基于AI識別的醫(yī)療廢物分揀機(jī)器人控制設(shè)計

基于AI識別的醫(yī)療廢物分揀機(jī)器人控制設(shè)計第1章緒論1.1研究目的及意義利用AI視覺檢測系統(tǒng)進(jìn)行醫(yī)療廢棄物分揀，可以方便醫(yī)療廢棄物的分揀，增加其效率。開發(fā)一款基于AI識別的醫(yī)療廢物分揀機(jī)器人，可以學(xué)習(xí)到醫(yī)療廢棄物，并且通過對廢棄物的識別，可以完成相應(yīng)的操作。典型的機(jī)器視覺檢測系統(tǒng)包括相機(jī)、鏡頭、光源、工控機(jī)、圖像處理系統(tǒng)、執(zhí)行機(jī)構(gòu)、被測物等[1]。其檢測原理是通過相機(jī)對被測對象進(jìn)行圖像拍攝，然后將圖像數(shù)據(jù)傳送至圖像處理系統(tǒng)。圖像處理系統(tǒng)通過檢測算法對圖像進(jìn)行特征提取、識別，輸出檢測結(jié)果并執(zhí)行相應(yīng)操作[2]。機(jī)器視覺檢測在工業(yè)領(lǐng)域具有廣闊的市場空間，主要應(yīng)用場景包括物品的分揀、目標(biāo)識別、目標(biāo)定位和目標(biāo)測量等等[3]。組織機(jī)構(gòu)與管理制度形同虛設(shè)。有些醫(yī)院雖然成立了醫(yī)療廢物管理組織和管理制度,但在執(zhí)行方面存在諸多問題,表現(xiàn)在人員配制及資金投入等明顯不足；分類收集管理不完善、回收交接制度不嚴(yán)格[4]。醫(yī)療廢物分類收集是實施醫(yī)療廢物無害化管理的關(guān)鍵環(huán)節(jié),未按規(guī)定進(jìn)行嚴(yán)格的醫(yī)療廢物分類而與生活垃圾混放;在廢物；醫(yī)護(hù)人員對療廢物管理處置的重要性認(rèn)識不夠。醫(yī)院對醫(yī)療廢物處置的宣傳、教育力度不夠,醫(yī)護(hù)人員對分類、安全防護(hù)以及應(yīng)急處理等知識缺乏[5]。中國分揀機(jī)器人正呈現(xiàn)出智能化、集成化、小型化、柔性化的發(fā)展趨勢,強(qiáng)調(diào)人機(jī)交互更加智能、傳感視覺技術(shù)更加集成、體型結(jié)構(gòu)更加輕便小型、操作形式更加柔性[6]。本項研究方向正是解決大量問題的自動分揀工作的實干型研究，而這也是今后研究的必然趨勢，大環(huán)境下本項目必定有所成就[7]。1.2國內(nèi)外研究現(xiàn)狀當(dāng)前國內(nèi)外對于AI視覺技術(shù)的研究有著很大的進(jìn)步，由于國外發(fā)展相對早，對于AI視覺技術(shù)的研究也比我們早，所以國外對于AI視覺技術(shù)有著更加強(qiáng)大的開發(fā)能力，但是國內(nèi)也不斷的對AI技術(shù)進(jìn)行開發(fā)，取得了相對大的進(jìn)步，在醫(yī)療廢棄物的分揀中采用該技術(shù)可以提高醫(yī)療廢棄物的分揀效率[10]。2021年，周哲畫在《醫(yī)療廢物自動分揀裝置》文中談到基于樹莓派為核心的醫(yī)療廢物分揀裝置，采用OV2640攝像頭和HuskyLens視覺模塊結(jié)合對圖像進(jìn)行采集和分析處理，利用YOLOv3目標(biāo)檢測算法，通過機(jī)器學(xué)習(xí)實現(xiàn)對醫(yī)療廢物的識別，利用舵機(jī)驅(qū)動引導(dǎo)板控制舵機(jī)實現(xiàn)對醫(yī)療廢棄物進(jìn)行分類[11]。2019年，趙明、劉超、陳捷、洪榮晶、秦鐘偉在《基于AI機(jī)器視覺的產(chǎn)品識別與分揀系統(tǒng)》文中講到，工件通過光電傳感器檢測識別，每個工件通過包裝盒包裝，通過對包裝盒上二維碼和包裝盒顏色將工件分揀為優(yōu)質(zhì)品、合格品兩類類，分別放入對應(yīng)的儲存箱中。通過MCGS環(huán)境進(jìn)行系統(tǒng)界面設(shè)計，明確其界面操作過程。經(jīng)試驗調(diào)試表明，系統(tǒng)運行良好，達(dá)到了研制預(yù)期[12]。2021年，賀泓博在《醫(yī)療廢棄物識別與分揀垃圾箱設(shè)計》文中介紹了傳統(tǒng)的醫(yī)療廢棄物的分類方式主要是將不同廢棄物分別放置在具體的固定位置，依靠固定的醫(yī)療衛(wèi)生場所和醫(yī)療廢物分類處理配套設(shè)施來進(jìn)行廢棄物的分類、回收、處理[13]。2020年，RishabhKansal;LavanyaYadav;AjuD在《WasteSortingMobileApplicationforInteractiveAIBasedWasteManagementSystem》文章中講到醫(yī)療廢棄物中銳器及玻璃制品居多，分類過程復(fù)雜且需要醫(yī)療人員的參與，如若處理不當(dāng)會增加醫(yī)療人員暴露、造成醫(yī)療廢棄物污染等問題的出現(xiàn)[14]。2019年，F(xiàn)Abdoulaye;EElisante;TMwinuka;JKatima在《Alternativestothebiomedicalwasteincinerationinthetreatmentandwastesortingsysteminthechain》文中講到在現(xiàn)代工業(yè)自動化生產(chǎn)中，涉及到各種各樣的產(chǎn)品質(zhì)量檢測、工件分揀、模型識別等應(yīng)用，例如工件批量加工的尺寸檢查、元件自動定位和分揀、IC上的字符識別等[15]。2021年，Md.UzzalHossain;;ZezhouWu在《ComparativeenvironmentalevaluationofconstructionwastemanagementthroughdifferentwastesortingsystemsinHongKong》文中談?wù)摰疆?dāng)前國外對于AI視覺技術(shù)的發(fā)展?fàn)顩r，借助AI視覺技術(shù)，可以在食品生產(chǎn)中，完成產(chǎn)品合格與次品分揀的控制[16]。綜上所述，對于當(dāng)前的社會發(fā)展，國內(nèi)外都對AI視覺技術(shù)有著較大的研究，在醫(yī)療廢棄物的分揀過程中，采用該技術(shù)，可以完成醫(yī)療廢棄物的自動分揀。因此，設(shè)計一種基于AI識別的醫(yī)療廢物分揀機(jī)器人，可以完成醫(yī)療廢棄物的自動分揀[17]。1.3主要研究內(nèi)容本課題設(shè)計了一套基于AI識別的醫(yī)療廢物分揀機(jī)器人設(shè)計。控制系統(tǒng)通過人機(jī)交互界面設(shè)定醫(yī)療廢棄物的分揀界面、實時檢測醫(yī)療廢棄物畫面。在醫(yī)療廢棄物的分揀過程中，機(jī)器可以自我學(xué)習(xí)，可以完成醫(yī)療廢棄物的的分類學(xué)習(xí)，當(dāng)醫(yī)療廢棄物經(jīng)過時，系統(tǒng)可以辨別醫(yī)療廢棄物的種類，檢測過程中由舵機(jī)完成醫(yī)療廢棄物的分揀，分揀操作主要是靠舵機(jī)的旋轉(zhuǎn)完成，如果是醫(yī)療廢棄物1，那么舵機(jī)360度向左旋轉(zhuǎn)，如果是醫(yī)療廢棄物2那么舵機(jī)360度將向右旋轉(zhuǎn)，最終可以完成整個醫(yī)療廢棄物中的分揀。

