南京师范大学附属中学树人学校 作者唐羽萱 指导老师 陈杰 【项目背景】 2019年可以说是中国垃圾分类的元年，因为在这一年“上海垃圾分类于7月1日正式施行。”而目前普遍使用的分类垃圾桶只是通过颜色和标签指示分类信息，在上海市垃圾分类试行期间，居委会大妈会站在公共垃圾桶旁边指导，“你是什么垃圾？”成为市民每天不得不经受的拷问。在这样一个大背景下，人们迫切需要一台能够智能分类的垃圾桶。于是我们设计了一款基于KNN算法的智能分类垃圾桶模型。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps1.png
图1智能分类垃圾桶 【项目展示】 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps2.png
图2智能分类垃圾桶。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps3.png
图3操作面板 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps4.png
图4垃圾识别 【功能简介】 （1）基于KNN算法识别，进行垃圾分类。 （2）将垃圾放入识别区后，垃圾桶智能识别，分区投放。 （3）当出现无法识别的垃圾后，人工强制学习识别。 （4）灯光指示、语音播报，让垃圾分类投放更简单。 【硬件材料】 表1项目器材清单 【制作过程】 1.KNN算法 KNN（k-nearest neighbors）作为一个入门级模型，既简单又可靠，对非线性问题支持良好，虽然需要保存所有样本，但是仍然活跃在各个领域中，并提供比较稳健的识别结果。KNN就是在特征空间中找出最靠近测试样本的k个训练样本，然后判断大多数属于某一个类别，那么将它识别为该类别。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps5.jpg
图5 KNN分类原理示意图 针对测试样本 Wu，想要知道它属于哪个分类，就先for 循环所有训练样本找出离 Wu 最近的 K个邻居（假设k=5），然后判断这 K个邻居中，大多数属于哪个类别，就将该类别作为测试样本的预测结果，如上图有4个邻居是橙色，1个是绿色，那么判断Wu的类别为“红色”。 2.系统设计 我们设计的这款智能分类垃圾桶具备学习能力，可以通过学习记录相关垃圾分类，从而能够做到智能识别分类。并通过相应机械结构，把不同类的垃圾自动投放不同的垃圾桶中。对于垃圾桶不能识别的垃圾，可以通过人工方式强制定义所属类别，然后在进行垃圾分类投放。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps6.jpg
图6系统设计 使用流程：定义垃圾分类，垃圾学习初始化——垃圾识别（可识别的垃圾）—— 2.结构设计 垃圾桶结构设计我将其划分三部分，第一部分是垃圾桶结构，第二部分垃圾分类投放结构，第三部分视觉识别传感器支架结构。本次结构件设计采用lasermaker设计，激光切割出相关结构件。 （1）垃圾桶结构设计 垃圾桶整体结构设计上，采用Lasermake中的快速造盒功能，生成一个盒体的快速原型，再对其细节进行修改，具体如下所示： 后背板：在背板位置上增加传感器支架固定孔位（①处），主控安装孔位（②处）和分类投放装置固定件支架孔位（③处）。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps7.jpg
图7后背板 左右侧板：左右侧板修改如下所示，右侧板留有主控的外置电源接孔和分类投放装置固定件支架孔位（①处），左侧板留有分类投放装置固定件支架孔位（②处） file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps8.jpg
图8左右侧板 前面板：前面板修改如下图所示，主题装饰画，由外部导入（①处），垃圾入口处（②处），舵机安装孔（③处），喇叭安装孔（④处）按钮及指示灯安装孔（⑤处）。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps9.jpg
图9前面板 分类投放支架：传感器支架修改如下所示，垃圾推送舵机安装孔位（①处），分类投放装置旋转空间（②处）。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps10.jpg
图10分类投放支架 垃圾桶前挡板：垃圾桶前挡板添加标题“二哈垃圾桶”。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps11.jpg 图11垃圾桶前挡板 分类垃圾桶：三个分类垃圾桶设计如下，采用前高后低的设计，确保垃圾可以落入垃圾桶内。前面板分别倒入图片形成雕刻图案（如①⑥），底板（②），后背板（③），左右侧板（④⑤）。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps12.jpg 图12分类垃圾桶结构 垃圾推送结构：垃圾推送结构是使用舵机把识别出的垃圾推送至垃圾口内。推送杆（如①），增厚片（②） file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps13.jpg 图13垃圾推送结构 （2）分类投放结构设计：分类投放机械结构由舵机带动导流槽转向不同角度，向不同的垃圾桶倾倒垃圾。由于导流槽与舵机之间通过一个等腰直角的三角形连接件固定（如③）。因此导流槽左右侧导板，接近垃圾倾倒口处设计成切割掉一部分（如①处），导流槽底板设计（如②）。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps14.jpg 图14导流槽结构 （3）视觉识别传感器支架结构设计：视觉识别传感器支架，可以调整视觉传感器与待识别垃圾之间的距离。固定视觉识别传感器孔位在①处，调整高度孔在②处。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps15.jpg
图15传感器支架结构 3.电路连线 系统电路连接如图所示，HuskyLens AI视觉识别传感器接I2C口，LED接D10口（识别指示灯），确认倾倒按钮接D9口，定义有害垃圾按钮接D7口，定义厨余垃圾按钮接D6口，定义可回收垃圾接D5口，分类投放舵机接D3口，推送垃圾的舵机接D12口。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps16.png 图16电路连线 5.代码编写 代码编写如下所示分为系统主程序和有害垃圾、厨余垃圾、可回收垃圾、定义处理四段子程序。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps17.png 图17主程序 有害垃圾的处理过程：垃圾分类投放舵机转向相应的角度，等待1秒后，垃圾推送舵机执行转动，识别指示灯亮起，哈士奇屏幕显示相应垃圾类型，播放语音提示。等待2秒后，指示灯关闭，分类投放机构复位，等待1秒，推送机构复位。可回收垃圾、厨余垃圾处理与之类似。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps18.jpg
图18有害垃圾处理程序 人工强制学习处理：对于识别过程中识别为ID1的情况以及在不同的ID之前切换的情况，我们将其定义为没有准确识别。这时可通过人工强制学习将其定义为指定的垃圾类型。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps19.jpg 图19人工强制学习程序
