基于機器學習的智能垃圾分類系統(tǒng)設計分析

【摘" 要】 垃圾分類是目前我國環(huán)保工作的重要組成部分。我國作為人口大國，每日垃圾產(chǎn)生量非常龐大，而人工垃圾分類工作量大、難度大、效率低，難以滿足目前我國垃圾分類的要求?；诖耍恼绿岢鲆环N基于機器學習的智能垃圾分類系統(tǒng)，該系統(tǒng)主控模塊采用了STM32F103ZET6單片機，OpenMv4 H7攝像采集模塊可以捕捉圖片，根據(jù)BRISK特征提取算法檢測垃圾圖像，并通過語音模塊播報識別信息，更好地服務于垃圾分類領域。

【關鍵詞】 機器學習；垃圾分類；智能系統(tǒng)

我國作為人口大國，每年所產(chǎn)生的垃圾數(shù)量可達10億噸以上，這些垃圾如果不能得到有效處理將會污染環(huán)境、威脅人們的身體健康。我國近年大力推動垃圾分類工作的實施，通過垃圾分類針對性處理生活垃圾，加強資源回收利用率。但從目前垃圾分類現(xiàn)狀來看，依然存在一定的問題，傳統(tǒng)垃圾主要由人工分類，具有工作流程煩瑣、工作量大、效率低等問題。人工智能技術不斷發(fā)展，也為垃圾分類工作提供了新的發(fā)展思路，但依然有可完善之處，如無法脫離網(wǎng)絡使用、可靠性不足等。本研究提出基于機器學習的智能垃圾分類系統(tǒng)，通過圖片檢測、識別判定垃圾種類，旨在降低垃圾分類難度。

一、機器學習相關闡述

機器學習是一門多領域交叉的學科，包括統(tǒng)計學、概率學、逼近論、凸分析等多門學科。專業(yè)研究領域是通過計算機模擬人的思維或行動的一種學習行為，并在學習中不斷提升或改善自身性能。算法的功能是通過求解最佳模型參數(shù)，在假設空間當中挑選出符合用戶需求的模型。機器學習參數(shù)求解最終會轉(zhuǎn)化為最優(yōu)化問題，本研究所設計智能垃圾分類系統(tǒng)采用了BRISK算法。

BRISK算法是一種特征提取算法，也是一種二進制的特征描述算子，該算法具有良好的尺度不變性、旋轉(zhuǎn)不變性、魯棒性等優(yōu)勢，在圖像配準應用中識別速度大于傳統(tǒng)的FREAK、ORB等算法，特別是在模糊圖像配準中表現(xiàn)更加出色。該算法利用FAST9-16進行特征點檢測，想要解決尺度不變性，必須檢測尺度空間的特征點，通過BRISK算法構(gòu)建圖像金字塔即可實現(xiàn)多尺度表達。

二、智能垃圾分類系統(tǒng)研究現(xiàn)狀

隨著移動設備終端不斷發(fā)展以及機器學習方法的出現(xiàn)，機器學習已經(jīng)逐漸被應用到各個領域。在智能垃圾分類中應用機器學習，實現(xiàn)自動化、智能化垃圾識別，提高了垃圾分類效率和精準度。一些學者通過收集垃圾信息并創(chuàng)建了垃圾圖像數(shù)據(jù)集，算法選用了SVM、CNN識別垃圾，SVM算法和CNN算法的識別精準率分別為63%和22%，識別精度有待進一步提升，并且整個系統(tǒng)流程十分煩瑣。為了簡化流程，也有學者提出了智能廢料分類系統(tǒng)，采用50層殘差預訓練卷積神經(jīng)網(wǎng)絡模型開采。為了提升模型預測性能，還有學者采用了RecycleNet模型，雖然該模型減少了垃圾參數(shù)量，但將垃圾識別精準度提升到了80%以上。如今，關于機器學習應用到垃圾分類中的研究有很多，也提出了多種設計模型和設計思路。但整體上將機器學習應用到垃圾分類上的研究依然不多，垃圾分類公開數(shù)據(jù)量較為局限。所以將機器學習與垃圾分類相融合，已經(jīng)成為垃圾分類研究的重要趨勢。

