基于深度学习的智能分类垃圾箱的制作方法

本发明涉及一种分类垃圾箱，尤其是涉及一种基于深度学习的智能分类垃圾箱。

背景技术：

我国人口众多，每年产生的生活垃圾数量相当庞大。公共场合是目前产生生活垃圾的主要场所之一。目前，设置在路边和广场等公共场合的垃圾箱主要采用传统垃圾箱。传统垃圾箱包括并行设置的两个垃圾桶，其中一个垃圾桶用于收集可回收垃圾，另一个垃圾桶用于收集不可回收垃圾，两个垃圾桶分别标有“可回收垃圾”和“不可回收垃圾”提示语，行人通过提示语来确认垃圾投入哪个垃圾桶内。但是，虽然行人能够显然的区分传统垃圾箱中的两个垃圾桶，但是在垃圾分类时行人凭主观意识确认垃圾种类，当垃圾种类确认错误时，垃圾也随之投入了错误的垃圾桶内。由于当前人们对垃圾分类的认知度差异很大，垃圾分类现象常有发生，由此传统垃圾箱对于垃圾分类的效果并不明显。

随着物联网技术的发展，智能垃圾箱也得到了广泛研究。美国bigbellysolar公司发明的一种名为bigbe11y的智能垃圾桶，该智能垃圾桶集太阳能、物联网和高效压缩机为一体，垃圾桶顶部设置的太阳能电池为垃圾桶电器部分工作提供电源，在垃圾桶快装满时，通过高效压缩机在40秒内将垃圾桶内垃圾的体积进行压缩，并且当垃圾箱内垃圾难以再继续压缩时又会自动联网发送垃圾桶已满信息及垃圾桶所述的地理位置信息至垃圾处理中心，垃圾处理中心收到信息后可以即使对垃圾进行回收处理。虽然该智能垃圾桶智能化程度挺高，不但可以提高垃圾回收的时效性和垃圾桶的利用率，还可以降低垃圾回收的人力物力成本，但是该垃圾桶并没有解决垃圾分类不准确的问题，并且制作成本也很高。

技术实现要素：

本发明所要解决的技术问题是提供一种垃圾分类准确度高，且成本较低的基于深度学习的智能分类垃圾箱。

本发明解决上述技术问题所采用的技术方案为：一种基于深度学习的智能分类垃圾箱，包括垃圾箱主体结构和智能分类控制器。所述的垃圾箱主体结构包括箱体，所述的箱体内设置有用于收存外部扔入垃圾的垃圾收纳室以及用于收纳分类后垃圾的多个垃圾仓，多个所述的垃圾仓位于所述的垃圾收纳室下方且沿一圈分布，所述的收纳室底部为活动底板，当所述的活动底板打开时，所述的收纳室与位于其下的垃圾仓连通，初始状态，一个垃圾仓位于收纳室的正下方，活动底板处于关闭状态；所述的智能分类控制器包括识别模块、控制模块、无线通信模块、供电模块、用于安装在智能终端通信设备中的app模块、垃圾分类选择模块和驱动模块，所述的供电模块与所述的控制模块连接，所述的控制模块分别与识别模块、所述的垃圾分类选择模块、所述的驱动模块和所述的无线通信模块连接，所述的无线通信模块与所述的app模块连接；所述的无线通信模块用于实现所述的控制模块和所述的app模块之间的数据交互，所述的供电模块在所述的控制模块控制下为所述的智能分类垃圾箱提供工作电压，所述的识别模块用于识别扔到所述的垃圾收纳室内垃圾的种类并生成识别结果发送给所述的控制模块，所述的控制模块将接收到的识别结果转变为所述的垃圾分类选择模块可识别的分类信号发送给所述的垃圾分类选择模块，所述的垃圾分类选择模块接收所述的控制模块发送的分类信号，并根据分类信号选择相应的垃圾仓后将垃圾扔入对应的垃圾仓，所述的app模块用于产生控制所述的箱体位置移动的信号，并经由所述的无线通信模块传输给所述的控制模块，所述的控制模块基于该信号生成所述的驱动模块可识别的移动数据发送给所述的驱动模块，所述的驱动模块根据接收到的移动数据驱动所述的箱体进行移动。

