基于神经网络与机器视觉的垃圾分类系统的设计

②具有64KB的Flash储存器和20KB的SRAM，支持多种通信接口，包括SPI、IIC、USART和CAN等，最高可达72MHz工作频率,2.0-3.3V供电，以及多个快速I/O端口，端口均可容忍5V信号，配备3个16位通用定时器、ADC和DAC等模拟外设。图2STM32F103C8T6控制模块如图3所示K210采用双核64位RISC-V处理器，工作电压为3.3V，主频最高可达400MHz，搭配硬件浮点加速器和DMA控制器，可以处理复杂的算法和任务。能够适配不同的外设和传感器，提供丰富的硬件接口，如UART、SPI、I2C、GPIO等，以便用户方便地进行硬件扩展和连接外部设备。其还内置了多核AI协处理器，支持神经网络加速，如CNN和RNN等，为开发人员提供了高效的AI计算能力。图3K210核心板如图4所示。ov5642摄像头集成了高级的像素和图像处理技术，支持自动白平衡、自动曝光和自动对焦等多种图像优化功能，能够自动调整图像参数以适应不同的环境和拍摄条件。图像处理器能够实时调整亮度、对比度和饱和度等，提供更好的图像效果。该摄像头不仅分辨率高，还具有低功耗设计，能够延长设备的使用寿命。同时，其还支持实时图像处理和视频编码，适用于各种图像和视频应用场景。图4ov5642摄像头如图5所示，该2.4寸TFT屏幕具有以下特点。首先，其采用TFT（薄膜晶体管）技术，具有高分辨率和细腻的色彩还原能力，可以呈现清晰、逼真的图像。其次，该屏幕具有适中的尺寸，以及快速的响应时间和高刷新率，能够在实时应用中展示流畅的动态图像。此外，其支持广色域和多种显示模式，可以满足不同应用的需求。该屏幕还可以通过硬件接口与K210核心板进行简便的连接，如SPI接口、I2C接口等。最后，该屏幕具有稳定的硬件连接和坚固的结构设计，确保长时间稳定运行。图52.4寸TFT屏幕3智能视觉识别垃圾分类系统硬件设计3.1K210电路原理图K210电路原理图如图6（1）、图6（2）所示。K210芯片内部包含双核64位RISC-V处理器，提供高性能的计算能力和多任务处理能力。其集成硬件浮点运算单元和DMA控制器，实现高效的浮点计算和数据传输。时钟电路为K210芯片提供稳定的时钟信号，保证系统的稳定运行。电源管理电路通过电源转换器和稳压模块，提供稳定的电压和电流供给各个芯片和外设。外存储器模块包括闪存和SDRAM，用于存储程序代码和数据。通信接口电路支持串口（UART）、SPI、I2C、GPIO等接口，实现与其他设备的数据交互。此外，K210核心板还可能包含音频模块、显示屏接口等外设，以满足不同应用场景的需求。图6（1）K210电路原理图图6（2）K210电路原理图3.2STM32F103C8T6最小系统电路STM32F103C8T6最小系统如图7所示。时钟电路由晶体振荡器和电容组成，保证单片机工作按照时间顺序。复位电路能够让单片机回到起始状态。通过设计电源电路、时钟电路、复位电路来满足单片机运行的基本要求。图7STM32F103C8T6最小系统图3.3ov5642摄像头原理图ov5642摄像头的原理图，如图8所示。K210核心板与ov5642摄像头连接。打开K210核心板上的卡扣，将排线插紧后关闭卡扣。图8ov5642摄像头原理图3.4TFT屏幕模块电路设计TFT屏幕的原理图，如图9所示。K210核心板与TFT屏幕使用SPI接口。打开K210核心板上的卡扣，将排线插紧后关闭卡扣。图9TFT屏幕原理图3.5输入按键与K210核心板连接电路输入按键模块电路接线如图10所示，4、3、2号为机械式按钮输入端，按键一端接地，一端分别与K210核心板的PIN10、PIN15、PIN16相连。通过按下K1、K2按键选择识别模式，按下K3按键确认。图10输入按键电路连接图3.6舵机模块电路设计舵机模块电路设计如图11所示。将舵机的控制线分别接到PB11,PB10,PB1,PA7上，5V接5V电源，GND接电源GND。电源线连接通过PWM控制，通过调整输入信号的脉冲宽度来改变舵机输出转轴角的大小。图11舵机模块电路连接图3.7报警模块电路设计连接电路如图12所示。