基于树莓派部署的港口智能垃圾分类系统.pdf

环 保 与 节 能水上安全 2023 年 第 7 期88第一作者简介：刘彦，男，本科生，研究方向为模式识别和智能系统。基于树莓派部署的港口智能垃圾分类系统刘 彦，刁立强，王凯利，于子珺，张婉珍，刘 楠（大连理工大学城市学院，辽宁大连 116600）摘要：随着城市化进程的不断加速和人们环保意识的提升，垃圾处理问题已经成为一个永久性的问题。传统的垃圾分类方式存在效率低、容易出错、成本高等问题，建立垃圾分类自动化处理系统的需求越来越大。为了解决该问题，迅速适应当今时代的发展，本文设计并开发了具有自主识别、智能分类、自动开合盖的智能垃圾分类系统。利用树莓派对垃圾进行拍照识别并将数据传送至云端，与华为开源数据库中上百万个垃圾图片进行对比，判别垃圾的所属类型。该技术不但能实现智能垃圾分类等行为，还可以提高分类的精准性，为垃圾分类的下一步处理做好基础。基于树莓派部署的港口智能垃圾分类系统实现了智能化和自动化的垃圾分类过程，能够提高港口的环境卫生水平和管理效率。关键词：智能识别技术；图像识别；垃圾分类；树莓派0 引言我国正在积极推行垃圾分类政策，并为解决目前垃圾分类困难的问题提出了一种基于树莓派的智能垃圾分类系统。该系统可以部署在港口，采用语音交互和图像识别等技术，通过对垃圾进行分类和监控，从而提高垃圾分类的准确性和效率。在垃圾分类技术的基础上，融合了树莓派等物联网技术，实现了对垃圾桶状态及垃圾清运情况的监测，并将实时数据传输到后台数据库中，以便管理人员实时监管垃圾处理情况。该系统在提高垃圾分类效率的同时，也为港口环境保护做出了积极的贡献。在使用功能上，他不仅可以进行垃圾分类，还可以为用户累计积分，该积分可以在微信小程序兑换流量、手机话费等礼品，同时可以进行垃圾分类科普知识的学习。1 产品优势智能垃圾桶是较为普遍的研究方向，但早些年的智能垃圾桶各方面功能并不完善，使用起来也并不是很便利。于是形成了一种大多数人都听说过智能垃圾桶，并没有大量的生产及投入使用。一个火热的项目却迟迟没有重要的突破性发展，而基于树莓派部署的港口智能垃圾桶由于其较低的经济成本和完善的功能，可以帮助提高垃圾处理的效率和准确性，减少人力成本和环境污染，同时在城市化进程中的垃圾处理问题中有着广泛的应用前景。近 3 年以来，科技飞速发展，生活万物都将会与第五代移动通信技术（5th-generationmobilecommunicationtechnology,5G）及人工智能（artificialintelligence,AI）所联系，而树莓派本质就是一块微型计算机，它可以进行局域网链接，无论是进行设备行为分析还是上传垃圾箱所处状态都是其优势所在。对于接触陌生的数据并不会像传统的智能垃圾桶一样不作为或者乱作为，而是进行一种全新的机械性学习。将所取得的图片信息进行存储并且上传给管理人员并对其相应区域的所有智能垃圾桶进行升级处理，当下一次识别该垃圾时就能轻松识别并分类。图 1 为智能垃圾桶整体框架图。图 1 中，APP（application）为应用程序。2 整体框架该系统的核心器件是树莓派，利用它来控制整个智能垃圾桶的运行。当有人要投放垃圾时，摄像头将进行人脸识别，人脸识别成功过后开始执行垃圾投放的问题。输入树莓派特定的程序之后，该后台数据选用了一个华为开源的数据库，数据库里面有上百万张各种垃圾的图片。当用户把垃圾放到摄像头的下方进行检测的时候，树莓派会自动与数据库里面的图片进行对比，对比完成后会控制舵机来打开对应垃圾环 保 与 节 能Maritime Safety 水上安全89箱的盖子。对于遇到需识别多垃圾或垃圾群处理时，局域数据图片分析会将垃圾分割为各个不同状态体或不同区域垃圾群数量体，并将这些垃圾进行依次编号后树莓派会对应不同编号分割图片进行依次采集对比信息。