基于樹莓派的智能化垃圾分類系統(tǒng)

摘 要：隨著人們環(huán)境保護意識的提升和對資源可持續(xù)利用需求的增加，垃圾分類成為了社會發(fā)展的必要環(huán)節(jié)。文中提出了基于樹莓派的智能化垃圾分類系統(tǒng)，利用樹莓派4B作為核心控制單元，結(jié)合定制的CSI攝像頭進行圖像識別，通過GPIO接口驅(qū)動舵機完成自動分揀，并且根據(jù)實際的垃圾產(chǎn)生數(shù)據(jù)合理節(jié)省材料。該設(shè)計較好地實現(xiàn)了垃圾分類系統(tǒng)的小型化與低成本，實現(xiàn)了智能化的垃圾分類。實驗結(jié)果表明，該設(shè)計能夠成功完成垃圾自動分類，且分類準(zhǔn)確度高，成本較低，使用便捷，擁有較好的實際應(yīng)用價值。

關(guān)鍵詞：圖像識別；垃圾分類；樹莓派；深度殘差網(wǎng)絡(luò)；智能垃圾桶；物聯(lián)網(wǎng)

中圖分類號：TP311.5；TP39 文獻標(biāo)識碼：A 文章編號：2095-1302（2025）06-0-03

DOI：10.16667/j.issn.2095-1302.2025.06.023

0 引 言

垃圾分類可以減少焚燒、掩埋帶來的碳排放，也能夠減少自然資源的消耗。2020年，習(xí)近平總書記提出：我國將提高國家自主貢獻力度，采取更加有力的政策和措施，力爭于2030年前二氧化碳排放達到峰值，努力爭取在2060 年前實現(xiàn)碳中和[1]。實行垃圾分類不僅是為了保護環(huán)境，更是為了資源的可持續(xù)利用。為高效進行垃圾分類，設(shè)計智能化垃圾分類系統(tǒng)具有長遠意義。

為了更好地實現(xiàn)垃圾分類，智能垃圾分類系統(tǒng)層出不窮，但這些產(chǎn)品大多由于成本過高、沒有進行全面自動化分揀等因素未被廣泛使用。在城市生活垃圾投放點，人工智能監(jiān)管作為近幾年的新興技術(shù)，普及程度不高[2]。目前，采用垂直結(jié)構(gòu)的分類機械結(jié)構(gòu)，基于卷積神經(jīng)網(wǎng)絡(luò)的智能垃圾分類等使用樹莓派3B+構(gòu)建的智能垃圾分類系統(tǒng)[3]已逐漸趨于成熟。在國內(nèi)外的一些地區(qū)出現(xiàn)了已投入使用的智能垃圾分類機器人以及智能垃圾桶，如TrashBot垃圾分類機器人不僅在美國本土多個城市投入使用，還漂洋過海到達澳大利亞[4]；加拿大溫哥華國際機場有Oscar垃圾回收機器人；上海也部署了GPS智能垃圾回收設(shè)施。

本文基于樹莓派設(shè)計了一個能夠低成本且有效完成垃圾分類的智能化系統(tǒng)，按照各類垃圾比例設(shè)計了桶的內(nèi)部結(jié)構(gòu)，使其小型化。該設(shè)計通過調(diào)用攝像頭識別圖像，利用舵機將垃圾自動分類并送至不同的垃圾桶中，實現(xiàn)垃圾投放后自動分類的功能。

1 系統(tǒng)方案設(shè)計

1.1 合理節(jié)約成本

該系統(tǒng)在能夠完成圖像識別，自動分揀功能的同時，還實現(xiàn)了體積的小型化以節(jié)約制造成本。本設(shè)計調(diào)查了各類垃圾的產(chǎn)生比例：2020年，上海全市可回收物回收量達到了6 375噸/天，有害垃圾收運量達2.57噸/天；濕垃圾收運量為9 504噸/天；干垃圾處置量約1.42萬噸/天[5]。根據(jù)以上數(shù)據(jù)可得出居民垃圾可以分為濕垃圾（廚余垃圾）、干垃圾（生活垃圾）、可回收物、有害垃圾四類，每天各類垃圾分別占總數(shù)的31.59%、47.20%、21.19%、0.02%。