所述的识别模块包括图像采集模块和神经网络识别模块，所述的图像采集模块用于实时采集扔入所述的垃圾收纳室中垃圾的图像并将采集的垃圾的图像传输到神经网络识别模块中进行垃圾种类识别，所述的神经网络识别模块利用卷积神经网络模型对垃圾图像进行识别后确定垃圾种类，所述的卷积神经网络模型包括8层卷积层、4层最大池化层、2层全连接层和一层分类层，将8层卷积层分别称为第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层和第八卷积层，将4层最大池化层分别称为第一最大池化层、第二最大池化层、第三最大池化层和第四最大池化层，将2层全连接层称为第一全连接层和第二全连接层，每个卷积层和每个全连接层的激活函数均为relu函数，分类层的激活函数是softmax函数，所述的图像采集模块将采集的垃圾图像输入所述的第一卷积层，所述的第一卷积层用于对输入的垃圾图像进行第一次卷积过滤，获得初始垃圾特征，所述的第二卷积层用于对初始垃圾特征进行第二次卷积过滤，得到第二次垃圾特征，所述的第一最大池化层用于对第二次垃圾特征进行池化采样，得到第一次池化采样特征，所述的第三卷积层用于对第一次池化采样特征进行第三次卷积过滤，获得第三次垃圾特征，所述的第四卷积层用于对第三次垃圾特征进行第四次卷积过滤，得到第四次垃圾特征，所述的第二最大池化层用于对第四次垃圾特征进行池化采样，得到第二次池化采样特征，所述的第五卷积层用于对第二次池化采样特征进行第五次卷积过滤，获得第五次垃圾特征，所述的第六卷积层用于对第五次垃圾特征进行第六次卷积过滤，得到第六次垃圾特征，所述的第三最大池化层用于对第六次垃圾特征进行池化采样，得到第三次池化采样特征，所述的第七卷积层用于对第三次池化采样特征进行第七次卷积过滤，获得第七次垃圾特征，所述的第八卷积层用于对第七次垃圾特征进行第八次卷积过滤，得到第八次垃圾特征，所述的第四最大池化层用于对第八次垃圾特征进行池化采样，得到第四次池化采样特征，所述的第一全连接层用于对第四次池化采样特征进行第一次特征提取，得到深度垃圾特征，所述的第二全连接层用于对深度垃圾特征进行第二次特征提取，得到最终垃圾特征，所述的分类层用于对最终垃圾特征进行识别分类后输出分类结果给所述的控制模块。该结构中，神经网络识别模块中多个卷积层不断提取图像深层特征，然后利用池化层降低网络参数，实现垃圾类别识别，自动化程度高，分类精准。

所述的供电模块包括第一供电线路、第二供电线路和供电选择模块，所述的第一供电线路采用220v交流电供电方式，所述的第二供电线路包括太阳能电池板、第一供电设备和第二供电设备，所述的第一供电设备和所述的第二供电设备分别采用蓄电池实现；所述的供电选择设备中将一天24小时分为两个工作时间段，分别为白天工作时间段和夜间工作时间段；在白天工作时间段，所述的供电选择设备获取天气信息，如果为晴天以外的其他天气，则选择所述的第一供电线路供电，如果为晴天，则优先采用所述的第二供电线路供电，此时所述的供电选择设备实时检测所述的第一供电设备和所述的第二供电设备的电量，如果所述的第一供电设备和所述的第二供电设备的电量均不足20％，则切换至选择所述的第一供电线路供电，并控制所述的太阳能电池板依次为所述的第一供电设备和所述的第二供电设备充电，如果所述的第一供电设备的电量不足20％，而所述的第二供电设备的电量超出20％，则采用所述的第二供电设备供电，并控制所述的太阳能电池板为所述的第一供电设备充电，如果所述的第一供电设备的电量超出20％，而所述的第二供电设备的电量不足20％，则采用所述的第一供电设备供电，并控制所述的太阳能电池板为所述的第二供电设备充电，如果所述的第一供电设备和所述的第二供电设备的电量均超出20％，则优先采用所述的第一供电设备供电，并判定所述的第二供电设备电量是否充满，如果未满则控制所述的太阳能电池板为所述的第二供电设备充电；在夜间工作时间段，所述的供电选择设备优先选用所述的第二供电线路供电，此时所述的供电选择设备实时检测所述的第一供电设备和所述的第二供电设备的电量，如果所述的第一供电设备和所述的第二供电设备的电量均不足20％，则切换至选择所述的第一供电线路供电，如果所述的第一供电设备的电量不足20％，而所述的第二供电设备的电量超出20％，则采用所述的第二供电设备供电，如果所述的第一供电设备的电量超出20％，而所述的第二供电设备的电量不足20％，则采用所述的第一供电设备供电，如果所述的第一供电设备和所述的第二供电设备的电量均超出20％，则优先采用所述的第一供电设备供电。该结构汇总，供电模块采用两种供电线路实现，保证了垃圾箱24小时不间断供电，避免垃圾箱断电停止工作，同时设置20％的电量为阈值电量，防止电池电量过低，影响电池寿命。

