阅读说明：本技术 一种基于bp神经网络识别系统的垃圾分类方法 (Garbage classification method based on BP neural network recognition system ) 是由 韩晓霞 张岩 褚俊文 秦晓微 于 2019-09-19 设计创作，主要内容包括：本发明公开一种基于BP神经网络垃圾智能分类的方法,包括桶体,旋转平台,步进电机,ARM芯片处理器,传感器,机器视觉检测系统,BP神经网络处理系统。桶体分为四种装料区分别对应四种垃圾,旋转平台可以360°旋转,到达对应分类区的上方向下翻转将垃圾送入装料区。ARM芯片处理器接受电信号,控制相应模块动作。传感器和图像处理模块用来获取垃圾的数据信息,并将数据传入已训练好的BP神经网络系统实现分类。本发明通过BP神经网络分类系统对可回收垃圾、干垃圾、湿垃圾、有害垃圾实现分类,分类准确率更高。分类过程更加智能,有效。解决了以往垃圾分类难,效果差的问题。(The invention discloses a method for intelligently classifying garbage based on a BP (Back propagation) neural network, which comprises a barrel body, a rotary platform, a stepping motor, an ARM (advanced RISC machine) chip processor, a sensor, a machine vision detection system and a BP neural network processing system. The barrel body is divided into four loading areas which correspond to four kinds of garbage respectively, the rotating platform can rotate 360 degrees, and the garbage is conveyed into the loading areas after reaching the upper part of the corresponding classification area and turning downwards. And the ARM chip processor receives the electric signal and controls the corresponding module to act. The sensor and the image processing module are used for acquiring data information of garbage and transmitting the data into a trained BP neural network system to realize classification. The invention realizes the classification of recoverable garbage, dry garbage, wet garbage and harmful garbage through the BP neural network classification system, and has higher classification accuracy. The classification process is more intelligent and effective. The problems of difficult garbage classification and poor effect in the past are solved.)

一种基于BP神经网络识别系统的垃圾分类方法

技术领域

本发明涉及一种分类方法，具体涉及应用于智能垃圾桶的分类方法,具体为一种基于BP神经网络识别系统的垃圾分类方法。

背景技术

随着我国城镇化的程度不断深化，垃圾桶成为我们生活的小区必不可少的生活用品，并且它对我们的生活环境卫生，身体健康有着很大的影响。每次路过垃圾桶旁边都有一种异味，这是垃圾没有分类的原因。生活中我们会产生各种各样的垃圾，垃圾分类是我们一直在做但从未做好的事情。以往的智能垃圾分类系统都是通过一些传感器检测模块对垃圾进行分类并没有做到真正的垃圾分类，可能会出现误分类的情况。因此需要借助人工智能，让系统通过学习垃圾的分类以后，获得模型，让系统自动进行分类，解决垃圾分类难的问题。

发明内容

有鉴于此，本发明提供一种基于BP神经网络识别系统的垃圾分类方法，旨在解决现有技术中的垃圾分类效率低的问题。

本发明解决其技术问题是通过以下技术方案实现的：一种基于BP神经网络识别系统的垃圾分类方法，包括垃圾桶、湿度传感器、气敏传感器和摄像头，

垃圾桶包括底座、桶体、桶盖和旋转平台，底座设置于桶体的底部，桶体内部空间分为四个装料区，装料区之间用挡板隔开，桶体中间位置设置空心柱体；

旋转平台包括360度旋转轴、旋转电机、翻转轴、翻转电机和平板，旋转电机竖直固定在空心柱体内，旋转电机输出轴上连接有旋转齿轮，360度旋转轴包括能与旋转齿轮啮合的竖直的旋转齿轮柱和连接在旋转齿轮柱一侧的水平的旋转轴，旋转齿轮柱位于空心柱体内且与旋转齿轮啮合，旋转轴位于空心柱体外；旋转齿轮柱顶部还连接有桶盖顶杆，桶盖固定在桶盖顶杆上，桶盖内设置有处理器，处理器内写入有机器视觉检测系统和BP神经网络；

翻转电机水平固定在旋转轴内，翻转电机输出轴上连接有翻转齿轮，翻转轴包括能与翻转齿轮啮合的水平的翻转齿轮柱和连接在翻转齿轮柱一侧的转轴，翻转齿轮柱位于旋转轴内且与翻转齿轮啮合，转轴位于旋转轴外且与旋转轴垂直，旋转轴在与翻转齿轮柱和转轴连接处对应位置开有环形槽，环形槽用于翻转轴的翻转，平板连接在转轴的一侧，旋转轴、转轴和平板形成放置垃圾的，该平台位于桶体装料区上方；

湿度传感器、气敏传感器设置于旋转平台上，所述摄像头设置于桶盖顶杆上且与处理器相连，传感器获取的数据输入处理器。

垃圾放置于旋转平台后，摄像头拍下垃圾的照片，机器视觉检测系统处理照片的信息，获取垃圾的结构参数、体积参数、颜色参数，将获取的数据传给BP神经网络；湿度传感器用来获取垃圾的干湿状况，将垃圾的干湿情况转化为数据传给BP神经网络；气敏传感器用来获取垃圾的气味信息，将垃圾的气味信息转化为数据传给BP神经网络。BP神经网络根据输入的数据识别垃圾的种类；识别垃圾的种类后，处理器控制旋转电机驱动360度旋转轴转动，将平台转到对应的装料区上方，然后处理器控制翻转电机驱动翻转轴向下翻转持续一段时间，平台上的垃圾倒入对应的装料区内，然后处理器控制翻转电机驱动翻转轴向上翻转，平台回到水平位置，处理器再控制旋转电机驱动360度旋转轴转动，将平台转回到初始位置。

