趙天健¹,許昊昱²,劉鵬3,*
(1.中國(guó)石油大學(xué)(華東)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，山東青島 257061; 2.北京物資學(xué)院商學(xué)院，北京通州區(qū)101149; 3.江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院，江蘇鎮(zhèn)江212100)
近年來(lái)，我國(guó)塑料產(chǎn)品的使用率越來(lái)越高。因此，實(shí)現(xiàn)廢舊塑料垃圾的高附加值回收利用則成為當(dāng)前針對(duì)塑料產(chǎn)品的一項(xiàng)重要工作。對(duì)于廢舊塑料產(chǎn)品的回收而言，關(guān)鍵在于高效分離。傳統(tǒng)回收方法，如人工分選、風(fēng)選及近紅外光譜分選等，往往難以兼顧低成本、高效率、高識(shí)別率與低污染。因此，構(gòu)建基于人工智能技術(shù)的垃圾分揀系統(tǒng)，既有助于企業(yè)實(shí)現(xiàn)廢舊塑料垃圾的快速分離，又能促進(jìn)其有效回收與再利用。綜上所述，本文旨在設(shè)計(jì)一種基于人工智能的塑料垃圾分揀系統(tǒng)，期望通過(guò)該系統(tǒng)的實(shí)施，切實(shí)解決塑料垃圾分揀過(guò)程中的識(shí)別難題、分揀成功率低及成本較高等問(wèn)題。
塑料垃圾分揀的特征分析
1.1生活垃圾廢舊塑料材料與顏色分析
廢舊塑料材料因其制造過(guò)程、應(yīng)用領(lǐng)域和老化程度的不同，展現(xiàn)出不同的物理和化學(xué)特性。例如，聚乙烯 (PE)和聚丙烯(PP)通常呈現(xiàn)為白色或半透明狀，質(zhì)地相對(duì)較軟，常用于包裝和容器制造。聚氯乙烯(PVC)則因其添加的增塑劑不同，可能呈現(xiàn)各種顏色，質(zhì)地硬而耐用，常用于電線絕緣層和管道制造。聚苯乙烯(PS)則是白色硬質(zhì)塑料，常用于一次性餐具和包裝材料。聚對(duì)苯二甲酸乙二醇酯(PET)則是透明或半透明的硬質(zhì)塑料，常用于飲料瓶和食品包裝。因此，顏色分析在廢舊塑料的分揀過(guò)程中發(fā)揮著重要的作用。但是由于不同種類的塑料材料可能呈現(xiàn)相似的顏色，單純依靠顏色來(lái)區(qū)分塑料種類是不可靠的。然而，顏色分析可以作為輔助手段，幫助在分揀過(guò)程中進(jìn)行初步篩選，縮小可能的塑料種類范圍，提高分揀效率。
隨著科技的發(fā)展，先進(jìn)的顏色分析技術(shù)如光譜分析和圖像處理技術(shù)被廣泛應(yīng)用于廢舊塑料的分揀中。這些技術(shù)可以通過(guò)分析塑料樣品的反射光譜或透射光譜，獲取塑料的顏色、透明度和光澤度等信息，進(jìn)而推斷出塑料的種類。此外，圖像處理技術(shù)還可以對(duì)塑料垃圾進(jìn)行自動(dòng)識(shí)別和分類，大大提高分揀的準(zhǔn)確性和效率。
1.2塑料垃圾分揀難點(diǎn)分析
隨著近年來(lái)塑料制品使用量的逐年增加。塑料垃圾的處理和回收問(wèn)題成了一個(gè)亟待解決的環(huán)保難題。在塑料垃圾分揀過(guò)程中，主要面臨以下三個(gè)難點(diǎn)。一是塑料材料種類繁多，顏色、形態(tài)各異，難以通過(guò)傳統(tǒng)的分揀方法進(jìn)行有效識(shí)別。我國(guó)塑料制品種類繁多，包括聚乙烯、聚丙烯、聚氯乙烯等，它們的外觀和物理性質(zhì)差異不大，僅憑肉眼觀察和手工分揀很難將其區(qū)分開(kāi)來(lái)。這不僅增加了分揀的難度，也對(duì)分揀設(shè)備提出了更高的要求。二是塑料垃圾中往往混有大量的其他雜質(zhì)，如金屬、紙張、玻璃等，這些雜質(zhì)的存在嚴(yán)重影響了塑料垃圾的分揀效果。這些雜質(zhì)與其他可回收的塑料垃圾混合在一起，降低了塑料垃圾的回收利用率，同時(shí)也增加了分揀過(guò)程的復(fù)雜性。三是傳統(tǒng)的分揀方法在處理大量塑料垃圾時(shí)，效率低下，成本高昂，且容易對(duì)環(huán)境造成污染。傳統(tǒng)的分揀方法主要依靠人工進(jìn)行，這種方法不僅耗時(shí)耗力，而且容易產(chǎn)生二次污染。此外，由于塑料垃圾的種類繁多，分揀過(guò)程中需要使用多種化學(xué)試劑進(jìn)行鑒別，這無(wú)疑增加了分揀成本和對(duì)環(huán)境的污染。
