基于卷积神经网络的光伏供电智能垃圾分类系统设计

北方工业大学电气与控制工程学院 王 鹏 邱佳汇 韦楚钒 金 泓 邹祥祥

针对国人对垃圾类别无法正确判断并投放，设计了基于卷积神经网络的物联网光伏供电智能垃圾分类系统。其基于OpenCV框架下检测待识别物体,采用卷积神经网络算法训练出来的模型精准度近似可达99%，精确率和召回率的调和平均数无限逼近于1，在垃圾分类识别问题中有良好的优越性。本系统内置5G通讯模块，通过物联网技术可实时将系统收集到的数据传输给客户终端，进而将数据可视化，结合大数据将区域内居民投放垃圾的情况形成用户画像，指导市场行为，实现垃圾分类、控制与分析的智能化。同时，该系统使用太阳能光伏供电，相较于现有的充电式智能垃圾分类垃圾桶，本文设计的垃圾分类系统使用太阳能与市电双供电系统更加节能环保。

1 智能垃圾分类系统总体结构与理论设计

针对现有垃圾分类垃圾桶存在需要人为识别垃圾种类、垃圾分类技术陈旧等问题，基于绿色生活、垃圾分类智能化理念设计出基于卷积神经网络的物联网智能垃圾分类系统。该系统由防水防腐蚀外壳，内置4个圆柱桶及可操控垃圾投放旋转转盘构成整体外观结构。中央控制器及电源模块放置在内部上方的密闭区域，起到防水防潮作用，保护电子器件。

1.1 机械结构设计（如图1所示）

图1 基于卷积神经网络的物联网光伏供电智能垃圾分类系统内外视图

1.2 软件系统设计

软件系统由八大模块及细分模块组成，如图2所示。中央处理器树莓派作为主控模块，操控其他5个模块完成相关动作；两块高效率单晶太阳能电池板和12V蓄电池组成光伏供电模块，将太阳能转化的12V直流电转换为5V直流电供红外传感器和中央处理器使用，同时保证极端天气下该系统能正常工作；摄像头作为数据检测模块，基于OpenCV算法识别投放口的垃圾，并依据卷积神经网络模型将其分类，树莓派发出指令控制对应桶门开合；不锈钢片与伸缩弹簧构成压缩模块；桶壁的红外传感器构成检测模块，检测每个桶是否满载；当第一次检测到桶内满载时对桶内垃圾执行压缩操作，第二次满载时在显示屏上显示满载并发出满载警报；由语音播报和TFT显示屏组成交互模块，垃圾投放者可从显示屏上读出垃圾类别名称、数量及满载情况，并依据物联网技术检测某区域内全部垃圾分类系统的位置和工作情况。

（1）图像算法设计

本文在图像获取方面采用背景差分算法，该算法响应速度相对较快，可以有效提高系统对垃圾在画面中的检测与定位速度。具体算法如下公式：

其中，fk(i, j)表示当前图像帧，fbk(x, y)表示背景图像帧。

选取百度的PaddlePaddle深度学习框架。准备1000张照片作为训练集，100张照片作为验证集。利用paddle.dataset.cifar.train10()和test10()分别获取cifar训练集和测试集。定义卷积神经网络，结构图如图3所示。

图2 软件系统设计框图

图3 神经网络结构图

图4 易拉罐灰度处理前后

图5 5G物联网示意图

在获取分类器后用CNN进行分类，在分类任务本文采用交叉熵损失函数。在创建执行器、初始化训练参数、初始化日志相关配置后，定义训练过程中的损失值和准确率变化趋势。在定义完特征向量和目标值后开始训练模型，每一个Pass训练结束之后，再使用验证集进行验证，得出相应的损失值cost和准确率acc。

（2）图像识别功能

本文采用了VGG16视觉几何群网络。在实验过程中，从每类垃圾中选取1000～2000张垃圾图像建立数据集，利用VGG16神经网络的预训练模型进行特征提取并作为垃圾图像的特征向量进行存储，之后经过PCA进行降维处理，通过余弦相似度的算法对垃圾图像进行匹配。VGG16网络模型结构的层级功能和结构类似于人工神经网络的多层感知器，VGG结构中有13个卷积层和3个全连接层，同时，因为VGG16架构是“卷积+卷积+卷积+池化”，相较于“卷积+池化”，减少了w的数量，可以有效加快计算速度，并防止过拟合，实验表明，对垃圾图像集进行特征降维，识别的准确率高达99%，如图4所示。

1.3 物联网功能

内置5G通讯模块，实时将垃圾桶自身收集到的数据传输给客户终端系统，该系统对感知和传输的数据、信息进行分析处理使数据可视化，结合大数据，将片区内居民投放垃圾的情况形成用户画像，方便管理人员分析片区情况，指导运营行为，还可通过物联网远程升级固件、更新视频等，如图5所示。

1.4 实现结果与分析

图像识别测试结果如表1所示。

实验数据表明，运用VGG16神经网络训练出来的训练模型精准度近似可达99%，精确率和召回率的调和平均数无限逼近于1，在解决参与测试的易拉罐、塑料瓶、电池这3类垃圾的识别问题中有良好的优越性。

表1 测试结果

2 结束语

本系统内单个垃圾桶都配备了光伏发电模块，使用可再生能源供电，在正常使用过程中，对比市面上已有的智能垃圾桶，只需消耗很少甚至不消耗市电，大大减少了能源的消耗，节省了可观的运营成本。在智能垃圾分类回收设备及创新垃圾分类模式具有指导意义。