[0001] 本发明涉及垃圾分类的技术领域，尤其涉及一种自动倾倒垃圾的分拣机器人及垃圾分类处理方法。

[0002] 广州艾可机器人有限公司开发的iBin‑无人驾驶交互媒体收纳机器人，它是一款融合了激光传感器与即时定位与地图构建使得机器人可以在障碍物中畅行无阻，集智能导航、安全防护、数字媒体、物联网四大系统于一体。提供更加环保的垃圾收纳服务，瞬间建图，实时定位，自主导航，多重避障。并且有以下优点：1.自主驾驶；2.垃圾箱容积80L，双提桶设计便于清倒垃圾；3.支持合生活烟雾、生活异味、有机化物挥发气体等多种气体的感知；4.有烟雾、红外、人体传感器；5.27寸双屏广告流媒体，边保洁边开展垃圾分类知识宣传。

[0003] B.A.R.Y.L是一款法国研发的移动智能垃圾桶。B.A.R.Y.L移动智能垃圾桶配备了传感器，当有物体靠近时，垃圾桶会自动打开，方便用户投放垃圾，并在一定时间后自动关闭。B.A.R.Y.L能够通过摄像头和人工智能技术识别用户的动作，在用户向其招手后会向用户移动并接纳乘客丢弃的垃圾。B.A.R.Y.L还能够通过传感器感知垃圾桶内的垃圾填充情况，并通过手机软件提醒用户何时需要清空垃圾桶。B.A.R.Y.L还可以远程控制，用户可以通过手机软件对B.A.R.Y.L进行远程控制，如开合垃圾桶、查看垃圾桶填充情况等。

[0004] 上述两款机械人具有以下缺点：(1)两款皆为移动智能垃圾桶，并没有自动收取垃圾的功能。(2)两款都不要具备自主垃圾分类的能力。(3)两款都需要人工进行后续的垃圾倾倒工作。

[0051] 下面结合附图和具体实施例对本发明的发明目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。

[0052] 如图1所示，一种自动倾倒垃圾的分拣机器人包括四个自动倾倒垃圾机构1、移动机构2、分拣机械手3、四个循迹模块、摄像头4和控制器。四个循迹模块从左到右依次排序地安装在移动机构2的最前端，分拣机械手3安装在移动机构2的前部分，摄像头4安装在分拣机械手3的右侧。四个自动倾倒垃圾机构1分别安装在移动机构2的后端和移动机构2的两侧。控制器分别与自动倾倒垃圾机构1、移动机构2、分拣机械手3、四个循迹模块、摄像头4和控制器连接。

[0053] 自动倾倒垃圾机构1用于储存不同类型的垃圾并能够自动倾倒垃圾。移动机构2用于让分拣机械人能够实现移动和转弯。分拣机械手3用于将垃圾搬运到各个自动倾倒垃圾机构1内。循迹模块用于检测轨迹线，并反馈信息给控制器作为判断。摄像头4用于拍摄照片，并反馈给控制器判断是否存在垃圾。控制器为单片机，用于控制各个机构和传感器，实现配合完成垃圾的分拣和倾倒。

[0054] 如图2‑5所示，自动倾倒垃圾机构1包括倾倒结构11和垃圾桶12，倾倒结构11包括桶底座111、转轴112、侧倾板113、两根第一连杆114、两根第二连杆115、两个倾倒舵机116和舵机底座117，垃圾桶12包括桶盖121、传动轴122、桶体123、翻盖舵机124和倾倒转轴座125。桶底座111安装在移动机构2的侧方，桶体123的底部与倾倒转轴座125连接，转轴112对称地安装在桶底座111的底部，两根转轴112可转动地插入到倾倒转轴座125内。传动轴122可转动地安装在桶体123的顶部，桶盖121与传动轴122固定连接。翻盖舵机124安装在桶体123的顶部侧方，翻盖舵机124与传动轴122连接。在桶体123设有红外传感器(未在图中显示)。在桶体123的侧方设有垃圾倾倒口，垃圾倾倒口与侧倾板113对应，侧倾板113的底端与桶底座
111铰接。在侧倾板113的中部位置两侧与第一连杆114的上端铰接，第一连杆114的下端与第二连杆115的一端铰接，第二连杆115的另一端与倾倒舵机116固定连接，倾倒舵机116通过舵机底座117安装在桶底座111的两侧。红外传感器、翻盖舵机124和两个倾倒舵机116均与控制器连接。