1.3基于人工智能的塑料垃圾分揀優(yōu)勢(shì)
基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)，能夠通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法，對(duì)塑料垃圾進(jìn)行智能識(shí)別、分類和分揀。與傳統(tǒng)的分揀方法相比，人工智能分揀系統(tǒng)具有以下優(yōu)勢(shì)：一是識(shí)別準(zhǔn)確率高，能夠準(zhǔn)確識(shí)別各種形態(tài)、顏色、材質(zhì)的塑料垃圾；二是分揀速度快，能夠處理大量的塑料垃圾，提高分揀效率；三是分揀成本低，能夠降低人工成本和設(shè)備成本，提高企業(yè)的經(jīng)濟(jì)效益；四是環(huán)保性能好，能夠減少分揀過(guò)程中對(duì)環(huán)境的影響，實(shí)現(xiàn)綠色、環(huán)保的分揀目標(biāo)。
綜合而言，基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)具有顯著的優(yōu)勢(shì)和應(yīng)用前景。通過(guò)該系統(tǒng)的構(gòu)建和應(yīng)用，可以有效解決傳統(tǒng)塑料垃圾分揀過(guò)程中的問(wèn)題，提高廢舊塑料垃圾的回收利用率，實(shí)現(xiàn)資源的有效再利用。同時(shí)，該系統(tǒng)的推廣和應(yīng)用，還可以促進(jìn)環(huán)保產(chǎn)業(yè)的發(fā)展，推動(dòng)循環(huán)經(jīng)濟(jì)的發(fā)展，實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)、環(huán)境的協(xié)調(diào)發(fā)展
2塑料垃圾分揀系統(tǒng)設(shè)計(jì)
2.1塑料垃圾分揀系統(tǒng)的視覺(jué)模塊設(shè)計(jì)
在分揀系統(tǒng)中，視覺(jué)模塊分析作為施行分揀工作的第一步驟，需要著重關(guān)注。其中，相機(jī)的選擇又是視覺(jué)模塊的重中之重。在該系統(tǒng)中，相機(jī)的作用主要是用于圖像采集，相較于普通相機(jī)，工業(yè)相機(jī)的適用性、成像程度、幀率、數(shù)據(jù)傳輸能力等諸多方面都體現(xiàn)出了較好的優(yōu)勢(shì)。因此，針對(duì)塑料垃圾的分揀系統(tǒng)，在硬件方面需選擇合適的工業(yè)相機(jī)。
算法方面，第一步驟要關(guān)注的是相機(jī)對(duì)目標(biāo)物的標(biāo)定。在這個(gè)過(guò)程中，相機(jī)需要實(shí)現(xiàn)由相機(jī)標(biāo)定坐標(biāo)系向世界坐標(biāo)系的轉(zhuǎn)化。相機(jī)標(biāo)定坐標(biāo)系主要包括像坐標(biāo)系和像素坐標(biāo)系。為了實(shí)現(xiàn)這一轉(zhuǎn)化，需要依據(jù)相似關(guān)系原理以及圖像與現(xiàn)實(shí)世界的映射關(guān)系。首先進(jìn)行樣本圖像的采集工作，即在不同的光照、角度和距離條件下，對(duì)目標(biāo)物進(jìn)行圖像采集。此后進(jìn)行特征點(diǎn)的提取，即從采集的圖像中提取特征點(diǎn)，如角點(diǎn)、邊緣點(diǎn)等?；谒杉男畔ⅲㄟ^(guò)最小二乘法等方法，計(jì)算相機(jī)的內(nèi)部參數(shù)，如焦距、主點(diǎn)坐標(biāo)等。同時(shí)利用世界坐標(biāo)系中的標(biāo)定物和對(duì)應(yīng)的圖像特征點(diǎn)，求解相機(jī)的外部參數(shù)，如旋轉(zhuǎn)矩陣和平移向量。最終實(shí)現(xiàn)相機(jī)對(duì)目標(biāo)物的標(biāo)定。
