CN109622416A - 基于超声传感器阵列的垃圾分类方法及其系统 - Google Patents

Abstract

本发明公开了一种基于超声传感器阵列的垃圾分类方法及其系统，其包括以下步骤：超声波发射传感器向执行机构上的垃圾发射超声波；获取超声波接收传感器返回的模拟电压，并进行预处理，接着输入到定义好的网络模型中训练，获得分类模型；根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作；本发明采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷，给人们生活带来方便。

Description

基于超声传感器阵列的垃圾分类方法及其系统

技术领域

本发明涉及垃圾分类技术领域，特别涉及一种基于超声传感器阵列的垃圾分类方法及其系统。

背景技术

我们每个人每天都会扔出许多垃圾，如果像以前那样，所有的垃圾全部装在一个垃圾箱，然后把它运送到垃圾填埋场里，这样就会白白浪费掉很多可以再利用的资源，同时占用上万亩土地，对于那些不易降解的生活垃圾，还会使土地受到严重侵蚀。联合国曾正式向中国提出申明:中国要为因发展而造成的环境污染缴纳出大笔资金作为赔偿金,该笔赔偿金与发达国家所要缴纳的赔偿金相同，所以国家在抓发展的同时也要抓环保。

如何通过垃圾分类管理，最大限度地实现垃圾资源再利用，减少垃圾处置量，改善生存环境质量，是当前世界各国共同关注的迫切问题之一。从国内外各城市对生活垃圾分类的方法来看，大致都是根据垃圾的成分构成、产生量，结合本地垃圾的资源利用和处理方式来进行分类。如德国一般分为纸、玻璃、金属、塑料等；澳大利亚一般分为可堆肥垃圾，可回收垃圾，不可回收垃圾；日本一般分为可燃垃圾，不可燃垃圾，等等。

但是目前大部分人缺乏垃圾分类的全面知识，更无法准确记住并判断复杂繁多的垃圾究竟属于何种类型，来对应准确分类投放丢弃，给城市环境和垃圾处理造成很大压力。同时国内甚至全世界还没有出现真正能够自动化智能化的垃圾分类机器人。现有的基于图像识别的垃圾分类方法能够在特定的环境下分类一些简单的垃圾，但其对环境要求较高，且由于图像识别算法较复杂，实时性受到限制。基于红外传感器的垃圾分类方法具有速度快、一致性好的优点，但是其受光线强弱和目标物颜色深浅的影响较大，致使其分类精度较低。目前，针对难以处理的生活垃圾，也有部分地区引入垃圾智能分类平台，居民将贴有专属二维码的垃圾袋投入资源回收机，回收机通过识别二维码来对垃圾分类，同时居民能获得相应积分，还能用积分兑换生活用品，但该种方法仍需要居民对垃圾种类有较强的认识，且操作相对复杂。

超声波传感器作为非接触式传感器的一员，和光学传感器相比虽然分辨率较低且不包含颜色信息，但其具有环境适应性强、开发难度较低、成本低廉的显著优点，且由于超声波对不同的材质和形状反射强度不同，可利用该特性来分类不同材质的垃圾。

发明内容

针对上述不足，本发明的目的之一在于，提供一种能够通过多个超声波发射传感器和超声波接收传感器组成的阵列根据不同材质反射的超声波幅值的差异特性区分出垃圾类别的分类方法。