进一步的，桶盖内还设置有红外传感器，红外传感器和处理器连接。当人靠近垃圾桶时，红外传感器唤醒处理器，当垃圾倒入装料区后，处理器休眠。

进一步的，旋转平台上还设置有压力传感器，压力传感器数据输入处理器中，重量数据也可作为判断垃圾种类的参考数据。

进一步的，处理器为ARM芯片处理器。

进一步的，翻转轴的翻转角度为90度。

与现有技术相比，本发明的有益效果是：

本发明相比于传统的自动垃圾分类更加的智能化，分类的准确率更高。本发明是基于BP神经网络的自学习机制将获得的垃圾参数（输入），和相应垃圾类别（输出）经过训练，获得模型参数。将获得的BP神经网络模型写入垃圾桶的微处理器中，实现垃圾桶的智能分类。

本发明在垃圾进行分类时，已经在垃圾场经过大量的数据学习，可以应对不同情况的垃圾分类，提高实时垃圾分类的效率。

附图说明

图1是本发明的一种智能化垃圾分类的垃圾桶结构示意图。

图2是本发明的旋转、翻转结构示意图。

图3是本发明的360度旋转轴结构示意图。

图4是本发明旋转齿轮的结构示意图。

图5是本发明翻转轴的结构示意图。

图6是本发明的BP神经网络模型的输入输出结构示意图。

图7是本发明的一种基于BP神经网络垃圾分类的工作流程图。

图中：1-桶盖，2-红外传感器，3-摄像头，4-湿度传感器，5-气敏传感器，6-压力传感器，7-旋转平台，8-可回收垃圾装料区，9-干垃圾装料区，10-湿垃圾装料区，11-有害垃圾装料区，12-桶体，13-空心柱体，14-旋转电机，15-旋转齿轮柱，16-旋转齿轮，17-旋转轴，18-桶盖顶杆，19-翻转电机，20-翻转齿轮，21-翻转齿轮柱，22-转轴。

具体实施方式

下面结合附图和具体的实施方式对本发明做进一步详细描述：

图1是一种智能化垃圾分类的垃圾桶结构示意图，包括：桶盖1、桶体12、红外传感器2、摄像头3、湿度传感器4、气敏传感器5、压力传感器6、旋转平台7、可回收垃圾装料区8、干垃圾装料区9、湿垃圾装料区10、有害垃圾装料区11。

桶盖1内微处理器选用 ARM芯片处理器，ARM芯片处理器内写入有机器视觉检测系统和BP神经网络，ARM芯片处理器获得传感器的信号后，控制相应的电机转动。

BP神经网络是已通过训练获得模型参数的系统，将传感器和摄像头获得的参数输入该系统，得到相应的输出，对数据完成分类，也达到对垃圾的分类，BP神经网络输入输出如图6所示。

摄像头3拍下垃圾的照片，机器视觉检测系统处理照片的信息，获取垃圾的结构参数、体积参数、颜色参数，将获取的数据传给BP神经网络。

湿度传感器4用来获取垃圾的干湿状况，将垃圾的干湿情况转化为数据传给BP神经网络。

气敏传感器5用来获取垃圾的气味信息，将垃圾的气味信息转化为数据传给BP神经网络。

压力传感器6用来获取垃圾的质量参数，将垃圾的质量参数转化为数据传给BP神经网络。

旋转平台包括360度旋转轴、旋转电机、翻转轴、翻转电机和平板。旋转电机、翻转电机都选用步进电机，旋转电机驱动360度旋转轴旋转，使得平台位于对应的装料区；翻转电机驱动翻转轴转动，使垃圾倒入装料区内。旋转平台7是垃圾分类的执行机构，BP神经网络对输入的数据处理之后，获得输出数据，若输出数据为1，此垃圾为干垃圾，BP神经网络系统将电信号传给ARM芯片处理器控制旋转电机驱动旋转轴顺时针旋转90度，然后再控制翻转电机驱动翻转轴向下翻转90度，将垃圾放入干垃圾装料区9。然后将旋转平台复位，旋转至初始位置，即可回收垃圾8区域上方。完成一次分类动作。其余分类同理，若垃圾为湿垃圾，旋转平台旋转180度，若垃圾为有害垃圾，旋转平台旋转270度。

360度旋转轴如图3所示，旋转电机得到指令以后带动齿轮转动，与齿轮啮合的旋转齿轮柱带动旋转轴转动。旋转齿轮柱为内部设置齿轮槽的柱体。

翻转转轴如图5所示，在旋转轴到达指定位置以后，翻转电机得到指令，同样控制齿轮的转动，与齿轮啮合的翻转齿轮柱带动转轴向下翻。翻转齿轮柱为内部设置齿轮槽的柱体。

BP神经网络输入输出如图6所示。如图所示，通过传感器和机器视觉检测系统获取的六种参数，作为BP神经网络输入层的输入数据，四种垃圾分别标签为可回收垃圾0、干垃圾1、湿垃圾2、有害垃圾3。将已分好类的垃圾的参数和标签类别输入BP神经网络系统训练，获得模型参数。BP神经网络参数权重的训练过程如下：首先初始化输入层与隐含层，隐含层与输出层的参数矩阵，隐含层和输出层的激活函数采用sigmoid函数，数学形式：。然后输入训练数据，使用反向传播方法训练，获取参数。最后，记录下获取到的参数，将参数写入程序，然后装入应用系统。

所述的一种基于BP神经网络垃圾分类的工作流程图如图7所示。

上面结合附图对本发明进行了示例性描述，显然本发明的具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其他场合的，均在本发明的保护范围之内。