将得到的分类后信息整合依次打开垃圾桶盖并提示该投入什么垃圾。放入垃圾之后用户可以获得相应的积分。3 树莓派部署该智能垃圾桶采用树莓派 4B 作为微型主板，并且使用 Type-C 供电口进行供电。该树莓派选择采用ARM64 处理器，具备较强的性能和便捷性，可嵌入在智能垃圾桶的硬件架构中，实现智能垃圾分类的功能。该树莓派的拓展接口选择的是 GPIO 驱动板，使得信号的处理和扩展得到了优化，通过与 PC9685 驱动板进行接口扩展，将智能垃圾桶的分类信号传输到对应的舵机中，实现垃圾桶的自动开盖。而 Linux 系统作为底层支持，使得树莓派可以更好地支持垃圾桶的分类处理能力，从而实现智能垃圾桶的快速开发和部署。PC9685 可以将树莓派的信号进行分装，使其运用较少的接口完成较多舵机的控制。各个模块都凸显出便捷并使用的优点，将其组合起来相当于大小仅为一个拳头的微型计算机，在使用时就可以更多地考虑显示器及垃圾桶的所占空间大小，且其功能不输于任何图片处理分析系统。4 软件方面软件支撑包括 Linux 系统、唤醒词检测引擎 Snowboy以及第二代机器深度学习系统 Tensorflow。本项目采用的模型方法为朴素贝叶斯分类算法，它的核心算法思想基于概率论。软件方面，程序经过 Tensorflow 进行深度学习使得经树莓派扫描的图片快速与华为开源库中图片快速核对分类，通过 Electro 打包将信息传输到 Linux 系统中，即形成前端服务。其中人脸识别功能，主要基于开源跨平台计算机视觉和机器学习软件库OpenCV，并通过百度应用程序接口（applicationprogramminginterface，API）接口进行图片处理。将采集到的人脸图像经处理后，用TensorFlow进行比对，从而实现人脸识别功能。对于视觉识别及语音识别的信息处理方面，需较为精简但需保证在对比时需取整图片对比成功。简化技术即将图片颜色规则图像过渡处保留其原有特征，对于物体表面纹理等对物品识别无关紧要的地方进行合理简化，方便 Tensorflow 对其对比及分析，在运行时调用百度云数据进行显示与对比。其视觉识别取图，也称为视觉图像采集，是指通过相机等设备采集现实世界中的图片或视频数据，并实现对场景物体的视觉分析和识别。在此并非传统意义上的平面取图，而是在摄像头前构建了一个 3D 环境，从而获取物体在立体空间上的点和以点为单位相互连接的线，实现将物体的二维表示形式变为三维，更好地区分不同形状但相似的物品并获取用户面部信息。在实验此功能方面，取一些日常垃圾图片上传至云端进行识别，结果与预期相符且无误。在通信方面，该产品不需要进行高强度的实时交互，因此从性价比的角度考虑，采用了WU105模块进行处理。相比于其他物联网模块，WU105具备高实时性和低成本的特点，并且其传输效果在 100Mbit/s 以上，远远超过所需传输速度的上限。桶口垃圾投放、积分和桶满报警等信息通过 WU105 对应的接口进行传输，以便管理人员进行垃圾桶的维护和使用。语音交互是人机交互最主要的方式之一，包括声学处理、语音识别、语义理解和语音合成等核心技术1。该系统采用语音交互作为主要用户交互方式，用户可以通过语音指令告知系统垃圾分类的信息。目前语音识别的技术成熟度已经有了较大的提升，但还图 1 整体框架环 保 与 节 能水上安全 2023 年 第 7 期90无法达到 100%的准确度、仍然需要不断提高语音识别和自然语言处理技术的能力，解决隐私和安全问题，开拓更多创新应用场景和功能，进一步提高用户体验和智能化程度。此外，语音识别缺乏通过上下文来修正语音转换成的文本、处理口音和方言、语义不全等问题，尽管现在顶级的语音识别系统正确率普遍超过 95%，但仍然有错误发生。这些错误有可能是关键字错误，比如说漏掉一个“不”字，这会严重影响语义的理解。