圾桶。当垃圾桶中的垃圾满时，会触发压力传感器将信号传到Arduino主控板，处理后通过语音模块进行提示。智能垃圾分类回收车的出现极大地解放了人工生产力，解决了城市卫生问题。具体的收稿日期：2 0 2 3-0 3-19基金项目：江苏省高等学校大学生创新创业训练计划项目“基于图像识别的家庭智能垃圾分类回收车”（项目编号：202213579011Y）。作者简介：师宇（2 0 0 1一），男，江苏扬州人，本科。研究方向：信息工程。147一信息与电脑软件开发与应用Information&Computer系统设计方案，如图1所示。摄像头模块AI识别模块压力模块ASR MO8-B语音识别模块2系统硬件设计2.1Arduino Mega 2560 主控板ArduinoMega2560作为智能车的主控板，通过遥控小车判断周围的信息，从而实现小车的避障功能。摄像头模块将图像信息传递给K210芯片进行处理，然后将信号发送给Arduino主控板，进而实现垃圾分类 4-1。2.2HuskyLens AI 识别模块小车的人工智能（ArtificialIntelligence，A I）识别模块采用K210处理器。K210使用台积电超低功耗的28nm先进制程，拥有较好的功耗性能、稳定性与可靠性。对应图片的数据集存放在K210的闪存卡（SecureDigitalMemoryCard，SD）上。当摄像头采集到相关图像后，会将其送人K210，利用HuskyLens识图技术进行分析判断并通过通用异步收发传输器（UniversalAsynchronous Receiver Transmitter，U A R T）串将信息实时反馈给 Arduino主控板 7-。2.3OV5640摄像头该摄像头拥有卓越的画质和低照度的表现。OV5640摄像头可以适配K210处理器，获取清晰的图片，提高识别的准确率。2.4K210处理器K210包含RISC-V64位双核中央处理器（CentralProcessingUnit，CPU），每个核心内置独立浮点运算单元（FloatPointUnit，FPU）。K 2 10 的核心功能是机器视觉与听觉，包含用于计算卷积人工神经网络的（K n o w l e d g e Pr o c e s s i n g U n i t，K PU）与用于处理麦克风阵列输人的加速处理器（AcceleratedProcessingUnits，APU）。K 2 10 系统架构如图2 所示。2.5舵机模块舵机的转动由脉冲宽度调制（PulseWidthModulation，PWM）波控制，通过改变PWM的脉宽改变舵机转动的角度，进而控制舵机的转动，实现平台精准地将垃圾投2023年第10 期OLED显示屏ArduinoPWM主控板PWM图1系系统设计方案放进垃圾桶。DMACPUDVPRISC-V64 bitJTAGFPUAESOTPFPIOASRAM2.6车模选型该车的底盘结构采用麦克纳姆轮的设计，相比于全向轮，麦轮可以通过其转速来合成任意方向的合力，因此可以实现前行、横移、斜行以及旋转等多种运动方式，非常适合在空间有限的环境中应用。2.7语音模块语音模块使用ASRM08-B语音识别模块，可以进行非特定语音识别。此模块的识别度远高于市面上的其他模块，同时采用了晶体管晶体管逻辑（TransistorTransistor Logic，T T L）串口通信 10。3系统软件设计3.1主控程序主控程序流程图如图3所示。在程序运行的过程中，使用摄像头识别投人的垃圾，根据识别的结果，控制舵机将投放的垃圾放进对应的垃圾桶。在投放垃圾的过程中，如果垃圾桶装满，将会通过语音提示工作人员回收舵机直流电机RISC-V64 bitFPUKPUCNNAcceleratorAPUFFTAudioAcceleratorKendryte K210图2K210系统架构图GPIOUARTSPIRTCPSPCTimerPWNWDTSHA256148信息与电脑2023年第10 期Information&Computer软件开发与应用垃圾。在垃圾车的运行过程中，通过遥控控制小车走向，让小车移动到需要的位置，实现实时定位。开始模块初始化垃圾箱是否满投放垃圾启动摄像头立立可回收垃圾厨余垃圾立转动舵机进行投放图3系统软件方案3.2图像识别程序图像识别程序主要使用HuskyLens图像识别处理器K210内置的卷积神经网络处理器KPU，在低功耗的情况下实现卷积神经网络计算，实时获取被检测目标的种类，并进行分类，最终通过串口将结果显示到有机发光二极管（Organic Light-Emitting Diode,OLED)显示屏上,具体实现代码为void DF_TuXiangShiBieO(huskylens.requestO;if(huskylens.readBlockCenterParameterDirectO).ID=-=2)(huskylens.readBlockCenterParameterDirectO.ID=6)II(huskylens.readBlockCenterParameterDirect0.ID=10)(delay(mind_n_debounce*1000);huskylens.requestO;if(huskylens.readBlockCenterParameterDirect).ID=-=2)(huskylens.readBlockCenterParameterDirectO.ID=6)II(huskylens.readBlockCenterParameterDirectO.ID=10)(DF_ChuYuLaJiChuLiO;?if(huskylens.readBlockCenterParameterDirectO).ID-=3)(huskylens.readBlockCenterParameterDirectO.ID=7)Il(huskylens.readBlockCenterParameterDirectO.ID=11)(delay(mind_n_debounce*1000);huskylens.requestO;if(huskylens.readBlockCenterParameterDirectO).ID=3)(huskylens.readBlockCenterParameterDirectO.ID=7)II(huskylens.readBlockCenterParameterDirectO.ID=11)(DF_KeHuiShouLaJiO;)!