本发明的目的之二在于，提供一种结构设计巧妙、合理，能根据垃圾类别快速将垃圾投入到指定垃圾桶的垃圾分类系统。

为实现上述目的，本发明所提供的技术方案是：

一种基于超声传感器阵列的垃圾分类方法，其包括以下步骤：

(1)往执行机构上放置垃圾；

(2)超声波发射传感器向执行机构上的垃圾发射超声波；

(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器返回的模拟电压；

(4)提取获得的测试数据中的特征数据，并对特征数据预处理；

(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；

(6)根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作。

作为本发明的一种改进，所述目标物为金属、塑料或泡沫。

作为本发明的一种改进，所述步骤(4)具体包括以下步骤：

(4.1)对采集的原始电压值做带通滤波处理，滤除掉40KHz以外的噪声信号；

(4.2)采集的每个超声波接收传感器离散电压值中的最大值，其中离散电压值是同一目标物在同一姿态下超声波接收传感器返回的电压值；

(4.3)各个超声波发射传感器依次单独循环工作，所有超声波接收传感器同时工作，采集同一目标物在不同姿态下的多组数据，将这些多组数据中的最大值构成一组样本数据。

作为本发明的一种改进，所述步骤(5)具体包括以下步骤：将样本数据按8：1：1的比例随机分成三部分，分别表示训练集、验证集、测试集，并对训练样本数据作归一化处理；将归一化后的训练样本数据的每组数据作为神经网络的输入，采用全连接神经网络作为分类模型，其中网络共3层，输入层接收输入样本，隐藏层提取样本特征，输出层输出分类类别；将训练集输入到网络中，采用反向传播误差的方法迭代训练n次，其中每迭代20批次的训练样本后，输入一个批次的验证集；n次迭代结束后，输入测试集测试其预测准确率，在精度满足分类需求的情况后，固定模型参数，获得分类模型。

作为本发明的一种改进，所述步骤(6)具体包括以下步骤：(6.1)根据分类模型结果控制垃圾托放平台移动到预测类的垃圾桶上方；(6.2)垃圾托放平台上的阀门打开，实现将其上的垃圾投入位于其下方位置的垃圾桶。

一种基于超声传感器阵列的垃圾分类系统，其包括垃圾外箱、垃圾桶、超声传感器收发阵列、信号处理单元和执行机构，若干垃圾桶并排设置在垃圾外箱的下部，所述执行机构设置在垃圾外箱的上部，并能水平移动往各个垃圾桶投放垃圾；对应执行机构所处的初始位置于所述垃圾外箱的顶面设有与垃圾投放口，超声传感器收发阵列对应执行机构的位置设置在垃圾外箱的内壁上，所述执行机构分别与所述超声传感器收发阵列和执行机构相连接。

作为本发明的一种改进，所述超声传感器收发阵列包括超声波发射传感器和超声波接收传感器，所述超声波接收传感器数量为32个，分为两组接收阵列，超声波发射传感器的数量为6个，每一组接收阵列均设有3个超声波发射传感器。

作为本发明的一种改进，所述信号处理单元包括升压电路、AD采集电路、滤波放大电路以及单片机，所述超声波发射传感器通过升压电路与单片机相连接，所述超声波接收传感器依次通过滤波放大电路、AD采集电路与单片机相连接。

作为本发明的一种改进，所述执行机构包括滑轨、垃圾托放平台、电机和继电器，所述滑轨沿垃圾桶的排列方向设置在垃圾外箱的内壁上，所述垃圾托放平台的底面设有与所述滑轨相适配的滚轮，所述电机通过传动组件驱动滚轮转动，所述垃圾托放平台的中部位置设有阀门和可以控制该阀门开合的控制装置，该控制装置与所述继电器相连接。

本发明的有益效果为：本发明提供的基于超声传感器阵列的垃圾分类方法能够通过多个超声波发射传感器和超声波接收传感器组成的阵列对不同材质的垃圾检测，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作；本发明提供的基于超声传感器阵列的垃圾分类系统采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷。

下面结合附图与实施例，对本发明进一步说明。

附图说明

图1是本发明的结构示意图。

图2是本发明中执行机构的结构示意图。

图3是本发明中超声传感器收发阵列的结构示意图。

图4是本发明的电路原理图。

图5是本发明中神经网络训练垃圾分类模型的流程图。

图6是本发明中在训练好的模型上对未知类别垃圾分类的流程图。

图7为本发明中垃圾及其分类标签。

图8为本发明中3层神经网络模型图。

图9为不同垃圾在8个超声波接收传感器下对应的特征向量曲线图。

具体实施方式

参见图1至图9，本实施例提供的一种基于超声传感器阵列的垃圾分类系统，其包括垃圾外箱1、垃圾桶2、超声传感器收发阵列3、信号处理单元4和执行机构5，若干垃圾桶2并排设置在垃圾外箱1的下部，所述执行机构5设置在垃圾外箱1的上部，并能水平移动往各个垃圾桶2投放垃圾；对应执行机构5所处的初始位置于所述垃圾外箱1的顶面设有与垃圾投放口，超声传感器收发阵列3对应执行机构5的位置设置在垃圾外箱1的内壁上，所述执行机构5分别与所述超声传感器收发阵列3和执行机构5相连接。