第2章系統(tǒng)的總體結(jié)構(gòu)2.1設(shè)計方案本設(shè)計方案旨在實現(xiàn)一種基于人工智能（AI）的醫(yī)療廢物分揀機(jī)器人，以提高醫(yī)療廢物管理的自動化和分類水平。設(shè)計方案主要包括以下幾個關(guān)鍵步驟：硬件選擇和搭建：選擇適當(dāng)?shù)挠布脚_，基于K210微控制器的機(jī)器人底盤。搭建機(jī)器人底盤并集成必要的傳感器和執(zhí)行器，包括圖像傳感器、舵機(jī)和容器等。數(shù)據(jù)采集和預(yù)處理：使用圖像傳感器獲取醫(yī)療廢物的視覺信息。通過攝像頭或者其他合適的圖像采集設(shè)備，獲取廢物的圖像數(shù)據(jù)。對圖像數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、圖像增強(qiáng)和裁剪等，以提高后續(xù)的分類準(zhǔn)確性。深度學(xué)習(xí)模型訓(xùn)練：構(gòu)建深度學(xué)習(xí)模型，例如卷積神經(jīng)網(wǎng)絡(luò)（CNN），用于醫(yī)療廢物的分類。準(zhǔn)備大量的標(biāo)注數(shù)據(jù)集，包括不同類型的廢物圖像。通過訓(xùn)練模型，使其能夠?qū)W習(xí)和識別不同類型的醫(yī)療廢物，并具備較高的分類準(zhǔn)確性。實時分類和分揀：將預(yù)處理后的圖像數(shù)據(jù)輸入到訓(xùn)練好的深度學(xué)習(xí)模型中，實現(xiàn)對醫(yī)療廢物的實時分類。根據(jù)分類結(jié)果，控制機(jī)器人的機(jī)械臂將廢物放置到相應(yīng)的容器中。通過適當(dāng)?shù)乃惴ê涂刂撇呗裕瑢崿F(xiàn)準(zhǔn)確而高效的分揀過程。系統(tǒng)集成和優(yōu)化：將深度學(xué)習(xí)模型和機(jī)器人控制系統(tǒng)進(jìn)行集成，并進(jìn)行整體優(yōu)化。確保系統(tǒng)的穩(wěn)定性和可靠性，優(yōu)化算法和參數(shù)，以提高分揀的準(zhǔn)確性和效率。同時，考慮機(jī)器人的安全性和人機(jī)交互性，設(shè)計合適的界面和保護(hù)措施。通過以上設(shè)計方案，基于AI的醫(yī)療廢物分揀機(jī)器人能夠?qū)崿F(xiàn)自動化的廢物分類和分揀，提高廢物處理的效率和安全性。它能夠準(zhǔn)確識別不同類型的醫(yī)療廢物，并將其放置到相應(yīng)的容器中，為醫(yī)療機(jī)構(gòu)提供更便捷和可靠的廢物管理解決方案。2.2功能需求分析2.2.1技術(shù)路線（1）硬件部分需要單片機(jī)K210、傳感器、舵機(jī)。（2）軟件平臺程序用keil5；（3）畫原理圖用AD；（4）編程語言用C語言；（5）用戶信息顯示查看；

2.2.2預(yù)期結(jié)果（1）系統(tǒng)實時顯示監(jiān)測到的畫面；（2）系統(tǒng)可學(xué)習(xí)醫(yī)療廢物；（3）系統(tǒng)可對檢測到的醫(yī)療廢物進(jìn)行分揀；（4）檢測到醫(yī)療廢物1,360度舵機(jī)左轉(zhuǎn)進(jìn)行分揀；（5）檢測到醫(yī)療廢物2,360度舵機(jī)右轉(zhuǎn)進(jìn)行分揀；2.3總體方案設(shè)計第一：理論知識準(zhǔn)備階段，理解設(shè)計課題，認(rèn)真研究課題所涉及到的內(nèi)容，能夠較好的掌握有關(guān)題目的知識；第二：確定系統(tǒng)各個模塊，理清各個模塊之間的關(guān)系，收集相關(guān)得到軟硬件資料；第三：規(guī)劃課題，確定系統(tǒng)組成結(jié)構(gòu)，勾畫出大體系統(tǒng)框架并在結(jié)構(gòu)框架的基礎(chǔ)上提出原理框圖；第四：利用軟件完成硬件電路部分設(shè)計并畫出各部分電路圖，將系統(tǒng)部件通過接口電路集合在一起，并畫出電路圖；第五：根據(jù)系統(tǒng)控制過程完成軟件設(shè)計部分，繪制出主流程圖；第六：進(jìn)行模擬仿真，檢查系統(tǒng)是否能夠按照要求實現(xiàn)控制功能，整理論文。2.4單片機(jī)型號選擇基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的K210單片機(jī)，K210單片機(jī)和其他單片機(jī)對比，K210單片機(jī)是一種基于RISC-V架構(gòu)的高性能處理器，廣泛應(yīng)用于嵌入式AI應(yīng)用。與其他單片機(jī)相比，K210具有一些獨特的特點和優(yōu)勢。AI處理能力：K210單片機(jī)具備強(qiáng)大的AI處理能力，內(nèi)置的AI協(xié)處理器可以高效地執(zhí)行深度學(xué)習(xí)計算任務(wù)。它支持常見的神經(jīng)網(wǎng)絡(luò)模型，可以實現(xiàn)快速的圖像識別和分析。性能和資源：K210單片機(jī)擁有較高的主頻和更多的內(nèi)存資源，可以支持復(fù)雜的算法和大規(guī)模的數(shù)據(jù)處理。它通常具有雙核心處理器，高速外設(shè)接口，以及豐富的外設(shè)功能（如GPIO、PWM、ADC等）。這使得K210能夠處理更多的任務(wù)和數(shù)據(jù)，并提供更靈活的系統(tǒng)擴(kuò)展能力。開發(fā)環(huán)境和工具支持：K210單片機(jī)提供了完善的開發(fā)環(huán)境和工具鏈。相比之下，其他單片機(jī)的開發(fā)環(huán)境和工具支持可能相對有限。成本效益：相較于一些專用的AI處理器或嵌入式計算平臺，K210單片機(jī)具有較低的成本。它可以提供與其他單片機(jī)相當(dāng)?shù)男阅芎凸δ埽珒r格更為經(jīng)濟(jì)實惠。綜上所述，K210單片機(jī)在AI處理能力、性能、資源、開發(fā)環(huán)境、低功耗特性和成本效益等方面具備優(yōu)勢，使其成為基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)等應(yīng)用的理想選擇。然而，在選擇單片機(jī)時，仍需要考慮具體應(yīng)用需求、資源限制和開發(fā)團(tuán)隊的經(jīng)驗等因素，以確保選用最合適的解決方案。主控制芯片選擇K210單片機(jī)。K210是嘉楠（?Can?na?an）科技的一款集成機(jī)器視覺與機(jī)器聽覺能力的系統(tǒng)級芯片(?RSI?C-V??CPU)。使用臺積電(T?SMC)超低功耗的28納米先進(jìn)制程，具有雙核64位處理器，擁有較好的功耗性能，穩(wěn)定性與可靠性。該方案力求零門檻開發(fā)，可在最短時效部署于用戶的產(chǎn)品中?，賦予?產(chǎn)品人?工智?能（?AI）??？?以?說是集?性能強(qiáng)?勁與高?性?價比于?一身。?K2?10?號稱?最強(qiáng)單?片?機(jī)，其?最突出?的特點?是?可以達(dá)?到1T?OP?S算?力，這?是樹莓?派?4無法?比擬的?，所以?目?前用它?來做視?覺方?面的?項目是?最佳的?選?擇。O?pen?MV提?供?了機(jī)器?視覺功?能最?核心?和最復(fù)?雜的部?分?（包括?硬件和?核心算?法?），使?用者們?可以?把自?己的精?力放在?自?己的想?法和產(chǎn)?品設(shè)計?上?，實現(xiàn)?自己的各種創(chuàng)意。原理圖如下。圖2-1K210單片機(jī)最小系統(tǒng)原理圖

