24小時(shí)論文定制熱線(xiàn)
24小時(shí)論文定制熱線(xiàn)
摘要
隨著(zhù)世界人口的飛速增長(cháng)和全球經(jīng)濟的高速發(fā)展，資源的有限性成為了限制人類(lèi)生存和發(fā)展的重要因素，而做好垃圾分類(lèi)是資源回收的重要前？.廢料瓶是一種重要的可回收資源，其具有以下特點(diǎn)：
（1）數量龐大：據英國衛生局統計2016年全球塑料瓶消費量達到4800億個(gè)，預計2020年將達到5000億個(gè)，相當于每秒消費2萬(wàn)個(gè)塑料瓶[1].
（2）回收價(jià)值高：廢料瓶可以分為塑料、鐵鋁、玻璃三類(lèi)，而廢塑料、廢金屬、廢玻璃屬于我國十大重要再生資源種類(lèi)。
（3）不同種類(lèi)廢料瓶后續處理方式不同：塑料瓶的處理方式有壓塑、擠塑、注塑等，而鐵、鋁等金屬材質(zhì)的廢料瓶處理方式有壓縮、打磨、拋光等。因此廢料瓶分類(lèi)系統有很高的研究?jì)r(jià)值。
目前關(guān)于廢料瓶分類(lèi)系統的相關(guān)研究較少，其應用主要分為傳統垃圾桶和智能垃圾桶，兩者仍存在一些不足之處：
（1）傳統垃圾桶前期只是簡(jiǎn)單的擺設兩個(gè)或多個(gè)桶并標識可回收和不可回收等，主要依靠后期人工收集、分類(lèi)，這樣雖然能夠實(shí)現較高的準確率，但是存在分類(lèi)效率低、分類(lèi)周期長(cháng)、人工取樣繁瑣且勞動(dòng)強度大等問(wèn)題。
（2）智能垃圾桶通過(guò)自動(dòng)稱(chēng)重、語(yǔ)音識別、移動(dòng)掃碼等技術(shù)將垃圾與相關(guān)責任人綁定在一起，通過(guò)前期監督用戶(hù)進(jìn)行分類(lèi)的方式？高了垃圾分類(lèi)效率，但是存在傳感器種類(lèi)多，價(jià)格昂貴，對操作、運行、維護人員技術(shù)要求高等問(wèn)題。
本文主要？出了一個(gè)基于計算機視覺(jué)的智能廢料瓶分類(lèi)系統，針對當前廢料瓶分類(lèi)系統的不足進(jìn)行了以下研究：
（1）設計輕量級的硬件裝置：使用攝像頭、舵機、燈帶等盡可能少的傳感器模塊來(lái)為系統供硬件支持，減少硬件成本和維護成本。使用樹(shù)莓派、Arduino開(kāi)發(fā)板和AndroidThings操作系統實(shí)現系統整體流程控制，保證系統運行的高效、流暢、穩定。
（2）設計功能多樣的軟件系統：分為移動(dòng)端APP和Web端后臺管理系統。移動(dòng)端APP基于A(yíng)ndroid系統，分為移動(dòng)端用戶(hù)APP和移動(dòng)端商家APP,分別為用戶(hù)？供豐富的積分兌換功能和為商家？供商品銷(xiāo)售平臺，？高用戶(hù)參與度，促進(jìn)商品貿易。Web端后臺管理系統使用SSM（Spring+SpringMVC+MyBatis）框架進(jìn)行開(kāi)發(fā)，為管理員？供功能完善的數據管理平臺。
（3）設計準確高效的識別算法：分為兩種識別模式：條形碼識別和神經(jīng)網(wǎng)絡(luò )識別，高識別效率、準確率，？高識別模式的多樣性。條形碼識別主要使用OpenCV庫檢測廢料瓶圖像中是否含有條形碼并使用ZBar庫來(lái)識別條形碼中的內容。神經(jīng)網(wǎng)絡(luò )識別使用TensorFlow框架，以InceptionV3模型為基礎網(wǎng)絡(luò )使用遷移學(xué)習技術(shù)進(jìn)行識別，達到了97%左右的識別率。
關(guān)鍵字：廢料瓶分類(lèi)；開(kāi)源硬件；軟件開(kāi)發(fā)；圖像識別；深度學(xué)習
Abstract
With the rapid growth of the world population and the rapid development of the global economy, the limited resources have become an important factor limiting human survival and development, and the classification of waste is an important prerequisite for resource recovery. Waste bottles are an important recyclable resource with the following characteristics: （1） A large number: According to the British Health Bureau, the global plastic bottle consumption in 2016 reached 480 billion, and it is expected to reach 500 billion in 2020, equivalent to 20,000 plastic bottles per second. （2） High recycling value: Waste bottles can be pided into plastic, iron, aluminum and glass. Waste plastics, scrap metal and waste glass belong to China's top ten renewable resources. （3） Different types of waste bottles have different follow-up treatment methods: plastic bottles are treated by compression molding, extrusion molding, injection molding, etc., while scrap metal bottles such as iron and aluminum are processed by compression, grinding and polishing. Therefore, the waste bottle classification system has high research value.
At present, there are few related researches on waste bottle sorting systems, and their applications are mainly pided into traditional trash cans and smart trash cans. There are still some shortcomings:
（1） In the early stage of the traditional garbage can, it is simple to arrange two or more barrels and identify recyclable and non-recyclable. It mainly relies on post-collection and classification, so that although it can achieve higher accuracy, it has low classification efficiency. Long classification period, cumbersome manual sampling and high labor intensity.
（2） The intelligent trash can binds the garbage to the relevant responsible persons through automatic weighing, voice recognition, mobile scanning and other technologies, and improves the garbage sorting efficiency by supervising the user in the previous stage, but there are many types of sensors. It is expensive and has high technical requirements for operation, operation and maintenance personnel.