6.设备组装 第1步：拿出识别指示LED用螺丝螺母固定如下图所示，将LED模块电路板垫高一断距离，避免电路板上的焊点与垃圾桶体直接接触。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps20.png 图20垫高模块电路板 第2步：将上步中的LED按垃圾桶前面板对应孔位装入，再拿出2个螺母将其固定。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps21.png 图21固定LED模块 第3步：依次对几个按钮按上述方法进行安装在前面板上。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps22.png 图22安装各按钮 第4步：将舵机和音箱安装到前面板上。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps23.png 图23安装舵机和音箱 第5步：取出舵机舵棒，将其放入垃圾推送结构中，并用胶水粘贴增厚片如下图所示。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps24.png 图24安装舵棒 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps25.png 图25胶水粘贴增厚片 第6步：将第5步中安装好的垃圾推送结构，安装到前面板舵机上。
file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps26.png 图26安装推送结构 第7步：取出后背板和Arduino Uno主控器，先在背板上对应Uno的孔位，固定铜柱。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps27.png 图27固定Uno的铜柱 第8步：将Uno主控对应卡在铜柱上，用螺丝固定。再拿出拓展板叠加到Arduino主控之上。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps28.png 图28固定Arduino主控 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps29.png
图29叠加拓展板 第9步：拿出HuskyLens AI 视觉传感器及支撑架、螺丝及调整支架 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps30.png
图30固定HuskyLens AI 视觉传感器 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps31.png 图31安装再调整支撑架上 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps32.png 图32 第10步：将第9步中的HuskyLens AI 视觉传感器组合体与后背板选择合适的安装孔位进行安装。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps33.png
图33固定HuskyLens AI 视觉传感器 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps34.png 图34从垃圾桶背板走线孔穿线与传感器连接 第11步：拿出分类投放机构固定件安装在后背板上。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps35.png 图35安装分类头饭机构固定件 第12步：组装垃圾分类投放结构，用热熔胶将垃圾分类投放结构件组合成导流槽。再将连接件与舵机导流槽粘合成一体。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps36.png图36热熔胶粘和导流槽 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps37.png 图37组装垃圾分类结构 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps38.png 图38安装垃圾分类机构 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps39.png 图39注意安装时，电路连线整理整齐。 第13步：安装垃圾桶前档板 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps40.png 图40安装垃圾桶前挡板 第14步：将切割好的垃圾桶结构件组装成不同的桶。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps41.png 图41垃圾桶结构件 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps42.png 图42组装完成的垃圾桶 第15步：垃圾桶整体组装完成。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps43.png 图43垃圾桶整体效果
7.测试与运行 我们在系统中默认将ID1定义为空白（垃圾桶前面板）；ID2定义为有害垃圾；ID3定义为可回收垃圾；ID4定义为厨余垃圾。在使用前，首先需要让垃圾桶进行垃圾的学习，建立一个最初的基础模型。 （1）学习垃圾：按下哈士奇右上角学习按钮，分别学习定义ID1-4（场景、有害垃圾、可回收垃圾、厨余垃圾） file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps44.png 图44定义空白场景 学习ID1（空白场景）后，松开学习按钮，屏幕提示如需继续学习再按一次，请务必在倒计时结束前按下按钮继续学习。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps45.png 图45是否继续学习 同理完成ID2、ID3、ID4的连续学习，即可进入识别模式。file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps46.png 图46定义学习ID2有害垃圾 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps47.png 图47定义学习ID3可回收垃圾 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps48.png 图48定义学习ID4厨余垃圾 （2）识别垃圾：学习模式下倒计时结束后，放入相应的垃圾到识别区域后，即可对已学习的及其已学习相识的垃圾进行识别。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps49.png 图49识别ID2有害垃圾 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps50.png 图50识别ID3可回收垃圾 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps51.png 图51识别ID4厨余垃圾 （3）人工学习：KNN算法虽然简单有效，但带来的不利因素就是当学习的样本不够多时候，识别的效率不高。此时可以通过人工学习方式，强制指定垃圾种类。例如下方的轮胎，机器识别为ID2有害垃圾，而我们期望的是识别ID3可回收垃圾。此时可以通过按下可回收垃圾按钮，将该垃圾定义为ID3可回收垃圾。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps52.png 图52误识别为有害垃圾 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps53.png
图53人工定义学习种类 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps54.png 图54人工强制学习后的识别结果 （4）确认倾倒：如果识别的结果正确，按下“确认倾倒”按钮，即可完成垃圾分类投放。 file:///C:\Users\51991\AppData\Local\Temp\ksohtml12300\wps55.png
图55确认垃圾倾倒
| 
发表于 2020-10-5 07:32:47