第3章系統(tǒng)的硬件部分設(shè)計3.1系統(tǒng)的總體設(shè)計控制系統(tǒng)通過人機(jī)交互界面設(shè)定醫(yī)療廢棄物的分揀界面、實時檢測醫(yī)療廢棄物畫面。在醫(yī)療廢棄物的分揀過程中，機(jī)器可以自我學(xué)習(xí)，可以完成醫(yī)療廢棄物的的分類學(xué)習(xí)，當(dāng)醫(yī)療廢棄物經(jīng)過時，系統(tǒng)可以辨別醫(yī)療廢棄物的種類，檢測過程中由舵機(jī)完成醫(yī)療廢棄物的分揀，分揀操作主要是靠舵機(jī)的旋轉(zhuǎn)完成，如果是醫(yī)療廢棄物1，那么舵機(jī)360度向左旋轉(zhuǎn)，如果是醫(yī)療廢棄物2那么舵機(jī)360度將向右旋轉(zhuǎn)，最終可以完成整個醫(yī)療廢棄物中的分揀?？傮w原理圖如下。圖3-1系統(tǒng)總體原理圖

3.2系統(tǒng)的主要模塊設(shè)計3.2.1LCD顯示屏模塊設(shè)計為了實現(xiàn)基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)，需要設(shè)計一個LCD顯示屏模塊，用于實時顯示系統(tǒng)的運行狀態(tài)、識別結(jié)果和操作界面。LCD顯示屏模塊是基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的重要組成部分之一。它的主要功能是提供直觀的視覺界面，以便用戶可以實時監(jiān)控系統(tǒng)的運行狀態(tài)和識別結(jié)果。該模塊采用了液晶顯示技術(shù)，具有高分辨率和色彩還原能力。LCD顯示屏模塊的設(shè)計考慮了系統(tǒng)對清晰度和可視性的需求。顯示屏采用了高分辨率的液晶面板，可以呈現(xiàn)細(xì)節(jié)豐富、清晰銳利的圖像和文字。此外，模塊還配備了背光源，以保證在各種環(huán)境光照條件下的可視性和對比度。為了滿足系統(tǒng)的交互需求，LCD顯示屏模塊支持觸摸功能。它配備了電容式觸摸屏技術(shù)，用戶可以通過觸摸屏進(jìn)行界面操作和功能選擇。觸摸屏的精準(zhǔn)度和靈敏度可以提供良好的用戶體驗和操作便捷性。該顯示屏模塊還具備多語言和多界面顯示的能力。它支持在界面上顯示不同語言的文字和圖標(biāo)，以滿足不同用戶的語言需求。此外，模塊還支持界面的自定義設(shè)置，可以根據(jù)用戶的偏好和需求進(jìn)行界面的調(diào)整和布局。LCD顯示屏模塊還具備可靠的驅(qū)動和控制機(jī)制。它采用了專用的顯示控制芯片，用于管理顯示屏的刷新和數(shù)據(jù)傳輸。該芯片具備快速響應(yīng)和穩(wěn)定性的特點，以確保顯示內(nèi)容的流暢和穩(wěn)定。綜上所述，基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的LCD顯示屏模塊是一個關(guān)鍵的組件，它提供了直觀的視覺界面和交互功能，以便用戶可以實時監(jiān)控系統(tǒng)的運行狀態(tài)和識別結(jié)果。該模塊的設(shè)計考慮了系統(tǒng)對清晰度、可視性、觸摸功能和多語言顯示的需求，并采用了高分辨率液晶面板和可靠的驅(qū)動機(jī)制，以提供優(yōu)質(zhì)的顯示效果和用戶體驗。液晶是一種在一定溫度范圍內(nèi)呈現(xiàn)既不同于固態(tài)液態(tài)又不同于氣態(tài)的特殊物質(zhì)態(tài)，它既具有各向異性的晶體所特有的雙折射性又具有液體的流動性液晶顯示器件(英文的簡寫為LCD)就是利用液晶態(tài)物質(zhì)的液晶分子排列狀態(tài)在電場中改變而調(diào)制外界光的被動型顯示器件。點陣式圖形液晶顯示屏是LCD的一種能夠動態(tài)顯示圖形漢字以及各種符號信息為各種電子產(chǎn)品提供了友好的人機(jī)界面點陣式圖形液晶顯示屏的主要特點如下(這些特點也就是LCD的特點):工作電壓低、微功耗、體積小、可視面積大、無電磁輻射、數(shù)字接口壽命長等特點。12864LCD液晶顯示模塊是一款4位/8位并行、2線或3線接口方式，內(nèi)部含有國際一級、二級簡體中文字庫的圖形點陣液晶模塊。顯示分辨率為128*64，內(nèi)置8198個16*16點漢字，和128個16*8點ASCII字符集。該型號液晶模塊具有接口方式簡單，指令操作便捷的特點，可構(gòu)成全中文人機(jī)交互圖形界面。可顯示8*4行16*16點陣的行字，也可完成圖形顯示。??LCD12864分為帶中文字庫和不帶中文字庫兩種，有并行傳輸和串行傳輸兩種方式通常并行速度快。從電源地開始引腳依次為：電源地、電源正。

