基于机器视觉的除尘型垃圾桶智能分拣传输系统

      生活垃圾分类对于城市良好生活环境的建立和资源最大化利用具有重要意义，且作为生活垃圾产生的源头，从生活中细微的点滴开始进行分类回收也在逐渐受到相关政府部门和研究学者的关注。虽然各城市都制定了垃圾分类的政策，但是由于人们分类知识欠缺、分类意思薄弱等因素，导致实际分类效果并不理想。而随着人工智能技术、物联网技术等的快速发展，使得垃圾分类的智能化成为国内外研究的热点。       针对当前居民垃圾分类知识欠缺、源头分类环节缺失等问题，我们利用机器视觉技术和VGG16神经网络分类算法，并结合分类机构，设计了一款家庭智能分类垃圾桶。该垃圾桶可实现对垃圾种类的识别，并实现自动分类入桶，完成垃圾的自动分类，代替人为分类，提高垃圾分类的准确性。该作品主要研究内容如下：      1. 通过研究和分析现有基于机器视觉的分类装置和识别分类的算法，结合机械结构，制定家庭智能分类垃圾桶的总体设计方案；并基于设计要求，选择整个设计研究过程中需要使用的硬件。      2. 对比分析现有机器视觉系统光源设置、图像采集注意事项等，并结合实际效果，确定图像采集系统的摄像头位置、光源位置等。另外，结合现有分类标准确定分类依据，并收集垃圾13个二类垃圾，共98种垃圾，并通过垃圾采集系统采集共1011张图片。      3. 对采集的图像进行数据清洗，利用VGG16深度卷积神经网络，建立基于机器视觉的垃圾识别模型，能够较为准确的识别出垃圾的种类，其识别准确率达到87.2%；并结合垃圾分类的标准，搭建垃圾分类的模型，最终分类的准确率达到88.1%。      4. 结合家庭实际场景进行垃圾桶的整体方案设计，确定外观样式、尺寸参数等；并设计分类机构，利用四个舵机实现垃圾的分类入桶。      5. 自主设计全自动吸尘器，可以自动探测周围的环境问题，实现在智慧交通下的垃圾分拣与传输，最大程度上为人们营造一个温暖、温馨的好环境。