基于机器学习的智能垃圾分类箱

谢堂，吴居豪，温泉河

（广州大学机械与电气工程学院，广州510000）

0 引言

随着社会的发展进步，人们的生活水平日益提高、生活方式逐渐改变；但同时也带来一些负面问题，例如生活垃圾日益增加。据统计，目前中国有1/3 以上的城市面临着“垃圾围城”的困局。中国每年产生的垃圾上亿吨，全国600 多座城市堆放着80 亿吨的垃圾，占用的土地超过5 亿平方米。而我国目前处理垃圾的方法主要是依靠焚烧与填埋。这两种方式都是治标不治本，只能短治不能长治。此外，焚烧与填埋还会对环境造成恶劣的影响。焚烧会产生大量有害气体污染空气；填埋则使得一些地方的稻田土壤因渗入垃圾中的有害物质被污染，导致稻米无法食用。显然，对于城市而言，减少填埋场与焚烧场最有效的方法就是减少生活垃圾的产生。而可以有效减少垃圾产生的措施就是实施垃圾分类。

目前，我国主要还是依靠人工进行垃圾分类，即放置几个不同类别标识的垃圾桶，行人需判断手上的垃圾属于何种类别，然后再投放到正确的垃圾桶内。又或者将垃圾交给旁边的工作人员，让他们进行垃圾分类并投放。虽然人工分类起到了一定的效果，但仍然不是长久之计。这样不仅消耗了大量的时间、人力与物力，还会丢失垃圾桶自身最大的优点，即方便与节省时间。因此，智能分类垃圾桶便应运而生。

尽管智能垃圾桶早有人提出与设计，但在公共场合中仍然无法得到广泛应用。其主要原因是成本过高以及基本不具备垃圾分类的功能等；而其主要的智能功能是利用红外测距模块感应行人是否靠近垃圾桶，一旦靠近便自动揭开垃圾箱的箱盖供行人投放垃圾；此外还具有语音提示功能以及驱动行走功能等等。显然这类智能垃圾箱主要是针对家庭住居而设计的，很多功能在公关场合中并不适用。例如一旦行人只是从垃圾桶旁经过并无投放垃圾之意，垃圾桶便会识别错误，消耗不必要的能源，大大增加成本。同样，驱动行走功能与语音提示功能在喧哗嘈杂的公共场所中也不切实际。此外，市面上虽有一些智能分类垃圾桶已能够实现可回收与不可回收的分类功能，但由于垃圾桶本身体积过大以及成本过高，而得不到广泛的普及。最后因为目前的智能垃圾分类还处于人为的给系统大量数据，让其与新数据进行比较，从而实现分类，但是这种分类方式因为垃圾的形状或者样式的数量过于庞大，导致分类不准确。

1 基于机器学习的智能垃圾分类箱概述

本文论述的是一种基于机器学习的智能垃圾分类箱。通过人工智能学习架构搭建出卷积神经网络，将预先获得的相关垃圾训练图集输入至卷积神经网络中进行训练、分类，然后系统对行人投放的垃圾进行拍照，获取的照片与卷积神经网络里的样本图集进行匹配对比，即根据轮廓识别、特征识别、色彩识别、材质识别等识别方法来寻找两者之间的共同点，最后再实现判断归类。本文提到的垃圾训练图集主要分为三大类：可回收垃圾、不可回收垃圾以及有害垃圾。其中只需判断行人投放的垃圾是否符合可回收垃圾与有害垃圾的特征，若都不符合以上两种类别，便将其归类为不可回收垃圾。

将机器学习的技术运用到该系统中，通过机器学习中的聚类这种无监督学习任务的方式进行自我学习，其具体工作为：系统通过对大量的垃圾进行特征识别，然后对我们所预设的三种垃圾分类种类的独特特征进行划分为三类，每类都收集大量数据，并把数据保存在一个数据库里，当遇到新的垃圾，该系统通过提取数据并且与数据库里的数据进行匹配，找出与系统哪类的数据相同或者相近，从而将其归为一类，如果在系统内部找不到与之相匹配的数据，则系统自动通过现存数据对新数据进行推断，系统自己判断这类新数据属于哪一类，从而使得分类更加准确。

本文概述的智能垃圾分类箱实现的主要功能是：对行人投放的垃圾进行拍照、垃圾的智能分类、吸附异味、感应垃圾桶是否溢满、Wi-Fi 物联网采集数据与自动报警等。其主要分为八个模块：主控制模块、机器视觉模块、图像处理模块、图像识别模块、转动模块、感应溢满模块、Wi-Fi 物联网模块、报警模块而机器学习功能因为不适合单独作为一个硬件模块我们将其分配于图像处理与识别模块内。系统运行的主要流程图如图1 所示，垃圾桶的结构设计如图2 所示。