是if(huskylens.readBlockCenterParameterDirectO).ID=4)(huskylens.readBlockCenterParameterDirectO.装满语音提示ID=8)Il(huskylens.readBlockCenterParameterDirectO.ID=12)(进行垃圾回收delay(mind_n_debounce*1000);huskylens.requestO;有害垃圾其他垃圾if(huskylens.readBlockCenterParameterDirect).ID-=4)(huskylens.readBlockCenterParameterDirectO.ID=8)Il(huskylens.readBlockCenterParameterDirectO.ID-=12)(DF_YouHaiLaJiChuLiO;if(huskylens.readBlockCenterParameterDirectO).ID=5)(huskylens.readBlockCenterParameterDirectO.ID-9)II(huskylens.readBlockCenterParameterDirectO0.ID=13)(delay(mind_n_debounce*1000);huskylens.requestO;if(huskylens.readBlockCenterParameterDirectO).ID=5)(huskylens.readBlockCenterParameterDirectO.ID=9)I(huskylens.readBlockCenterParameterDirectO.ID=13)(DF_QiTaLaJiChuLiO;3)3.3YOLO 算法KPU主要采用YOLO的框架目标算法实现。YOLO目标检测算法属于one stage，直接在网络中提取特征来预测物体分类和位置。HuskyLens采用了YOLOv2版本，将网络的每一层的输人都做了归一化，收敛相对更容易。3.4摇杆定位技术摇杆定位技术使用遥控手柄驱动电机实现。手柄主要负责发送按键消息。接收器与Arduino主控板连接，把接收到的消息传送给Arduino主控板。摇杆定位技术部分代码为void DF_ShouDongMoShiO if(ps2x.Analog(PSS_LY)78)(if(ps2x.Analog(PSS_LX)178)(DF_YouShang(ps2x.Analog(PSS_LX);)else(DF_QianJin(mind_n_MoRenSuDu);)else(if(ps2x.Analog(PSS_LY)178)(if(ps2x.Analog(PSS_LX)178)DF_YouXia(ps2x.Analog(PSS_LX);)else(DF_HouTui(mind_n_MoRenSuDu);)else(if(ps2x.Analog(PSS_LX)178)(DF_YouZhuan(mind_n_MoRenSuDu);)else(if(ps2x.Analog(PSS_RX)178)(DF_YouYi(mind_n_MoRenSuDu);)else(DF_TingZhiO;3333)4系统测试结果垃圾分类回收车采用二自由度平台，该平台将垃圾分类分成厨余垃圾、可回收垃圾、有害垃圾、其他垃圾共4个部分。根据这4个部分组成的训练模型进行训练后，进行模型的检测，具体的检测结果如表1所示。由表1可知，此模型可以准确地识别4类垃圾，但是在有害垃圾方面的准确率有待提高。2023年第10 期表1识别准确率垃圾种类识别准确率/%可回收垃圾98厨余垃圾97有害垃圾86其他垃圾985结语文章提出了基于图像识别的智能垃圾分类回收车的设计方案，包括硬件设计和软件设计两部分。其中，硬件设计主要涉及ArduinoMega2560主控板、AI识别模块、OV5640摄像头等；软件设计则包括ArduinoMega2560主控板的程序设计以及各个模块之间的通信协议设计。实验表明，本设计具有一定的实用价值，但是还存在一些不足之处，如有害垃圾分类的准确率还需进一步提高。参考文献1吴洪艳，徐东萍，甘尚艳.基于图像识别的智能垃圾分类小车设计 J.现代信息科技,2 0 2 3,7(3):143-146.2李明，王晨景.绿色全自动智能分类垃圾桶.科技资讯,2 0 17,15(16):12 4.3邓浩，江旺.基于卷积神经网络的智能分类垃圾系统设计 J.湖南科技学院学报,2 0 2 2,43(3):2 8-32.4杨中兴.基于IAP15单片机的麦克纳姆轮巡检智能车设计.传感器世界,2 0 2 2,2 8(4):2 5-30.5周宝昌，谢智阳，梁景亮.基于Arduino的智能家居语音识别系统.数字技术与应用,2 0 19,37(9):37-38.6毛昕蓉，赵嘉豪，史智帅.基于树莓派的智能垃圾分类系统设计 J.电子设计工程,2 0 2 2,30(2 0):157-16 0.7珊珊，李波.融合改进YOLOv2网络的视觉多目标跟踪方法.小型微型计算机系统,2 0 2 0,41(12):2 6 0 1-2 6 0 6.8唐志勇，程鹰，刘岩.基于IMC的二自由度平台设计及仿真.长春理工大学学报（自然科学版),2 0 16,39(1):48-51.9 陈佳昌.基于卷积神经网络的图像分类优化算法 D.重庆：重庆邮电大学,2 0 2 2:2 7.10冯艳君，刘军，周台典，等.基于改进特征提取网络和YOLOV2的手势识别.电子世界,2 0 2 0(19):19 8-2 0 0.150一