基于图像识别技术的在校垃圾智能分类

沈婧旸 马昕雨 乔淑云 朱晓曼 周子钰

摘 要：在學校规模扩大、学生人数增加以及人民生活质量和生活水平提高的影响下，校园垃圾量急剧增加，校园垃圾如何处理的问题不容忽视。本文以徐州工程学院为例，结合大学校园生活垃圾具有产量大、分布集中、可回收利用价值高等特点，以垃圾分类回收更精准、可靠为目标，进行对智能垃圾分类系统的设计，让垃圾搬到新“家”，变“废”为宝。分析目前各高校的垃圾分类现状，并重点根据图像识别技术对校园垃圾智能分类系统的可行性进行综述，旨在为校园垃圾分类和人工智能的深度融合提供方案。

关键词：校园垃圾分类;人工智能;图像识别

Intelligent Classification of Campus Waste Based

on Image Recognition Technology

Shen Jingyang Ma Xinyu Qiao Shuyun* Zhu Xiaoman Zhou Ziyu

Xuzhou University of Technology JiangsuXuzhou 221018

Abstract：Under the influence of the expansion of the size of the school，the increase of the number of students and the improvement of the quality and standard of living of the people，the amount of campus waste has increased sharply.How to deal with campus garbage can not be ignored.In this paper，taking Xuzhou University of Technology as an example，combined with the characteristics of campus household garbage such as large output，concentrated distribution，high recycling value and so on，we design the intelligent system of garbage classification to make refuse classification and recycling more accurate and reliable，so that the garbage can be putted into the recycling bins and waste can be turned into treasure.We analyze the current situation of garbage classification in colleges and universities，and summarize the feasibility of the intelligent system of campus garbage classification according to image recognition technology，which aim to provide a scheme for the deep integration of campus garbage classification and artificial intelligence.

Keywords：Campus Garbage Classification;Artificial Intelligence（AI）;Image recognition

一、校园垃圾智能分类的背景

近些年来，许多高校不断扩招，人民生活水平持续进步，校园中的生活垃圾因此日益增长。意大利诗人但丁·阿利吉耶里曾说过，世界上并没有垃圾，只有放错位置的宝藏。高效合理地循环使用可回收垃圾已成为现代生活中必不可少的一环。

至今，很多高校还未实行垃圾分类，仍然对校园垃圾采用传统的混合处理模式。由于垃圾长期不分类而导致的校园环境污染、资源浪费等问题日益突出，制约着生态文明建设以及环境友好型社会发展。2019年4月，生态环境部筛选确定了11个“无废城市”建设试点城市，徐州市作为江苏省唯一入选的试点城市更起到示范作用。而大学是一座城市的缩影，在大学校园进行垃圾分类回收是一件意义深远、刻不容缓的事情。

大学生作为绿色发展新形势的推动者，奉行可持续发展理念，对保护环境、节约资源等格外重视，并且对现存的垃圾分类状况较为不满。我们认真审视徐州地区校园垃圾處理方式及存在的问题，克服目前垃圾处理技术的不足，针对传统人工分类费时费力、效率低，不分类混装处理存在污染环境、危害健康、浪费资源等现象，致力于设计出基于图像识别技术的在校垃圾智能分类系统，使来源于大自然的垃圾回归大自然，减少固体废物对环境的不良影响。将科技与环保相结合，创新与重复利用相结合，使垃圾智能分类回收系统深入大学生日常生活。从在校大学生做起，逐步影响家庭、社区，乃至整个社会，垃圾分类回收逐级影响改变，从“无废校园”最终迈向“无废城市”。

二、人工智能图像识别技术

提到图像识别技术，不得不将它与人工智能联系起来。人工智能是现如今最为热门的技术科学，而其中的分支技术——图像识别技术，正是一个重要的研究领域。机器如何才能与人类一样准确认识辨别，是现下的热门研究课题。

（一）图像识别技术的发展

图像识别技术是指以图像为主体，利用计算机和数学推理方法，对图像进行识别、处理、分析、理解，最终识别出各种不同模式的目标和对象的技术。它利用计算机程序代替人脑对图片信息进行识别，将图片中的信息提取出来并加以智能处理。

图像识别技术由最初的文字识别阶段，例如字母、符号等模拟图像的识别，逐渐发展到数字图像处理与识别阶段。这个阶段模拟图像被处理成数字图像，这让存储、传输、处理都更加方便。最终发展到如今的物体识别阶段，将自然科学、社会科学、思维科学结合，对真实世界的客体和环境建立了更加清晰的感知和认识。

