个人项目申报书《智能垃圾桶》.pdfVIP

附件1

大学生创新训练项目申报表

基于YOLOv2和NB-IOB技术的智能垃圾分类系统

一、项目简介（限200字以内）

基于YOLOv2深度学习机器视觉检测，通过NB-IOT技术远程监控垃圾余量，智能垃圾分类

系统，顾名思义，是一个自动垃圾分类系统，能远程监控垃圾余量；能自动打包垃圾并抛出，

然后换袋；能实现垃圾分类知识的教学。用户将垃圾放置在系统摄像头前时，系统会采集并处

理垃圾的图片数据，输入到K210神经网络加速器中进行模型推理，判断出所拍摄的垃圾种类，

将垃圾种类通过语音播报的方式告诉用户，然后打开相应的舱盖让用户投入，由此实现垃圾分

类。

1

二、项目实施的目的、意义

目的：

随着科技的快速发展，人们的生活水平得到了很大的改善，城市生活中的垃圾也在飞速增长。

大量的垃圾被运送到城市外填埋或焚烧，仅有部分垃圾进行了无害处理，垃圾的处理速度慢而且

垃圾分类智能化水平低。如何实现垃圾的快速分类已成为国家乃至全球不可回避的问题。目前，

在我国城市街道上的分类垃圾桶大部分只是贴有标签的普通垃圾桶，需要人为去识别垃圾种类，

这种分类桶缺乏自控能力，加之大部分人对垃圾分类没有主动性，垃圾分类难以达到预期效果。

我们意识到有必要研发一种高效且智能的垃圾分类系统，在实现垃圾分类的同时又提高公民

对垃圾分类的认识。于是我们提出了一种基于YOLOv2目标检测算法的智能垃圾分类系统。系统

能对垃圾进行自动识别分类并将要求用户其放入对应的垃圾箱内，并主动将分类的结果告诉用

户，大大降低人们对垃圾分类相关知识的学习成本，并提高用户的垃圾分类意识。同时配备垃圾

余量远程检测功能，帮助垃圾回收企业根据垃圾余量安排回收任务，提高企业回收效率。自动打

包垃圾并换袋，能大大减轻环卫工人对垃圾桶的善后处理。

意义：

我国正在大力推进智能垃圾分类的相关工作，各种垃圾分类处理技术不断涌现，人工智能

技术与视觉识别系统的结合，能够帮助人们更方便地进行垃圾分类。针对目前垃圾分类处理问

题的现状，利用人工智能的视觉识别技术也将是生活垃圾分类技术未来发展的必然趋势。随着

人们生活水平的提高，未来的生活垃圾的品类也会越来越多。IOT人工智能垃圾分类系统的出

现，个人层面上，能满足人们对生活垃圾正确分类的需求。经济层面上，能提高垃圾处理企业

的垃圾处理效率。社会层面上，能减轻环卫工人的压力，能推进垃圾分类政策的具体实施。

2

三、项目研究内容和拟解决的关键问题

1．垃圾识别的实现——对机器视觉技术的研究

1．1基于深度学习的垃圾分类系统的硬件基础——关于神经网络加速器的选取问题

神经加速器是我们实现垃圾识别的硬件基础。针对产品的使用场景，需要综合考虑产品的

功耗-价格-性能，通过对这三点要素的综合考量，我们选取了一款款廉价可靠低功耗的MCU—

—K210，内置神经网络加速器。

K210是基于RISC-V精简指令集的一款国产MCU，芯片架构包含了一个自研的神经网络硬件

加速器KPU，可以高效地进行卷积神经网络运算。在MCU的AI计算方面，K210芯片的算力非常

强大，K210的KPU算力能够达到0.8TFLOPS，作为对比，主打AI功能，拥有128个CUDA单元

GPU的英伟达JetsonNano的算力是0.47TFLOPS；而最新的RasberryPi4只有不到

0.1TFLOPS。同时K210还内置快速傅里叶变换加速器，可以进行复数FFT计算。具有强大功能

的同时又极具性价比。可运行YOLOv2网络神经模型，支持TensorFlow等深度学习框架。以上

种种使得这款MCU非常适合用来进行各种机器视觉任务，如物品识别，人脸识别，人脸防伪

等。

1．2图像的预处理——关于图像均值滤波器去噪的问题

滤波的定义是在接受一种特定频率的信号时为了防止其他频率信号对其造成干扰，对其他无

用频率的信号进行屏蔽保留有用信息的一种技术。在图像拍摄时，由于外在因素的存在，图像会

包含一些错误信息，这些错误信息被称为图像噪声，而均值滤波器的作用就是削弱图像其他无用

噪声。其工作原理是计算某一区域除中心外的像素均值，将这个均值代替中心点。如在一个7×7

的像素区域，它是由一个中心像素点和四周一共48个像素点构成，首先计