基于yolov5的垃圾自动识别湖面清洁装置

 获奖情况：

2022年iCAN国际创新创业大赛山西省赛区二等奖

2022年过程装备控制创新大赛国家级三等奖

项目成员：李钒钒，孟玉钧，高旺旺

      为解决公园景点等小型湖泊漂浮垃圾的清理问题，本文研制了一种基于YOLOVv5的深度学习的垃圾自动识别多功能湖面清洁装置。其主要工作如下：

制作了一种多功能湖面清洁装置。包括捕捞船和垃圾桶两部分。对垃圾分两步进行收集：第一步，捕捞船在湖面上自动巡检，树莓派识别到存在的垃圾后，将垃圾坐标信息通过串口通信发送给STM32单片机，单片机使用PID算法对船身控制，调整船舱口正对垃圾，将垃圾收入舱内，收集满后送入指定位置。第二步，在船和垃圾桶的配合下，垃圾桶的铲斗在丝杠电机和舵机的共同作用下顺利将垃圾倾倒入桶内。

设计了一种“只进不出”机构。由动力推板、导轨、毛刷以及套筒共4部分组成。动力推板位于水下，在船运动过程中，水与推板产生相互作用通过导轨机构使得位于水面之上的毛刷姿态发生改变。船前进时，毛刷位于水面以下，不影响垃圾的顺利收集；船后退时，毛刷竖起，能阻挡船舱内垃圾意外漂出；船静止时，毛刷倾斜，与水平面成固定角度。

提出了一种基于链表的自动巡航算法。根据划分的N个小水域，求出这N个小水域的中心点的经纬度坐标，并依次保存到单向链表中。船只在运行时，将搜索整个链表的数据，找到距离自己最近的水域的中心坐标，将该数据从链表中删除，并前往该区域进行巡航。

开发了一种基于YOLOv5的深度学习垃圾自动识别算法。利用树莓派采集了1600幅实验图像，结合公共数据集中的湖面垃圾图像2000幅，生成总计3600幅图像的集合。采用YOLOv5网络模型对数据集进行了训练，并将训练好的模型通过NCS2神经棒部署应用在树莓派上，

使用了OneNET服务器构建物联网平台。用ESP8266模块作为STM32单片机与物联网平台传输数据的中介，将MPU6050传感器采集的三个姿态角、四个超声波模块所测距离、GPS定位的经纬度信息以及船的速度上传至物联网平台。

YOLOv5垃圾检测模型迭代100次后，mAP值为67.4%，查准率可达80%以上，查全率为69%。针对实际实验采用的树枝、口罩、奶盒、一次性纸杯和易拉罐等垃圾检测，其中树枝识别准确度达到90%以上，易拉罐和废纸的识别准确度达61%，所有垃圾均被检测到，不存在漏检的情况。经过有限元分析后，整个装置的强度和刚度均能满足。在约100㎡大小的公园湖泊进行实验与测试，能在10分钟以内将其湖面漂浮垃圾进行清理。在公园景点等小型湖泊垃圾清理中具有广泛应用前景。