PA5连接核心板PA5引脚相连，5V接5V电源，GND接电源GND。S8050为NPN三极管，当PA5输出一个高电平，则S8050处于导通的状态，LED灯点亮，蜂鸣器报警。 图12报警模块电路设计3.8K210核心板串口模块电路设计K210核心板串口有四个引脚，其电路连接方式如图13所示。5V接5V电源，PA2接核心板PIN6，PA3接核心板PIN7，GND接电源GND。图13K210核心板串口模块电路连接图4智能视觉识别垃圾分类系统软件设计4.1K210程序设计K210程序流程图如图14所示，使用python语言进行编写。先将key_gen_v1.2.bin这个固件通过kflash_gui烧录到核心板上。烧录这个机器码固件之后，核心板是处于一个不能使用的状态，上电后屏幕只会变成一个白屏。之后将核心板通过USB连接到电脑上，利用串口连接电脑与核心板。连接成功后按下核心板上的reset的按键，就会出现一串字符在终端窗口上，这时得到本机器的机器码：856407729ad828020fd46b304d0d0260。打开/model/zoo/61网站，输入本K210核心板的机器码，下载对应的自学习分类器。本模型的优点为：无需重新训练模型，直接离线学习多个物体的特征，然后即可识别物体所属分类。配置STM32与K210串口通讯，将PA2设置为复用推挽输出，PA3设置为浮空输入模式；配置NVIC；配置UART波特率为9600，模式为收发模式；开启串口接收中断；使能串口2。再配置K210核心板，将PIN7设置为UART1的发送引脚，PIN6设置为UART1

的接收引脚，波特率是设置为9600与STM32单片机波特率相同。首先将模型库与算法库导入K210核心板，再配置串口与按键引脚初始化，因为需要在屏幕上显示中文，所以在SD卡中加载字库：songti.Dzk。完成所有初始化之后对按键进行判断：当按下按键选择进入新的训练模式时，通过按下确认键后按照空白、可回收、厨余、有害、其他的顺序添加这5种分类，之后继续添加5个样本，对前五种分类进行训练学习。训练学习完成之后将训练集与分类集储存至SD中的“5_classes.classifier”文件中。储存完成之后开始识别物品分类,将识别出的物品分类显示液晶上，并通过串口发送识别的分类结果到STM32单片机。当按下按键选择进入已保存的训练模式时，不会改变分类的模式，会直接进行物品的识别。同样将识别出的物品分类显示液晶上，并通过串口发送识别的分类结果到STM32单片机。图14K210程序流程图4.2STM32程序设计STM32程序流程图如图15所示，使用C语言进行编写。主程序中先对I/O口模块，定时器模块，串口模块进行初始化，在主程序中通过while(1)循环中进入串口判断模式，串口判断的结果可分为以下4种：（1）当得到的结果result:1时，表明当前K210核心板识别当前的垃圾为可回收垃圾，STM32控制相应的舵机打开，蜂鸣器报警，LED灯亮。3秒以后声光指示关闭，舵机恢复到初始状态，清空串口缓存。最后重新进入循环判断串口收到的数据。（2）当得到的结果result:2时，表明当前K210核心板识别当前的垃圾为有害垃圾，STM32控制相应的舵机打开，蜂鸣器报警，LED灯亮。3秒以后声光指示关闭，舵机恢复到初始状态，清空串口缓存。最后重新进入循环判断串口收到的数据。（3）当得到的结果result:3时，表明当前K210核心板识别当前的垃圾为厨余垃圾，STM32控制相应的舵机打开，蜂鸣器报警，LED灯亮。3秒以后声光指示关闭，舵机恢复到初始状态，清空串口缓存。最后重新进入循环判断串口收到的数据。（4）当得到的结果result:4时，表明当前K210核心板识别当前的垃圾为其他垃圾，STM32控制相应的舵机打开，蜂鸣器报警，LED灯亮。3秒以后声光指示关闭，舵机恢复到初始状态，清空串口缓存。最后重新进入循环判断串口收到的数据。图15STM32程序流程图4.3报警模块程序流程图如图16。首先初始化STM32PA5引脚，打开GPIOA的RCC_APB2时钟，将PA5配置为推挽输出，I/O口速度为50MHz。