基于K210和YOLOv2的智能垃圾分类平台

方梓锋，张 锋

（广东石油化工学院 电子信息工程学院，茂名525000）

近年来，中国正从国家层面加速推进垃圾分类的进程，现已取得巨大成就，但有些民众的分类意识和能力仍比较薄弱。在这个背景下各类垃圾分类平台层出不穷，而如何实现全程智能化、自动化的高效精准分类成为了一个比较热门的研究方向[1]，但受限于传统MCU 的机器学习能力较低， 边缘计算的概念在环保行业仍鲜为提及。

众所周知，边缘计算能带来更快速的服务响应和更优质的实时业务体验，而目前环保领域主要的研究方向集中在图像处理算法和过程自动化上，如文献[2]通过CNN+ReLU 对垃圾图像识别分类，拥有80%左右的准确率、文献[3-4]均使用了vgg16 神经网络分类算法对日常垃圾进行识别分类，能够实现88%以上的识别准确率，文献[5]则采用双目立体视觉+DCNN 的方案。采用优秀卷积神经网络进行垃圾的识别分类无疑能提高系统整体的分类准确值，但其训练与识别过程需要较高的算力支撑，这一部分往往采用云端算力进行弥补，在实际使用中可能会受制于网络环境和云端负载，导致识别等待时间较长，而使用轻量级神经网络结合较高算力的边缘终端[9]则能够在实际使用中更具人性化和实用性。

本文结合国产芯片行业崛起的大背景，设计了一款具有垃圾种类判别、智能分类、语音播报、自动开合箱盖、紫外线消杀以及人体靠近检测、箱体负载云检测等功能。这款智能垃圾分类平台将不受制于上位机的整体负载和通信环境，能自主完成识别和分类操作，从而缩短整个垃圾回收流程的等待时间。……