一種基于YOLOv5 的垃圾分類機械人設(shè)計＊

巫傳珺，張 松，胡 正，汪川貴，郭麗芳

（1.成都工業(yè)學院網(wǎng)絡(luò)與通信工程學院，四川 成都 611730；2.成都工業(yè)學院綜合改革與政策法規(guī)處，四川 成都 611730）

在當今的城市生活中，國家通過相應(yīng)的政策督促居民進行垃圾分類，雖然有國家政策的支持，但對于大眾來說，垃圾分類的觀念還沒有深入人心，因此如何更快、更有效地幫助人們進行垃圾的分類，就成了本篇的研究點。

對于市場上流行的掃地機器人，主要功能的設(shè)計在于機器人自主尋路、自動規(guī)避障礙等[1]，而對于工業(yè)垃圾分類車，主要采用傳統(tǒng)后裝壓縮式垃圾車或者后高位自裝卸式垃圾車[2]，體積龐大，無法在小空間場景內(nèi)使用。本文設(shè)計的垃圾機器人采用視覺處理技術(shù)[3]解決了小場景下的自動垃圾拾取與分類問題。

本文設(shè)計的垃圾分類機械人能夠從指定位置出發(fā)，快速搜尋垃圾，對垃圾識別并分類揀送到指定的垃圾堆放地，機械人采用位置式PID 算法對機械人運動進行實時控制，在文獻[4-5]的論文報告中對YOLOv5 模型訓練進行了運用，分別對口罩和動物進行了檢測，筆者們參考了其識別方法，對不同的垃圾進行了模型部署，以高精度識別不同的垃圾，采用OpenMV 攝像頭[6]對分類區(qū)域的分類色塊進行識別，采用機械門夾取方式對垃圾進行拾取，完成機械人從出發(fā)到垃圾搜索、垃圾識別、垃圾拾取、垃圾分類的整個過程。本文通過對小型垃圾分類機械人的設(shè)計研究，為家用生活垃圾處理設(shè)備提供新的設(shè)計思路。

1 系統(tǒng)總體設(shè)計

機械人系統(tǒng)主要由STM32 單片機主控系統(tǒng)、Jetson Nano 平臺、OpenMV 平臺組成，其中STM32單片機作為機械人的主控單元，主要負責機械人的移動、機械門的抓取與垃圾的堆放分揀；Jetson Nano 平臺負責垃圾的識別工作，主要進行垃圾的搜尋及對垃圾種類的識別，同時將識別到的垃圾種類信息與目標垃圾位于鏡頭的坐標發(fā)送給STM32 主控；OpenMV 平臺主要負責對垃圾堆放區(qū)的檢測及對不同垃圾堆放區(qū)的識別，同時堆放區(qū)位于鏡頭內(nèi)的坐標發(fā)送給STM32主控，STM32 主控在接收到來自2 個攝像頭的數(shù)據(jù)后作出相應(yīng)的處理，包括移動機械人至目標垃圾點并進行抓取、移動機械人至目標堆放區(qū)、釋放垃圾、退出堆放區(qū)，再開啟新一輪的垃圾尋找，其系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

2 系統(tǒng)各模塊設(shè)計與實現(xiàn)

2.1 基于Jetson Nano 的垃圾種類的識別

Jetson Nano 是英偉達Jetson 系列的一款開發(fā)板，也是性價比最高的一款板子，平臺上提供了現(xiàn)代AI 的強大算力，因此可以在上面進行一些復(fù)雜的AI 計算，YOLOv5 是一種單階段目標檢測算法，該算法在YOLOv4 的基礎(chǔ)上添加了一些新的改進思路，使其速度與精度都得到了極大的提升。

整個訓練過程首先會使用相機對需要拾取的垃圾進行各方位的錄像，再將錄制的垃圾視頻分解成數(shù)據(jù)集相片，通過Labelimg 對數(shù)據(jù)集進行標注，經(jīng)過矩池云平臺將數(shù)據(jù)集轉(zhuǎn)化為模型，最后將模型部署到Jetson Nano 平臺，使用pycuda 運行程序與模型，Jetson Nano平臺通過單目攝像頭對垃圾進行檢測，過程如圖2所示。

圖2 YOLOv5 模型訓練流程

不同版本的YOLOv5 與EfficientDet檢測算法之間的性能也不同，版本主要有YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，不同版本YOLOv5 性能對比如圖3 所示。

