一种基于语音识别的垃圾分类器及其工作方法与流程

本发明属于人工智能技术领域，具体为一种基于语音识别的垃圾分类器及其工作方法。

背景技术：

垃圾分类是指，按照一定标准或规定将垃圾分类投放至不同容纳箱，便于接下来的回收利用，从而达到提高垃圾资源利用率的目的。

随着国家对垃圾分类越来越重视，各地区相继出台了垃圾分类政策。根据最新的上海垃圾分类规则，将垃圾分为可回收物、干垃圾、湿垃圾和有害垃圾。但是该工作起步初期由于人们对垃圾分类方法不熟悉导致垃圾分类处理的实施方面存在很多问题。虽然随着垃圾分类概念不断被强化，“智能垃圾箱”也出现在人们的生活中。但目前几类垃圾分类产品存在不少问题，比如：大部分智能垃圾箱的体积较大，价格昂贵，分类方法多以图像识别为主。这使得智能垃圾箱大多作为展示，广泛推行的很少。

技术实现要素：

本发明的目的在于提出了一种基于语音识别的垃圾分类器。

实现本发明目的的技术解决方案为：一种基于语音识别的垃圾分类工作方法，包括：

s1：采用传感单元监测是否有人靠近垃圾分类器，若检测到用户靠近，从休眠状态进入工作状态。

s2：开启语音识别模式，打开麦克风语音输入通道，实时采集用户输入的代表垃圾类别的语音数据。

s3：采用人工神经网络算法对所述语音数据进行处理、识别，输出对应的语音信息。

s4：根据对应的语音信息采用bp神经网络算法得到垃圾种类的信息。

s5：通过语音播放对应垃圾种类的名称，并点亮对应垃圾容纳箱上的指示灯，开启对应垃圾容纳箱开口。

s6：将垃圾分类器的使用情况通过网络发送至云平台进行记录。

进一步的，步骤s3中，所述采用人工神经网络算法对所述语音数据进行处理、识别，输出对应的语音信息的过程包括如下步骤：

s31：切除语音数据首尾端的静音进行语音识别预处理。

s32：采用梅尔倒谱系数特征提取算法，将语音数据进行拆分和帧移取，对每帧数据进行预加重并去除直流偏量，并与加窗函数相乘，最后进行快速傅里叶变换，把每帧数据波形转换成包含声音信息的多维向量，完成对语音数据的特征提取。

s33：采用人工神经网络算法进行语音识别训练，选取特征向量为输入层，输出层为音素信息，所述输入层沿神经网络将语音数据逐步传输至输出层，得到实际输出值，暂存各节点的输出值，将所述各节点的输出值与标签值进行比较，沿语音数据传播的反向逐步得到各节点相应的差值，结合各节点的差值与当前节点的权值完成权重更新，不断训练得到声学模型。

s34：将字与音素信息对应得到字典。

s35：结合声学模型和字典分析当前语音数据，输出对应的语音信息。

进一步的，步骤s4中，所述根据对应的语音信息采用bp神经网络算法得到垃圾种类的信息的过程包括如下步骤：

s41：将常用汉字单字对应的音素信号作为输入层，垃圾种类作为输出层，采用bp神经网络算法进行训练，并存储训练好的bp神经网络。

s42：将经过人工神经网络算法分析得到的语音信息拆分成单字，将单字对应的音素信号作为输入层，通过训练好的bp神经网络，得到对应垃圾种类信息，并作为结果数据输出。

进一步的，垃圾分类器的使用情况包括：垃圾分类器的开关次数、各垃圾容纳箱的剩余容量、垃圾分类器的故障情况。

一种基于语音识别的垃圾分类器，，所述垃圾分类器包括：垃圾箱本体、垃圾容纳箱、主控单元、语音识别单元、音频单元、存储单元、网络单元和传感器单元。

所述垃圾箱本体上表面等间距分布若干个垃圾投放口，与垃圾容纳箱一一对应，每个垃圾容纳箱外表面设置有对应的led指示灯，用于发出灯光提醒，每个垃圾容纳箱底部设置有多组滚轮，用于移动对应的垃圾容纳箱，运输垃圾。