（二）图像识别技术的原理

其实，计算机的图像识别技术和我们人类对图像的识别在本质上都是一样的。人的大脑在“看到”一张图片时，会根据记忆中不同的类别的特征进行比较，判断是否有与该图片相同或类似特征的存储记忆，从而将图像进行分类、识别。计算机的图像识别技术也有类似的感知机制，计算机从大量的信息中高效准确地过滤无效信息，提炼筛选出有用信息，将图片中的特征信息进行存储。然后通过这些已经提取到的特征信息将图片进行分类、识别和处理。

（三）图像识别技术的过程

图像处理和图像识别是图像识别技术过程中的两大部分。

1.图像处理过程

提取原始图像，利用特定计算机软件对其进行处理，减少图片在采集过程中的损耗，增加图片的质量，将原始图像数字化，转化成计算机可以识别的二进制形式。图像进行处理工作过程主要内容包括图像数据采集、图像增强、图像复原、图像编码与压缩和图像分割。

（1）图像采集。提取图像数据的重要步骤之一是图像采集。通过照相机、摄像机、扫描仪等设备，获得采样数字化的图像。将图像采集完毕是图像处理过程中的第一步。

（2）图像增强。数据在成像、采集、传输、复制等过程中会有一定损耗，所以图像的质量会有所下降，呈现的视觉效果与人们所期待的将有所偏差。为了提高图像的清晰度，增强图片质量，通常使用图像增强技术，使图像中的物体的轮廓更加清晰，细节更加明显，高质量的图像是后期的图像分析和图像理解的基础。

（3）图像复原（图像恢复）。由于在采集时受环境的影响，数字化后呈现的图像较为模糊。通常对图像进行恢复，来获得较清晰的图像。图像恢复原的主要技术有滤波方法，其作用是将降质后的图像恢复成原始图。图像重建是图像恢复的另一种特殊技术，根据物体横剖面的一组投影数据来重新建立图像。

（4）图像编码与压缩。数字图像的数据量大，需要占用很大的存储空间。为了可以方便快速地传输图像，必须对图像进行编码和压缩。利用图像编码压缩技术不但减少了图像的冗余数据量，节省了存储器的容量，而且提高了图像传输速度、缩短了处理时间。

（5）图像分割技术。图像分割是把图像分割许多个子区域，这些子区域互不重叠但又具有各自特征，每个子区域是构成像素的一个连续集。对图像进行分割是之后的图像识别、分析和理解的基础。

2.图像识别过程

图像识别过程就是将经过图像处理得到的图像进行特征抽取和选择，并根据特征进行图像分类。其中主要有特征抽取和选择以及分类器设计和分类决策。

（1）特征抽取和选择。特征抽取和选择就是在模式识别中将图像所具有的关键特征抽取并选择出来，便于之后图像的分类汇总。特征抽取的正确性，对图像分类起决定性作用，因此特征的抽取和选择是图像识别过程中最为重要的一环。

（2）分类器设计和分类决策。设计分类器即设定信息分类的规则。在设定好的规则下对不同的关键特征进行分类，提高图像识别的准确性。最后将提取好的图片特征与之对比识别，做出分类决策，分类的结果要进行评估。

（四）图像识别技术的分析和应用

1.模式识别

在计算机的快速发展和人工智能的兴起的影响下，人们希望使用计算机来代替、扩展部分传统人脑活动，模式识别技术在此应运而生。模式识别是指对图像大量的数据信息进行分析和处理，从而得到计算机对图像的分类和识别的结果。

模式识别根据图像识别技术多年积累的经验，将计算机科学与数学的分析和推理相结合，对图像特征进行准确的分类、选择，以实现图像特征的自动识别。

模式识别具有学习和实现两个过程。在学习过程中，图像存储是最为重要的一个环节。计算机提前将元图像及其关键特征进行存储，然后根据既有规则设计分类器，形成可比对识别图像的计算机程序。实现过程的本质就是比对，即将图像的关键特征与已分类的模板进行对比、识别。

在图像识别技术的现实应用中，计算机与人脑之间依旧存在较大差异。但由于识别的需求越来越高，便让计算机学习模式识别，对传统的人脑活动进行扩展。对有些人脑难以识别的图像，计算机可以将图像最关键的信息与以前存储过的元图像及其特征逐一匹配，如果可以分类，则说明计算机可以识别该图像。

但模式识别也具有一定的局限性。当识别出的特征与其他类别的特征具有高度相似性，计算机的图像识别容易产生偏差。

2.神经网络

神经网络图像识别技术是在以传统的图像识别技术为基础的前提下，结合现代神经网络算法的一种的全新识别技术。神经网络图像识别技术会先提取图像的特征，再将其特征映射到神经网络中，对其进行图像识别分类。在图像识别系统中融入神经网络算法，虽然说提高了研发成本和技术复杂度，但却发挥了更精确的作用。神经网络技术先提取并捕捉图像特征，再利用图像所具有的特征映射到神经网络程序中，实现了更全面且精确的图像识别分类。

