基于神经网络识别的垃圾分类平衡机器人

本机器人具有广泛应用前景，解决日益严重的环境污染和资源浪费问题，能在复杂环境中解决人工操作难以实现的自动化，精确化，智能化问题。该平衡机器人具有自主定位、自主移动、自主避障、通过垃圾、垃圾抓取与搬运、路径规划等功能。利用外界算力平台，通过神经网络构建垃圾模型，计算特征点，打包传入嵌入式AI计算设备(TX2)，通过TX2解算相应的模型，更精确的视觉识别物品模型。同时设计相对应程序使得机器人每个任务都安全可行。并且机器人可在狭窄环境下实现换向。加入视觉识别相机实现垃圾识别、以及放置到指定位置。其次，该机器人加入机械夹爪，可对大体积垃圾进行抓取放置。该机器人的底盘使用STM32作为主控芯片，可以迅速反映，快速获取电机，舵机等反馈数据。且应用PID算法进行控制，根据目标轨迹与当前误差，动态地调整控制参数，机器人四周都装有距离传感器可自动避障，且下方装配了定位轮实时监测机器人位置，若发生问题可以及时做出反应。

随着人民环保意识的提高，可回收垃圾分类问题得到广泛关注，垃圾分类机器人能够有效的提高垃圾处理效率。如今垃圾分类机器人正处于发展初期阶段，在垃圾分类和垃圾处理方面存在一些问题和挑战。其中包括：机器人识别垃圾的准确性、受限于实际工作环境的复杂性、且可回收垃圾种类繁多，难以通过视觉方法进行材质分类。本文针对以上问题，提出了一种基于神经网络[1]的取放一体平衡机器人[2]。(1) 通过设计机械夹爪，通过深度学习在位姿估计等领域的优越性能，为机械夹爪提供准确的位姿信息，提高了垃圾分类任务准确性；(2) 设置定位轮，实现机器人全自动定位，通过定位轮使用两个坐标系二分法精准位置解算使得机器人能稳定到达目的地，并通过摄像头避障，实现时刻勘探周围环境，使其在复杂的环境下仍能安全作业；(3) 提出基于卷积神经网络[3]的垃圾图像分类算法(Garbage Classifica-tion Net, GCNet)，在网络结构中融合了注意力机制模块与特征融合模块，提高了模型在垃圾分类任务上的准确性与鲁棒性，解决其难以分类的问题。

2. 系统设计 2.1. 系统框架 本机器人的运动控制系统采用STM32F429IGT6 作为主控。STM32F429IGT6 具有高性能的ARM Cortex-M4 处理器， 可以高效地执行各种指令， 处理复杂的算法和任务。

该处理器还具有安全性如存储器保护单元和执行保护，有助于保护机器人系统免受恶意攻击。此外，它还提供丰富的外设功能包括，通信接口、如UART、SPI、I2C、CAN)、模拟/数字转换器(ADC/DAC)、定时器、PWM 控制。可以依此实现机器人系统的多样化复杂功能。此外，STM32F429IGT6 还具有低功耗特性，同时成本优势突出，易于