This paper mainly proposes a computer waste-based intelligent waste bottle classification system, which studies the shortcomings of the current waste bottle classification system:
（1） Design lightweight hardware devices: use as few sensor modules as cameras, servos, and light strips to provide hardware support for the system, reducing hardware costs and maintenance costs. Use the Raspberry Pi, Arduino development board and Android Things operating system to realize the overall process control of the system to ensure efficient, smooth and stable system operation.
（2） Designing a variety of software systems: pided into mobile APP and Web-side background management system. Based on the Android system, the mobile APP is pided into a mobile user APP and a mobile merchant APP, which provide users with rich credit redemption functions and provide merchandise sales platforms for merchants, improve user participation, and promote merchandise trade. The web-side background management system is developed using the SSM （Spring+SpringMVC+MyBatis） framework to provide administrators with a fully functional data management platform.
（3） Accurate and efficient recognition algorithm: It is pided into two recognition modes: barcode recognition and neural network recognition, which improves recognition efficiency and accuracy, and improves the persity of recognition modes. Barcode recognition mainly uses the OpenCV library to detect whether a waste bottle image contains a barcode and uses the ZBar library to identify the content in the barcode. The neural network recognition uses the TensorFlow framework to identify the network based on the InceptionV3 model using migration learning technology, achieving a recognition rate of about 97%.
Keywords: Bottle classification; Open source hardware; Software development; Image recognition; Deep learning
目 錄
第 1 章 緒論
1.1 研究背景及意義
目前再生資源回收已經(jīng)成為全球潮流，其物資不斷循環(huán)利用的經(jīng)濟發(fā)展模式滿(mǎn)足我國可持續發(fā)展的戰略，其主要標志是資源能夠循環(huán)利用、保持良好的生態(tài)環(huán)境。據國家統計局公布的數據顯示："十一五"期間我國回收利用再生資源總量為 4 億多噸，主要再生資源回收利用總值超過(guò)了 6500 億元，年平均增長(cháng)率超過(guò)了 20%[2].
做好垃圾分類(lèi)是保障資源回收效率的重要前？.垃圾分類(lèi)一般是指按一定規定或標準將垃圾分類(lèi)儲存、分類(lèi)投放和分類(lèi)搬運，從而轉變成公共資源的一系列活動(dòng)的總稱(chēng)。垃圾分類(lèi)的目的是？高垃圾的資源價(jià)值和經(jīng)濟價(jià)值，力爭物盡其用。據中國城市環(huán)境衛生協(xié)會(huì )統計 2014 年我國垃圾年產(chǎn)近 10 億噸，城鎮生活垃圾每年增長(cháng) 5%至8%[3].
如今人們的環(huán)保意識越來(lái)越強，國家也出臺了一系列相關(guān)政策。國家領(lǐng)導人從國家高度對垃圾分類(lèi)工作做出了重要指示，明確推行垃圾分類(lèi)的重要性和必要性。2019年 6 月 6 日，住建部等 9 部門(mén)聯(lián)合發(fā)布《關(guān)于在全國地級及以上城市全面開(kāi)展生活垃圾分類(lèi)工作的通知》，明確到 2020 年，46 個(gè)重點(diǎn)城市基本建成生活垃圾分類(lèi)處理系統，到 2025 年，全國地級及以上城市基本建成生活垃圾分類(lèi)處理系統。目前，北京、上海、深圳等超大城市先后就生活垃圾管理進(jìn)行修法或立法，通過(guò)督促引導、強化全流程分類(lèi)、嚴格執法監管，讓更多人行動(dòng)起來(lái)[4].
廢料瓶是一種重要的可回收利用資源，其具有以下特點(diǎn)：
（1）數量龐大：廢料瓶是我們生活中常見(jiàn)的可回收利用資源。據統計，我國每年生產(chǎn)的飲料瓶數量在 2000 億個(gè)左右，總重量超過(guò) 500 萬(wàn)噸[4,5].
（2）回收價(jià)值高：廢料瓶可以分為塑料、鐵鋁、玻璃三類(lèi)，而廢塑料、廢金屬、廢玻璃都屬于我國十大再生資源范圍之中。據國家前瞻產(chǎn)業(yè)研究院整理：2016 年我國主要再生資源類(lèi)別回收數量達到 25642.1 萬(wàn)噸，其中廢塑料為 1878 萬(wàn)噸，廢金屬為 937 萬(wàn)噸，廢玻璃為 860 萬(wàn)噸；2016 年我國主要再生資源類(lèi)別價(jià)值達到 5902.8 億元，其中廢塑料為 957.8 億元，廢金屬為 1829 億元，廢玻璃為 22.4 億元[5,6].