所述语音识别单元与主控单元电连接，用于实时采集用户输入的代表垃圾类别的语音数据，对所述语音数据进行处理、识别，输出对应的语音信息至主控单元。

所述主控单元内嵌训练好的bp神经网络，根据输入的语音信息，计算得到具体的垃圾种类名称。

所述存储单元与主控单元电连接，用于存储预先设定的语音提示音。

所述音频单元与主控单元电连接，接收主控单元输出的垃圾种类名称信号，并进行语音播放提示。

所述网络单元与主控单元电连接，为物联网模块，用于将垃圾箱使用情况信息传输至云平台。

所述传感器单元包括红外传感器模块和压力传感器模块，所述红外传感器模块设置在垃圾箱本体上，用于监测是否有人靠近垃圾分类器，所述压力传感器一一对应地设置在垃圾容纳箱底部，用于监测对应垃圾容纳箱的剩余容量。

进一步的，所述垃圾容纳箱包括：可回收垃圾箱、湿垃圾箱、干垃圾箱、有害垃圾箱。

进一步的，所述物联网模块包括nb-iot模块。

本发明与现有技术相比，其显著优点为：

(1)整个垃圾分类过程通过语音控制实现，实现垃圾分类的智能化，与基于图像识别的垃圾分类器相比经济成本更低。

(2)采用人工神经网络算法进行语音输入识别训练，bp神经网络算法进行垃圾种类名称训练，提高了垃圾分类的识别率。

(3)全部采用低功耗元件使得垃圾箱的续航能力更长。

(4)通过物联网技术将垃圾箱使用信息传输至后端云平台，为垃圾箱管理和维护提供便利。

下面结合附图对本发明做进一步详细的描述。

附图说明

图1是本发明的一种基于语音识别的垃圾分类工作方法步骤图。

图2是本发明的一种基于语音识别的垃圾分类器的结构示意图。

图3是本发明的一种基于语音识别的垃圾分类器的结构示意图。

图4是本发明的一种基于语音识别的垃圾分类工作方法的工作流程图。

图5是本发明的一种基于语音识别的垃圾分类工作方法的语音识别流程图。

图6是本发明的一种基于语音识别的垃圾分类工作方法的垃圾种类分析流程图。

具体实施方式

如图2、图3所示，一种基于语音识别的垃圾分类器，包括：垃圾箱本体10、垃圾容纳箱20、主控单元30、语音识别单元40、音频单元50、存储单元60、网络单元70和传感器单元80。

垃圾箱本体10的上表面等间距分布若干个垃圾投放口，与垃圾容纳箱20一一对应。按照上海垃圾分类标准，本实施例中设置了4个垃圾容纳箱20，分别为：可回收垃圾箱、湿垃圾箱、干垃圾箱、有害垃圾箱。每个垃圾容纳箱20面对用户的外表面设置有led指示灯，用于在所投放的垃圾属于该垃圾容纳箱时，发出灯光提醒用户。在每个垃圾容纳箱20的底部，设置有2组或者4组滚轮，用于在运输垃圾时移动对应的垃圾容纳箱20，便于运输。

语音识别单元40、音频单元50、存储单元60、网络单元70和传感器单元80均与主控单元30电连接。

语音识别单元40用于通过麦克风阵列，实时采集用户输入的代表垃圾类别的语音数据，并对语音数据进行处理、识别，通过uart协议输出对应的语音信息至主控单元30。语音识别单元40包含有asr自动语音识别库，可以对语音进行解码，本实施例选择龙邱syn7318模块。

主控单元30内嵌训练好的bp神经网络，根据来自语音识别单元40的语音信息，计算得到具体的垃圾种类名称，本实施例选择stm32f103c8t6型号单片机。

存储单元50用于存储预先设定的各类语音提示音，例如：垃圾分类器唤醒提示音、垃圾种类名称提示音、用户操作提示音等。本实施例选择256m的tf内存卡。

音频单元60接收主控单元30输出的垃圾种类名称信号，通过sdio协议从存储单元50中调取对应的语音提示音，驱动扬声器进行语音播放提示，本实施例中与语音识别单元40使用同一龙邱syn7318模块。

