語音示教+自主巡航智能垃圾分類機器人的研究與設計武

張靜 劉敏 史禹龍 曹澤

摘 ?要：制造一種能夠語音示教，并能夠自主巡航的智能垃圾分類機器人。該機器人可以通過CNN來識別各種垃圾，結合其他傳感器提高識別準確率，并分類投放到相應的垃圾桶內，還可以通過屏幕和語音反饋給用戶。該機器人可以通過雙目視覺和超聲波測距模塊，繪制環境地圖，進行避障和規劃巡航路線。另外可以加入NLP，可實現語音控制。使用Google開源的神經網絡框架Tensorflow搭建卷積神經網絡進行圖像識別。采用ReLU作為激活函數，能在反向傳播時避免梯度消失。從測試結果來看，目前大部分垃圾的識別準確率在80%左右。

關鍵詞：CNN;雙目視覺;ReLU

中圖分類號：TP242 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）32-0043-03

Abstract： An intelligent garbage sorting robot which can instruct by speech and cruise autonomously is manufactured. The robot can identify all kinds of garbage through CNN （convolutional neural network）， improve the recognition accuracy by combining with other sensors， classify and put into the corresponding garbage can， and also give feedback to users through screen and voice， telling them what kind of garbage they put in. The robot can use binocular vision and ultrasonic ranging modules to map the environment， avoid obstacles and plan cruise routes. In addition， NLP （natural language processing） can be added to achieve voice control. Google's open source neural network framework Tensorflow is used to build a convolutional neural network for image recognition. The ReLU （Rectified Linear Unit） can be used as the activation function so as accelerate the learning speed of neural network and avoid the disappearance of gradient in back propagation. According to the test results， most of the garbage currently has an accuracy rate of around 80%.

Keywords： CNN （convolutional neural network）; binocular vision; ReLU （Rectified Linear Unit）

引言

隨著我國經濟的快速發展，城市化進程逐步加快，人民生活水平日益提高。為了滿足人民日益增長的生活需求，各種多元化的商品及生活用品蜂擁而至。隨之而來的是日益增多的生活垃圾，對環境造成了極大的壓力，有些城市已經出現了垃圾圍城的現象。很顯然，垃圾分類已成為我國需要解決的迫在眉睫的問題。目前隨著國家政策的大力支持，部分城市的垃圾分類得到了有效的改善，但工作量較大，普遍推廣及正確分類有相當難度。因此有必要研究生活垃圾分類投放智能化機器人，以適應和滿足居民垃圾分類投放和監管部門管理需要。

1 智能化技術路線和方案比選

1.1 智能垃圾分類機器人研究現狀

1.1.1 國內研究現狀

（1）ABB人工智能垃圾分類機器人

這一集機器人自動化、人工智能與云計算軟硬件技術為一體的解決方案，可實現云、邊、端協同的完整閉環，通過深度學習分類算法以及ABB獨有的PickMaster系統實現了對輸送鏈的無縫精準跟蹤，并由協作機器人YuMi完成最終的分揀。整個過程的運行數據及設備信息實時上傳至云端，在ABB AbilityTM應用中進一步分析及優化。

（2）弓葉科技人工智能

弓葉科技的人工智能垃圾分揀機器人每分鐘可以分揀70多件物品，可以7天*24小時連續不斷地工作，并大大減少因為疲勞造成的人工分揀誤差。

弓葉科技自主開發的人工智能軟件與高速分揀機器人相結合，同時，機器人代替了工人的雙手。人工智能算法通過海量的圖像對機器人進行訓練，無論廢棄物是否完好無損、是否有凹痕、是否被壓碎、是否被扭曲、是否被部分遮擋等各種狀態之下，機器人都可以識別，并且從傳送帶上準確地抓取要回收的物料，投放到相對應的料框中。只要是人的眼睛能一眼就識別的東西，弓葉科技的人工智能都能識別。不僅如此，弓葉科技的人工智能還具有強大的遷徙學習能力。例如，部署在北京愛分類的機器人可以向部署在全國各地不同的機器人學習，機器人與機器人之間還可以互相繼承廢棄物識別的經驗。

1.1.2 國外研究現狀

（1）芬蘭：ZenRobotics回收機

這款基于視覺判斷的垃圾分類機器人的機器臂臂展長達2米，通過激光掃描系統，能夠提前掃描運輸帶上的物品并且將它們進行分類，然后通過機械臂將垃圾分類。

（2）日本：FANUC分揀機器人

利用視覺分析系統對物品進行跟蹤和分類，但它有廢舊物品自動回收技術。這套技術允許機器人對物品的化學成分以及形狀進行實時掃描和分析，同時也使機器人能夠實時指定抓取方式和抓取順序。

（3）美國：Rocycle機器人

使用了觸覺作為檢驗材料的方法，通過觸摸的方式區分紙張、金屬和塑料。在分選過程中，機器人會對物體進行掃描，并通過傳感器測量物體尺寸。使用其機械手臂上的兩根柔軟手指擠壓物體以完成抓取，而手指上的壓力傳感器能夠測量抓住物體所需要的力，并以此確定材料剛度。最后，將掃描結果與壓力傳感器獲得的數據相互對比匹配，分辨出物體材質后，將其投入正確的垃圾箱。

1.2 主要技術路線

首先，我們要有一雙“眼睛”，視覺識別系統，利用高清照相機去掃描，識別傳送帶上的物品。然后，識別的數據可以收集起來給機器人大腦積累“經驗”，前期先通過訓練機器人，使機器人的大腦認識這些來料，慢慢的擁有類似于人的自主判斷能力。最后，傳達“信息”給機器人去快速識別混合垃圾中的可回收物和雜質，準確抓取并投放到對應的料框中完成分類。機械臂作為可執行單位，將垃圾分類到不同的垃圾桶里。