（3）不同種類(lèi)廢料瓶后續處理方式不同：通過(guò)前期對廢料瓶進(jìn)行分類(lèi)可以簡(jiǎn)化廢料瓶回收流程，？升回收效率。塑料瓶的處理方式有壓塑、擠塑、注塑等，鐵、鋁等金屬材質(zhì)的廢料瓶的處理方式有壓縮、打磨、拋光等，廢玻璃的處理步驟為篩選、熔鑄、振動(dòng)、固化、起模等。
因此廢料瓶分類(lèi)系統具有很高的研究?jì)r(jià)值。目前關(guān)于廢料瓶分類(lèi)系統的相關(guān)研究較少，其應用主要分為傳統垃圾桶和智能垃圾桶。
（1）傳統垃圾桶：傳統垃圾桶只是簡(jiǎn)單的擺設兩個(gè)或多個(gè)桶并標識可回收和不可回收等，這樣做存在垃圾分類(lèi)效率低、垃圾分類(lèi)成果與再生資源回收效益聯(lián)系不夠緊密、用戶(hù)垃圾分類(lèi)的責任感和獲得感低等問(wèn)題。
（2）智能垃圾桶：智能垃圾桶一方面通過(guò)前端精細分類(lèi)減少后續垃圾分類(lèi)處理難度，例如在垃圾焚燒處理時(shí)，將廢料瓶單獨分類(lèi)出來(lái)不進(jìn)行焚燒可以減少有害物質(zhì)的釋放；另一方面通過(guò)積分兌換等方式？高公眾的垃圾分類(lèi)參與度，將資源回收成果和效益結合起來(lái)，？高資源回收的效率。智能垃圾分類(lèi)回收作為再生資源利用產(chǎn)業(yè)鏈中獲得突破的一環(huán)，正逐步邁進(jìn)上升通道，2014 年到 2017 年間掀起了一股垃圾回收企業(yè)注冊的熱潮。智能垃圾桶通過(guò)自動(dòng)稱(chēng)重、定位識別、移動(dòng)掃碼、智能估值、生物特征識別以及交互聯(lián)網(wǎng)等功能增加了用戶(hù)的參與度。然而目前的智能垃圾桶用于廢料瓶分類(lèi)存在傳感器種類(lèi)多，價(jià)格昂貴，對操作、運行、維護人員技術(shù)要求高等問(wèn)題。
因此，目前的廢料瓶分類(lèi)系統無(wú)法實(shí)現低成本、高效率、可普及的效果。本論文便基于這樣的背景環(huán)境，設計了計算機視覺(jué)的智能廢料瓶分類(lèi)系統，在硬件裝置上滿(mǎn)足體積輕巧、成本低廉、性?xún)r(jià)比高、運行流暢、可廣泛布點(diǎn)的需求；在軟件系統上，開(kāi)發(fā)了面向用戶(hù)的移動(dòng)端用戶(hù) APP、面向商家的移動(dòng)端商家 APP 和面向管理員的 Web 端后臺管理系統，為用戶(hù)？供積分兌換的功能，為商家？供銷(xiāo)售商品的平臺，為管理員？供完善的后臺管理系統。此外，本系統的識別算法設計了多樣的識別模式，結合條形碼識別以 及神經(jīng)網(wǎng)絡(luò )識別，？高識別的效率及準確率。
1.2 相關(guān)研究與應用
1.2.1 國外垃圾分類(lèi)現狀
隨著(zhù)世界文明的飛速發(fā)展，垃圾分類(lèi)問(wèn)題越來(lái)越受到重視，垃圾分類(lèi)制度的完善程度成為了衡量一個(gè)國家文明程度的重要標準。國外發(fā)達國家關(guān)于垃圾分類(lèi)的實(shí)施較早，法律法規較為完善，垃圾分類(lèi)的管理和理念較為成熟且深入人心。下面將從垃圾分類(lèi)的分類(lèi)方法、國家政策、教育普及三個(gè)方面來(lái)分析國外發(fā)達國家垃圾分類(lèi)現狀。
（1）分類(lèi)方法日本在垃圾分類(lèi)的分類(lèi)方法方面可以說(shuō)是世界上最細致的國家之一，其最大的特點(diǎn)就是分類(lèi)精細，回收及時(shí)。最大分類(lèi)有可燃物、不可燃物、資源類(lèi)、粗大類(lèi)，有害類(lèi) 5大類(lèi)，這幾類(lèi)再細分為若干子項目，每個(gè)子項目又可分為孫項目，以此類(lèi)推。可燃類(lèi)：
指可以燃燒的但不包括塑料、橡膠制片、一般剩菜剩飯和一些可燃的生活垃圾都屬于可燃垃圾。資源類(lèi)：報紙、書(shū)籍、塑料飲料瓶、玻璃飲料瓶等。不可燃類(lèi)：廢舊小家電（收錄音機等）、衣物、玩具、陶瓷制品、鐵質(zhì)容器等。粗大類(lèi)：大的家具、大型電器（電視機、空調）、自行車(chē)等。有害類(lèi)：電池、醫用垃圾、對人身體有害的物質(zhì)[7].
（2）國家政策德國擁有目前世界上最完善、最健全的環(huán)境保護法律體系。截止目前，德國聯(lián)邦政府和各州有關(guān)環(huán)保的法律、法規多達 8000 余部。德國同時(shí)還執行歐盟的 400 多部有關(guān)環(huán)境保護的法律法規。2000 年，德國政府頒布了《可再生資源法》，該法規定了從事資源再生的企業(yè)可獲得政府財政支持，進(jìn)一步促進(jìn)了德國生活垃圾的回收利用。2016 年，德國出臺了一項新的電器回收法案，該法案規定電器零售商有義務(wù)？供電器回收服務(wù)。
20 世紀 90 年代初，德國人還將條形碼技術(shù)引入到垃圾分類(lèi)管理中，實(shí)現了城市綜合性區域垃圾分類(lèi)的精準溯源[7,8].
（3）教育普及美國作為垃圾生產(chǎn)大國同時(shí)也是垃圾分類(lèi)實(shí)施最早的一批國家之一，早已把環(huán)境保護和生活垃圾納入教育的基本課程內容，小學(xué)生自入學(xué)時(shí)的第一天就要接受生活垃圾分類(lèi)教育，且這種教育與日常生活的耳濡目染將伴隨其一生，逐步形成良好的家庭氛圍和社會(huì )氛圍。目前生活垃圾要分類(lèi)，要定時(shí)定點(diǎn)投放，早已是社會(huì )普遍共識[9].