其原理圖如下所示。圖3-2LCD顯示屏模塊原理圖3.2.2TF內(nèi)存卡模塊設(shè)計TF卡即是T-Flash全名（TransFLash，2004年更名為MicroSDCard)的縮寫出,這是Motorola與SanDisk共同推出的最新一代的記憶卡規(guī)格，它采用了最新的封裝技術(shù)，并配合SanDisk最新NANDMLC技術(shù)及控制器技術(shù)。大小(11mmx15mmx1mm)，約等于半張SIM卡，Trans-FlashCard為SDCard產(chǎn)品成員的一員,附有SD轉(zhuǎn)接器，可兼容任何SD讀卡器，TF卡可經(jīng)SD卡轉(zhuǎn)換器后，當(dāng)SD卡使用。T-Flash卡是市面上最小的閃存卡,適用于多項多媒體應(yīng)用.Trans-flash產(chǎn)品采用SD架構(gòu)設(shè)計而成,SD協(xié)會于2004年年底正式將其更名為MicroSD，已成為SD產(chǎn)品中的一員?；贏I識別的醫(yī)療廢物識別分揀系統(tǒng)的TF內(nèi)存卡模塊設(shè)計：TF內(nèi)存卡模塊是基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的重要組成部分之一。它的主要功能是提供高速、大容量的存儲，以便存放龐大的AI模型和訓(xùn)練數(shù)據(jù)。該模塊采用了先進(jìn)的技術(shù)，以滿足系統(tǒng)對快速數(shù)據(jù)讀取和寫入的需求。TF內(nèi)存卡模塊的設(shè)計基于TensorFlow框架，它支持AI模型的訓(xùn)練和推理。模塊內(nèi)部采用高速閃存芯片作為存儲介質(zhì)，以實現(xiàn)快速的數(shù)據(jù)讀寫操作。內(nèi)存卡模塊還配備了專用的控制芯片，用于管理存儲器的讀寫操作和數(shù)據(jù)傳輸。為了滿足系統(tǒng)的大容量需求，TF內(nèi)存卡模塊采用了高密度的存儲芯片，可以提供幾十到上百GB的存儲容量。此外，模塊還支持熱插拔功能，用戶可以方便地更換內(nèi)存卡，以便進(jìn)行不同任務(wù)的存儲和處理。TF內(nèi)存卡模塊還提供了可靠的數(shù)據(jù)保護(hù)機(jī)制，包括錯誤校驗和糾正碼（ECC）以及備份存儲等功能。這些機(jī)制可以保證數(shù)據(jù)的完整性和可靠性，減少因存儲介質(zhì)故障引起的數(shù)據(jù)丟失風(fēng)險。此外，TF內(nèi)存卡模塊還支持高速接口標(biāo)準(zhǔn)，如PCIe和NVMe，以實現(xiàn)與其他系統(tǒng)組件的快速數(shù)據(jù)交換。這樣，AI模型的訓(xùn)練和推理可以更加高效地進(jìn)行，提高整個系統(tǒng)的性能。綜上所述，基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的TF內(nèi)存卡模塊是一個關(guān)鍵的組件，它提供了高速、大容量的存儲和可靠的數(shù)據(jù)保護(hù)機(jī)制，以支持系統(tǒng)的正常運行。該模塊的設(shè)計考慮了系統(tǒng)對高速數(shù)據(jù)讀寫和大容量存儲的需求，并采用了先進(jìn)的技術(shù)和接口標(biāo)準(zhǔn)，以實現(xiàn)高性能和高效率的數(shù)據(jù)處理。原理圖如下。圖3-3TF內(nèi)存卡模塊原理圖

3.2.3GC0328攝像頭模塊設(shè)計為了實現(xiàn)基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)，需要設(shè)計一個GC0328攝像頭系統(tǒng)，用于獲取圖像數(shù)據(jù)并傳輸給AI模型進(jìn)行識別和分揀。GC0328攝像頭系統(tǒng)是基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的關(guān)鍵組件之一。它的主要功能是采集物體圖像數(shù)據(jù)，以供AI模型進(jìn)行識別和分揀操作。該攝像頭系統(tǒng)采用了GC0328型號的攝像頭傳感器，具有高分辨率和良好的圖像質(zhì)量。GC0328攝像頭系統(tǒng)的設(shè)計考慮了系統(tǒng)對高清圖像的需求。攝像頭傳感器使用了先進(jìn)的CMOS圖像傳感器技術(shù)，具備較高的像素密度和動態(tài)范圍，能夠捕捉細(xì)節(jié)豐富的圖像。此外，該攝像頭系統(tǒng)還采用了高性能的圖像處理芯片，用于提升圖像的清晰度和色彩還原效果。為了適應(yīng)醫(yī)療廢物分揀環(huán)境的需求，GC0328攝像頭系統(tǒng)具備良好的光線適應(yīng)能力。它采用了自動曝光控制和自動白平衡技術(shù)，可以根據(jù)環(huán)境光照條件自動調(diào)整圖像參數(shù)，保證圖像質(zhì)量的穩(wěn)定性和一致性。該攝像頭系統(tǒng)還支持高速數(shù)據(jù)傳輸，以滿足實時識別和分揀的要求。它采用了高速串行接口（如MIPICSI）與主控制器連接，以實現(xiàn)快速的圖像數(shù)據(jù)傳輸和處理。這樣，AI模型可以及時獲取圖像數(shù)據(jù)并進(jìn)行實時分析，提高系統(tǒng)的響應(yīng)速度和準(zhǔn)確性。此外，GC0328攝像頭系統(tǒng)還具備小型化和低功耗的特點，方便集成到醫(yī)療廢物識別分揀系統(tǒng)中。它采用緊湊型設(shè)計和低功耗芯片組，以滿足系統(tǒng)對體積和能源的限制。綜上所述，基于AI識別的醫(yī)療廢物識別分揀系統(tǒng)的GC0328攝像頭系統(tǒng)是一個關(guān)鍵的組件，它提供了高分辨率、高性能和實時數(shù)據(jù)傳輸?shù)墓δ?。該系統(tǒng)的設(shè)計考慮了醫(yī)療廢物分揀環(huán)境的需求，具備良好的圖像質(zhì)量、光線適應(yīng)性和小型化特點，以支持系統(tǒng)的正常運行。GC0328攝像頭具有20??0萬像素(1632x1232像素)，其體積小、工作電壓低，提供單片UXGA攝像和影像處理器的所有功能。通過SCCB總線控制，可以輸出整幀、子采樣、取窗口等方式的各種分辨率10位采樣數(shù)據(jù)。該產(chǎn)品UXGA圖像最高達(dá)到15幀/秒。用戶可以完全控制圖像質(zhì)量、數(shù)據(jù)格式和傳輸方式。所有圖像處理功能過程包括伽瑪曲線、白平衡、飽和度、色度等都可以通過SCCB接口編程。OmmiVision圖像傳感器應(yīng)用獨有的傳感器技術(shù)，通過減少或消除光學(xué)或電子缺陷如固定圖案噪聲、托尾、浮散等，提高圖像質(zhì)量，得到清晰的穩(wěn)定的彩色圖像。