[0055] 如图6‑7所示，倾倒转轴座125包括底板125a、圆弧倾倒块125b和限位框125c，圆弧倾倒块125b与底板125a的底部连接，圆弧倾倒块125b设有轴孔125d，两根转轴112可转动地嵌入到轴孔125d内。限位框125c与底板125a顶部的边缘连接组成置桶槽125e，置桶槽125e用于桶体123的定位并固定。底板125a用于承托桶体123，圆弧倾倒块125b能够固定垃圾桶12的倾倒方向；限位框125c用于防止桶体123脱离底板。

[0056] 如图8所示，移动机构2包括四个车轮203、四个驱动电机202、一个车架201、四个循迹模块，四个循迹模块分别为第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207。四个车轮203分别通过四个驱动电机202安装在车架201的两侧，第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207均安装在车架201的最前端。第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207呈从左到右线性排列。四个自动倾倒垃圾机构1安装在车架201的后端和两侧，分拣机械手3安装在车架201的前端，摄像头4安装在分拣机械手3的侧方。第一循迹模块204、第二循迹模块205、第三循迹模块206、第四循迹模块207和四个驱动电机202均受到控制器的控制。

[0057] 车轮203为麦克纳姆轮，与地面产生摩擦，实现分拣机械人的转向和移动；驱动电机202将电能转换为机械能，为分拣机械人的移动提供动力；车架201起到支架作用；第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207均为红外发射器和红外接收器，用于检测轨迹线，并反馈给控制器。以正常状态工作时，发射器发射红外线，接收器接收反射光。如果有物体在其检测范围内且该物体能反射足够强度的红外线时，红外接收器就会接收到反射光并导通，此时TTL为低电平输出，指示二极管点亮。如果没有物体在其检测范围内或者红外线被黑色吸收时，则红外接收器无法接收反射光，因此保持关断状态，此时TTL为高电平输出，指示二极管熄灭。

[0058] 根据电机驱动芯片TB6612的真值表得知，设置控制器IO口的电平，即控制单片机的四个针脚的电平，从而控制电机驱动芯片(可以在现有市场中购买所得)的四个针脚的电平高低，就能使驱动电机202完成正转、反转、制动与停止的操作。由于这些操作只能让分拣机器人进行直线行驶，故决定利用定时器产生PWM信号来控制驱动电机202的速度，通过差速使分拣机器人拥有转弯的能力，这时分拣机器人即可根据循迹逻辑判断方法来行驶于预设好的合适路线上。根据循迹逻辑判断方法，控制器需要对四个循迹模块在是否检测到轨迹线方面进行判断。按照分拣机器人前端四个循迹模块检测到轨迹线，经过控制器判断，可能会出现四种情况，控制器需根据这四种情况控制驱动电机202转动，从而控制分拣机器人的行驶方向。循迹逻辑判断方法如图16。在图16中，1表示检测到轨迹线，0表示未检测到轨迹线。

[0059] 如图9所示，分拣机械手3包括依次连接的夹持结构31、摆臂32和旋转平台33，旋转平台33安装在移动机构2的车架201上，夹持结构31、摆臂32和旋转平台33均与控制器连接。夹持结构31用于抓取垃圾，摆臂32用于调节夹持结构31的位置，让夹持结构31能够达到适合的位置。旋转平台33用于调节摆臂32的伸向的角度。