图1 系统流程图

图2 垃圾箱的结构图

2 系统的硬件结构

2.1 主控制模块

主控制模块主要由Arduino 控制器构成。它是整个系统的大脑。当压力传感器感应到有垃圾投放时，Arduino 控制器便控制机器视觉模块、图像处理模块、图像识别模块的运行。当图像识别模块识别出图像的类别并反馈于主控制器后，Arduino 控制器将控制转动模块转过相应的角度，实现垃圾的智能分类投放。Arduino 控制器如图3 所示。

图3 Arduino控制器

2.2 机器视觉模块

机器视觉模块安装在垃圾投放口处，它是通过拍照来获取投放平台上垃圾的图像。主要由摄像头构成。摄像头采用USB 免驱动1080P 高清摄像头，辨识清晰度大大提高；同时还具有160 度广角，使得可拍摄的范围大大增大；此外，还具有闪光灯功能，为其在昏暗的环境拍照提供了保证。USB 摄像头如图4 所示。

图4 摄像头图片

2.3 图像处理模块

图像处理模块主要是对机器视觉模块所拍摄的照片进行分析处理。摄像头所拍摄得到的照片可以视为一个大的二维数组，该数组的元素称为像素，其值称为灰度值。将拍摄的照片按照颜色和灰度值的大小转化为灰度图像、二值图像以及真彩色RGB 图像，以供图像识别模块使用。

2.4 图像识别模块

图像识别模块是根据图像处理模块所获取的图像进行识别。将图像与预先输入至卷积神经网络里的垃圾训练图集进行匹配，根据轮廓识别、色彩识别、材质识别等识别方法寻求两者之间共有的特征，然后根据编写的图像算法识别出投放的垃圾的类别。该模块同时加入机器学习的功能，首先通过对识别到的垃圾的各种特征与系统已存在的特征进行比对，若出现相同或相似，则归为一类，同时将此数据存入系统，扩大系统的数据库，使得下次识别更准更快，而相对于当前智能垃圾箱来说，如果遇到与系统所预存的数据无共同点的时候，系统就会出现识别不了的问题，但是对于我们的系统来说，因为加入了机器学习的功能，所以当遇到这类问题，系统就会通过对自己现存的数据进行分析，然后自我判断这个所收集到的新数据的特征，从而进行准确的分类。

2.5 转动模块

当图像识别模块识别出垃圾的类别并反馈于主控制模块后，主控制模块将根据编写的算法控制转动模块转过相应的角度。转动模块如图5 所示：底下放置着三个垃圾桶，它们分别对应可回收垃圾、不可回收垃圾、有害垃圾。三个桶体之间间隔120 度，它们的上方均安装着一个放置垃圾的载物台，也间隔120 度。该载物台倾斜放置，上方开口，供行人投放垃圾；下方有个挡板。当识别出垃圾的类别后，载物台会沿着某个方向转过120 度，转到对应类别的垃圾桶的上方，此时，载物台下方的挡板会自动向上打开，垃圾便由于重力原因而下滑到对应的垃圾桶内，从而实现垃圾的智能分类投放。该载物台之所以设置成三个而不是为了节约成本设置成一个，是为了避免载物台因来回转动次数过多而造成摩擦损耗，缩短工作寿命。当只安装一个载物台时，载物台转过120 度将垃圾投放到对应垃圾桶后，还需要转回到投放口供行人投放垃圾，这样大大增加了间隔时间以及摩擦损耗。而安装三个载物台可避免上述情况的发生。另外，我们设计的垃圾桶外表面包裹着一层活性炭层，可以有效地吸收空气中有害气体以及污染物质。有很强的空气净化效果，这也有助于工作人员更好地清理垃圾。

图5 转动模块

2.6 感应溢满模块

此模块主要用于检测垃圾桶里的垃圾是否溢满。为了使得感应更加精确，又分为两个小模块：称重模块与超声波测距模块。称重模块用于感应垃圾桶的重量是否超过了理论的重量值，该重量值我们会通过调查的方式，根据不同类别的垃圾桶其允许承受的最大重量而设置。为了避免行人投放的一些特殊垃圾过重，导致垃圾桶的重量虽超过了理论的重量值，但仍然未溢满的情况发生，我们在垃圾桶内壁的桶口处还设计了超声波测距模块。其工作原理是超声波发射器向某一方向发射超声波，在发射时刻的同时开始计时，超声波在空气中传播，途中碰到障碍物就立即返回来，超声波接收器收到反射波就立即停止计时，记录下该时间t，那么利用公式S=vt/2 就可以计算出超声波源到障碍物之间的距离。当垃圾未溢满时，测的实际距离是桶的内壁直径；当垃圾溢满时，测的实际距离是超声波发射器到垃圾的距离，从而判断出垃圾桶已溢满。同样，为了避免行人投放的垃圾的长度过长，导致虽然检测出距离小于桶的内壁直径，但垃圾桶仍然未溢满的情况发生，我们规定只有称重模块与超声波测距模块均判断出垃圾桶溢满了，垃圾桶才算真正意义上的溢满。此外，我们还设计一压缩装置。若超声波测距模块感应出垃圾桶溢满，而称重模块未作出相应感应，压缩装置将启动，对垃圾进行压缩从而加大可投放垃圾的区域。