当识别到垃圾分类时，PA5输出高电平，蜂鸣器报警，LED灯点亮。图16报警模块程序流程图4.4舵机模块程序流程图如图17。首先初始化STM32的PB11,PB10,PB1,PA7引脚，打开GPIOA，GPIOB的RCC_APB2时钟，将PB11,PB10,PB1,PA7配置为推挽输出，I/O口速度为50MHz。当识别到垃圾分类时，收到宽度为2ms脉冲宽度的PWM信号，舵机打开45°角。图17舵机模块程序流程图5实物调试5.1硬件调试硬件调试阶段，在安装器件前先用万用表检查每条电路是否正常导通。接着安装核心板。检查轻触开关、电阻、三极管、舵机、LED灯、电阻是否正常。最后给2个单片机下载测试程序，看电路能不能正常运行，是否能完成预期目标，以此对所有的输入端和输出端进行检测。经检查，电路正常。5.2程序调试程序调试阶段，分模块测试程序,如图18（1）（2）所示。首先测试TFT显示屏能够正常显示摄像头拍摄出的图像、模式选择界面与检测出的垃圾分类，显示正常，摄像头正常。K210核心板识别3个输入按钮信号，实现模式选择与确认，输入信号正常，可以正常使用。单片机能够输出信号作用于NPN三极管，可以让对应的状态指示灯点亮，输出信号正常，可以正常运行。PB11,PB10,PB1,PA7输出PWM信号作用于舵机，也可以正常运行。STM32单片机与K210核心板能够正常进行串口通信，通信正常，能够接受与发送。最后反复测试程序逻辑及运行的流畅度，保证后期正常运行。图18（1）软件调试图图18（2）软件调试图5.3总体调试系统总体调试如图19显示。将编写好的程序下载到STM32单片机与K210核心板，检查电路连接，测试各个模块工作是否能正常工作后连接电源。成功启动后进入选择界面，选择添加新的分类，按照空白、可回收、厨余、有害、其他的顺序添加这5种分类，再添加这5种样例从而使模型库更加完整，然后进入识别模式。识别完成后首先查看TFT屏幕，是否正常显示摄像头拍摄图像，是否能正常显示正确的垃圾分类；之后查看相应的舵机是否工作，蜂鸣器是否正常工作，LED灯是否点亮。经调试，功能正常，电路正常工作。图19系统总体调试图6总结6.1智能视觉识别垃圾分类系统发展前景本文所设计了的智能视觉识别垃圾分类系统，系统以STM32F103C8T6与K210为核心，对垃圾的识别，分类，处理可以实现完全自动化，通过K210自学习分类器添加新的垃圾样例，可应对多种环境。该系统经过调试和测试运行后，运行较为稳定，且操作简单、制作简单、成本低、易升级，具有广泛的应用前景。6.2作品不足之处本作品由于前期设计考虑不周全，有以下不足之处：添加的垃圾种类较少，只存在4种垃圾分类；无法同时识别多种垃圾分类；在更换环境时需要重新采集背景；功能较少，可以考虑添加语音播报模块以方便在多种环境下的使用；参考文献赵忠玉,徐生龙.一种新型校园垃圾分类系统的设计[J].自动化应用,2022(11):158-160+164.DOI:10.19769/j.zdhy.2022.11.041.马永喜,辛雅儒,申晨.人工智能技术应用对城市居民垃圾分类成效的影响——一个实地实验研究[J].经营与管理,2022(10):116-122.DOI:10.16517/12-1034/f.2022.10.020.谢小明,徐建辉,陈飞燕.基于视觉识别的垃圾分类箱系统[J].自动化与信息工程,2022,43(01):49-52.王雪,叶长青,杜雨洋.基于树莓派的智能垃圾分类桶设计[J].电脑知识与技术,2021,17(25):114-115+120.DOI:10.14004/ki.ckt.2021.2506.林颖,黄泽豪,曾文轩等.基于视觉识别的垃圾分类系统[J].电子技术与软件工程,2021(10):78-79.赵忠玉,徐生龙.一种新型校园垃圾分类系统的设计[J].自动化应用,2022(11):158-160+164.DOI:10.19769/j.zdhy.2022.11.041.王科举,廉小亲,安飒等.基于树莓派和Arduino的智能垃圾桶[J].信息技术与信息化,2019(10):104-108.Ho