1.2.2 國內垃圾分類(lèi)現狀
我國垃圾分類(lèi)工作開(kāi)始于 20 世紀 90 年代，當時(shí)主要通過(guò)廢品回收行業(yè)回收有價(jià)值的廢棄物，如：玻璃、塑料制品、電池等，其他廢棄物直接打包進(jìn)入終端處置。由于我國當時(shí)垃圾末端處置的產(chǎn)能?chē)乐夭蛔悖诸?lèi)并未發(fā)展起來(lái)。21 世紀初，國家建設部？出在當前經(jīng)濟快速發(fā)展、公眾環(huán)境意識普遍？高的情況下，適時(shí)啟動(dòng)城市生活垃圾分類(lèi)收集試點(diǎn)工作非常必要，并將北京、上海、廣州、深圳、杭州、南京、廈門(mén)、桂林等8 個(gè)城市確定為全國首批生活垃圾分類(lèi)收集試點(diǎn)城市[5],取得一定成果，但生活垃圾分類(lèi)總體還未取得實(shí)質(zhì)性突破。2015 年至今，垃圾分類(lèi)工作得到中央領(lǐng)導高度關(guān)注，政策不斷加碼，垃圾分類(lèi)工作開(kāi)始實(shí)質(zhì)性啟動(dòng)。
我國垃圾分類(lèi)的主要分類(lèi)方法將垃圾分為四類(lèi)[4,5,6]:（1）可回收物：可回收物主要包括廢紙、塑料、玻璃、金屬和布料五大類(lèi)。廢紙：
主要包括報紙、期刊、圖書(shū)、各種包裝紙等，但是不包括紙巾和廁所紙等水溶性太強不可回收的紙質(zhì)。塑料：各種塑料袋、塑料泡沫、塑料包裝、一次性塑料餐盒餐具、硬塑料、塑料牙刷、塑料杯子、礦泉水瓶等。玻璃：主要包括各種玻璃瓶、碎玻璃片、鏡子、暖瓶等。金屬物：主要包括易拉罐、罐頭盒等。布料：主要包括廢棄衣服、桌布、洗臉巾、書(shū)包、鞋等。
（2）其它垃圾：其他垃圾（上海稱(chēng)干垃圾）包括除上述幾類(lèi)垃圾之外的磚瓦陶瓷、渣土、衛生間廢紙、紙巾等難以回收的廢棄物及塵土、食品袋（盒）。
（3）廚余垃圾：廚余垃圾（上海稱(chēng)濕垃圾）包括剩菜剩飯、骨頭、果皮等食品類(lèi)廢物。
（4）有害垃圾：有害垃圾含有對人體健康有害的重金屬、有毒的物質(zhì)或者對環(huán)境造成現實(shí)危害或者潛在危害的廢棄物。包括電池、熒光燈管、燈泡、水銀溫度計、油漆桶、部分家電、過(guò)期藥品、過(guò)期化妝品等。
表 1-1 對我國上海、杭州、廈門(mén)三市垃圾分類(lèi)現狀進(jìn)行了對比。
1.2.3 智能垃圾桶應用
隨著(zhù)國家對于垃圾分類(lèi)的愈加重視，全國各地陸續出臺關(guān)于垃圾分類(lèi)的強制性政策，垃圾分類(lèi)成為熱潮。而近年來(lái)互聯(lián)網(wǎng)產(chǎn)業(yè)飛速發(fā)展，"互聯(lián)網(wǎng)+垃圾分類(lèi)"的模式正在迎來(lái)一個(gè)發(fā)展黃金期，智能垃圾分類(lèi)產(chǎn)業(yè)正在崛起。
目前智能垃圾桶所使用的識別技術(shù)、軟件系統以及功能模塊等各方面較為相同，其工作流程基本上可以分為三步：綁定用戶(hù)與機器，識別用戶(hù)投入的可回收資源種類(lèi)，返回現金、積分等獎勵。表 1-2 所示為國內外智能垃圾桶對比。
1.3 論文主要內容與結構
1.3.1 論文主要研究?jì)热?/strong>
本論文設計實(shí)現了基于計算機視覺(jué)的智能廢料瓶分類(lèi)系統，分為硬件裝置、軟件系統、識別算法三部分。用戶(hù)向硬件裝置中的智能垃圾桶投入廢料瓶，識別算法進(jìn)行識別，識別完成后可以在軟件系統中的移動(dòng)端用戶(hù) APP 查看積分并使用積分兌換商品；商家可以在軟件系統中的移動(dòng)端商家 APP 對所有商品進(jìn)行管理；管理員可以在軟件系統中的Web 端后臺管理系統中查看、分析、處理系統所有的相關(guān)數據。
本論文的主要研究工作如下：
（1）實(shí)現系統硬件裝置，包括：設計簡(jiǎn)潔合理的硬件裝置結構，選擇樹(shù)莓派和Arduino 作為硬件裝置的控制核心，在滿(mǎn)足系統需求的基礎上減少傳感器模塊的數量，選擇 Android Things 作為硬件裝置操作系統實(shí)現對傳感器模塊和系統流程的高效控制，使用 OkHttp 框架來(lái)保證硬件裝置與云端服務(wù)器之間的高效通信。
（2）實(shí)現軟件系統中的移動(dòng)端用戶(hù) APP 和移動(dòng)端商家 APP,包括通過(guò)選擇 Android作為操作系統保障系統應用軟件高效、穩定、安全的運行，設計友好的人機交互界面，設計合理的系統工作流程，對用戶(hù)和商家進(jìn)行充分的需求分析，？供完善的系統功能，設計合理的數據庫表結構。
（3）實(shí)現軟件系統中的 web 端后臺管理系統，使用 SSM 框架開(kāi)發(fā)基于 MVC 設計模式的 Web 網(wǎng)站，滿(mǎn)足管理員的使用需求，實(shí)現登陸、用戶(hù)管理、商家管理、商品管理、投遞記錄管理、投訴處理六大功能模塊。