[0060] 如图10和11所示，旋转平台33包括四根支撑柱331、舵机固定板332、旋转底座333、转动座334和旋转舵机335。舵机固定板332的底部通过四根支撑柱331安装在车架201上。旋转舵机335安装在舵机固定板332的底部，旋转舵机335穿过舵机固定板332与转动座334连接，转动座334可转动地安装在旋转底座333上。旋转底座333安装在舵机固定板332的顶部。转动座334与摆臂32的下端连接。旋转舵机335受到控制器的控制。

[0061] 支撑柱331用于支撑舵机固定板332形成一定高度方便安装旋转舵机335。舵机固定板332用于固定安装旋转舵机335。旋转底座333用于安装转动座334，减少与转动座334的摩擦。转动座334起到传动作用，带动摆臂32旋转。旋转舵机335为摆臂32的转动提供动力。

[0062] 如图12所示，摆臂32包括第一舵机安装座321、第一摆动舵机322、第一摆动架323、第二舵机安装座324、第二摆动舵机325、第二摆动架326、第三摆动架327、第三摆动舵机328和第三舵机安装架329。第一舵机安装座321与夹持结构31的转动安装座318连接。第一舵机安装座321与第一摆动架323铰接，第一摆动舵机322安装在第一舵机安装座321上，第一摆动舵机322的舵杆与第一摆动架323连接。第一摆动架323与第二舵机安装座324固定连接。第二摆动舵机325安装在第二舵机安装座324上。第二舵机安装座324与第二摆动架326铰接。第二摆动舵机325的舵杆与第二摆动架326连接。第二摆动架326与第三摆动架327固定连接，第三摆动舵机328的舵杆与第三摆动架327连接，第三摆动舵机328通过第三舵机安装架329安装在旋转平台33的转动座334上。

[0063] 第一舵机安装座321用于安装第一摆动舵机322。第一摆动舵机322用于带动第一摆动架323相对于第一舵机安装座321转动。第一摆动架323起到传动作用。第二舵机安装座324用于安装第二摆动舵机325。第二摆动舵机325用于带动第二摆动架326相对于第二舵机安装座324转动。第二摆动架326和第三摆动架327起到传动作用。第三摆动舵机328用于带动第三摆动架327相对于第三舵机安装架329转动。第三舵机安装架329用于安装第三摆动舵机328。

[0064] 如图13和14所示，夹持结构31包括两个夹爪311、两根第三连杆312、夹持底座313、两根齿轮摆杆314、夹持舵机315、连接件316、转动舵机317和转动安装座318。两个夹爪311的中部分别与两根第三连杆312的一端铰接，两个夹爪311的后端分别与两根齿轮摆杆314的一端铰接。两根第三连杆312的另一端与夹持底座313的前端铰接，一根齿轮摆杆314的另一端均与夹持底座313的左侧铰接。另一根齿轮摆杆314的另一端与转动舵机317的舵杆固定连接，两根齿轮摆杆314啮合。夹持舵机315安装在夹持底座313上。夹持底座313的后端通过螺栓与连接件316连接。转动舵机317的舵杆穿过夹持底座313然后与连接件316连接，转动舵机317安装在转动安装座318上。夹持舵机315和转动舵机317均受到控制器的控制。

[0065] 夹爪311用来夹持垃圾；第三连杆312用于连接夹持底座313与夹爪311；夹持底座313用于安装齿轮摆杆314和夹持舵机315；齿轮摆杆314起到传动作用，用于带动夹爪311夹持或者张开；夹持舵机315对夹爪311的夹持和张开提供动力；连接件316用于将夹持底座
313安装在转动舵机317上；转动舵机317为夹爪311的调整旋转角度提供动力；转动安装座
318用于安装固定转动舵机317。