具体的，所述超声传感器收发阵列3包括超声波发射传感器31和超声波接收传感器32。

所述信号处理单元4包括升压电路、AD采集电路、滤波放大电路以及单片机，所述超声波发射传感器31通过升压电路与单片机相连接，所述超声波接收传感器32依次通过滤波放大电路、AD采集电路与单片机相连接。

所述执行机构5包括滑轨51、垃圾托放平台52、电机和继电器，所述滑轨51沿垃圾桶2的排列方向设置在垃圾外箱1的内壁上，所述垃圾托放平台52的底面设有与所述滑轨51相适配的滚轮53，所述电机通过传动组件驱动滚轮53转动，所述垃圾托放平台52的中部位置设有阀门54和可以控制该阀门54开合的控制装置，该控制装置与所述继电器相连接。

工作时，基于超声传感器阵列的垃圾分类方法包括以下步骤：

(1)往执行机构5上放置垃圾；垃圾为金属、塑料或泡沫材质；垃圾桶2的数量为三个，并排设置；

(2)单片机控制超声波发射传感器31向执行机构5上的垃圾发射固定频率的40KHz超声波；单片机控制超声波发射传感器31向每种被放置在执行机构5上的垃圾发射超声波；

(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器32返回的模拟电压；单片机采集超声波接收传感器32返回的电压值；其中，超声波接收传感器32共32个，分成两个阵列，即每个阵列各16个，分为上排8个，下排8个，均匀布置；超声波发射传感器31共6个，分别在左右两个阵列上各布置3个，正常工作时，超声波发射传感器31轮循发射，即同一时间只有一个超声波发射传感器31工作，所有超声波接收传感器32同时工作；上下左右翻转垃圾，采集同种垃圾在不同姿态下的多组数据；

(4)提取获得的测试数据中的特征数据，并对特征数据预处理；具体的，由于超声波接收传感器32返回的波形中存在40KHz以外的噪声，需对采集的原始电压值做带通滤波处理，滤除掉40KHz以外的噪声信号；提取单片机采集的每个超声波接收传感器32离散电压值中的最大值，其中离散电压值是同一目标物在同一姿态下超声波接收传感器32返回的电压值；各个超声波发射传感器31依次单独循环工作，所有超声波接收传感器32同时工作，采集同一目标物在不同姿态下的多组数据，将这些多组数据中的最大值构成一组样本数据；本发明中即为包含32个元素的一维向量，其中提取一阵列上排的8个超声波接收传感器32波形最大值构成的曲线如图9。对每组样本数据给予对应标签如图7，及(1,0,0)、(0,1,0)、(0,0,1)中一种，分别对应目标物金属、塑料、泡沫材质的垃圾；

(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；具体的，将提取的每组32个最大值组成一维向量，作为一个输入样本数据，并记录下对应的标签，将样本数据按8：1：1的比例随机分成三部分，分别表示训练集、验证集、测试集，并对训练样本数据作归一化处理；将归一化后的训练样本数据的每组数据作为神经网络的输入，通过3层神经网络和反向传播算法结合交叉熵代价函数和批量梯度下降的方法迭代多次后训练出能够分类3种不同材质垃圾的模型参数，其中在每迭代20个批次的训练样本后，输入一个批次的验证集验证当前模型参数下的准确率。所使用的神经网络模型如图8，输入层有32个神经元对应32个超声波接收传感器32，隐藏层有10个神经元，输出层有3个神经元对应3种垃圾类型。整个训练分类网络参数的过程如图5；将测试样本数据输入到已经定义好的网络模型中，将通过网络输出的预测值和预先给定的实际标签值对比，相同为1，不同为0，最后再计算出为1的概率值即为模型的分类准确率；若出现训练集和验证集准确率较高而测试集准确率较低的情况，则一般判断为出现过拟合，可以通过增加训练样本、加入正则化项或采用Dropout方法减小，在精度满足分类需求的情况后，固定模型参数，获得分类模型。

(6)根据分类模型结果执行机构5移动到预测类的垃圾桶2上方进行投放垃圾动作。具体的，在单片机中编程实现通过分类网络预测出的3种不同分类情况下，单片机根据网络预测的分类结果控制电机驱动滚轮53的转动方向和圈数，使得在3种情况下，实现垃圾托放平台52移动到相应垃圾桶2的上方位置；单片机控制继电器接通打开回路，控制装置打开垃圾托放平台52上的阀门54，实现将其上的垃圾投入位于其下方位置的垃圾桶2。投放完成后，单片机控制继电器接通闭合回路，控制装置闭合垃圾托放平台52上的阀门54，单片机控制垃圾托放平台52移动到初始位置，等待下一轮的垃圾投放。