圖3 YOLOv5 不同版本的對比

圖3 橫軸表示的是該算法在GPU 上對每張圖的推理時間（ms），該數(shù)值越小越好；縱軸表示的是該算法在COCO 測試數(shù)據(jù)集上面的AP 指標，該數(shù)值越大越好。與EfficientDet0 相比，YOLOv5s 不僅可以獲得更高的AP 指標，而且可以獲得更快的推理速度，本項目中的機械人為了更快地部署不同的垃圾模型，采用了YOLOv5s 進行垃圾模型的訓練。垃圾圖片集訓練后的最終模型訓練結(jié)果如圖4 所示。

圖4 YOLOv5 訓練結(jié)果

圖4 分別是對橘皮、紙團、電池、空瓶、紙杯進行模型訓練，可以看出圖集越多，識別精度越高，模型達到飽和后精度可以達到95%以上，滿足了垃圾識別的需要。

2.2 基于tof 測距垃圾目標定位

tof 測距屬于雙向測距技術(shù)，利用數(shù)據(jù)信號在一對收發(fā)機之間往返的飛行時間來測量兩點間的距離。將發(fā)射端發(fā)出數(shù)據(jù)信號和接收到接收端應(yīng)答信號的時間間隔記為Tt，接收端收到發(fā)射端的數(shù)據(jù)信號和發(fā)出應(yīng)答信號的時間間隔記為Tr，如圖5 所示。信號在這對收發(fā)機之間的單向飛行時間Tf=（Tt-Tr）/2，則兩點間的距離d=c×Tf，其中c表示電磁波傳播速度，其測距原理如圖5 所示。

圖5 tof 測距原理

2.3 垃圾分類區(qū)域檢測

OpenMV 自帶一個Micropython 解釋器和cv 庫，調(diào)用OpenCV 里面的blob 色塊模塊，追蹤終點的顏色，通過這種方式實現(xiàn)垃圾堆放區(qū)分類色塊的識別，實現(xiàn)方法為：首先對分類區(qū)色塊進行拍照取樣，隨后在OpenMV 軟件中通過閾值編輯器改變顏色的閾值來進行色塊追蹤，將顏色加入函數(shù)中再調(diào)用OpenCV 庫，框出鏡頭畫面中滿足顏色閾值的色塊，將信息轉(zhuǎn)化為數(shù)值的形式發(fā)送給主控，主控根據(jù)信息決定運動軌跡。區(qū)分不同種類垃圾堆放區(qū)如圖6 所示。

圖6 區(qū)分不同種類垃圾堆放區(qū)

2.4 垃圾目標抓取

機械門夾取結(jié)構(gòu)：抓取垃圾的方式采用機械門夾取與豎推方式進行，機械門使用舵機與木板的結(jié)合，STM32 主控通過輸出額定PWM 波控制舵機的旋轉(zhuǎn)從而帶動木板旋轉(zhuǎn)，實現(xiàn)機械門的張開與閉合，通過此方式將垃圾夾取或者關(guān)在一定空間內(nèi)，使用擋板推動垃圾移動。機械門抓取示意圖如圖7 所示。

圖7 機械門抓取示意圖

2.5 垃圾分類機械人控制策略算法設(shè)計與實現(xiàn)

本次機械人采用增量式PID 算法來控制，通過攝像頭傳回的坐標信息來計算該坐標與攝像頭屏幕中線的偏差，從而實現(xiàn)機械人的精準轉(zhuǎn)向，使之能夠準確地向著目標前進。

PID 算法的主要實現(xiàn)過程如圖8 所示。

圖8 增量式PID 實現(xiàn)過程

從圖8 可以看出，PID 算法實現(xiàn)的影響因素有3個，分別是當前偏差、歷史偏差、近期偏差，與之對應(yīng)的是PID 中的比例控制（P 算法）、積分控制（I 算法）、微分控制（D 算法）。

比例控制：Ek=Sv-Xk，Pout=Kp×Ek+O0。

積分控制：Sk=E1+E2+E3+…+Ek-1+Ek，Iout=Ki×Sk+O0。

微分控制：Dk=Ek-Ek-1，Dout=Kd×Dk+O0。

其中，Ek為當前的偏差值；Kp為將誤差放大或縮小的比例系數(shù)；Sk為歷史偏差；Ki為將歷史誤差放大或者縮小的比例系數(shù)；O0為確保當誤差為0 時，整個輸出系統(tǒng)不會為0。