1.2 技術(shù)框架

該智能化垃圾分類系統(tǒng)擁有圖像識別功能：本文使用樹莓派Raspberry Pi 4B作為系統(tǒng)開發(fā)板，在開發(fā)板上可以通過連接攝像頭、舵機進行圖像識別以及自動分揀，系統(tǒng)方案如圖1所示。

系統(tǒng)開發(fā)板的攝像頭接口連接樹莓派定制的CSI攝像頭進行圖像獲取。在樹莓派中，用Python語言構(gòu)建代碼生成訓(xùn)練模型，得到的數(shù)據(jù)文件可以對垃圾圖像進行識別處理。該垃圾分類系統(tǒng)利用樹莓派的GPIO接口驅(qū)動三個舵機實現(xiàn)對垃圾的自動分揀：通過識別的信息使得舵機在一定的時間間隔后發(fā)生不同角度的轉(zhuǎn)動，將落在平臺上的垃圾分別移動到垃圾桶或下一層平臺。文中所用的硬件及其型號見表1。

2 結(jié)構(gòu)設(shè)計

本文設(shè)計的智能化垃圾分類系統(tǒng)按照廚余垃圾優(yōu)先分類處理，其次分離生活垃圾，再分離可回收物，最后分離有害垃圾的順序完成相關(guān)垃圾的分類。將四個小型垃圾桶組合到一個較大的垃圾桶中，其中，濕垃圾容納桶高度最高，避免污漬留在其余位置，存放干垃圾到有害垃圾的筒高度遞減，符合調(diào)查得到的居民垃圾數(shù)據(jù)。該系統(tǒng)結(jié)構(gòu)簡潔，可拆卸以便清潔，避免了因為清理困難而導(dǎo)致細(xì)菌滋生。

該系統(tǒng)設(shè)計為長呈體，內(nèi)含4個開口的不同高度的小長方體作為嵌入其中的垃圾桶，從左至右編號分別為1～4。內(nèi)部的小長方體呈梯度下降，兩個相鄰長方體上方各設(shè)計一個與大桶側(cè)壁相連的平臺作為分類處，平臺也按梯度下降。平臺中各嵌入一個舵機，通過控制葉片的左右旋轉(zhuǎn)完成對垃圾的自動分類。系統(tǒng)正上方是蓋口，蓋口側(cè)面是攝像頭，蓋口正對第一個平臺保證垃圾在平臺處得到分揀。根據(jù)實驗可知，人在正常拋擲較輕的物體時，物體下落至地面的時間約為1.5 s。將平臺處舵機開始轉(zhuǎn)動的時間設(shè)計為1 s，保證其在物體下落到平臺處才會發(fā)生轉(zhuǎn)動。舵機轉(zhuǎn)動范圍為-60～60°，負(fù)方向代表左側(cè)，向左轉(zhuǎn)動使垃圾進入小桶中；正方向代表右側(cè)，向右轉(zhuǎn)動使垃圾進入下一個平臺。垃圾桶結(jié)構(gòu)如圖2所示。

3 軟件方案設(shè)計

3.1 圖像識別

本文在Raspberry Pi 4B系統(tǒng)開發(fā)板中安裝依賴項，通過Paddle-Lite進行垃圾圖像識別。Paddle-Lite 是百度深度學(xué)習(xí)平臺PaddlePaddle的端側(cè)推理引擎[6]，是一種輕量級、靈活性強、易于擴展的高性能深度學(xué)習(xí)預(yù)測框架[7]，能夠有效進行垃圾圖像識別。