（4）結合廢料瓶的常見(jiàn)種類(lèi)和重要可回收利用資源的種類(lèi)，確定廢料瓶的分類(lèi)：塑料、鐵鋁、玻璃。
（5）實(shí)現包含兩種識別模式、高效、精準的識別算法，包括：設計合理的識別算法工作流程，設計高效的條形碼檢測算法，選擇條形碼識別庫，廢料瓶圖像的采集，模型的選擇、訓練、測試。
1.3.2 論文結構
論文分為六章，主要內容如下：
第一章是緒論，主要介紹智能廢料瓶分類(lèi)系統研究的背景及意義，對比當前廢料瓶分類(lèi)系統的相關(guān)研究與應用現狀，以及介紹本文的主要研究?jì)热菖c文章結構。
第二章是系統概述，分析系統的整體需求，并從系統組成部分、各部分的功能以及各部分之間的聯(lián)系來(lái)介紹系統的整體框架。
第三章是系統硬件裝置設計，主要包括開(kāi)發(fā)板和傳感器模塊的選擇與使用，硬件裝置的結構設計、工作流程以及實(shí)現方法。
第四章是系統軟件系統設計，主要包括云端服務(wù)器、數據庫、移動(dòng)端用戶(hù) APP、移動(dòng)端商家 APP、Web 端管理系統的設計與實(shí)現。
第五章是系統識別算法設計，主要介紹識別算法的工作流程，條形碼的檢測與識別，廢料瓶圖像的采集和預處理，神經(jīng)網(wǎng)絡(luò )模型的選擇、訓練與測試。
第六章是總結與展望，總結本課題的研究工作和展望后續的擴展？升。
第 2 章 系統概述
2.1 系統簡(jiǎn)介
2.2 系統需求分析
2.3 系統整體框架
第 3 章 系統硬件裝置設計
3.1 硬件裝置開(kāi)發(fā)板與操作系統
3.1.1 開(kāi)源硬件與傳統開(kāi)發(fā)板
3.1.2 樹(shù)莓派
3.1.3 Arduino 開(kāi)發(fā)板
3.1.4 Android Things 操作系統
3.2 硬件裝置傳感器模塊
3.2.1 攝像頭模塊
3.2.2 顯示屏模塊
3.2.3 SG90 舵機模塊
3.2.4 WS2812b 燈帶模塊
3.3 硬件裝置智能垃圾桶設計
3.4 硬件裝置工作流程
3.5 硬件裝置實(shí)現方法
3.5.1 樹(shù)莓派與 Arduino 之間的通信
3.5.2 樹(shù)莓派與云端服務(wù)器的通信
3.5.3 Arduino 控制各個(gè)傳感器模塊的工作
3.5.4 各個(gè)傳感器模塊獨立工作
3.6 硬件裝置用戶(hù)屏頁(yè)面設計
3.6.1 用戶(hù)屏頁(yè)面需求分析
3.6.2 用戶(hù)屏頁(yè)面設計與實(shí)現
第 4 章 系統軟件系統設計
4.1 軟件系統移動(dòng)端與 Web 端開(kāi)發(fā)技術(shù)
4.1.1 Android 操作系統
4.1.2 SSM 開(kāi)發(fā)框架
基于計算機視覺(jué)的智能廢料瓶分類(lèi)系統
4.2 軟件系統云端服務(wù)器設計
4.2.1 云端服務(wù)器需求分析
4.2.2 云端服務(wù)器工作流程
4.3 軟件系統數據庫設計
4.3.1 數據庫概念模型設計
4.3.2 數據庫表結構
4.4 軟件系統移動(dòng)端用戶(hù) APP 設計
4.4.1 移動(dòng)端用戶(hù) APP 需求分析
4.4.2 移動(dòng)端用戶(hù) APP 頁(yè)面設計
4.4.3 移動(dòng)端用戶(hù) APP 工作流程
4.5 軟件系統移動(dòng)端商家 APP 設計
4.5.1 移動(dòng)端商家 APP 需求分析
4.5.2 移動(dòng)端商家 APP 頁(yè)面設計
4.5.3 移動(dòng)端商家 APP 工作流程
4.6 軟件系統 Web 端后臺管理系統
4.6.1 Web 端后臺管理系統需求分析
4.6.2 Web 端后臺管理系統頁(yè)面設計
4.6.3 Web 端后臺管理系統工作流程
第 5 章 系統識別算法設計
5.1 識別算法相關(guān)技術(shù)
5.1.1 OpenCV 計算機視覺(jué)庫
5.1.2 TensorFlow 深度學(xué)習框架
5.1.3 卷積神經(jīng)網(wǎng)絡(luò )
5.2 識別算法工作流程
5.3 識別算法：條形碼檢測與識別
5.3.1 條形碼檢測算法
5.3.2 條形碼識別開(kāi)源庫
5.3.3 條形碼識別算法測試
5.4 識別算法：神經(jīng)網(wǎng)絡(luò )識別
5.4.1 廢料瓶圖像收集
5.4.2 廢料瓶圖像預處理
5.4.3 LeNet-5 與 InceptionV3 網(wǎng)絡(luò )模型
5.4.4 訓練與測試
第6 章 總結與展望
6.1 總結
