基于80c51单片机的全自动垃圾分类

吴杨 马建玲

泰山学院物理与电子工程学院 271000

文章摘要：基于人工智能的数字图像特征与概率神经网络有效地使用在垃圾分类系统上，致力于缓解我国生活环境污染等问题。该项目主要利用不同种类的垃圾在表面形态上具有不同的纹理特征和概率神经网络的智能学习记忆识别功能，对生活垃圾分类落实非触摸式智能辨别。

关键词:80c51芯片；概率神经网络；数字图像特征；全自动

正文 ：

1. 系统的功能介绍

本项目采用80c51单片机对整体电路进行总体控制，利用高速摄像头的特点，对传送带上的垃圾进行识别，通过摄像头对垃圾的捕捉发送到单片机中，利用概率神经网络与数字图像特征检测识别传送带上的垃圾属性，传送带持续工作，当单片机识别后对鼓风机发出指令，鼓风机工作并将垃圾吹落指定的垃圾桶，相对于传统的垃圾分类，该项目能够更加有效的节约时间，提供便利。垃圾桶传送带最后方留有垃圾桶，用来放置无法识别的物体。基于80c51单片机和概率神经网络和数字图像特征处理，相对于目前的垃圾分类功能更加的智能化，在一定程度上能够实现垃圾的全自动分类，对于人们的日常垃圾处理更加的便捷。在垃圾桶上方增加了太阳能充电，安全环保，续航时间长，本产品更加便利了工作人员对生活垃圾的处理，节约人们日常生活的时间，符合新型智能生活垃圾分类的发展趋势，响应国家对能源的回收再利用政策。

1. 系统的总体结构和原理

图1 基于80c51单片机的全自动垃圾分类设计图

该研究主体分为三部分：系统内部的80c51控制芯片，概率神经网络和数字图像处理系统。

1、主体80c51芯片

80c51控制芯片，其主要目的为控制各个元器件，发送控制信号以及接收摄像头传递的信息，将接受和发送的信号进行运算处理，重复发送接收过程，进而连接各个部分元器件，将功能综合化。

2、图象的采集与处理

采用高速摄像机收集投放在传送带上的垃圾，选取塑料瓶、报纸、果皮等典型生活垃圾图象作为辨别对象。对图象进行预处理。

图2 图像采集与预处理对比图

3、数字图象特征

该项目采用数字图象特征中的灰度共生矩阵。灰度共生矩阵的定义是根据两个位置的图象象素的联合概率密度。不同的图像特征可以传递差异化的图像信息，共生矩阵进行的数据统计能够更好的融合多特征图像信息，同时能够得到含有相同亮度或相似亮度的象素两者的位置分布表征。它是定义一组纹理特征的基础。

能量：映现抓取的图象灰度分布平均程度和纹路粗糙度。

惯性矩：体现捕捉图象的清晰水平和纹路沟纹深浅的水平。

相关性：空间上判断灰度共生矩阵元素在行或列方向上的相似水平。

信息熵：表示图像中纹路的非平均水平和混论数据。

4、概率神经网络

概率神经网络是模拟生物神经网络，每个神经元之间相互相连。当摄像头捕捉垃圾图像后，经过图像处理发送到单片机中，神经网络接受到图像信号，就会模仿生物神经元，向相邻其他元发送信号，使这些神经元内的电位发生改变；当其中一个神经元的电位发生变化并达到了一个特定的阈值，那么它就会变得活跃，向其他的元发送信息。概率神经网络的最大特点是能够在给定的一个公式中，针对不同环境中学习并记忆，概率神经网络分为4层，由于提取的是反映每幅灰度图像纹路特征的灰度共生矩阵中的能量、惯性矩、相关性、信息熵等4个参数，所以输入层节点数设置为4，输出层设置为1个节点，以对应不同的垃圾。

图3 概率神经网络原理图

结语：

我们通过单片机控制电路，使用概率神经网络与数字信息处理等功能，使人们在丢弃垃圾时能够自动检测并投递到指定的垃圾箱。通过数字信息处理能够得到垃圾表面的属性，通过该属性可以使概率神经网络判断垃圾的性质，从而达到全自动垃圾分类的目的。无需人为操作，简单便捷。采用直插式和太阳能双重充电的模式，节能环保，安全健康，续航时间长。