原理圖如下。圖3-4GC0328攝像頭模塊原理圖3.2.4舵機(jī)分揀模塊設(shè)計分揀模塊主要是通過SG-90舵機(jī)實現(xiàn)的。舵機(jī)是一種位置（角度）伺服的驅(qū)動器，適用那些需要角度不斷變化并可以保持的控制系統(tǒng)。舵機(jī)上有三根線，分別是GND（棕色線）、VCC（紅色線）和SIG（黃色線），也就是地線、電源線和信號線。舵機(jī)通過接收PWM信號，使其進(jìn)入內(nèi)部電路產(chǎn)生一個偏置電壓，觸發(fā)電機(jī)通過減速齒輪帶動電位器移動，使電壓差為零時，電機(jī)停轉(zhuǎn)，從而達(dá)到伺服的效果。即給舵機(jī)一個特定的PWM信號，舵機(jī)旋轉(zhuǎn)到特定角度?？刂齐娐钒褰邮軄碜孕盘柧€相應(yīng)的PWM控制信號，進(jìn)而控制電機(jī)轉(zhuǎn)動，電機(jī)帶動一系列齒輪組，減速后傳動至輸出舵盤。舵機(jī)的輸出軸和位置反饋電位計是相連的，舵盤轉(zhuǎn)動的同時，帶動位置反饋電位計，電位計將輸出一個電壓信號到控制電路板，進(jìn)行反饋，然后控制電路板根據(jù)所在位置決定電機(jī)的轉(zhuǎn)動方向和速度，從而達(dá)到目標(biāo)停止。原理圖如下所示。圖3-5舵機(jī)模塊原理圖工作原理：SG90舵機(jī)模塊內(nèi)是有控制電路的，控制信號通過信號線輸入到內(nèi)部的控制電路中，調(diào)制芯片將輸入的信號進(jìn)行調(diào)制，獲得直流偏置電壓。然后再由內(nèi)部的基準(zhǔn)電路產(chǎn)生周期為20ms，寬度為1.5ms的基準(zhǔn)信號，將直流偏置電壓和電位器電壓進(jìn)行比較，從而獲得輸出的電壓差。由電壓差控制舵機(jī)的轉(zhuǎn)動，這個電壓差的正負(fù)控制舵機(jī)正反轉(zhuǎn)。高電平寬度和SG90舵機(jī)的轉(zhuǎn)動角度的關(guān)系如下：0.5MS0度;1.0MS45度;1.5MS90度;2.0MS135度;2.5MS180度。3.2.5按鍵輸入模塊設(shè)計在矩陣鍵盤按鍵較多時為了減少IO口的運用，通過按鍵排列成矩陣的方式，采用逐行或者是逐列掃描，就可以讀出按鍵的狀態(tài)。掃描的概念:數(shù)碼管掃描(輸出掃描)原理:顯示第一位>顯示第二位，然后循環(huán)這個過程最終實現(xiàn)所有數(shù)碼管同時點亮的效果。矩陣按鍵掃描(輸入掃描)原理:掃描第一行>掃描第二行>>>>>掃描第一列>>掃描第二列得出按鍵位置。原理圖如下。圖3-6按鍵輸入模塊原理圖

第4章系統(tǒng)的軟件設(shè)計4.1軟件的主要流程當(dāng)醫(yī)療廢棄物經(jīng)過時，系統(tǒng)可以辨別醫(yī)療廢棄物的種類，檢測過程中由舵機(jī)完成醫(yī)療廢棄物的分揀，分揀操作主要是靠舵機(jī)的旋轉(zhuǎn)完成，如果是醫(yī)療廢棄物1，那么舵機(jī)360度向左旋轉(zhuǎn)，如果是醫(yī)療廢棄物2那么舵機(jī)360度將向右旋轉(zhuǎn)，最終可以完成整個醫(yī)療廢棄物中的分揀。軟件流程為：系統(tǒng)對兩種醫(yī)療廢物進(jìn)行學(xué)習(xí)，然后開啟實時顯示監(jiān)測到的畫面，經(jīng)過剛才的學(xué)習(xí)系統(tǒng)可對檢測到的醫(yī)療廢物進(jìn)行分揀，檢測到醫(yī)療廢物1,360度舵機(jī)左轉(zhuǎn)進(jìn)行分揀；檢測到醫(yī)療廢物2,360度舵機(jī)右轉(zhuǎn)進(jìn)行分揀。全程將由顯示屏顯示，方便監(jiān)測管理。工作流程圖如下。圖4-1總體工作流程圖

4.2LCD顯示屏模塊軟件設(shè)計當(dāng)單片機(jī)初始化完成后，系統(tǒng)開始正常工作。LCD顯示屏?xí)盏絹碜詥纹瑱C(jī)的攝像頭實時畫面，以進(jìn)行遠(yuǎn)程監(jiān)控。工作流程圖如下。圖4-2LCD顯示屏模塊工作流程圖

4.3TF內(nèi)存卡模塊軟件設(shè)計當(dāng)單片機(jī)初始化完成后，系統(tǒng)開始工作。攝像頭開始對畫面進(jìn)行采集隨后發(fā)送給單片機(jī)，單片機(jī)經(jīng)訓(xùn)練后可識別分辨兩種類型的醫(yī)療廢物，進(jìn)行工作時對分揀的醫(yī)療廢物進(jìn)行拍照，隨后TF內(nèi)存卡開始對錄像和照片進(jìn)行儲存，以便日后查看，方便管理。工作流程圖如下。圖4-3TF內(nèi)存卡模塊工作流程圖

4.4GC0328攝像頭模塊軟件設(shè)計當(dāng)單片機(jī)初始化完成后，系統(tǒng)開始工作。攝像頭將實時拍攝并發(fā)送畫面給單片機(jī)，單片機(jī)經(jīng)過事先的學(xué)習(xí)，可對攝像頭拍攝出的畫面進(jìn)行識別和分辨，隨后進(jìn)行相應(yīng)處理。工作流程圖如下。圖4-4GC0328攝像頭工作流程圖