目前政府社會(huì )都對資源回收和垃圾分類(lèi)的狀況愈加關(guān)注，做好垃圾分類(lèi)是？高資源回收效率的重要前？.廢料瓶是一種重要的可回收資源，其具有數量龐大、回收價(jià)值高、不同種類(lèi)后續處理方式不同三大特點(diǎn)，因而廢料瓶分類(lèi)系統具有很高的研究?jì)r(jià)值。本論文設計開(kāi)發(fā)了一套基于計算機視覺(jué)的智能廢料瓶分類(lèi)系統，根據實(shí)際應用需求設計開(kāi)發(fā)了硬件裝置、軟件系統和識別算法。在硬件裝置上滿(mǎn)足體積輕巧、成本低廉、性?xún)r(jià)比高、運行流暢、可廣泛布點(diǎn)的需求；在軟件系統上，開(kāi)發(fā)了面向用戶(hù)的移動(dòng)端用戶(hù) APP、面向商家的移動(dòng)端商家 APP 和面向管理員的 Web 端后臺管理系統，為用戶(hù)？供積分兌換的功能、為商家？供銷(xiāo)售商品的平臺、為管理員？供完善的后臺管理系統。此外，本系統的識別算法設計了兩種的識別模式：條形碼識別和神經(jīng)網(wǎng)絡(luò )識別，兩種識別模式配合工作，？高了識別的效率及準確率。
本論文的主要工作如下：
（1）實(shí)現系統硬件裝置：設計簡(jiǎn)潔合理的硬件裝置結構，選擇樹(shù)莓派和 Arduino 作為硬件裝置的控制核心，盡量減少傳感器模塊的數量，選擇 Android Things 操作系統實(shí)現對傳感器模塊和系統流程的高效控制，使用 OkHttp 框架來(lái)保證硬件裝置與云端服務(wù)器之間的高效通信。
（2）實(shí)現軟件系統中的云服務(wù)器設計：充分分析云服務(wù)器的功能需求，設計云服務(wù)器合理高效的工作流程，保障云服務(wù)器與系統其他組成部分通信的穩定、快速、可靠。
（3）實(shí)現軟件系統中的移動(dòng)端用戶(hù) APP 和移動(dòng)端商家 APP:選擇 Android 操作系統保障系統應用軟件高效、穩定、安全的運行，對用戶(hù)和商家進(jìn)行充分的需求分析，設計合理的數據庫表結構，？供完善的系統功能，設計友好的人機交互界面，設計合理的系統工作流程。
（4）實(shí)現軟件系統中的 web 端后臺管理系統：使用 SSM 框架開(kāi)發(fā)基于 MVC 設計模式的 Web 網(wǎng)站，對管理員進(jìn)行充分的需求分析，設計友好的人機交互界面，滿(mǎn)足管理員的使用需求，實(shí)現登陸、用戶(hù)管理、商家管理、商品管理、投遞記錄管理、投訴處理六大功能模塊。
（5）實(shí)現系統識別算法：結合廢料瓶的常見(jiàn)種類(lèi)和重要可回收利用資源的種類(lèi)確定廢料瓶的分類(lèi)：塑料、鐵鋁、玻璃，實(shí)現兩種識別模式：條形碼識別和神經(jīng)網(wǎng)絡(luò )識別，設計合理的識別算法工作流程，設計高效的條形碼檢測算法，選擇條形碼識別庫，廢料瓶圖像的收集，神經(jīng)網(wǎng)絡(luò )模型的選擇、訓練、測試。
6.2 研究展望
在基于計算機視覺(jué)的智能廢料瓶分類(lèi)系統的設計與開(kāi)發(fā)實(shí)現中，結合了計算機視覺(jué)、軟件開(kāi)發(fā)、網(wǎng)絡(luò )通信、數據庫等一系列相關(guān)技術(shù)，完成了系統的預期目標，證實(shí)了本套系統的可行性。但與此同時(shí)，本套系統依然有一些不足之處，可供后期完善改進(jìn)。
（1）在硬件裝置上：硬件裝置的機械結構還可以進(jìn)一步改進(jìn)，入倉控制模塊目前使用滑輪等老舊的機械結構，長(cháng)期使用可能出現問(wèn)題；可以增加溢滿(mǎn)檢測，在廢料瓶裝滿(mǎn)硬件裝置的廢料瓶收集區時(shí)發(fā)出？醒；可以增加自動(dòng)稱(chēng)重技術(shù)，驗證廢料瓶的分類(lèi)結果。
（2）在軟件系統上：可以繼續完善豐富軟件系統移動(dòng)端用戶(hù) APP、移動(dòng)端商家 APP、Web 端后臺管理系統的功能，彌補現有的軟件系統缺陷，例如可以使用更高效的物聯(lián)網(wǎng)通信協(xié)議 MQTT 協(xié)議來(lái)取代目前的 HTTP 通信協(xié)議等。
（3）在識別算法上：條形碼檢測的算法還可以進(jìn)一步優(yōu)化，將拍攝得到的廢料瓶圖像分別旋轉不同的角度后再進(jìn)行檢測識別，以？高條形碼識別的準確率；可以通過(guò)收集更多的廢料瓶增加訓練集的數量，優(yōu)化模型訓練參數，使用 ResNet 等其他網(wǎng)絡(luò )模型等方式來(lái)？高神經(jīng)網(wǎng)絡(luò )識別的準確率；根據現有技術(shù)實(shí)現其他可回收資源的分類(lèi)。
參考文獻
[1] 鄭驥。 廢塑料回收再生工藝及環(huán)保要求[J]. 環(huán)境與發(fā)展。 2019（4）： 25-42.
[2] 楊舒琰， 劉麗麗， 李金惠。 加強廢塑料回收，減少環(huán)境污染[J]. 世界環(huán)境。 2018（5）： 122-145.
[3] 秦梓奕， 馬姚姚。 "塑料王國"過(guò)冬[J]. 財新周刊。 2019（4）： 23-34.