所述的垃圾分类选择模块包括垃圾桶调度模块和垃圾桶选择模块，所述的圾桶选择模块与所述的控制模块连接，所述的圾桶选择模块接收所述的控制模块发出的垃圾分类信号，并根据当前垃圾收纳室下方垃圾桶类别，计算得到与待仍垃圾种类相应的垃圾桶需要转动的角度发送给所述的垃圾桶调度模块，所述的垃圾桶调度模块控制垃圾仓转动，将对应的垃圾仓转动至垃圾收纳室正下方，然后驱动垃圾收纳室底板打开使垃圾落入对应的垃圾仓中后在封闭底板，完成垃圾分类投放。

所述的驱动模块包括设置在所述的箱体底部且受力能上下移动的底盘、四个安装在所述的箱体底部的滑轮，用于驱动所述的底盘上下移动的升降机构和用于驱动所述的滑轮转动的转动机构，所述的升降机构和所述的转动机构分别与所述的控制模块连接，所述的底盘上设置四个开口，在初始状态，所述的底盘处于最低位，四个所述的滑轮一一对应嵌入四个所述的开口内，此时箱体不能移动，当所述的控制模块将移动数据发送给所述的驱动模块时，首先所述的升降机构控制所述的底盘向上移动至最高位，此时四个所述的滑轮脱离所述的底盘，然后所述的转动机构驱动四个所述的滑轮按照移动数据相应转动，实现所述的箱体的移动，当移动到位后，所述的升降机构控制所述的底盘下降至最低位四个所述的滑轮再次进入所述的底盘内，所述的箱体位置固定。

与现有技术相比，本发明的优点在于通过垃圾箱主体结构和智能分类控制器构成智能分类垃圾箱，垃圾箱主体结构包括箱体，箱体内设置有用于收存外部扔入垃圾的垃圾收纳室以及用于收纳分类后垃圾的多个垃圾仓，多个垃圾仓位于垃圾收纳室下方且沿一圈分布，收纳室底部为活动底板，当活动底板打开时，收纳室与位于其下的垃圾仓连通，初始状态，一个垃圾仓位于收纳室的正下方，活动底板处于关闭状态，智能分类控制器包括识别模块、控制模块、无线通信模块、供电模块、用于安装在智能终端通信设备中的app模块、垃圾分类选择模块和驱动模块，供电模块与控制模块连接，控制模块分别与识别模块、垃圾分类选择模块、驱动模块和无线通信模块连接，无线通信模块与app模块连接，无线通信模块用于实现控制模块和app模块之间的数据交互，供电模块在控制模块控制下为智能分类垃圾箱提供工作电压，识别模块用于识别扔到垃圾收纳室内垃圾的种类并生成识别结果发送给控制模块，控制模块将接收到的识别结果转变为垃圾分类选择模块可识别的分类信号发送给垃圾分类选择模块，垃圾分类选择模块接收控制模块发送的分类信号，并根据分类信号选择相应的垃圾仓后将垃圾扔入对应的垃圾仓，app模块用于产生控制箱体位置移动的信号，并经由无线通信模块传输给控制模块，控制模块基于该信号生成驱动模块可识别的移动数据发送给驱动模块，驱动模块根据接收到的移动数据驱动箱体进行移动，由此本发明可以实现垃圾自动分类，垃圾分类准确度高，且成本较低。