4.5舵機(jī)模塊軟件設(shè)計當(dāng)系統(tǒng)初始化完成后，開始正常工作。攝像頭拍攝照片給單片機(jī)進(jìn)行識別，若識別到是第一種醫(yī)療廢物，則舵機(jī)進(jìn)行360度向左翻轉(zhuǎn)，若是第二種醫(yī)療廢物則360度向右翻轉(zhuǎn)，以此進(jìn)行分揀動作。工作流程圖如下。圖4-5舵機(jī)模塊工作流程圖

4.6按鍵輸入模塊軟件設(shè)計當(dāng)系統(tǒng)初始化完成后，開始正常工作。按下不同按鍵分別執(zhí)行不同功能。工作流程圖如下。圖4-6按鍵輸入模塊工作流程圖

第5章系統(tǒng)測試5.1系統(tǒng)實物圖這一創(chuàng)新性的設(shè)計旨在提高醫(yī)療廢物處理的效率和準(zhǔn)確性。這個機(jī)器人能夠自主地識別、分類和分揀不同類型的醫(yī)療廢物，從而確保它們得到適當(dāng)?shù)奶幚?，減少環(huán)境污染和健康風(fēng)險。機(jī)器人采用了先進(jìn)的圖像識別算法，通過高分辨率攝像頭實時捕捉廢物圖像，并利用訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)來辨別不同的廢物類別，如注射器、藥瓶、棉球等。這種智能識別技術(shù)具有極高的準(zhǔn)確性和靈敏度，能夠在短時間內(nèi)處理大量的廢物。一旦識別出廢物的類別，機(jī)器人會揀到相應(yīng)的儲存容器中。基于AI識別的醫(yī)療廢物分揀機(jī)器人不僅提高了醫(yī)療廢物處理的效率和準(zhǔn)確性，還降低了對人工資源的依賴，并減少了環(huán)境污染的風(fēng)險。圖5-1系統(tǒng)成品實物圖

5.2測試原理基于AI的醫(yī)療廢物識別分揀系統(tǒng)是一種利用人工智能技術(shù)對醫(yī)療廢物進(jìn)行自動分類和分揀的系統(tǒng)。為了驗證其功能和性能，進(jìn)行實物測試是至關(guān)重要的環(huán)節(jié)。以下是對基于AI的醫(yī)療廢物識別分揀系統(tǒng)實物測試的簡要介紹。在實物測試中，首先進(jìn)行硬件設(shè)備的測試。這包括攝像頭或傳感器的功能測試，確保其能夠準(zhǔn)確捕捉醫(yī)療廢物的圖像或數(shù)據(jù)。同時，測試傳輸設(shè)備，確保圖像或數(shù)據(jù)能夠有效地傳輸給后端的計算單元。此外，測試舵機(jī)，確認(rèn)其能夠按照分類結(jié)果將廢物放入正確轉(zhuǎn)動。接下來，進(jìn)行軟件系統(tǒng)的功能和性能測試。這包括廢物識別算法的測試，確保它能夠準(zhǔn)確地識別不同類型的醫(yī)療廢物，并給出正確的分類結(jié)果。同時，測試系統(tǒng)的響應(yīng)速度和處理能力，確保系統(tǒng)能夠在實時或高負(fù)荷情況下快速準(zhǔn)確地進(jìn)行識別和分揀。同時，進(jìn)行環(huán)境適應(yīng)性測試，驗證系統(tǒng)在不同光照條件、角度或背景下的識別效果。最后，進(jìn)行整體功能和性能測試。綜合測試硬件設(shè)備、軟件系統(tǒng)和分揀效果，確保整個基于AI的醫(yī)療廢物識別分揀系統(tǒng)能夠正常工作，并達(dá)到預(yù)期的性能水平。在測試過程中，需要記錄和分析測試結(jié)果，發(fā)現(xiàn)并修復(fù)可能存在的問題。對于發(fā)現(xiàn)的問題，可能需要調(diào)整硬件設(shè)備、改進(jìn)算法模型或優(yōu)化系統(tǒng)設(shè)置。通過實物測試，可以驗證基于AI的醫(yī)療廢物識別分揀系統(tǒng)的準(zhǔn)確性、穩(wěn)定性和可靠性。這樣的測試過程能夠確保系統(tǒng)能夠在實際醫(yī)療廢物處理場景中正確地識別和分揀廢物，從而實現(xiàn)自動化、高效和安全的醫(yī)療廢物管理。圖5-2醫(yī)療廢物1和醫(yī)療廢物2攝像頭對準(zhǔn)醫(yī)療廢物1和醫(yī)療廢物2照片后按下中間的按鍵進(jìn)行學(xué)習(xí)，每個醫(yī)療廢物學(xué)習(xí)五張照片，即按五次按鍵。圖5-3識別醫(yī)療廢物1和醫(yī)療廢物2攝像頭對準(zhǔn)醫(yī)療廢物1和2后，按下第三個按鍵是系統(tǒng)開始工作。識別到一號醫(yī)療廢物時，顯示屏顯示waste1，隨后舵機(jī)向左旋轉(zhuǎn)；識別到二號醫(yī)療廢物時。顯示屏顯示waste2，舵機(jī)向右旋轉(zhuǎn)。再次按下三號案件可使舵機(jī)暫停旋轉(zhuǎn)。

