STEM教育 · 基于KNN算法的智能分类垃圾桶模型设计与制作

南师附中树人学校：唐羽萱

【项目背景】

2019年可以说是中国垃圾分类的元年，因为在这一年“上海垃圾分类于7月1日正式施行。”而目前普遍使用的分类垃圾桶只是通过颜色和标签指示分类信息，在上海市垃圾分类试行期间，居委会大妈会站在公共垃圾桶旁边指导，“你是什么垃圾？”成为市民每天不得不经受的拷问。在这样一个大背景下，人们迫切需要一台能够智能分类的垃圾桶。于是我们设计了一款基于KNN算法的智能分类垃圾桶模型。
基于KNN算法的智能分类垃圾桶模型设计与制作图1

【项目展示】

【功能简介】

（1）基于KNN算法识别，进行垃圾分类。

（2）将垃圾放入识别区后，垃圾桶智能识别，分区投放。

（3）当出现无法识别的垃圾后，人工强制学习识别。

（4）灯光指示、语音播报，让垃圾分类投放更简单。

【器材列表】

序号	名称	数量
1	Arduino Uno	1
2	IO 传感器扩展板 V7.1	1
3	HuskyLens AI 视觉传感器	1
4	数字大按钮	4
5	LED	1
6	9g金属舵机	2
7	语音合成模块、小喇叭	1
8	7.4V锂电池	1
9	螺丝	若干
10	铜柱	若干
11	奥松板	若干

【制作过程】

1.KNN算法

KNN（k-nearest neighbors）作为一个入门级模型，既简单又可靠，对非线性问题支持良好，虽然需要保存所有样本，但是仍然活跃在各个领域中，并提供比较稳健的识别结果。KNN就是在特征空间中找出最靠近测试样本的k个训练样本，然后判断大多数属于某一个类别，那么将它识别为该类别。

针对测试样本 Wu，想要知道它属于哪个分类，就先for 循环所有训练样本找出离 Wu 最近的 K个邻居（假设k=5），然后判断这 K个邻居中，大多数属于哪个类别，就将该类别作为测试样本的预测结果，如上图有4个邻居是橙色，1个是绿色，那么判断Wu的类别为“红色”。

2.系统设计

我们设计的这款智能分类垃圾桶具备学习能力，可以通过学习记录相关垃圾分类，从而能够做到智能识别分类。并通过相应机械结构，把不同类的垃圾自动投放不同的垃圾桶中。对于垃圾桶不能识别的垃圾，可以通过人工方式强制定义所属类别，然后在进行垃圾分类投放。

使用流程：定义垃圾分类，垃圾学习初始化——垃圾识别（可识别的垃圾）——

2.结构设计

垃圾桶结构设计我将其划分三部分，第一部分是垃圾桶结构，第二部分垃圾分类投放结构，第三部分视觉识别传感器支架结构。本次结构件设计采用lasermaker设计，激光切割出相关结构件。

（1）垃圾桶结构设计

垃圾桶整体结构设计上，采用Lasermake中的快速造盒功能，生成一个盒体的快速原型，再对其细节进行修改，具体如下所示：

后背板：在背板位置上增加传感器支架固定孔位（①处），主控安装孔位（②处）和分类投放装置固定件支架孔位（③处）。

左右侧板：左右侧板修改如下所示，右侧板留有主控的外置电源接孔和分类投放装置固定件支架孔位（①处），左侧板留有分类投放装置固定件支架孔位（②处）

前面板：前面板修改如下图所示，主题装饰画，由外部导入（①处），垃圾入口处（②处），舵机安装孔（③处），喇叭安装孔（④处）按钮及指示灯安装孔（⑤处）。

分类投放支架：传感器支架修改如下所示，垃圾推送舵机安装孔位（①处），分类投放装置旋转空间（②处）。

垃圾桶前挡板：垃圾桶前挡板添加标题“二哈垃圾桶”。

分类垃圾桶：三个分类垃圾桶设计如下，采用前高后低的设计，确保垃圾可以落入垃圾桶内。前面板分别倒入图片形成雕刻图案（如①⑥），底板（②），后背板（③），左右侧板（④⑤）。

垃圾推送结构：垃圾推送结构是使用舵机把识别出的垃圾推送至垃圾口内。推送杆（如①），增厚片（②）

（2）分类投放结构设计：分类投放机械结构由舵机带动导流槽转向不同角度，向不同的垃圾桶倾倒垃圾。由于导流槽与舵机之间通过一个等腰直角的三角形连接件固定（如③）。因此导流槽左右侧导板，接近垃圾倾倒口处设计成切割掉一部分（如①处），导流槽底板设计（如②）。