附图说明

图1(a)为本发明的智能分类垃圾箱的结构示意图；

图1(b)为本发明的智能分类垃圾箱的垃圾仓俯视图；

图1(c)为本发明的智能分类垃圾箱的底视图；

图2为本发明的智能分类垃圾箱的智能分类控制器的结构框图；

图3为本发明的智能分类垃圾箱的智能分类控制器的识别模块的结构框图；

图4为本发明的智能分类垃圾箱的智能分类控制器的神经网络识别模块的结构框图；

图5为本发明的智能分类垃圾箱的智能分类控制器的供电模块的框架图；

图6为本发明的智能分类垃圾箱的智能分类控制器的第二供电线路的框架图；

图7为本发明的智能分类垃圾箱的智能分类控制器的无线通信模块与app模块的连接框图；

图8为本发明的智能分类垃圾箱的智能分类控制器的垃圾分类选择模块的框架图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

实施例：如图所示，一种基于深度学习的智能分类垃圾箱，包括垃圾箱主体结构和智能分类控制器。垃圾箱主体结构包括箱体1，箱体1内设置有用于收存外部扔入垃圾的垃圾收纳室以及用于收纳分类后垃圾的多个垃圾仓2，多个垃圾仓2位于垃圾收纳室下方且沿一圈分布，收纳室底部为活动底板，当活动底板打开时，收纳室与位于其下的垃圾仓2连通，初始状态，一个垃圾仓2位于收纳室的正下方，活动底板处于关闭状态；智能分类控制器包括识别模块3、控制模块4、无线通信模块5、供电模块、用于安装在智能终端通信设备中的app模块、垃圾分类选择模块6和驱动模块7，供电模块与控制模块4连接，控制模块4分别与识别模块3、垃圾分类选择模块6、驱动模块7和无线通信模块5连接，无线通信模块5与app模块连接；无线通信模块5用于实现控制模块4和app模块之间的数据交互，供电模块在控制模块4控制下为智能分类垃圾箱提供工作电压，识别模块3用于识别扔到垃圾收纳室内垃圾的种类并生成识别结果发送给控制模块4，控制模块4将接收到的识别结果转变为垃圾分类选择模块6可识别的分类信号发送给垃圾分类选择模块6，垃圾分类选择模块6接收控制模块4发送的分类信号，并根据分类信号选择相应的垃圾仓2后将垃圾扔入对应的垃圾仓2，app模块用于产生控制箱体1位置移动的信号，并经由无线通信模块5传输给控制模块4，控制模块4基于该信号生成驱动模块7可识别的移动数据发送给驱动模块7，驱动模块7根据接收到的移动数据驱动箱体1进行移动。

本实施例中，识别模块3包括图像采集模块和神经网络识别模块，图像采集模块用于实时采集扔入垃圾收纳室中垃圾的图像并将采集的垃圾的图像传输到神经网络识别模块中进行垃圾种类识别，神经网络识别模块利用卷积神经网络模型对垃圾图像进行识别后确定垃圾种类，卷积神经网络模型包括8层卷积层、4层最大池化层、2层全连接层和一层分类层，将8层卷积层分别称为第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层和第八卷积层，将4层最大池化层分别称为第一最大池化层、第二最大池化层、第三最大池化层和第四最大池化层，将2层全连接层称为第一全连接层和第二全连接层，每个卷积层和每个全连接层的激活函数均为relu函数，分类层的激活函数是softmax函数，图像采集模块将采集的垃圾图像输入第一卷积层，第一卷积层用于对输入的垃圾图像进行第一次卷积过滤，获得初始垃圾特征，第二卷积层用于对初始垃圾特征进行第二次卷积过滤，得到第二次垃圾特征，第一最大池化层用于对第二次垃圾特征进行池化采样，得到第一次池化采样特征，第三卷积层用于对第一次池化采样特征进行第三次卷积过滤，获得第三次垃圾特征，第四卷积层用于对第三次垃圾特征进行第四次卷积过滤，得到第四次垃圾特征，第二最大池化层用于对第四次垃圾特征进行池化采样，得到第二次池化采样特征，第五卷积层用于对第二次池化采样特征进行第五次卷积过滤，获得第五次垃圾特征，第六卷积层用于对第五次垃圾特征进行第六次卷积过滤，得到第六次垃圾特征，第三最大池化层用于对第六次垃圾特征进行池化采样，得到第三次池化采样特征，第七卷积层用于对第三次池化采样特征进行第七次卷积过滤，获得第七次垃圾特征，第八卷积层用于对第七次垃圾特征进行第八次卷积过滤，得到第八次垃圾特征，第四最大池化层用于对第八次垃圾特征进行池化采样，得到第四次池化采样特征，第一全连接层用于对第四次池化采样特征进行第一次特征提取，得到深度垃圾特征，第二全连接层用于对深度垃圾特征进行第二次特征提取，得到最终垃圾特征，分类层用于对最终垃圾特征进行识别分类后输出分类结果给控制模块4。神经网络识别模块采用当前成熟的模型实现，在使用前先通过将把许多不同的垃圾图像样板和对应的识别结果输入神经网络识别模块中进行训练，训练后的神经网络识别模块就会通过自学习功能，识别类似的垃圾图像。