[4] 孫正偉， 陳靜， 龐新躍。 我國垃圾分類(lèi)的現狀及對策[J]. 城市管理與科技。 2018（1）： 6-12.
[5] 婁子孟。 我國垃圾分類(lèi)現狀及對策探究[J]. 中國市場(chǎng)。 2018（13）： 12-22.
[6] 李航， 徐園園。 國內分類(lèi)垃圾桶發(fā)展現狀與分析[J]. 安陽(yáng)工學(xué)院學(xué)報。 2019（2）： 5-12.
[7] 陳璽撼， 胡敏。 國外垃圾分類(lèi)，"軟引導"與"硬約束"并重[J]. 領(lǐng)導月讀。 2018（8）： 23-32.
[8] 大軍。 國外是如何推行垃圾分類(lèi)的[J]. 科海故事博覽。 2019（6）： 22-30.
[9] 李博洋。 借鑒國外經(jīng)驗推進(jìn)我國生活垃圾分類(lèi)的建議[J]. 中國科技投資。 2018（30）： 12-34.
[10]劉繼元。 基于樹(shù)莓派的物聯(lián)網(wǎng)應用[J]. 電子世界。 2016（8）： 67-82.
[11]望雪。 樹(shù)莓派 vs Arduino vs 傳統單片機開(kāi)發(fā)板，用誰(shuí)好？[J]. 無(wú)線(xiàn)電。 2015（2）： 15-23.
[12]楊梓謙， 李彤， 彭智敏。 基于 Arduino 與樹(shù)莓派平臺的分布式數據采集處理系統設計[J]. 農業(yè)技術(shù)與裝備。 2019（3）：13-35.
[13]朱賀新， 王巍。 基于 Android Things 的智能門(mén)禁系統設計[J]. 北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報。2019（2）： 17-26.
[14]李華洲， 張青， 王文靜。 基于 Android Things 和 Google Weave 技術(shù)的高職 Android 物聯(lián)網(wǎng)應用開(kāi)發(fā)課程建設探討[J]. 中國科技博覽。 2017（31）： 45-56.
[15]張義紅， 李永樂(lè )。 Android 物聯(lián)網(wǎng)創(chuàng )新型實(shí)驗研究與應用[J]. 實(shí)驗室研究與探索。 2018（1）：16-32.
[16]楊國立， 李虎。 基于 Android 的物聯(lián)網(wǎng)視頻和數據監控系統[J]. 智庫時(shí)代。 2018（49）： 10-23.
[17]賀雪梅。 web 應用開(kāi)發(fā)中的 SSM 框架設計[J]. 電子世界。 2019（1）。
[18]朱珍元， 王鶴琴， 郭標。 基于 HTML5 和 SSM 的移動(dòng) Web App 開(kāi)發(fā)[J]. 電腦知識與技術(shù)。2017（21）： 21-24.
[19]吳倩， 應捷， 韓旭。 基于 SSM 框架的高并發(fā)電子商務(wù)平臺設計與實(shí)現[J]. 電子商務(wù)。2019（3）：34-52
[20]李越。 OpenCV 應用現狀綜述[J]. 工業(yè)控制計算機。 2017（7）： 24-32.
[21]劉培軍， 馬明棟， 王得玉。 基于 OpenCV 圖像處理系統的開(kāi)發(fā)與實(shí)現[J]. 計算機技術(shù)與發(fā)展。2019（3）： 56-62.
[22]吳兆林。 基于 Zbar 條形碼圖像識別的實(shí)現[J]. 數字技術(shù)與應用。 2016（8）： 33-56.
[23]王凌霞，王哲。 遷移學(xué)習[J]. 中國計算機報。 2018（45）： 23-40.
[24]柯研，王希龍，鄭鈺輝。 深度遷移學(xué)習簡(jiǎn)介[J]. 數碼世界。 2018（11）： 15-34.
[25]楊強，童詠昕。 遷移學(xué)習：回顧與進(jìn)展[J]. 中國計算機學(xué)會(huì )通訊。 2018（9）： 26-37.
[26] Jinbo Qin, Ji Liang, Tao Chen, et al. Simulating and Predicting of Hydrological Time Series Based onTensorFlow Deep Learning[J]. Polish Journal of Environmental Studies. 2019, 28（2）： 795-802.
[27] Abhineet Saxena. Convolutional neural networks: an illustration in TensorFlow[J]. XRDS:
Crossroads, The ACM Magazine for Students. 2016,22（4）： 56-58.
[28] Vijayan, Jaikumar. Distributed Computing Version of Google TensorFlow Debuts[J]. eWeek. 2016,3（2）： 1-20.
[29] Vazquez-Canteli, Jose R, Ulyanin, et al. Fusing TensorFlow with building energy simulation forintelligent energy management in smart cities[J]. Sustainable Cities And Society. 2019, 1（3）： 243-257.
[30] Rampasek, L, Goldenberg A. TensorFlow: Biology's Gateway to Deep Learning?[J]. Cell Systems.2016,2（1）： 12-14.
[31] Zhang C, Yue X, Wang R, et al. Study on Traffic Sign Recognition by Optimized Lenet-5 Algorithm[J].International Journal of Pattern Recognition and Artificial Intelligence. 2019,10（3）： 1340-1358.
[32] Yong L I, Xiao-Zhu L, Meng-Ying J. Facial Expression Recognition with Cross-connect LeNet-5Network[J]. Acta Automatica Sinica. 2018,2（4）：230-245.
[33] Yu N, Jiao P, Zheng Y. Handwritten digits recognition base on improved LeNet5[C]. Control & DecisionConference. 2015.
[34] Zhang C, Yue X, Wang R, et al. Study on Traffic Sign Recognition by Optimized Lenet-5Algorithm[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2019.
