趙天健¹,許昊昱²,劉鵬3,*
(1.中國石油大學(華東)計算機科學與技術(shù)學院，山東青島 257061; 2.北京物資學院商學院，北京通州區(qū)101149; 3.江蘇科技大學經(jīng)濟管理學院，江蘇鎮(zhèn)江212100)
近年來，我國塑料產(chǎn)品的使用率越來越高。因此，實現(xiàn)廢舊塑料垃圾的高附加值回收利用則成為當前針對塑料產(chǎn)品的一項重要工作。對于廢舊塑料產(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、風選及近紅外光譜分選等，往往難以兼顧低成本、高效率、高識別率與低污染。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)實現(xiàn)廢舊塑料垃圾的快速分離，又能促進其有效回收與再利用。綜上所述，本文旨在設(shè)計一種基于人工智能的塑料垃圾分揀系統(tǒng)，期望通過該系統(tǒng)的實施，切實解決塑料垃圾分揀過程中的識別難題、分揀成功率低及成本較高等問題。
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程、應用領(lǐng)域和老化程度的不同，展現(xiàn)出不同的物理和化學特性。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，幫助在分揀過程中進行初步篩選，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)被廣泛應用于廢舊塑料的分揀中。這些技術(shù)可以通過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，進而推斷出塑料的種類。此外，圖像處理技術(shù)還可以對塑料垃圾進行自動識別和分類，大大提高分揀的準確性和效率。
1.2塑料垃圾分揀難點分析
隨著近年來塑料制品使用量的逐年增加。塑料垃圾的處理和回收問題成了一個亟待解決的環(huán)保難題。在塑料垃圾分揀過程中，主要面臨以下三個難點。一是塑料材料種類繁多，顏色、形態(tài)各異，難以通過傳統(tǒng)的分揀方法進行有效識別。我國塑料制品種類繁多，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)分開來。這不僅增加了分揀的難度，也對分揀設(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，同時也增加了分揀過程的復雜性。三是傳統(tǒng)的分揀方法在處理大量塑料垃圾時，效率低下，成本高昂，且容易對環(huán)境造成污染。傳統(tǒng)的分揀方法主要依靠人工進行，這種方法不僅耗時耗力，而且容易產(chǎn)生二次污染。此外，由于塑料垃圾的種類繁多，分揀過程中需要使用多種化學試劑進行鑒別，這無疑增加了分揀成本和對環(huán)境的污染。
1.3基于人工智能的塑料垃圾分揀優(yōu)勢
基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)，能夠通過機器學習、深度學習等方法，對塑料垃圾進行智能識別、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：一是識別準確率高，能夠準確識別各種形態(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)濟效益；四是環(huán)保性能好，能夠減少分揀過程中對環(huán)境的影響，實現(xiàn)綠色、環(huán)保的分揀目標。
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)勢和應用前景。通過該系統(tǒng)的構(gòu)建和應用，可以有效解決傳統(tǒng)塑料垃圾分揀過程中的問題，提高廢舊塑料垃圾的回收利用率，實現(xiàn)資源的有效再利用。同時，該系統(tǒng)的推廣和應用，還可以促進環(huán)保產(chǎn)業(yè)的發(fā)展，推動循環(huán)經(jīng)濟的發(fā)展，實現(xiàn)經(jīng)濟、社會、環(huán)境的協(xié)調(diào)發(fā)展
2塑料垃圾分揀系統(tǒng)設(shè)計
2.1塑料垃圾分揀系統(tǒng)的視覺模塊設(shè)計
在分揀系統(tǒng)中，視覺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，相機的選擇又是視覺模塊的重中之重。在該系統(tǒng)中，相機的作用主要是用于圖像采集，相較于普通相機，工業(yè)相機的適用性、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。因此，針對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。
算法方面，第一步驟要關(guān)注的是相機對目標物的標定。在這個過程中，相機需要實現(xiàn)由相機標定坐標系向世界坐標系的轉(zhuǎn)化。相機標定坐標系主要包括像坐標系和像素坐標系。為了實現(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)實世界的映射關(guān)系。首先進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，對目標物進行圖像采集。此后進行特征點的提取，即從采集的圖像中提取特征點，如角點、邊緣點等。基于所采集的信息，通過最小二乘法等方法，計算相機的內(nèi)部參數(shù)，如焦距、主點坐標等。同時利用世界坐標系中的標定物和對應的圖像特征點，求解相機的外部參數(shù)，如旋轉(zhuǎn)矩陣和平移向量。最終實現(xiàn)相機對目標物的標定。