本实施例中，供电模块包括第一供电线路、第二供电线路和供电选择模块，第一供电线路采用220v交流电供电方式，第二供电线路包括太阳能电池板8、第一供电设备和第二供电设备，第一供电设备和第二供电设备分别采用蓄电池9实现；供电选择设备中将一天24小时分为两个工作时间段，分别为白天工作时间段和夜间工作时间段；在白天工作时间段，供电选择设备获取天气信息，如果为晴天以外的其他天气，则选择第一供电线路供电，如果为晴天，则优先采用第二供电线路供电，此时供电选择设备实时检测第一供电设备和第二供电设备的电量，如果第一供电设备和第二供电设备的电量均不足20％，则切换至选择第一供电线路供电，并控制太阳能电池板8依次为第一供电设备和第二供电设备充电，如果第一供电设备的电量不足20％，而第二供电设备的电量超出20％，则采用第二供电设备供电，并控制太阳能电池板8为第一供电设备充电，如果第一供电设备的电量超出20％，而第二供电设备的电量不足20％，则采用第一供电设备供电，并控制太阳能电池板8为第二供电设备充电，如果第一供电设备和第二供电设备的电量均超出20％，则优先采用第一供电设备供电，并判定第二供电设备电量是否充满，如果未满则控制太阳能电池板8为第二供电设备充电；在夜间工作时间段，供电选择设备优先选用第二供电线路供电，此时供电选择设备实时检测第一供电设备和第二供电设备的电量，如果第一供电设备和第二供电设备的电量均不足20％，则切换至选择第一供电线路供电，如果第一供电设备的电量不足20％，而第二供电设备的电量超出20％，则采用第二供电设备供电，如果第一供电设备的电量超出20％，而第二供电设备的电量不足20％，则采用第一供电设备供电，如果第一供电设备和第二供电设备的电量均超出20％，则优先采用第一供电设备供电。

本实施例中，垃圾分类选择模块6包括垃圾桶调度模块和垃圾桶选择模块，圾桶选择模块与控制模块4连接，圾桶选择模块接收控制模块4发出的垃圾分类信号，并根据当前垃圾收纳室下方垃圾桶类别，计算得到与待仍垃圾种类相应的垃圾桶需要转动的角度发送给垃圾桶调度模块，垃圾桶调度模块控制垃圾仓2转动，将对应的垃圾仓2转动至垃圾收纳室正下方，然后驱动垃圾收纳室底板打开使垃圾落入对应的垃圾仓2中后在封闭底板，完成垃圾分类投放。

本实施例中，驱动模块7包括设置在箱体1底部且受力能上下移动的底盘10、四个安装在箱体1底部的滑轮11，用于驱动底盘10上下移动的升降机构和用于驱动滑轮11转动的转动机构，升降机构和转动机构分别与控制模块4连接，底盘10上设置四个开口，在初始状态，底盘10处于最低位，四个滑轮11一一对应嵌入四个开口内，此时箱体1不能移动；当工作人员将位置移动指令通过app模块发送给无线通信模块时，无线通信模块将位置移动指令发送给控制模块4，控制模块4根据位置移动指令生成移动数据发送给驱动模块7时，首先升降机构控制底盘10向上移动至最高位，此时四个滑轮11脱离底盘10，然后转动机构驱动四个滑轮11按照移动数据相应转动，实现箱体1的移动，当移动到位后，升降机构控制底盘10下降至最低位四个滑轮11再次进入底盘10内，箱体1位置固定。