本发明采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构5移动到相应垃圾桶2上方位置并进行投放垃圾动作，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷，给人们生活带来方便。

根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。如本发明上述实施例所述，采用与其相同或相似的步骤而得到的其它方法和系统，均在本发明保护范围内。

Claims (9)

1.一种基于超声传感器阵列的垃圾分类方法，其特征在于：其包括以下步骤：

(1)往执行机构上放置垃圾；

(2)超声波发射传感器向执行机构上的垃圾发射超声波；

(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器返回的模拟电压；

(4)提取获得的测试数据中的特征数据，并对特征数据预处理；

(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；

(6)根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作。

2.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述目标物为金属、塑料或泡沫。

3.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：

所述步骤(4)具体包括以下步骤：

(4.1)对采集的原始电压值做带通滤波处理，滤除掉40KHz以外的噪声信号；

(4.2)采集的每个超声波接收传感器离散电压值中的最大值，其中离散电压值是同一目标物在同一姿态下超声波接收传感器返回的电压值；

(4.3)各个超声波发射传感器依次单独循环工作，所有超声波接收传感器同时工作，采集同一目标物在不同姿态下的多组数据，将这些多组数据中的最大值构成一组样本数据。

4.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述步骤(5)具体包括以下步骤：将样本数据按8：1：1的比例随机分成三部分，分别表示训练集、验证集、测试集，并对训练样本数据作归一化处理；将归一化后的训练样本数据的每组数据作为神经网络的输入，采用全连接神经网络作为分类模型，其中网络共3层，输入层接收输入样本，隐藏层提取样本特征，输出层输出分类类别；将训练集输入到网络中，采用反向传播误差的方法迭代训练n次，其中每迭代20批次的训练样本后，输入一个批次的验证集；n次迭代结束后，输入测试集测试其预测准确率，在精度满足分类需求的情况后，固定模型参数，获得分类模型。

5.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述步骤(6)具体包括以下步骤：

(6.1)根据分类模型结果控制垃圾托放平台移动到预测类的垃圾桶上方；

(6.2)垃圾托放平台上的阀门打开，实现将其上的垃圾投入位于其下方位置的垃圾桶。

6.一种基于超声传感器阵列的垃圾分类系统，其特征在于：其包括垃圾外箱、垃圾桶、超声传感器收发阵列、信号处理单元和执行机构，若干垃圾桶并排设置在垃圾外箱的下部，所述执行机构设置在垃圾外箱的上部，并能水平移动到各个垃圾桶投放垃圾；对应执行机构所处的初始位置于所述垃圾外箱的顶面设有与垃圾投放口，超声传感器收发阵列对应执行机构的位置设置在垃圾外箱的内壁上，所述执行机构分别与所述超声传感器收发阵列和执行机构相连接。

7.根据权利要求5所述的基于超声传感器阵列的垃圾分类系统，其特征在于：所述超声传感器收发阵列包括超声波发射传感器和超声波接收传感器，所述超声波接收传感器数量为32个，分为两组接收阵列，超声波发射传感器的数量为6个，每一组接收阵列均设有3个超声波发射传感器。

8.根据权利要求6所述的基于超声传感器阵列的垃圾分类系统，其特征在于：所述信号处理单元包括升压电路、AD采集电路、滤波放大电路以及单片机，所述超声波发射传感器通过升压电路与单片机相连接，所述超声波接收传感器依次通过滤波放大电路、AD采集电路与单片机相连接。

9.根据权利要求6所述的基于超声传感器阵列的垃圾分类系统，其特征在于：所述执行机构包括滑轨、垃圾托放平台、电机和继电器，所述滑轨沿垃圾桶的排列方向设置在垃圾外箱的内壁上，所述垃圾托放平台的底面设有与所述滑轨相适配的滚轮，所述电机通过传动组件驱动滚轮转动，所述垃圾托放平台的中部位置设有阀门和可以控制该阀门开合的控制装置，该控制装置与所述继电器相连接。