1.3 技術方案

對抓取和投放的單塊垃圾會被送入小型識別倉，進行識別后通過機械桿推入相應垃圾桶內，一次識別一個垃圾，然后進行下一次識別。

桶內垃圾滿后，通過程序內建的地圖能自動巡航至垃圾站進行卸貨，把已滿的垃圾桶交付給一個小型的傾倒裝置，然后換上空的垃圾桶繼續工作。

（1）硬件（見圖1）：

處理器使用k210，該處理器成本不高，性能不差，功耗不高，是處理器優點的集大成者，而且特別適合人工智能硬件開發，內置獨立的CNN卷積神經網絡運算單元，有單獨處理快速傅里葉變換的FFT運算單元，內置APU，主頻可達到600MHz，可使用常用的深度學習框架，自帶麥克風陣列，支持語音識別，支持多種外設通訊方式。

（2）程序：

識別方面：使用大量單個垃圾的圖片集，對神經網絡進行訓練，提高準確率，當投放使用后有識別不了的垃圾被人工遠程輔助識別從而提高識別率。

巡航方面：對特定新場景使用超聲波測距和雙目測距進行快速建模，并將地圖儲存，通過特定算法自動分配巡航路線。隨時檢測硬件狀態，電量過低會自行巡航至充電樁充電。

2 智能分類機器人的系統結構及功能

2.1 系統結構

依托于AI系統的人機互動模式、聲波雷達、北斗導航等系統具有語音示教和自主巡航功能的智能垃圾分類機器人。

2.2 系統功能

本項目機器人主要在公共場合運行，可以識別地面的垃圾并將其自動分類投放到自身攜帶的彈夾式垃圾桶內，并可接收行人直接投放垃圾，等某一垃圾桶滿后會自動巡航至垃圾站，對攜帶的垃圾筒進行“換彈”。

采用動態值班式工作模式，一部分分散固定在公共場所內，另一部分采用流動崗，根據正在運行機器人的數量進行動態調整。

可以使用語音對其控制，并可遙控，還可以遠程通過客戶端檢查分類效果和遠程輔助分類，對無法識別的垃圾進行人工識別，并反饋給神經網絡，提高識別準確率。

3 智能分類機器人應用于市場的深遠影響及意義

人工智能垃圾分揀機器人每分鐘可以分揀70多件物品，速度大約是普通人的兩倍，機器人還可以7天*24小時連續不斷地工作，而工人是沒辦法承受這么高強度的勞動。有了這些智能機器人的幫助，我們相信，未來廢棄物回收工作將完全有可能實現無人化，從而解決了垃圾分揀中心長期存在的人員短缺問題，并大大減少因為疲勞造成的人工分揀誤差。

依托于AI系統的人機互動模式、聲波雷達、北斗導航等系統具有語音示教和自主巡航功能的智能垃圾分類機器人，其特征在于：包括智能機器人、垃圾箱和垃圾桶，垃圾箱通過螺栓安裝在智能機器人的兩側，垃圾桶設置在垃圾箱的內側，底部安裝有滾輪。智能機器人的底部粘接有定位板，安裝有顯示器、紅外探測器、距離探測器、垃圾掃描儀等，并且通過大數據對機器人進行訓練，讓機器人具有類似于人腦的判斷能力，同時，機器人代替了工人的雙手。人工智能算法通過海量的圖像對機器人進行訓練，無論廢棄物是否完好無損、是否有凹痕、是否被壓碎、是否被扭曲、是否被部分遮擋等各種狀態之下，機器人都可以識別，并且從傳送帶上準確地抓取要回收的物料，投放到相對應的料框中。只要是人的眼睛能一眼就識別的東西，智能機器人就都能識別，從而對廢棄物進行快速準確識別、拾取和分類。

4 結束語

我國環保產業正處在轉變發展方式、優化工藝流程的轉型期，迫切需要新一代人工智能等重大創新添薪續力，從而推動傳統的機械物理化處理模式向數字化、智能化、網絡化的處理模式轉變。接下來的時代，是知識驅動的時代。人工智能技術的發展，尤其是目前深度學習技術的發展，給了我們一個前所未有的能力，就是機器可以自動學習特征表達的能力。這是一個跨時代的變革。我們很高興有像弓葉科技這樣的人工智能公司正在關注環保行業，關注垃圾處理，用新一代人工智能技術和一個又一個成功的案例推動我們國家垃圾處理模式的變革。

參考文獻：

[1]寧凱，張東波，印峰，等.基于視覺感知的智能掃地機器人的垃圾檢測與分類[J].中國圖象圖形學報，2019，24（08）：1358-1368.

[2]郭興旺，管和清，劉穎韜，等.半透明材料紅外熱像檢測的光譜特性和光源選擇[J].紅外與激光工程，2017，46（01）：59-67.

[3]李文仲，段朝玉.短距離無線數據通信入門與實戰[M].北京航空航天大學出版社，2006.

[4]丁明華，李允旺，王勇.基于Unity3d的麥克納姆輪移動平臺避障算法仿真[J].中國科技論文，2016（10）：1191-1195.

[5]傅忠云，朱海霞，孫金秋，等.基于慣性傳感器MPU6050的濾波算法研究[J].壓電與聲光，2015，37（05）：821-825+829.

[6]周立輝，張永生，孫勇，等.智能變電站巡檢機器人研制及應用[J].電力系統自動化，2011，35（19）：85-88+96.