[35] Yuan A, Bai G, Jiao L, et al. Offline Handwritten English Character Recognition Based onConvolutional Neural Network[C]. Iapr International Workshop on Document Analysis Systems. IEEE.2012,3（10）：12-34.
[36] Xia X, Xu C, Nan B. Inception-v3 for flower classification[C]. 2017 2nd International Conference onImage, Vision and Computing （ICIVC）。 IEEE. 2017: 120-135.
[37] Sinha R, Clarke J. When technology meets technology: Retrained 'Inception V3' classifier for NGSbased pathogen detection[C]. 2017 IEEE International Conference on Bioinformatics andBiomedicine （BIBM）。 IEEE Computer Society. 2017: 50-63.
[38] Szegedy C, Ioffe S, Vanhoucke V, et al. Inception-v4, Inception-ResNet and the Impact of ResidualConnections on Learning[J]. 2016.
[39] Bodo R, Iulia-Alexandra L, Yuhuang H, et al. Conversion of Continuous-Valued Deep Networks toEfficient Event-Driven Networks for Image Classification[J]. Frontiers in Neuroscience. 2017, 11:682-.
[40] Mccool C, Perez T, Upcroft B. Mixtures of Lightweight Deep Convolutional Neural Networks:Applied to Agricultural Robotics[J]. IEEE Robotics and Automation Letters. 2017, 2（3）： 1344-1351.
[41] Chen-Mccaig Z, Hoseinnezhad R, Bab-Hadiashar A. Convolutional neural networks for texturerecognition using transfer learning[C]. International Conference on Control. IEEE, 2017,2（6）： 240-263.
[42] Weng T W, Zhang H, Chen P Y, et al. Evaluating the Robustness of Neural Networks: An ExtremeValue Theory Approach[J]. 2018,3（6）： 33-45.
[43] Chen C, Qi F. Single Image Super-Resolution Using Deep CNN with Dense Skip Connections andInception-ResNet[C]. International Conference on Information Technology in Medicine and Education（ITME）。 IEEE Computer Society. 2018,9（2）： 233-256.
[44] Chen-Mccaig Z, Hoseinnezhad R, Bab-Hadiashar A. Convolutional neural networks for texturerecognition using transfer learning[C]. International Conference on Control. IEEE. 2017,2（3）： 134-162.
[45] Lee H Y, Lee B T. Selective inference for accelerating deep learning-based image classification[C].International Conference on Information & Communication Technology Convergence. IEEE,2016:135-137.
[46] Matos J D, Britto A D S, Oliveira L E S, et al. Double Transfer Learning for Breast CancerHistopathologic Image Classification[C]. International Joint Conference on Neural Networks（IJCNN）。 2019,3（22）： 120-143.
[47] Amanda R, Kelsee B, Peter M C, et al. Deep Learning for Image-Based Cassava Disease Detection[J].Frontiers in Plant Science. 2017,8: 1852-.
[48] Filonenko A, Kurnianggoro L, Jo K H. Comparative study of modern convolutional neural networksfor smoke detection on image data[C]. International Conference on Human System Interactions （HSI）。IEEE, 2017,10（2）： 1237-1246.
[49] Ting X, Lei L, Kai L, et al. Comparison of Transferred Deep Neural Networks in Ultrasonic BreastMasses Discrimination[J]. BioMed Research International. 2018,1（9）： 145-170.
[50] Guanci Y, Jing Y, Weihua S, et al. Convolutional Neural Network-Based Embarrassing SituationDetection under Camera for Social Robot in Smart Homes[J]. Sensors. 2018,18（5）： 1530-.
致謝
在即將完成我的碩士論文的時(shí)候，猛然間發(fā)覺(jué)自己即將離開(kāi)校園，離開(kāi)親愛(ài)的老師和同學(xué)，背上自己重重的行囊，重新開(kāi)始人生的又一段旅途。回味過(guò)去的兩年半，我努力了，奮斗了，并且收獲良多。
師恩重如山，永刻于心。首先，我要感謝我敬愛(ài)的傅均導師。在學(xué)習上，導師嚴謹治學(xué)的作風(fēng)和誨人不倦的態(tài)度是我學(xué)習的楷模；在生活上，導師美麗的心靈和身影一直關(guān)愛(ài)著(zhù)我；在論文寫(xiě)作上，不論是選題、開(kāi)題、文章框架的構筑，到最后的定稿，都得到吳老師的細心指導與？攜。感謝一直以來(lái)您對我的諄諄教導和嚴格要求。涓涓師恩，情深意切，銘記于心，只愿師生情誼一生延續。
感謝所有給過(guò)我指導的老師，特別是傅均老師。在杭州的冬天最寒冷的時(shí)候，在我論文寫(xiě)作最迷茫和無(wú)助的時(shí)刻，您的悉心指點(diǎn)如霧靄中的明燈，幫助我沖破重重困難，不斷前進(jìn)，終于守得云開(kāi)見(jiàn)月明。在此對您致以最誠摯的敬意！
感謝室友同窗，在論文寫(xiě)作和修改的過(guò)程中，你們總是熱情地向我伸出無(wú)私的援手，讓我的求學(xué)之路變得充實(shí)而又愉快。雖然即將別離，但愿友誼地久天長(cháng)。
感謝答辯委員會(huì )的成員，感謝你們在百忙之中擠出周末本該好好休息的時(shí)間，來(lái)指導我完成論文的答辯工作。
由于本人學(xué)識有限，文中不免有錯誤和待改進(jìn)之處，真誠歡迎各位師長(cháng)、同行？出寶貴意見(jiàn)。
最后，在此，我感謝各位的幫助。
（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）