由于神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要消耗大量內(nèi)存和計算資源，而嵌入式設(shè)備如樹莓派的計算能力有限，首先在PC上的百度飛槳平臺完成了網(wǎng)絡(luò)的搭建與訓(xùn)練。百度飛槳AI" Studio是一個基于PaddlePaddle 的集成了大量數(shù)據(jù)集、經(jīng)典樣例項目及比賽項目的云計算建模平臺[8]。本文提供數(shù)據(jù)集進行模型訓(xùn)練，采用基于深度殘差網(wǎng)絡(luò)ResNet的PPYOLO實現(xiàn)圖像識別。測試得出，ResNet進行圖像識別的正確率接近95%，優(yōu)于近鄰分類以及基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)。待模型在PC上訓(xùn)練并測試完成后，再將其部署到裝有Linux系統(tǒng)和Python環(huán)境的樹莓派上。在樹莓派上安裝OpenCV以及Paddle-Lite，為其配置模型參數(shù)以及類別信息，并進一步提高模型在識別不同垃圾類別時的準(zhǔn)確率和效率。

3.2 舵機控制

將樹莓派的GPIO接口與舵機數(shù)據(jù)引腳連接后可以通過樹莓派創(chuàng)建Python腳本，指定舵機的仰角以及旋轉(zhuǎn)角度。樹莓派的GPIO接口如圖3所示。首先通過調(diào)用分類系統(tǒng)蓋口處的攝像頭獲得物體圖像，進行圖像識別后，根據(jù)識別結(jié)果對舵機發(fā)出指令控制其旋轉(zhuǎn)。系統(tǒng)的程序流程如圖4所示。若識別出為廚余垃圾，則系統(tǒng)在1 s后驅(qū)動第一個舵機向左旋轉(zhuǎn)，其余兩個舵機維持原狀；若為生活垃圾，則在1 s后驅(qū)動第一個舵機向右旋轉(zhuǎn)，再經(jīng)過1 s使得第二個舵機向左旋轉(zhuǎn)；若為可回收物，則在前兩個舵機向右旋轉(zhuǎn)完成之后，再過1 s使得第三個舵機向左旋轉(zhuǎn)；若為有害垃圾，則使3個舵機在3 s內(nèi)依次向右旋轉(zhuǎn)。

3.3 定位功能

在實地應(yīng)用時系統(tǒng)可以具備定位功能，成為軟硬件結(jié)合的智能化系統(tǒng)。我國自主研發(fā)的北斗衛(wèi)星導(dǎo)航系統(tǒng)集導(dǎo)航定位、授時、用戶監(jiān)測、短報文通信于一體[9]。在本設(shè)計中，樹莓派通過Python讀取WTGPS+BD模塊，可以獲得北斗衛(wèi)星輸出的信息。通過樹莓派建立服務(wù)器，將坐標(biāo)位置信息儲存到服務(wù)器的數(shù)據(jù)庫中。用戶使用時可以通過網(wǎng)頁訪問服務(wù)器，借助高德API實現(xiàn)定位點在地圖上的實時顯示。高德地圖API為開發(fā)人員創(chuàng)建了一個開放且免費的地圖服務(wù)應(yīng)用程序接口，也提供了地圖服務(wù)類的描述和調(diào)用案例[10]。對定位系統(tǒng)的開發(fā)能夠進一步實現(xiàn)硬件與軟件的結(jié)合。

4 實驗與結(jié)果分析

4.1 實驗設(shè)置

本設(shè)計建立了一個包括可回收物、廚余垃圾、有害垃圾、生活垃圾的垃圾圖像數(shù)據(jù)集。為此，本設(shè)計從不同來源收集了廣泛的圖像數(shù)據(jù)，以確保數(shù)據(jù)集的多樣性和廣泛性。利用這一數(shù)據(jù)集，基于ResNet模型完成圖像識別并部署到樹莓派。部署完成后在實際的垃圾分類設(shè)施中對該模型進行了現(xiàn)場測試，觀察舵機的響應(yīng)動作以及垃圾最終的歸類情況。通過這種方式，本設(shè)計旨在評估模型在現(xiàn)實世界條件下的表現(xiàn)，并對其實際應(yīng)用前景進行探索。