機械人對于PID 算法的應(yīng)用：攝像頭是放在機械人車頭的正前方的中間，使機械人與車頭同向，鏡頭的中點也就是機械人車頭中點，當垃圾或者終點出現(xiàn)在鏡頭前方時，攝像頭會識別出垃圾或終點塊在鏡頭x方向的位置并將信息傳遞給主控芯片，根據(jù)垃圾或終點在鏡頭x軸方向的值，計算出與鏡頭中點的差值Ek，因此根據(jù)差值Ek計算出PID 值，根據(jù)PID 值，對左右車輪輸出的PWM 進行調(diào)整，使兩車輪轉(zhuǎn)速不同，使機器人朝垃圾方向行駛。差值越大，偏向速度越大，差值越小，偏向速度越小，當沒有偏差，垃圾或終點在機械人的正前方時，機械人不偏向，這樣就實現(xiàn)了機械人的PID 調(diào)速，控制流程如圖9、圖10 所示。

圖9 駛向垃圾時PID 控制流程圖

圖10 駛向終點時PID 控制流程圖

2.6 Jetson Nano 實現(xiàn)垃圾定位

攝像頭鏡頭內(nèi)有垃圾時，機械人通過Jetson Nano傳回的物體中點位于x軸的坐標，并將坐標信息發(fā)送給STM32 單片機，STM32 單片機通過計算出垃圾中心位于x軸坐標值與鏡頭中點x軸坐標值之差，就可以使用上面講述的PID 差速控制，調(diào)整機械人雙輪的相對速度，讓機械人往物體方向運行，使垃圾始終在鏡頭中心浮動，最后當tof 模塊測試到垃圾與機械人的距離少于20 cm 時，機械門關(guān)閉，垃圾被拾取。在攝像頭鏡頭內(nèi)沒有垃圾時，機械人自身旋轉(zhuǎn)車身，改變Jetson Nano 鏡頭視野，當攝像頭視野內(nèi)再次出現(xiàn)垃圾時，回到剛開始的過程。垃圾在鏡頭的識別顯示如圖11 所示。

圖11 垃圾在鏡頭的識別顯示

2.7 OpenMV 實現(xiàn)對分類堆放區(qū)的定位

當機械人拾取垃圾后，機械人通過調(diào)用OpenMV硬件平臺自帶的OpenCV 庫里面的blob 色塊模塊，追蹤終點的顏色，通過閾值編輯器改變終點顏色的閾值來進行色塊追蹤，實時鎖定終點的位置坐標。

首先機械人將識別到的垃圾種類信息發(fā)送給OpenMV，OpenMV 根據(jù)垃圾種類選擇識別顏色色塊，機械人通過OpenMV 對終點色塊坐標進行識別，將顏色色塊中心在x軸上的坐標值傳遞給單片機，STM32單片機通過判斷其相對于鏡頭中點x方向上的距離，使用上述講述的PID 差速控制，調(diào)整機械人雙輪的相對速度，讓機械人往終點方向行駛。

2.8 TCS34725 模塊實現(xiàn)終點的定位

當機械人行駛到終點附近時，使用TCS34725 模塊檢測終點色塊。TCS34725 模塊是一個顏色檢測傳感器，它集成了紅外阻擋濾光片，可以最大限度地減少入射光的紅外光譜成分，并可精確地進行顏色測量，我們使用它來檢測地面的顏色信息。STM32 主控板通過I2C 通信協(xié)議對其進行通信與控制，當機械人行駛到對應(yīng)的垃圾堆放色塊上時，通過TCS34725 模塊檢測，并將顏色信息發(fā)給主控，主控接收到色塊信息后，判斷顏色信息是否為堆放區(qū)色塊，當判斷為堆放區(qū)色塊時，將機械門打開，將垃圾放下。

3 結(jié)束語

本文的垃圾分類機械人基本實現(xiàn)了垃圾搜尋、垃圾識別、垃圾拾取、垃圾堆放的整體過程，實現(xiàn)了小巧化、整體化的設(shè)計，機械人的各個模塊不僅能獨立分工，還能協(xié)調(diào)工作，系統(tǒng)結(jié)構(gòu)緊湊而又靈活，功能強大，具有極大的可擴展性，可以減少人們分類生活垃圾的負擔，提高垃圾分類的效率。設(shè)計雖已完成并且實現(xiàn)，但要承認的是設(shè)計中還有很多的不足，比如垃圾誤識別問題、機械人運動規(guī)劃問題、拾取微小垃圾的問題等等，需要不斷優(yōu)化和改進，希望本文能對垃圾分類事業(yè)有所幫助。