李佳朋，李双江，王旭磊
华北理工大学电气工程学院，河北 唐山 063210
摘要：顺应如今可持续发展战略的实施，针对垃圾分类设计了一款光电智能垃圾分拣车。数据集是神经网络训练的基础,使用K210通过OV2640对垃圾进行各种角度的拍摄，人工对拍摄照片进行分类边界框选[2]。基于TensorFlow深度学习理论，导入AI神经系统进行训练，增强系统对垃圾的适应性[3]。随后便可直接通过OV2640进行垃圾识别框选边界并输出种类、位置等信息。车辆的RT1064芯片接受到K210传回的信息，控制电机采取铲取或绕过的操作。通过对编码器输出信号的积分，进行路径规划，达到逐一识别垃圾的目的。当场上所有垃圾逐一识别过后，第一个识别的所有同种垃圾全部被收集再车内。随后便向垃圾分类区移动，通过摄像头对分类区色块的识别，判断准确的+分类区域。通过急加速、急后退的方法将车内垃圾倒入分类区内。随后车辆再进行下一种垃圾的收集，收集过程同上。
关键词：K210；神经网络；人工智能；垃圾分类
1、图像识别
（1）图像处理芯片
使用勘智K210专门进行图像的采集及处理及AI运算识别。勘智K210采用RISC-V处理器架构，具备视听一体、自主IP与可编程能力强三大特点，支持机器视觉与机器听觉多模态识别,支持TensorFlow、Keras、Darknet、PaddlePaddle和Caffe等主流AI编程框架[1]。
（2）机器视觉运算模组
使用Maix Bit板以K210作为核心单元，功能非常强大。芯片内置64位双核400MHz处理器，拥有8M的片上SRAM，在AI机器视觉性能方面表现突出，内置多种硬件加速单元（KPU、FPU、FFT等），总算力最高可达1TOPS，可以方便地实现各类应用场景的机器视觉算法。
（3）图像处理方案
使用OV2640摄像头，进行垃圾图像采集，5种垃圾共采集照片近一万张。随后进行人工分类、框选。导入训练模型中识别特征点，进行训练。将训练成果烧录到K210中，随后K210便可直接通过OV2640采集的图像进行垃圾识别，并输出垃圾种类、位置等信息。
.png)
2、车辆控制
（1）主控芯片
主控芯片使用NXP公司的RT1064，RT106非常适合本方案，因为它是机器学习研究项目中有吸引力的解决方案。机器学习需要大量的计算能力，而且由于RT ARM Cortex-7的运行频率高达600MHz，并且有大量的RAM和FLASH内存，因此这似乎非常合适。到目前为止，RT1064是RT系列中的高端处理器。让我感兴趣的是它有4MB的片上FLASH存储器（其他的型号都是无闪存的）。
（2）主板设计
因RT104存在上电时序问题，需等内核上电完全启动后，再有信号输入才可以，不然会导致内核无法启动的现象。因此主板设计需利用板上的启动引脚，使用一块带使能DC-DC电源芯片，利用板上启动引脚通过RC电路对电源芯片进行使能，对外设进行供电。
.png)
主板多电源供电设计，保证了主板供电的稳定性。主供电使用MP1584DC-DC电源芯片。MP1584具有4.5V-28V宽电压输入范围，有3A的大电流输出，1.5MHz的开关频率，非常适合对小型器材进行稳定输出供电。
其他对电源电压要求严格的器件则选择LM2596、AM1117LDO进行供电以获得更加稳定的电压输出。
主板将外设接口及人机交互模块接口全部从核心板引出，使设备有了更强的稳定性与可操作性性。还将将来可能用到的一些模块接口引出，增强了设备的可添加性。
（3）电机驱动设计
经过对多种驱动芯片与MOS的比对，最终选择了IR2104作为驱动芯片，选择了LR7843组成H桥对电机进行控制。理论上，每路可支持最大100A的电流输出，对于本模型使用380电机的模型车完全可以胜任。
使用74hc02或非门对输入信号进行逻辑处理，可达到仅使用两路PWM信号便可控制两个电机的效果，电机的正反转由另外两个IO高低输出即可控制。
为了防止倒灌电流导致器件的损毁，驱动上使用了HCPL2630高速光耦对H桥信号进行隔离，增加了系统的稳定性，提高的电机驱动的适应能力。
（4）控制程序
通过对编码器数据进行积分测量路程进行路程积分进行路径规划，达到指定地点后通过摄像头采集图像进行处理识别，对场地垃圾依次进行识别。通过图像处理芯片返回数据判断垃圾类别及位置，控制车辆铲起垃圾。对场地上所有同种垃圾收集后，控制车辆移动至垃圾分类区，通过急加速、急后退将垃圾留在分类区。
.png)
3、实验结果
经过调试，本光电智能垃圾分拣车可对橘皮、瓶子、废电池、废纸等垃圾进行自动搜寻、收集、分类的处理，且垃圾识别准确度高达99.995%。经优化完全可胜任今后在垃圾分类方面的工作。
参考文献：
[1]刘潇元,任钊婷,杨晨.基于TINY YOLO2神经网络视觉翻译棒[J].电脑知识与技术,2021,17(15):182-183+189.
[2]李朝宇,田莉,刘伟康,闫文龙,吴家润.卷积神经网络在垃圾分类识别中的应用[J].电子世界,2021(09):126-128.
[3]萧志钰.基于AI智能识别的自动垃圾分类技术研究[J].无线互联科技,2021,18(09):110-111.
作者简介：李佳朋(2000年-)，男，汉，河北保定人，本科在读。研究方向：电子科学与技术。