第6章總結(jié)與展望6.1總結(jié)在整個設(shè)計過程中，硬件方面主要設(shè)計了K210單片機(jī)的最小系統(tǒng)、舵機(jī)接口電路、LCD屏幕及顯示、攝像機(jī)拍攝電路。軟件方面借助各個渠道的資料，主要設(shè)計訓(xùn)練學(xué)習(xí)程序、顯示程序、舵機(jī)運行程序、拍攝識別程序。系統(tǒng)的調(diào)試主要是通過一塊K210開發(fā)板，再借助于Keil以及自己搭建的電路實現(xiàn)的。分部調(diào)試時偶爾會出現(xiàn)一些問題但解決方案都有跡可循。此醫(yī)療廢物分揀機(jī)器人系統(tǒng)能夠?qū)崿F(xiàn)檢測后不需要人為干預(yù)，自動進(jìn)行操作。節(jié)省了大量人力資源，方便人們生活。6.2展望我們對基于AI識別的醫(yī)療廢物分揀機(jī)器人的未來功能充滿了期待。隨著技術(shù)的不斷發(fā)展和創(chuàng)新，我們相信這個機(jī)器人將進(jìn)一步提升其性能和功能，為醫(yī)療廢物管理領(lǐng)域帶來更多的益處。首先，我們計劃進(jìn)一步改進(jìn)機(jī)器人的識別能力。通過不斷優(yōu)化和訓(xùn)練神經(jīng)網(wǎng)絡(luò)，我們將提高機(jī)器人對廢物的準(zhǔn)確性和多樣性的識別能力。它將能夠識別更多種類的醫(yī)療廢物，包括復(fù)雜的包裝材料、注射器中的藥物殘留等。這將大大減少人工干預(yù)的需求，提高整體的自動化水平。其次，我們計劃增強(qiáng)機(jī)器人的智能分揀能力。除了簡單地將廢物分揀到相應(yīng)的容器中，我們希望機(jī)器人能夠進(jìn)一步細(xì)化分揀過程，例如將可回收的廢物與不可回收的廢物分開，為可再利用的廢物提供更好的處理方案。這將有助于實現(xiàn)循環(huán)經(jīng)濟(jì)和可持續(xù)發(fā)展的目標(biāo)。另外，我們考慮將機(jī)器人與醫(yī)療廢物處理系統(tǒng)和數(shù)據(jù)庫相連接，實現(xiàn)更智能化的管理。機(jī)器人可以與數(shù)據(jù)庫共享數(shù)據(jù)，了解廢物的數(shù)量、種類和處理方式等信息。這樣一來，機(jī)器人可以根據(jù)實時數(shù)據(jù)進(jìn)行優(yōu)化調(diào)整，提高廢物處理的效率和及時性。此外，我們計劃進(jìn)一步加強(qiáng)機(jī)器人的安全性能。通過引入更先進(jìn)的傳感器和算法，機(jī)器人可以更好地感知周圍環(huán)境，及時避免潛在的危險。此外，我們將提供更強(qiáng)大的數(shù)據(jù)加密和訪問控制，以確保廢物信息的安全和隱私。本次畢業(yè)設(shè)計對于每個大學(xué)生來說是一門必修課程，在大學(xué)這一個求學(xué)階段只有一次。完成了電路設(shè)計這一部分的工作內(nèi)容，我覺得自己將曾經(jīng)學(xué)習(xí)過的知識再次學(xué)習(xí)了一遍，對于各個元器件的設(shè)計規(guī)則，又有了進(jìn)一步的熟悉。在這個的過程中，每一步都是自己親自做過的,遇到的問題也非常多，在經(jīng)過遇到問題，思索問題到解決問題的過程中，收獲是最多的。以往沒有注意到的問題，都在這一次的畢業(yè)設(shè)計中得以體現(xiàn)，這培養(yǎng)了我的細(xì)心，耐心和專心。在未來，基于AI識別的醫(yī)療廢物分揀機(jī)器人將成為醫(yī)療廢物管理的重要工具。它將通過不斷創(chuàng)新和技術(shù)進(jìn)步，為人們創(chuàng)造更健康、更安全、更可持續(xù)的環(huán)境。我們期待著這個機(jī)器人在醫(yī)療廢物管理領(lǐng)域的廣泛應(yīng)用，并對未來的發(fā)展充滿信心。

參考文獻(xiàn)[1]周哲畫.醫(yī)療廢物自動分揀裝置[P].東華大學(xué)2021.[2]賀泓博.醫(yī)療廢棄物識別與分揀垃圾箱設(shè)計[C].科學(xué)技術(shù)創(chuàng)新.2021.[3]王壯;劉志豪;劉建華;武發(fā)展;李楊.基于圖像識別技術(shù)的智能化產(chǎn)品分揀系統(tǒng)設(shè)計研究[C].鄉(xiāng)村科技.2022.[4]孫昕怡.AI視覺檢測項目范圍管理的研究[M].北京郵電大學(xué),2020.[5]蒲松;夏嫦.基于二階段隨機(jī)規(guī)劃的城市醫(yī)療廢棄物回收網(wǎng)絡(luò)設(shè)計[P].中國管理科學(xué),2021.[6]王保升;汪木蘭.基于貨單的多品種產(chǎn)品自動分揀系統(tǒng)[M].包裝工程,2021.[7]彭正耀,郭智,方段彬.基于Keras框架的人工智能醫(yī)療廢棄物分類的研究[J].科技與創(chuàng)新,2020(10).[8]殷晶晶.基于IRIS機(jī)構(gòu)的醫(yī)療廢棄物垃圾箱設(shè)計與實現(xiàn)[P].電子制作.2019,.[9]王成軍;嚴(yán)晨.機(jī)器視覺技術(shù)在分揀系統(tǒng)中的應(yīng)用研究綜述[J].制造技術(shù)與機(jī)床.2019[10]薛峰;吳恩周.基于PLC的產(chǎn)品分揀自動控制系統(tǒng)設(shè)計[M].電子測試.2019.[11]高鈞陽.基于服務(wù)設(shè)計理念的社區(qū)醫(yī)療廢物分類預(yù)處理服務(wù)系統(tǒng)設(shè)計研究[D].湖北工業(yè)大學(xué),2021.DOI:10.27131/ki.ghugc.2021.000811.[12]周哲畫.醫(yī)療廢棄物識別與分揀垃圾箱設(shè)計[D].東華大學(xué),2021.DOI:10.27012/ki.gdhuu.2021.000288.[13]賀泓博.醫(yī)療廢物自動分揀裝置[J].科學(xué)技術(shù)創(chuàng)新,2021(14):173-174.[14]趙起越.醫(yī)療廢物處理技術(shù)對環(huán)境的影響及其發(fā)展趨勢[J].城市地理,2017(14):210.[15]任富強(qiáng),李剛,康宇全.圖像AI識別在煤炭運輸中的應(yīng)用研究[J].運輸經(jīng)理世界,2022(09):95-97.[16]譚超,全碧芳,陸海媛.AI識別垃圾分類違規(guī)事件[N].南方日報,2022-09-09(AA8).DOI:10.28597/ki.nnfrb.2022.005436.[17]胡志兵,姚劍鵬.基于音視頻AI識別的多模態(tài)智能分析模型創(chuàng)建和應(yīng)用[J].廣播與電視技術(shù),2022,49(08):43-46.DOI:10.16171/ki.rtbe.20220008005.[18]王曉軍.基于AI識別和物聯(lián)網(wǎng)的住宅安防系統(tǒng)[J].信息與電腦(理論版),2022,34(14):118-120.[19]FAbdoulaye;EElisante;TMwinuka;JKatima.Alternativestothebiomedicalwasteincinerationinthetreatmentandwastesortingsysteminthechain.[M].2020.[20]SchurerJannaM;;NdaoMomar.ResearchofWasteSortingSystemBasedonConvolutionalNeuralNetwork.2019. [21]Ravichandra.B;LakshmiNarayanaReddy.B;B.KeerthiPriya.PlantHealthMonitoringSystemThroughImageProcessingandDefectsOvercomingThroughEmbeddedSystem.2021.[22]RishabhKansal;LavanyaYadav;AjuD.WasteSortingMobileApplicationforInteractiveAIBasedWasteManagementSystem[P].InternationalJournalofRecentTechnologyandEngineering.2022.[23]AltafAlam;ZainulAbdinJaffery.AVisionbasedIndianTrafficSignClassification.2020.