三、智能垃圾分類系統(tǒng)設計思路

本智能垃圾分類系統(tǒng)采用了物體識別技術，主要檢測對象包括有害垃圾、可回收垃圾、廚余垃圾、其他垃圾。通過識別垃圾特征量，根據(jù)特征量參數(shù)判定垃圾的具體類型。本研究所設計的智能垃圾分類系統(tǒng)所采用的算法為BRISK算法。此外，該系統(tǒng)還采用了AGAST算法（角點檢測算法），該算法作為FAST算法的優(yōu)化改進算法，在圖像計算中可以在平面上連續(xù)顯示圖像特征。因此在設計中可以構(gòu)建尺度空間金字塔，通過AGAST算法檢測角點，二次擬合連續(xù)尺度空間中測度相應函數(shù)值，抑制非極大值、提出非穩(wěn)定極值點。通過拋物線擬合穩(wěn)定極值參數(shù)，最終獲取到連續(xù)尺度空間中定位精度的穩(wěn)定極值點。

AGAST算法在BRISK算法體系內(nèi)運行，主要負責特征點檢測，而特征描述方面借助自動以鄰域采樣模式，也就是在特征點周圍40個像素塊中構(gòu)建同心圓，圓周上均勻分布采樣點，每個圓周設置60個采樣點。在實際計算中，需要在描述BIRSK特征前完成預旋轉(zhuǎn)工作，也就是中心點旋轉(zhuǎn)采樣模板的旋轉(zhuǎn)角度，短距采樣點集中對比采樣點強度，形成512bits值特征，對值特征進行特征匹配，得出整個圖像運動估計值。過去很多垃圾分類系統(tǒng)設計都是采用ORB算法，但存在可靠性低、檢測精度低等限制。而BRISK算法通過構(gòu)建連續(xù)尺度空間、預旋轉(zhuǎn)作業(yè)，保證了被描述對象的尺度、旋轉(zhuǎn)的不變性，更加適用于高精度圖像匹配，可極大地提升垃圾分類精度。

四、智能垃圾分類系統(tǒng)整體架構(gòu)

（一）整體框架

如圖1所示，本系統(tǒng)主控模塊采用了STM32F103ZET6單片機，OpenMv4 H7攝像采集模塊可以捕捉圖片，根據(jù)BRISK特征提取算法檢測垃圾圖像特征點，并將采集的垃圾圖像特征與訓練集對比分析，完善垃圾的整個檢測過程，將檢測結(jié)果上傳給顯示模塊，通過文字顯示垃圾具體種類，同時語音系統(tǒng)會播報垃圾信息。

（二）單片機選型

本垃圾分類系統(tǒng)選用了STM32F103ZET6單片機，其工作頻率為72MHz。STM32F103ZET6單片機具有技術成熟、運算效率高、硬件配置高、外帶接口總線等優(yōu)勢，特別是外部接口可以實現(xiàn)外部設備的連接和功能擴展，如連接FSMC驅(qū)動LCD，提升刷屏率。

（三）顯示模塊

本系統(tǒng)的顯示模塊采用了3.5寸TFTLCD，分別率為320*480。顯示模塊中的端口與MCU引腳對應連接，單片機通過數(shù)據(jù)傳輸、信息控制實現(xiàn)顯示屏的信息顯示與控制功能。MCU的PBO口連接BL并行串口，可以控制液晶屏背光亮度。單片機、顯示屏共用復位信號電路，單片機的FSMC總線連接顯示屏總線接口，從而提升顯示屏的清晰度和刷新率。

（四）語音模塊

語音模塊采用了JQ8400，通過將語音模塊與單片機連接（I/O通信系統(tǒng)），可根據(jù)圖像檢測結(jié)果輸出語音播報信息。在語音模塊中存入垃圾分類的MP3文件，包括有害垃圾、可回收垃圾、廚余垃圾、其他垃圾。JQ8400語音模塊采用了SOC設計方案，集成度非常高，包含了16位MCU、音頻解碼的ADSP，通過硬解碼方案提升播報音質(zhì)和播報穩(wěn)定性。本次設計中只在JQ8400語音模塊中存入了4個MP3文件，因此暫時只應用到ONE LINE串口進行控制。

（五）圖像采集模塊

本系統(tǒng)采用了OpenMv4 H7攝像采集模塊，搭載了STM32H743II ARM Corlex-M7處理器，其運行頻率可達480MHz，RAM和Flash分別為1MB、2MB。I/O引腳采用標準化輸出，均為3.3V。在獲取圖像方面，該攝像頭同時具備圖像采集、圖像處理多種功能，借助Python腳本即可識別所采集圖像的形狀、顏色、特征等信息，從而實現(xiàn)追蹤功能。

五、智能垃圾分類系統(tǒng)設計

（一）訓練集

機器學習需要有大量的資源作為支撐，因此設計前期需要拍攝多張垃圾圖片，采用特征提取法提取垃圾圖像特征反復訓練，整個訓練過程類似于人們判斷垃圾種類的過程，將垃圾與參照物對比分析判定其可信度。本研究所提出的智能垃圾分類系統(tǒng)中，采用了4個樣本，包括易拉罐、干電池、大蒜、醫(yī)用棉簽，每個樣本從不同角度拍攝100張照片進行訓練。