解決了相機標定問題后，需要進一步處理相機成像的畸變問題。相機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致的，可以通過泰勒級數(shù)展開式進行矯正。切向畸變則主要源于相機在成像過程中的非線性變換，可以通過明確切向畸變系數(shù)進行矯正，即通過標定過程，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，計算出矯正后的像坐標。
由此，塑料垃圾分揀系統(tǒng)的視覺部分模塊設(shè)計完畢，后續(xù)進一步針對塑料垃圾開展檢測與識別工作，以此提升塑料垃圾的分揀效率。
2.2塑料垃圾分揀系統(tǒng)的檢測算法設(shè)計
在塑料垃圾分揀系統(tǒng)當中，目標檢測算法是保證該系統(tǒng)高效運轉(zhuǎn)的關(guān)鍵所在。基于前序視覺部分模塊的設(shè)計，應對到檢測算法中，進一步落實塑料垃圾目標物的位置識別。卷積神經(jīng)網(wǎng)絡通常用于處理圖像和聲音數(shù)據(jù)，卷積神經(jīng)網(wǎng)絡的關(guān)鍵在于卷積層，其主要通過卷積的方式實現(xiàn)圖像局部特征的提取。因此，結(jié)合塑料垃圾視覺部分模塊的建設(shè)，卷積神經(jīng)網(wǎng)絡能夠較好地適配塑料垃圾分揀的需求。
YOLOv4-tiny目標定位算法是目前針對目標模型尺寸小的一種較好算法。針對塑料垃圾而言，塑料廢品體積小、形狀特征明顯、顏色清晰，能夠較好與YOLOv4-tiny目標定位算法適配。運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)等特性對數(shù)據(jù)集進行編碼，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)上劃分測試集與訓練集。進而需要明確訓練過程中的相關(guān)指標。針對塑料垃圾的特性以及塑料垃圾分揀的需求，位置識別算法重點關(guān)注準確率、召回率、平均精度以及平均精度均值。在明確上述四個指標的基礎(chǔ)上，進一步開展訓練結(jié)果分析。一般情況下，為了使YOLOv4-tiny目標定位算法的準確度更高，主要采用的是小批量隨機梯度下降的方法開展數(shù)據(jù)訓練工作。
PaddleClas作為飛槳框架下的圖像分類工具集，不僅為開發(fā)者們提供了強大的功能支持，還以其高效、穩(wěn)定、易用的特性贏得了廣泛的贊譽。該工具集的設(shè)計理念源于對圖像分類任務的深度理解和高效處理，從而實現(xiàn)各種復雜的圖像分類任務。在數(shù)據(jù)集處理方面，PaddleClas提供了豐富的數(shù)據(jù)預處理和增強功能，幫助用戶快速構(gòu)建適用于不同圖像分類任務的數(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)預處理流程，從而得到更加符合實際應用的訓練數(shù)據(jù)。同時，PaddleClas還支持多種數(shù)據(jù)格式，如圖像文件、標注文件等，為用戶提供了極大的靈活性。在模型訓練方面，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行訓練，并可以通過調(diào)整模型參數(shù)和超參數(shù)來優(yōu)化模型性能。此外，PaddleClas還支持分布式訓練，可以充分利用多臺機器的計算資源，提高訓練速度和效率。在模型評估和預測方面，PaddleClas提供了豐富的評估指標和可視化工具，幫助用戶全面評估模型性能。用戶可以通過對比不同模型的評估結(jié)果，選擇最優(yōu)的模型進行部署。
總體來說，PaddleClas作為一款功能強大的圖像分類工具集，為塑料垃圾分揀系統(tǒng)的目標檢測算法提供了有力的支持。通過利用PaddleClas的數(shù)據(jù)處理、模型訓練和評估等功能，可以更加高效地完成塑料垃圾的位置識別任務。同時，結(jié)合YOLOv4-tiny目標定位算法，可以進一步提高位置識別的準確度和效率，從而實現(xiàn)塑料垃圾分揀系統(tǒng)的高效運轉(zhuǎn)。
3結(jié)語
塑料垃圾的處理和回收利用是一項關(guān)乎環(huán)境保護和可持續(xù)發(fā)展的重大課題。基于人工智能技術(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)通過視覺模塊和檢測算法的設(shè)計，對塑料垃圾進行精確識別和分類，從而大大提高了廢舊塑料的回收利用率，降低了環(huán)境污染風險，為我國環(huán)保事業(yè)和經(jīng)濟社會的可持續(xù)發(fā)展做出了積極貢獻。而且隨著人工智能技術(shù)的不斷進步和應用場景的拓展，我們有理由相信，該系統(tǒng)的性能和應用范圍也將得到進一步提升和拓展。未來，基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)不僅將在我國得到廣泛應用，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，當前基于人工智能技術(shù)的塑料垃圾分揀系統(tǒng)在實際應用中仍面臨一些挑戰(zhàn)。例如，視覺模塊和檢測算法的精確度、系統(tǒng)的穩(wěn)定性和效率等方面仍有待提高。為此，我國政府和相關(guān)企業(yè)應加大投入，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，推動其性能的持續(xù)提升。
聚砜醫(yī)療干粉吸入...
塑料包裝材料的減...
汽車功能鍵觸摸蓋I...
高性能注塑聚丙烯...