注釋電路圖

源代碼importKPUaskpuimportsensorimportlcdfromMaiximportGPIOfromfpioa_managerimportfmimporttimeimportgcfrommicropythonimportconst#導(dǎo)入constfromboardimportboard_infofrommachineimportTimer,PWM#ServoimportSG90_360###########################################config#################################################class_num=3#類數(shù)量sample_num=15#樣本數(shù)量THRESHOLD=11#閾值class_names=['Surroundings','Medicalwaste1','Medicalwaste2']#類名稱：環(huán)境、醫(yī)療廢物1、醫(yī)療廢物2board_cube=0Identify_Results={'Identify_Situation':"",'Identify_Index':''}#識別結(jié)果SYS_Status='END'#系統(tǒng)狀態(tài)：狀態(tài)cap_num=0#抓取訓(xùn)練數(shù)量train_status=0#訓(xùn)練狀態(tài)last_cap_time=0#上次訓(xùn)練抓取時間last_btn_status=1#上次按鍵狀態(tài)############################################################################################################################################SG-90360#################################################tim1=Timer(Timer.TIMER2,Timer.CHANNEL0,mode=Timer.MODE_PWM)Ctr_Sg90_360_1=PWM(tim1,freq=50,duty=0,pin=board_info.PIN_Ctr_SG90_360)Sg90_360_1=SG90_360.SG90_360(Ctr_Sg90_360_1)Sg90_360_1.Init()#initSG-90360##############################################################################################################################################KEY######################################################KEY_BOOTfm.register(board_info.PIN_KEY_BOOT,fm.fpioa.GPIOHS0)KEY_BOOT=GPIO(GPIO.GPIOHS0,GPIO.PULL_UP)#KEY_SYSfm.register(board_info.PIN_KEY_SYS,fm.fpioa.GPIOHS2)#注冊IO-KEY2KEY_SYS=GPIO(GPIO.GPIOHS2,GPIO.IN,GPIO.PULL_UP)#構(gòu)建KEY_2對象defexit_KEY_SYS_fun(KEY_SYS):#KEY_2中斷回調(diào)函數(shù)globalSYS_Status,train_statusiftrain_status!=0:time.sleep_ms(10)#消除抖動ifKEY_SYS.value()==0:#確認(rèn)按鍵被按下ifSYS_Status=='END':SYS_Status='RUN'else:SYS_Status='END'KEY_SYS.irq(exit_KEY_SYS_fun,GPIO.IRQ_FALLING)#開啟中斷，下降沿觸發(fā)#########################################################################################################################################文字顯示######################################################defdraw_string(img,x,y,text,color,scale,bg=None):ifbg:img.draw_rectangle(x-2,y-2,len(text)*8*scale+4,16*scale,fill=True,color=bg)img=img.draw_string(x,y,text,color=color,scale=scale)returnimg#########################################################################################################################################異常/正常######################################################Operation_State=''defOperation(operation_state):ifOperation_State!='':ifOperation_State=='SYN':#System--ENDSg90_360_1.Stop()#舵機(jī)關(guān)閉elifOperation_State=='operation_waste_1':#類1--正轉(zhuǎn)Sg90_360_1.Clockwise()#舵機(jī)正轉(zhuǎn)elifOperation_State=='operation_waste_2':#類2--反轉(zhuǎn)Sg90_360_1.Anticlockwise()#舵機(jī)反轉(zhuǎn)elifOperation_State=='surroundings':#環(huán)境--surroundingspass#保持else:passelse:pass#####################################################################################################設(shè)置攝像頭sensor.reset()sensor.set_pixformat(sensor.RGB565)sensor.set_framesize(sensor.QVGA)sensor.set_windowing((224,224))#ifboard_cube==1:#sensor.set_vflip(True)#sensor.set_hmirror(True)#lcd.init(type=2)#lcd.rotation(2)#else:#lcd.init()#初始化LCDlcd.init()#設(shè)置攝像頭水平與垂直鏡像sensor.set_vflip(True)sensor.set_hmirror(True)#再次運行刪除模型try:delmodelexceptException:passtry:delclassifierexceptException:passgc.collect()model=kpu.load("/sd/sipeed_learn_model.smodel")#加載模型#model=kpu.load(0x300000)classifier=kpu.classifier(model,class_num,sample_num)#模型初始化while1:Identify_Results['Identify_Situation']=''Identify_Results['Identify_Index']=''img=sensor.snapshot()#采集圖片ifboard_cube:img=img.rotation_corr(z_rotation=90)img.pix_to_ai()#captureimgiftrain_status==0:#如果訓(xùn)練狀態(tài)：0（未訓(xùn)練）ifKEY_BOOT.value()==0:#如果按鍵值為：0（按下）time.sleep_ms(30)#延時30msifKEY_BOOT.value()==0and(last_btn_status==1)and(time.ticks_ms()-last_cap_time>500):#如果按鍵按下&&上次按鍵狀態(tài)==1&&時差大于500last_btn_status=0#上次按鍵狀態(tài)=1last_cap_time=time.ticks_ms()#更新上次抓取時間ifcap_num<class_num:#如果抓取數(shù)量<類數(shù)量index=classifier.add_class_img(img)#添加類圖片，并獲取當(dāng)前添加圖片的indexcap_num+=1#cap_num自增1print("addclassimg:",index)#打印當(dāng)前添加的類elifcap_num<class_num+sample_num:#如果：類數(shù)量<抓取數(shù)量<類數(shù)量+樣例數(shù)量index=classifier.add_sample_img(img)#添加樣例并獲取當(dāng)前添加樣例的indexcap_num+=1#cap_num自增1print("addsampleimg:",index)#打印當(dāng)前添加的樣例else:#如果：按鍵彈起img=draw_string(img,2,200,"releasebootkeyplease",color=lcd.WHITE,scale=1,bg=lcd.RED)#請松開按鍵else:#如果未按下按鍵time.sleep_ms(30)#延時30msifKEY_BOOT.value()==1and(last_btn_status==0):#如果按鍵按下&&上次按鍵狀態(tài)==0last_btn_status=1#上次按鍵狀態(tài)=1ifcap_num<class_num:#如果抓取數(shù)量<類數(shù)量img=draw_string(img,0,200,"pressbootkeytocap"+class_names[cap_num],color=lcd.WHITE,scale=1,bg=lcd.RED)#顯示請按鍵抓取類xelifcap_num<class_num+sample_num:#如果類數(shù)量<抓取數(shù)量<類數(shù)量+樣例數(shù)量img=draw_string(img,0,200,"bootkeytocapsample{}".format(cap_num-class_num),color=lcd.WHITE,scale=1,bg=lcd.RED)#顯示請按鍵抓取樣例x#trainandpredictiftrain_status==0:#如果訓(xùn)練狀態(tài)：0（未訓(xùn)練）ifcap_num>=class_num+sample_num:#如果類數(shù)量+樣例數(shù)量<抓取數(shù)量print("starttrain")#print開始訓(xùn)練img=draw_string(img,30,100,"training...",color=lcd.WHITE,scale=2,bg=lcd.RED)#顯示training...lcd.display(img)#顯示classifier.train()