（二）硬件連接

所選單片機上沒有配備專門的攝像頭通信接口，本系統(tǒng)采用獨立的OpenMv4 H7攝像頭，通過端口電位檢測法進行物體識別。如圖2所示，設計中采用了3個檢測端口（P0、P1、P2），每個端口均配備4種電位組合來匹配4種垃圾（有害垃圾、可回收垃圾、廚余垃圾、其他垃圾）。使用編程軟件（OpenMv）設置每個端口的垃圾識別信號，可回收垃圾電位信號輸出為P0=1、P1=0、P2=0，有害垃圾電位信號輸出為P0=0、P1=1、P2=0，廚余垃圾電位信號輸出為P0=0、P1=1、P2=1，其他垃圾電位信號輸出為P0=1、P1=1、P2=0。單片機采用的檢測端口分別為PG0、PG1、PG2，在硬件設置過程中需要將端口一一對應連接。語音模塊中，單片機PB信號由ONE LINE端口接收，設置過程中一一對應連接線路即可實現(xiàn)語音模塊功能。

（三）功能實現(xiàn)

在硬件操作中，在指定位置安裝攝像頭，將所有設備接通電源，程序初始化后，攝像頭即進入到垃圾檢測狀態(tài)。在采集垃圾信號、分析垃圾信號后，將垃圾框選出來進行提示，所識別的垃圾在處理系統(tǒng)中通過P0、P1、P2端口的電位組合，單片機通過PG0、PG1、PG3端口測定端口電位，通過電位信息組合即可呈現(xiàn)出相應的垃圾種類。如所檢測的物體為大蒜，代表廚余垃圾，則電位信號輸出為P0=0、P1=1、P2=1，電位檢測完畢后喚醒語音模塊，并播放P0=0、P1=1、P2=1所應對的“廚余垃圾”MP3文件，完成垃圾分類提醒。

（四）功能測試

本次設計的智能垃圾分類系統(tǒng)的核心功能是垃圾智能識別。在完成系統(tǒng)設計后使用易拉罐、干電池、大蒜、醫(yī)用棉簽4個樣本進行檢測，對這4個樣本分別展開100次檢測，其中干電池檢測為“有害垃圾”98次、“可回收垃圾”1次、“其他垃圾”1次；大蒜檢測為“有害垃圾”1次、“廚余垃圾”99次；易拉罐檢測為“可回收垃圾”98次、“可回收垃圾”1次、“廚余垃圾”1次、“其他垃圾”1次；醫(yī)用棉簽檢測為“有害垃圾”1次、“其他垃圾”98次、“廚余垃圾”1次。整體來看，本設計方案垃圾分類正確率可達98%以上，并且系統(tǒng)運行較為穩(wěn)定、可靠性強，可以較好地完成垃圾分類工作。

六、結(jié)語

綜上所述，本研究針對城市居民垃圾采用了機器學習設計智能垃圾分類系統(tǒng)，借助AGAST算法提取垃圾特征，實現(xiàn)了城市垃圾的智能分類。本設計系統(tǒng)操作便捷，適用于絕大部分人群使用。通過測試，對城市生活垃圾正確識別率達到98%以上，實現(xiàn)了可以在現(xiàn)實應用的垃圾分類功能。

參考文獻：

［1］ 潘麗，賈冕茜. 基于機器學習的智能垃圾分類系統(tǒng)設計［J］. 西昌學院學報：自然科學版，2022（02）：36-37.

［2］ 衛(wèi)昱含，楊志錕，吳海倫，等. 基于互聯(lián)網(wǎng)技術的智能垃圾分類系統(tǒng)的設計——以“趣分類”App為例［J］. 信息記錄材料，2021（11）：177-179.

［3］ 江輝. 基于RFID的智能垃圾分類系統(tǒng)的設計與實施［J］. 安徽電子信息職業(yè)技術學院學報，2018，17（04）：403-404.

［4］ 張懷予. 基于物聯(lián)網(wǎng)和圖像識別的垃圾分類回收系統(tǒng)［A］//中國通信學會，中國電子學會. 物聯(lián)網(wǎng)與無線通信論文集［C］.2018：155-156.

［5］ 范松，陳坤，朱峰，等. 智能垃圾分類回收系統(tǒng)的研究與設計［J］. 數(shù)碼世界，2019（04）：265-266.