2.7 Wi-Fi物联网模块

该模块采用的是WU105 模块。这是一款低成本的802.11b/g/n 串口Wi-Fi 模块，支持串口与Wi-Fi 之间的数据传输。最大无线传输速率为150Mbps，模块还提供UART 和多个GPIO 接口，其中GPIO 和PWM用于智能控制，UART 和SPI 接口用于设备通讯。通过该模块可以实现当垃圾桶溢满时，向该区域的垃圾处理总站发送报警信息，以安排清洁人员进行垃圾清理；此外，还可以记录该区域哪一种垃圾类别的报警次数最多与最少，从而帮助我们设计垃圾桶的体积大小，做到因地制宜。

2.8 自动报警模块

当感应溢满模块判断出垃圾桶溢满时，系统将通过Wi-Fi 物联网模块向该区域的垃圾处理总站自动发送报警信息，以安排清洁人员进行垃圾清理。同时，垃圾桶的外体的LED 灯也会显示出“XX 类别的垃圾桶已满，请移步”的字样。

3 系统的软件结构

该系统包括主控制模块、机器视觉模块、图像处理模块、图像识别模块、转动模块、感应溢满模块、Wi-Fi物联网模块、报警模块八个模块。当挡板上的压力传感器感应到有垃圾投放时，主控制器处于工作状态，便开始控制机器视觉模块对投放的垃圾进行拍照取图像，接着是图像处理与图像识别，识别后将信息反馈于主控制模块，然后驱动电机转动，使得转动模块上的载物台转过相应角度，其上的挡板向上滑动，垃圾滑移到垃圾桶内。当溢满模块识别出垃圾桶溢满时，系统将通过Wi-Fi 物联网模块向该区域的垃圾处理总站自动发送报警信息，以安排清洁人员进行垃圾清理。详细的操作流程图如图6 所示。

4 应用前景分析

本文论述的基于机器学习的智能垃圾分类箱是在通过对各种样式的传统垃圾箱和现存智能垃圾箱进行多次实际考察，总结目前现有垃圾桶的不足之处，从不足的地方着手，从而形成我们自己的创新之处，所以我们产品是从最根本的需求出发，改变现存的问题，对于改善目前社会上垃圾分类的不足有了很大提升。正是因为我们所研究的智能垃圾分类箱有了较为完善的功能，而且相比于目前所存在的智能垃圾箱来说，我们的产品运用机器学习的方法进行图像识别，这也给系统的图像识别带来了更大的便利之处，因为对于普通的图像识别只是通过认为的去选择垃圾的某类特征进行识别，而对于我们来说，更多的是通过机器学习使系统自己学习，自己通过所存储的数据去判断某类特征，从而分类有好的容错性，而且也更加彻底。

图6 操作流程图

所谓智能分类垃圾箱就是体现在分类够快，够准确，而相比于其他的智能垃圾分类箱，我们的产品刚好更加符合这两点。其次是我们仅仅是将分类垃圾的类型定为三种，一种是可回收垃圾，另外一种是有害垃圾，最后一种是其余垃圾，这样分类有多方面的有点，一个是相对于传统垃圾箱来说，这么分类可以减少人工去对所有垃圾进行分类，这样对于环卫工人来说有很大的卫生隐患，而且还对可回收垃圾进行了充分的回收和对有害垃圾的充分特殊处理，因为目前很多垃圾都是直接装袋运走，并没有对垃圾进行过滤掉可回收垃圾以及有害垃圾，从而导致一个是浪费了资源，二是对有害垃圾处理不当，容易造成环境问题。二是相对于目前所现存的智能垃圾分类箱来说，大多数的研究都是有着各种各式的分类，分类种数过多，导致对硬件与软件的要求过高，而且实际作用并不大，这样过于鸡肋，不仅是结构过于复杂，而且还会导致经济成本过高。而我们只是将分类分为必要的种类，这样既实现了垃圾分类而且还使经济成本降低，其次是现存的智能垃圾箱还处于通过与系统的数据特征进行匹配而进行分类，导致出现由于垃圾的外在形式和物理形态的改变而发生分类出错或者分类不了的情况，而我们系统正是基于这点考虑才提出通过机器学习的方式进行分类，从而使得分类更加准确，更不至于分类不了的情况。

基于以上观点，我们此次设计的基于机器学习的智能垃圾分类箱有着很好的应用前景。

5 结语

本文通过软硬件的设计，设计了一款基于机器学习的智能分类垃圾箱。其主要采用图像识别的方法来进行垃圾分类。另外，采用重量感应与超声波测距的双结合方法来判断垃圾桶是否达到饱和状态，大大提高了判断的准确性。与现有的智能垃圾分类箱相比，因为运用到了机器学习的功能，使识别更加精确与灵敏，可实用性较高，较大提高了可回收垃圾的回收率，降低了人力物力财力的损耗，具有一定的使用价值。总的来说，该系统的创新之处在于简化垃圾分类的种类的基础上加上了机器学习的功能，最大效益地改善了垃圾分类问题。