[0066] 本实施例中采纳了基于MobileNetV2模型的迁移学习方法，通过共享模型的权重、偏置等核心参数，实现了从现有数据集到垃圾数据集的学习迁移。深度学习与迁移学习的有机融合，显著缩减了模型的训练时间，加速了模型的收敛，从而大幅提升了训练效率。迁移学习的关键在于将源领域的知识精准地应用于目标领域，以强化目标领域的学习效果。具体操作为：首先加载经过训练的MobileNetV2网络模型，然后针对新问题的特性，添加适当的可训练层，如全连接层或卷积层。接下来，利用新的数据集对这些层进行专门训练，以满足新问题的需求。在此过程中，采用fine‑tuning(微调)技术，即保持原有层的参数不变，仅对新增的可训练层进行微调。由于MobileNetV2已经积累了丰富的图像特征经验，这使得新任务中的特征提取更为精确，进而提高了模型的精确度和泛化性能。此外，借助优化后的MobileNetV2训练模型，不仅节省了从零开始设计和训练模型所需的时间和计算资源，同时也确保了在不损失已有学习特性的基础上，能够充分利用现有的参数。如图15所示，一种自动倾倒垃圾的分拣机器人的垃圾分类处理方法包括以下步骤：

[0067] S1、将优化后的MobileNetV2训练模型加载到分拣机器人中；如图16所示，步骤S1的优化后的MobileNetV2训练模型的学习过程包括以下步骤：

[0068] S11、收集关于大量垃圾图片及相关标签信息，对垃圾图片进行预处理，构建数据集，数据集划分为训练集、验证集和测试集；步骤S11的垃圾图片进行预处理包括图像翻转、亮度调节、图像去噪、尺度归一化和数据增强。

[0069] S12、加载经过训练的MobileNetV2网络模型，然后在经过训练的MobileNetV2网络模型上建立可训练层(包括全连接层或卷积层)；

[0070] S13、采用步骤S11的训练集对步骤S12的MobileNetV2网络模型的可训练层进行训练，得到MobileNetV2训练模型；

[0071] S14、采用步骤S11的验证集对步骤S13的MobileNetV2训练模型评估，并对MobileNetV2训练模型进行参数(权重、偏置)调整，得到优化后的MobileNetV2训练模型；

[0072] S15、采用测试集评估优化后的MobileNetV2训练模型的准确率、精确率和召回率。

[0073] S2、分拣机械人根据循迹逻辑判断方法行驶，同时摄像头4对垃圾拍摄，得到图像信息；步骤S2的循迹逻辑判断方法包括以下步骤：

[0074] S21、循迹模块包括依次排列的第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207，第一循迹模块204、第二循迹模块205、第三循迹模块206和第四循迹模块207同时检测轨迹线；

[0075] S22、判断是否只有第二循迹模块205和第三循迹模块206检测到轨迹线，如果是，则分拣机器人直线行驶，如果否则执行步骤S23；

[0076] S23、如果第一循迹模块204或/和第二循迹模块205检测到轨迹线并且第四循迹模块207没有检测到轨迹线时，则分拣机器人朝向第一循迹模块204的安装位置方向转向，否则执行步骤S24；

[0077] S24、如果第三循迹模块206或/和第四循迹模块207检测到轨迹线并且第一循迹模块没有检测到轨迹线时，则分拣机器人朝向第四循迹模块207安装位置的方向转向，否则分拣机器人停止移动。

[0078] S3、对步骤S2的图像信息进行预处理，预处理包括图像翻转、亮度调节、图像去噪、尺度归一化和数据增强，得到图像数据；

[0079] S4、根据步骤S3的图像数据，优化后的MobileNetV2训练模型对图像数据进行识别，判断是否存在垃圾，如果是，则输出垃圾类型，如果否则返回步骤S2；

[0080] S5、根据步骤S4的垃圾类型，分拣机械手3将垃圾抓取，同时对应的垃圾桶12自动打开桶盖121，分拣机械手3将垃圾转移到对应的垃圾桶12内，分拣机械手3复位并闭合桶盖121；

[0081] S6、重复步骤S1‑S5，直到检测到垃圾桶12满后，分拣机器人移动到指定位置，自动倾倒垃圾机构1进行倾倒垃圾。

[0082] 上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。