基于TinyML轻量化边缘侧处理的智能分类垃圾桶

提出了一种基于TinyML轻量化边缘侧处理的智能分类垃圾桶。首先,将分类垃圾桶分为3个模块:垃圾图像识别分类模块、垃圾投放模块和监测模块,解决了传统的垃圾桶结构较为单一的问题,实现了垃圾的全自动分类和投放。然后,对于垃圾图像的分类,将计算机视觉与深度学习相结合,使用MobileNetv2模型作为基本卷积神经网络模型,删除了网络中部分Bottleneck层来减少不必要的计算开支,在每个Bottleneck层后添加了SE注意力机制增强对图像的关注程度,更深层次地提取特征信息,提高分类准确率。经验证该模型识别准确率较高,且尺寸更小,计算时间更短。最后,将改进的MobileNetv2模型运用TinyML技术部署在Arduino板上,由云计算转为本地计算,独立性更强,实现了低功耗和低延时。该分类垃圾桶通过创新性引入TinyML轻量化边缘侧处理技术,在性能提升和功能创新方面均取得了显著效果,适用于家庭、办公场所、景区、商场等需对单个垃圾进行自动分类的场景,可以有效提升垃圾分类回收管理的智能化、自动化水平,具有很好的推广应用价值。