基于超声传感器阵列的垃圾分类方法及其系统技术方案

本发明专利技术公开了一种基于超声传感器阵列的垃圾分类方法及其系统，其包括以下步骤：超声波发射传感器向执行机构上的垃圾发射超声波；获取超声波接收传感器返回的模拟电压，并进行预处理，接着输入到定义好的网络模型中训练，获得分类模型；根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作；本发明专利技术采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷，给人们生活带来方便。

【技术实现步骤摘要】
基于超声传感器阵列的垃圾分类方法及其系统
本专利技术涉及垃圾分类
，特别涉及一种基于超声传感器阵列的垃圾分类方法及其系统。
技术介绍
我们每个人每天都会扔出许多垃圾，如果像以前那样，所有的垃圾全部装在一个垃圾箱，然后把它运送到垃圾填埋场里，这样就会白白浪费掉很多可以再利用的资源，同时占用上万亩土地，对于那些不易降解的生活垃圾，还会使土地受到严重侵蚀。联合国曾正式向中国提出申明:中国要为因发展而造成的环境污染缴纳出大笔资金作为赔偿金,该笔赔偿金与发达国家所要缴纳的赔偿金相同，所以国家在抓发展的同时也要抓环保。如何通过垃圾分类管理，最大限度地实现垃圾资源再利用，减少垃圾处置量，改善生存环境质量，是当前世界各国共同关注的迫切问题之一。从国内外各城市对生活垃圾分类的方法来看，大致都是根据垃圾的成分构成、产生量，结合本地垃圾的资源利用和处理方式来进行分类。如德国一般分为纸、玻璃、金属、塑料等；澳大利亚一般分为可堆肥垃圾，可回收垃圾，不可回收垃圾；日本一般分为可燃垃圾，不可燃垃圾，等等。但是目前大部分人缺乏垃圾分类的全面知识，更无法准确记住并判断复杂繁多的垃圾究竟属于何种类型，来对应准确分类投放丢弃，给城市环境和垃圾处理造成很大压力。同时国内甚至全世界还没有出现真正能够自动化智能化的垃圾分类机器人。现有的基于图像识别的垃圾分类方法能够在特定的环境下分类一些简单的垃圾，但其对环境要求较高，且由于图像识别算法较复杂，实时性受到限制。基于红外传感器的垃圾分类方法具有速度快、一致性好的优点，但是其受光线强弱和目标物颜色深浅的影响较大，致使其分类精度较低。目前，针对难以处理的生活垃圾，也有部分地区引入垃圾智能分类平台，居民将贴有专属二维码的垃圾袋投入资源回收机，回收机通过识别二维码来对垃圾分类，同时居民能获得相应积分，还能用积分兑换生活用品，但该种方法仍需要居民对垃圾种类有较强的认识，且操作相对复杂。超声波传感器作为非接触式传感器的一员，和光学传感器相比虽然分辨率较低且不包含颜色信息，但其具有环境适应性强、开发难度较低、成本低廉的显著优点，且由于超声波对不同的材质和形状反射强度不同，可利用该特性来分类不同材质的垃圾。
技术实现思路
针对上述不足，本专利技术的目的之一在于，提供一种能够通过多个超声波发射传感器和超声波接收传感器组成的阵列根据不同材质反射的超声波幅值的差异特性区分出垃圾类别的分类方法。本专利技术的目的之二在于，提供一种结构设计巧妙、合理，能根据垃圾类别快速将垃圾投入到指定垃圾桶的垃圾分类系统。为实现上述目的，本专利技术所提供的技术方案是：一种基于超声传感器阵列的垃圾分类方法，其包括以下步骤：(1)往执行机构上放置垃圾；(2)超声波发射传感器向执行机构上的垃圾发射超声波；(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器返回的模拟电压；(4)提取获得的测试数据中的特征数据，并对特征数据预处理；(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；(6)根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作。作为本专利技术的一种改进，所述目标物为金属、塑料或泡沫。作为本专利技术的一种改进，所述步骤(4)具体包括以下步骤：(4.1)对采集的原始电压值做带通滤波处理，滤除掉40KHz以外的噪声信号；(4.2)采集的每个超声波接收传感器离散电压值中的最大值，其中离散电压值是同一目标物在同一姿态下超声波接收传感器返回的电压值；(4.3)各个超声波发射传感器依次单独循环工作，所有超声波接收传感器同时工作，采集同一目标物在不同姿态下的多组数据，将这些多组数据中的最大值构成一组样本数据。作为本专利技术的一种改进，所述步骤(5)具体包括以下步骤：将样本数据按8：1：1的比例随机分成三部分，分别表示训练集、验证集、测试集，并对训练样本数据作归一化处理；将归一化后的训练样本数据的每组数据作为神经网络的输入，采用全连接神经网络作为分类模型，其中网络共3层，输入层接收输入样本，隐藏层提取样本特征，输出层输出分类类别；将训练集输入到网络中，采用反向传播误差的方法迭代训练n次，其中每迭代20批次的训练样本后，输入一个批次的验证集；n次迭代结束后，输入测试集测试其预测准确率，在精度满足分类需求的情况后，固定模型参数，获得分类模型。作为本专利技术的一种改进，所述步骤(6)具体包括以下步骤：(6.1)根据分类模型结果控制垃圾托放平台移动到预测类的垃圾桶上方；(6.2)垃圾托放平台上的阀门打开，实现将其上的垃圾投入位于其下方位置的垃圾桶。一种基于超声传感器阵列的垃圾分类系统，其包括垃圾外箱、垃圾桶、超声传感器收发阵列、信号处理单元和执行机构，若干垃圾桶并排设置在垃圾外箱的下部，所述执行机构设置在垃圾外箱的上部，并能水平移动往各个垃圾桶投放垃圾；对应执行机构所处的初始位置于所述垃圾外箱的顶面设有与垃圾投放口，超声传感器收发阵列对应执行机构的位置设置在垃圾外箱的内壁上，所述执行机构分别与所述超声传感器收发阵列和执行机构相连接。作为本专利技术的一种改进，所述超声传感器收发阵列包括超声波发射传感器和超声波接收传感器，所述超声波接收传感器数量为32个，分为两组接收阵列，超声波发射传感器的数量为6个，每一组接收阵列均设有3个超声波发射传感器。作为本专利技术的一种改进，所述信号处理单元包括升压电路、AD采集电路、滤波放大电路以及单片机，所述超声波发射传感器通过升压电路与单片机相连接，所述超声波接收传感器依次通过滤波放大电路、AD采集电路与单片机相连接。作为本专利技术的一种改进，所述执行机构包括滑轨、垃圾托放平台、电机和继电器，所述滑轨沿垃圾桶的排列方向设置在垃圾外箱的内壁上，所述垃圾托放平台的底面设有与所述滑轨相适配的滚轮，所述电机通过传动组件驱动滚轮转动，所述垃圾托放平台的中部位置设有阀门和可以控制该阀门开合的控制装置，该控制装置与所述继电器相连接。本专利技术的有益效果为：本专利技术提供的基于超声传感器阵列的垃圾分类方法能够通过多个超声波发射传感器和超声波接收传感器组成的阵列对不同材质的垃圾检测，根据不同材质返回的回波幅值的差异区分出垃圾的类别，从而控制执行机构移动到相应垃圾桶上方位置并进行投放垃圾动作；本专利技术提供的基于超声传感器阵列的垃圾分类系统采用多超声传感器阵列的结构结合神经网络分类器来识别不同材质的垃圾，避免了通过图像处理的方式所带来的环境适应性差、实时性差等问题，整个分类、投放过程自动化，使得垃圾分类更加方便快捷。下面结合附图与实施例，对本专利技术进一步说明。附图说明图1是本专利技术的结构示意图。图2是本专利技术中执行机构的结构示意图。图3是本专利技术中超声传感器收发阵列的结构示意图。图4是本专利技术的电路原理图。图5是本专利技术中神经网络训练垃圾分类模型的流程图。图6是本专利技术中在训练好的模型上对未知类别垃圾分类的流程图。图7为本专利技术中垃圾及其分类标签。图8为本专利技术中3层神经网络模型图。图9为不同垃圾在8个超声波接收传感器下对应的特征向量曲线图。具体实施方式参见图1至图9，本实施例提供的一种基于超声传感器阵列的垃圾分类系统，其包括垃圾外箱1、垃圾桶2、超声传感器收发阵列3、信号处理单元4和执行机构5，若干垃圾桶2并排设置在垃圾外箱1的下部，所述执行机构5设置在垃圾本文档来自技高网...