解決了相機(jī)標(biāo)定問(wèn)題后，需要進(jìn)一步處理相機(jī)成像的畸變問(wèn)題。相機(jī)成像畸變主要包括徑向畸變和切向畸變。其中，徑向畸變是由于鏡頭的非線性導(dǎo)致的，可以通過(guò)泰勒級(jí)數(shù)展開(kāi)式進(jìn)行矯正。切向畸變則主要源于相機(jī)在成像過(guò)程中的非線性變換，可以通過(guò)明確切向畸變系數(shù)進(jìn)行矯正，即通過(guò)標(biāo)定過(guò)程，求解出切向畸變系數(shù)，此后根據(jù)系數(shù)和圖像中的像素坐標(biāo)，計(jì)算出矯正后的像坐標(biāo)。
由此，塑料垃圾分揀系統(tǒng)的視覺(jué)部分模塊設(shè)計(jì)完畢，后續(xù)進(jìn)一步針對(duì)塑料垃圾開(kāi)展檢測(cè)與識(shí)別工作，以此提升塑料垃圾的分揀效率。
2.2塑料垃圾分揀系統(tǒng)的檢測(cè)算法設(shè)計(jì)
在塑料垃圾分揀系統(tǒng)當(dāng)中，目標(biāo)檢測(cè)算法是保證該系統(tǒng)高效運(yùn)轉(zhuǎn)的關(guān)鍵所在。基于前序視覺(jué)部分模塊的設(shè)計(jì)，應(yīng)對(duì)到檢測(cè)算法中，進(jìn)一步落實(shí)塑料垃圾目標(biāo)物的位置識(shí)別。卷積神經(jīng)網(wǎng)絡(luò)通常用于處理圖像和聲音數(shù)據(jù)，卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵在于卷積層，其主要通過(guò)卷積的方式實(shí)現(xiàn)圖像局部特征的提取。因此，結(jié)合塑料垃圾視覺(jué)部分模塊的建設(shè)，卷積神經(jīng)網(wǎng)絡(luò)能夠較好地適配塑料垃圾分揀的需求。
YOLOv4-tiny目標(biāo)定位算法是目前針對(duì)目標(biāo)模型尺寸小的一種較好算法。針對(duì)塑料垃圾而言，塑料廢品體積小、形狀特征明顯、顏色清晰，能夠較好與YOLOv4-tiny目標(biāo)定位算法適配。運(yùn)用算法的第一步是建立良好的數(shù)據(jù)集，因此需要根據(jù)塑料垃圾的基本情況，可按照顏色、材質(zhì)等特性對(duì)數(shù)據(jù)集進(jìn)行編碼，以此構(gòu)建VOC數(shù)據(jù)集。此后，在構(gòu)建數(shù)據(jù)集的基礎(chǔ)上劃分測(cè)試集與訓(xùn)練集。進(jìn)而需要明確訓(xùn)練過(guò)程中的相關(guān)指標(biāo)。針對(duì)塑料垃圾的特性以及塑料垃圾分揀的需求，位置識(shí)別算法重點(diǎn)關(guān)注準(zhǔn)確率、召回率、平均精度以及平均精度均值。在明確上述四個(gè)指標(biāo)的基礎(chǔ)上，進(jìn)一步開(kāi)展訓(xùn)練結(jié)果分析。一般情況下，為了使YOLOv4-tiny目標(biāo)定位算法的準(zhǔn)確度更高，主要采用的是小批量隨機(jī)梯度下降的方法開(kāi)展數(shù)據(jù)訓(xùn)練工作。