4.2 實驗結(jié)果與分析

實驗結(jié)果表明，本研究設(shè)計的垃圾分類系統(tǒng)能以超過90%的準(zhǔn)確率成功執(zhí)行分類任務(wù)，證明了模型的高效性和實用性。一些常見垃圾的識別分類結(jié)果見表2。系統(tǒng)的響應(yīng)時間為2 s，滿足了快速分揀的實際需求。通過對分類錯誤的案例進行深入分析，發(fā)現(xiàn)大多數(shù)錯誤都與圖像采集過程中的光照條件和拍攝角度有關(guān)。這一發(fā)現(xiàn)表明在實際部署時，需要對攝像頭的安裝位置進行優(yōu)化，并可能需要改善環(huán)境的光照條件以降低誤分類率。

此外，觀察到系統(tǒng)在處理濕垃圾和有光澤的物體時識別效果較差。為了解決這一問題，開發(fā)了更為復(fù)雜的圖像預(yù)處理算法，以提升模型在不利光照和復(fù)雜背景條件下的識別能力。未來的工作還包括擴大數(shù)據(jù)集，尤其是增加在不同天氣條件下拍攝的圖像，以進一步提高系統(tǒng)的魯棒性和準(zhǔn)確性。計劃探索使用多攝像頭系統(tǒng)從不同角度捕捉圖像，以減少單一視角帶來的限制，從而進一步優(yōu)化分類性能。

5 結(jié) 語

本研究設(shè)計了一款基于樹莓派和圖像識別技術(shù)的智能垃圾分類系統(tǒng)，實驗結(jié)果驗證了其高效性和準(zhǔn)確性。該系統(tǒng)的設(shè)計充分考慮了成本和實用性，具有很高的推廣價值。未來的研究將集中在優(yōu)化圖像識別模型領(lǐng)域，提高其分類的準(zhǔn)確性，以及探索系統(tǒng)更多的實用功能，如垃圾量監(jiān)測、實時定位、語音播報等，以進一步提高垃圾分類的智能化水平。

參考文獻

[1]王燦，張雅欣.碳中和愿景的實現(xiàn)路徑與政策體系[J].中國環(huán)境管理，2020，12（6）：58-64.

[2]李娟娟，劉新，李建勇.城市居民生活垃圾分類投放現(xiàn)狀、問題與優(yōu)化建議[J].節(jié)能與環(huán)保，2024（1）：44-51.

[3]吳碧程，鄧祥恩，張子憧，等.基于卷積神經(jīng)網(wǎng)絡(luò)的智能垃圾分類系統(tǒng)[J].物理實驗，2019，39（11）：44-49.

[4]殷桐. TrashBot：垃圾桶里的“鋼鐵俠”美國AI垃圾分類發(fā)展到什么程度？[J].中外管理，2019（11）：32-33.

[5]新華社.上海垃圾分類可回收物回收量2020年同比增長近六成[EB/OL].https：//www.gov.cn/xinwen/2021-01/22/content_5581952.htm

[6]任永國.面向移動端的蔬菜水果目標(biāo)檢測算法的研究與實現(xiàn)[D].北京：北京郵電大學(xué)，2021.

[7]陶杰，陳啟源，朱恒通.基于Paddle Lite的太湖莼菜檢測測試平臺設(shè)計[J].電子制作，2024，32（3）：66-69.

[8]陳玫玫，玄玉波，李兆璽，等.基于百度飛槳AI Studio的機器學(xué)習(xí)教學(xué)新模式實踐與探索[J].計算機教育，2021（9）：46-50.

[9]楊元喜.北斗衛(wèi)星導(dǎo)航系統(tǒng)的進展、貢獻與挑戰(zhàn)[J].測繪學(xué)報，2010，39（1）：1-6.

[10]王璇，楊成杰.基于地圖API的城市地質(zhì)調(diào)查信息平臺[J].智能城市，2024，10（1）：9-11.

作者簡介：譚瑞鴻（2004—），男，研究方向為數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)。

劉宇杰（2003—），男，研究方向為測繪工程。

劉 杭（2002—），男，研究方向為測繪工程。

江 暢（1978—），女，博士，副教授，研究方向為空間數(shù)據(jù)處理與分析。

收稿日期：2024-04-19 修回日期：2024-05-24

基金項目：江蘇省高等學(xué)校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃（20231029 3162T）