在实际应用中，比如寻找汽车时，用摄像头获取汽车车牌的图像，然后将图像上传到计算机进行保存，最后利用车牌定位模块提取车牌信息，识别车牌上的字符并得出最终结果。在此过程中就应用了神经网络图像识别技术。

3.非线性降维

数字化后的图像数据通常是多维，计算机识别这种数据需要消耗很长的工作时间。降维是让计算机更高效识别数据的最有效方法之一。由线性降维和非线性降维两个主要部分组成。线性降维易于理解，但其计算的复杂度较高且会需要较多的时间和空间，于是产生了将非线性降维应用于计算机识别技术。

非线性降维的图像识别技术是一种高效的特征提取方法。它可以在保持图像原有结构的同时对其进行降维处理，使计算机的识别工作在低维度上进行，这样不仅使计算机空间得到充分释放，同时也提高了识别的速率。

非线性降维的图像识别技术也具有很好的实际运用性。例如识别人脸时，人脸图像分布不均匀，采集器获得的数据维数非常高，这对计算机来说更是“难上加难”。通过非线性降维技术可以将其降维成分布紧凑的图像，从而提高人脸识别的效率。

三、图像识别技术的在校园垃圾智能分类中的应用

（一）基于图像识别的智能垃圾分类的技术实现

利用图像识别技术对大学校园中产生的生活垃圾进行智能分类回收，首先需要有摄像头等采集器，对垃圾进行扫描，收集垃圾的元图像，然后将收集的图像转换成数字信号。利用图像增强、图像还原等方法，增加图像的清晰度，保证信息的准确性。由于垃圾的图像较为复杂，可以使用非线性降维处理。

然后设计一个信息处理器，对采集到的图像信息进行识别分析，对图像信息提取、整合出关键特征，为下面的对比分类做准备。

接着建立一个垃圾分类信息数据库，运用SQL语句输入垃圾类别的关键特征，并用group by进行分组，形成垃圾分类特征。

最后设计分类器，进行分类训练，循环迭代。最终将提取好的图片特征与数据库中已有的数据识别比对，做出分类决策，明确分析投入垃圾的分类。分类的结果要进行评估。

（二）基于图像识别的智能垃圾箱的发展前景

在西安、无锡等多个城市，垃圾分类智能回收箱的使用已随处可见。分析对比之下，使用这一新型设施后人们更加积极地实行垃圾分类，也使得社会的垃圾回收工作更加准确，更省时省力。在“时间就是金钱”的现代社会，智能垃圾分类这项技术值得充分使用。

但是由于智能垃圾箱实现需要的技术较复杂、成本较高、日后维护较频繁，现只被应用在了大型住宅社区，还未进入各大高校。但是，高校居住人口多，分布密集，更应积极使用基于图像识别的智能垃圾箱。随着社会经济水平不断提高、科学技术的日益精进与成熟，并且对环保这个“刚需”概念的不断重视，基于图像识别的智能分类垃圾箱，在不久后的将来，应用范围将越来越广泛，成本也会逐渐减少，分类也会越来越精准，最后走进百姓生活中，为人们生活日常提供服务。这样，垃圾分类才会变成人们真实的行动。

结语

相比消耗大量的人工作业，人工智能算法下的图像识别技术使垃圾分类更精准、更省时。相比于人脑识别，图像识别技术的优点在于可以更便捷、更迅速、更准确地识别出垃圾分类。不仅可以节省时间，节省人工，还有利于培养高校学生对于环境保护的意识，提高垃圾分類的积极性，将垃圾分类由“纸上谈兵”真正运用到生活中。最后建设“无废校园”，并且一步一步建成“无废城市”。

参考文献：

[1]甘华生.面向人工智能算法下图像识别技术分析[J].中国新通信，2020，22（22）：4041.

[2]陈家琪.校园垃圾的现状调查及处理对策探究——以东北师范大学净月校区为例[J].现代职业教育，2018（10）：192193.

[3]凌诗佳.基于图像识别的垃圾桶智能监护方法研究[J].无线互联科技，2020，17（05）：128129.

[4]刘田田.基于大数据的垃圾智能处理系统的分析与设计[J].电脑知识与技术，2020，16（30）：6768.

基金项目：江苏省徐州市科技计划重点研发（社会发展）项目：有机垃圾致病性微生物灭杀与腐熟制肥关键技术研究（No：KC20194）;徐州工程学院大学生创新创业训练计划项目：大学校园垃圾分类回“家”智能管理系统设计（No：XCX2020057）

*通讯作者：乔淑云，硕士，副教授，研究方向：智能信息处理。