因此需要综合考虑语音识别系统的性能和工作效率，解决各种技术和实际应用场景可能会带来的挑战。5 硬件方面所涉及的硬件设备有：树莓派、舵机（控制开关桶盖）、摄像头（进行人脸和物体识别）、智能垃圾分类箱自图像录入，该摄像头采用了类似于智能手机前置摄像头的模块，实现用户在大范围的环境下都能做到及时识别，此外考虑到环境光线不稳定因素，该模块加装亮度检测功能，在光线不足以支撑识别时，前置灯光打开辅助识别。在垃圾丢入及垃圾量满提醒中选用红外感应装置在垃圾桶口处理，本着以简单的模块原理解决较为复杂的问题。当用户将垃圾识别后对应的桶盖由舵机控制开启的同时红外装置开始检测是否由物体通过，若垃圾已丢入，则垃圾桶盖自动关闭。若未检测用户将垃圾丢入，在桶盖打开 2min 后，桶盖自行关闭。当垃圾桶处于关闭状态时，红外装置每隔半小时进行一次物体检测，当检测有物体后，则说明桶内垃圾已满，需及时将垃圾处理，并不会在满载状态下打开桶盖。对于转动模块即舵机的要求，从一对多识别控制到多对多识别控制。在保证开盖的力度同时定性转动量为 90 开盖。在垃圾投放后对应所打开的桶盖进行反向舵机运转-90 将桶盖关合。考虑到有故障概率在桶盖添加一个报错系统，即关闭检测。若在使用时 5min 未有操作，则立即执行舵机反转关盖，若仍显示盖未关则通过物联网模块通知相应工作人员。实物图如图 2 所示。图 2 实物图6 本地环境搭建及训练在初始实验中，树莓派的显示和局域网络都在电脑中进行。VNCviewer 是一种 IIS7 服务器管理器，它能实现批量管理、同步操作、到期提醒、数据安全和定期执行等功能。树莓派 4B 本身就带有 VNCviewer 管理器，在电脑远程连接后是直接可以接上树莓派管理器的鼠标键盘及显示器以便进行独立操作。通过终端或在 RaspberryPiConfiguration 中将树莓派各个接口打开链接（如 I2C 接口，VNC 接口），将树莓派的互联网协议（internetprotocol，IP）及命名加入电脑的 VNCviewer 中建立链接。树莓派必须与所用到的电脑处于同一局域网络中。完成电脑与树莓派的连接后，即可在 Pycharm 中搭建环境。在这个项目中，所需的训练图片是从华为的开源训练样板中获取的，其中包含了超过一万张用于垃圾分类训练的图片，充分覆盖了目前可见的绝大多数垃圾类别。即使有新的垃圾形态需要识别，也可以通过手动添加新的训练图片到“train”文件夹进行训练。在 PyCharm 界面中，首先需要建立电脑与树莓派之间的安全外壳（secureshell，SSH）连接，以便对树莓派环境进行配置和设置。树莓派 4B 镜像自带解释器 Python3.0，则只需将 Pycharm 环境搭载在该解释器，再远程部署给树莓派。其训练过程类似于将数万张图片与垃圾分类选项做对比分类，以便在接下来使用中再次遇到所匹配的图片可以进行更加迅速及准确的反应。将每张图片依次分别从“train”文件夹中调用进行一次运行分类。待到每一张图片都进行过学习训练后，再将训练后的环境部署给树莓派来运行。7 结束语本文以树莓派为基础，TensorFlow 为软件支撑设计了一款以识别为主的智能垃圾桶。主体运用了两个类三维识别式摄像头，取垃圾特点分类，取下垃圾的最后价值。在其余方面的设计方向是用最少的预算实现最合理的目标，例如桶口加装的红外模块，同时解决了桶口通过及溢满识别、物联网模块的低成本高传输率。且比其识别更为重要的是其识别与升级，通过扩展其云端存储的数据可以随着时代的变迁同样稳定识别并分类。其起到的功能完全符合当今国内的发展方向，减少垃圾处理的碳排放。在此基础垃圾的回收再利用也会带来不菲的经济利益。8 参考文献1 张芹.基于人机语音交互的电厂虚拟操作员实现方法研究 D.保定:华北电力大学,2020.