【技术保护点】
1.一种基于超声传感器阵列的垃圾分类方法，其特征在于：其包括以下步骤：(1)往执行机构上放置垃圾；(2)超声波发射传感器向执行机构上的垃圾发射超声波；(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器返回的模拟电压；(4)提取获得的测试数据中的特征数据，并对特征数据预处理；(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；(6)根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作。

【技术特征摘要】
1.一种基于超声传感器阵列的垃圾分类方法，其特征在于：其包括以下步骤：(1)往执行机构上放置垃圾；(2)超声波发射传感器向执行机构上的垃圾发射超声波；(3)获取预设垃圾的测试数据，其中所述的测试数据为超声波接收传感器返回的模拟电压；(4)提取获得的测试数据中的特征数据，并对特征数据预处理；(5)将特征数据作为输入样本数据输入到定义好的网络模型中训练，获得分类模型；(6)根据分类模型结果执行机构移动到预测类的垃圾桶上方进行投放垃圾动作。2.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述目标物为金属、塑料或泡沫。3.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述步骤(4)具体包括以下步骤：(4.1)对采集的原始电压值做带通滤波处理，滤除掉40KHz以外的噪声信号；(4.2)采集的每个超声波接收传感器离散电压值中的最大值，其中离散电压值是同一目标物在同一姿态下超声波接收传感器返回的电压值；(4.3)各个超声波发射传感器依次单独循环工作，所有超声波接收传感器同时工作，采集同一目标物在不同姿态下的多组数据，将这些多组数据中的最大值构成一组样本数据。4.根据权利要求1所述的基于超声传感器阵列的垃圾分类方法，其特征在于：所述步骤(5)具体包括以下步骤：将样本数据按8：1：1的比例随机分成三部分，分别表示训练集、验证集、测试集，并对训练样本数据作归一化处理；将归一化后的训练样本数据的每组数据作为神经网络的输入，采用全连接神经网络作为分类模型，其中网络共3层，输入层接收输入样本，隐藏层提取样本特征，输出层输出分类类别；将训练集输入到网络中，采用反向传播误差的方法迭代训练n次，其中每迭代20批次的训练样本后，输入一个批次的验证集；n次迭代结束后，输入测试集测试其预测准确率，在精度满足分类需求的情况...

【专利技术属性】
技术研发人员：隆志力，张小兵，樊球，何荣华，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东,44