PaddleClas作為飛槳框架下的圖像分類工具集，不僅為開(kāi)發(fā)者們提供了強(qiáng)大的功能支持，還以其高效、穩(wěn)定、易用的特性贏得了廣泛的贊譽(yù)。該工具集的設(shè)計(jì)理念源于對(duì)圖像分類任務(wù)的深度理解和高效處理，從而實(shí)現(xiàn)各種復(fù)雜的圖像分類任務(wù)。在數(shù)據(jù)集處理方面，PaddleClas提供了豐富的數(shù)據(jù)預(yù)處理和增強(qiáng)功能，幫助用戶快速構(gòu)建適用于不同圖像分類任務(wù)的數(shù)據(jù)集。用戶可以根據(jù)塑料垃圾的特性，自定義數(shù)據(jù)預(yù)處理流程，從而得到更加符合實(shí)際應(yīng)用的訓(xùn)練數(shù)據(jù)。同時(shí)，PaddleClas還支持多種數(shù)據(jù)格式，如圖像文件、標(biāo)注文件等，為用戶提供了極大的靈活性。在模型訓(xùn)練方面，PaddleClas提供了多種經(jīng)典和前沿的圖像分類模型，如ResNet、VGG、MobileNet等。用戶可以根據(jù)自己的需求選擇合適的模型進(jìn)行訓(xùn)練，并可以通過(guò)調(diào)整模型參數(shù)和超參數(shù)來(lái)優(yōu)化模型性能。此外，PaddleClas還支持分布式訓(xùn)練，可以充分利用多臺(tái)機(jī)器的計(jì)算資源，提高訓(xùn)練速度和效率。在模型評(píng)估和預(yù)測(cè)方面，PaddleClas提供了豐富的評(píng)估指標(biāo)和可視化工具，幫助用戶全面評(píng)估模型性能。用戶可以通過(guò)對(duì)比不同模型的評(píng)估結(jié)果，選擇最優(yōu)的模型進(jìn)行部署。
總體來(lái)說(shuō)，PaddleClas作為一款功能強(qiáng)大的圖像分類工具集，為塑料垃圾分揀系統(tǒng)的目標(biāo)檢測(cè)算法提供了有力的支持。通過(guò)利用PaddleClas的數(shù)據(jù)處理、模型訓(xùn)練和評(píng)估等功能，可以更加高效地完成塑料垃圾的位置識(shí)別任務(wù)。同時(shí)，結(jié)合YOLOv4-tiny目標(biāo)定位算法，可以進(jìn)一步提高位置識(shí)別的準(zhǔn)確度和效率，從而實(shí)現(xiàn)塑料垃圾分揀系統(tǒng)的高效運(yùn)轉(zhuǎn)。
3結(jié)語(yǔ)
塑料垃圾的處理和回收利用是一項(xiàng)關(guān)乎環(huán)境保護(hù)和可持續(xù)發(fā)展的重大課題?；谌斯ぶ悄芗夹g(shù)的塑料垃圾分揀系統(tǒng)，正是為了解決這一難題而誕生的。該系統(tǒng)通過(guò)視覺(jué)模塊和檢測(cè)算法的設(shè)計(jì)，對(duì)塑料垃圾進(jìn)行精確識(shí)別和分類，從而大大提高了廢舊塑料的回收利用率，降低了環(huán)境污染風(fēng)險(xiǎn)，為我國(guó)環(huán)保事業(yè)和經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展做出了積極貢獻(xiàn)。而且隨著人工智能技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的拓展，我們有理由相信，該系統(tǒng)的性能和應(yīng)用范圍也將得到進(jìn)一步提升和拓展。未來(lái)，基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)不僅將在我國(guó)得到廣泛應(yīng)用，還將有望走向世界，為全球范圍內(nèi)的塑料垃圾處理提供智能化解決方案。然而，當(dāng)前基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)在實(shí)際應(yīng)用中仍面臨一些挑戰(zhàn)。例如，視覺(jué)模塊和檢測(cè)算法的精確度、系統(tǒng)的穩(wěn)定性和效率等方面仍有待提高。為此，我國(guó)政府和相關(guān)企業(yè)應(yīng)加大投入，支持人工智能技術(shù)在塑料垃圾分揀領(lǐng)域的研發(fā)和創(chuàng)新，推動(dòng)其性能的持續(xù)提升。
玻纖含量對(duì)長(zhǎng)玻纖...
鈣鈦礦薄膜的均勻...
用于光伏板靜電除...
聚砜醫(yī)療干粉吸入...