（3）视觉识别传感器支架结构设计：视觉识别传感器支架，可以调整视觉传感器与待识别垃圾之间的距离。固定视觉识别传感器孔位在①处，调整高度孔在②处。

3.电路连线

系统电路连接如图所示，HuskyLens AI视觉识别传感器接I2C口，LED接D10口（识别指示灯），确认倾倒按钮接D9口，定义有害垃圾按钮接D7口，定义厨余垃圾按钮接D6口，定义可回收垃圾接D5口，分类投放舵机接D3口，推送垃圾的舵机接D12口。

5.代码编写

代码编写如下所示分为系统主程序和有害垃圾、厨余垃圾、可回收垃圾、定义处理四段子程序。

[mw_shl_code=actionscript3,false]*!
* MindPlus
* uno
*
*/
#include <DFRobot_Servo.h>
#include <DFRobot_SYN6288.h>
#include <DFRobot_HuskyLens.h>
// 函数声明
void DF_YouHaiLaJi();
void DF_DingYiChuLi();
void DF_ChuYuLaJi();
void DF_KeHuiShouLaJi();
// 创建对象
Servo          servo_3;
Servo          servo_12;
DFRobot_HuskyLens huskylens;
DFRobot_SYN6288 syn6288;

// 主程序开始
void setup() {
      servo_3.attach(3);
      servo_12.attach(12);
      huskylens.beginI2CUntilSuccess();
      huskylens.writeAlgorithm(ALGORITHM_OBJECT_CLASSIFICATION);
      syn6288.begin(&Serial, 0, 1, 4);
      syn6288.setVolume(true, 16);
      syn6288.playText("智能垃圾分类", 0);
      delay(3000);
}
void loop() {
      huskylens.request();
      huskylens.clearOSD();
      if (huskylens.isAppear(2,HUSKYLENSResultBlock)) {
            if ((digitalRead(9)==1)) {
                     DF_YouHaiLaJi();
            }
            else {
                     DF_DingYiChuLi();
            }
      }
      if (huskylens.isAppear(3,HUSKYLENSResultBlock)) {
            if ((digitalRead(9)==1)) {
                     DF_KeHuiShouLaJi();
            }
            else {
                     DF_DingYiChuLi();
            }
      }
      if (huskylens.isAppear(4,HUSKYLENSResultBlock)) {
            if ((digitalRead(9)==1)) {
                     DF_ChuYuLaJi();
            }
            else {
                     DF_DingYiChuLi();
            }
      }
      if (huskylens.isAppear(1,HUSKYLENSResultBlock)) {
            huskylens.clearOSD();
            delay(1000);
            huskylens.writeOSD(String(" identification;"), 114, 35);
      }
}

// 自定义函数
void DF_YouHaiLaJi() {
      servo_3.angle(abs(45));
      delay(1000);
      servo_12.angle(abs(0));
      digitalWrite(10, HIGH);
      huskylens.writeOSD(String("Harmful waste"), 114, 35);
      syn6288.playText("有害垃圾", 0);
      delay(2000);
      digitalWrite(10, LOW);
      servo_3.angle(abs(90));
      delay(1000);
      servo_12.angle(abs(90));
}
void DF_DingYiChuLi() {
      if ((digitalRead(5)==1)) {
            huskylens.learnOnece(2);
      }
      if ((digitalRead(6)==1)) {
            huskylens.learnOnece(3);
      }
      if ((digitalRead(7)==1)) {
            huskylens.learnOnece(4);
      }
}
void DF_ChuYuLaJi() {
      servo_3.angle(abs(90));
      delay(1000);
      servo_12.angle(abs(0));
      digitalWrite(10, HIGH);
      huskylens.writeOSD(String(" kitchen waste"), 114, 35);
      syn6288.playText("厨余垃圾", 0);
      delay(2000);
      digitalWrite(10, LOW);
      servo_3.angle(abs(90));
      delay(1000);
      servo_12.angle(abs(90));
}
void DF_KeHuiShouLaJi() {
      servo_3.angle(abs(135));
      delay(1000);
      servo_12.angle(abs(0));
      digitalWrite(10, HIGH);
      huskylens.writeOSD(String("Recyclable waste"), 114, 35);
      syn6288.playText("可回收垃圾", 0);
      delay(2000);
      digitalWrite(10, LOW);
      servo_3.angle(abs(90));
      delay(1000);
      servo_12.angle(abs(90));
}
[/mw_shl_code]

6.设备组装
第1步：拿出识别指示LED用螺丝螺母固定如下图所示，将LED模块电路板垫高一断距离，避免电路板上的焊点与垃圾桶体直接接触。

基于KNN算法的智能分类垃圾桶模型设计与制作图18