网络单元70为物联网模块，考虑垃圾分类器基本不移动，低功耗的要求，选择支持低功率设备连接广域网协议nb-iot模块，降低使用功耗，提升电源使用寿命。网络单元70经串口与主控单元30电连接。网络单元70采用coap协议或者udp协议将垃圾箱的使用情况信息输出至云平台，由后端云平台运维人员对垃圾分类器进行远程管理。

传感器单元80包括红外传感器模块和压力传感器模块，与主控单元30通过gpio口连接。

红外传感器模块设置在垃圾箱本体10的外表面上，可以设置一组或者多组，用于监测是否有人靠近垃圾分类器，一旦任一组红外传感器监测有人靠近，输出变化的电信号至主控单元30，由主控单元30将垃圾分类器从休眠状态唤醒进入工作状态。

压力传感器一一对应地设置在垃圾容纳箱20的底部，在实际使用中，预先设置一垃圾容纳箱剩余容量阈值，压力传感器定时或者在每次用户投放完垃圾后，检测一次垃圾容纳箱的实际剩余容量，将实际剩余容量与剩余容量阈值进行对比，一旦实际剩余容量处于临界值甚至超过剩余容量阈值，垃圾分类器将通过网络模块70通知后端云平台，要求运维人员进行垃圾清运处理。

本实施例采用锂电池供电，并提供2个稳压电源，其中一个稳压电源采用lm2596稳压芯片，输出5v电源，向语音识别单元40和音频单元60供电，另外一个稳压电源采用ams1117稳压芯片，输出3.3v电源，向主控单元30供电。

垃圾分类器的工作过程为：

检测到有人靠近垃圾分类器后系统进入工作状态，实时采集语音数据，采用人工神经网络算法对语音数据进行处理、识别，输出对应的语音信息，根据语音信息采用bp神经网络算法得到垃圾种类的信息，音频单元播放对应垃圾种类的名称，并点亮指示灯，开启垃圾容纳箱开口，最后将垃圾分类器的使用情况发送至云平台进行记录。本发明将语音识别技术和bp神经网络算法加入垃圾分类工作过程中，实现了垃圾分类的智能化管理，提高了垃圾分类的效率，更为准确地帮助人们了解垃圾分类。

如图1、图4所示，一种基于语音识别的垃圾分类工作方法，包括：

s1：采用传感单元监测是否有人靠近垃圾分类器，若检测到用户靠近，从休眠状态进入工作状态。

利用设置在垃圾分类器本体上的多组红外传感器监测是否有人靠近垃圾分类器，一旦任意一组红外传感器检测到有人靠近，将设备从休眠状态唤醒，进入工作状态，这时可通过音频单元输出语音信息，提醒用户该设备可以接收语音输入。

s2：开启语音识别模式，打开麦克风语音输入通道，实时采集用户输入的代表垃圾类别的语音数据。

垃圾分类器开启语音识别模式，打开麦克风语音输入通道。用户通过麦克风将待投放垃圾名称以语音形式输入至语音识别单元。语音识别单元含有asr自动语音识别库，可以对语音进行解码。本实施例选择龙邱syn7318模块。

s3：采用人工神经网络算法对所述语音数据进行处理、识别，输出对应的语音信息。

如图5所示，在语音识别单元采用人工神经网络算法对采集到的语音数据进行处理和识别，具体步骤可分解为：

(1)切除语音数据首尾端的静音进行语音识别预处理。

由于垃圾分类器多放置于室外，长期暴露在嘈杂的环境下，可能受到周围环境噪声的干扰，导致语音识别问题，因此在本实施例中，需要对采集的语音数据进行预处理，将语音数据的首尾静音数据进行切除，确保语音识别单元处理的内容有效。

(2)采用梅尔倒谱系数特征提取算法，完成对语音数据的特征提取。

采用基于梅尔倒谱系数的特征提取算法，将语音数据按照每帧时长20ms进行划分，再进行帧移取10ms，对每帧语音数据进行预加重并去除直流偏量，接着与加窗函数相乘，最后进行快速傅里叶变换，把每帧数据波形转换成包含声音信息的多维向量，完成对语音数据的特征提取。

(3)采用人工神经网络算法进行语音识别训练，不断训练得到声学模型。

采用人工神经网络算法进行语音识别训练，选取特征向量为输入层，输出层为音素信息，所述输入层沿神经网络将语音数据逐步传输至输出层，得到实际输出值，暂存各节点的输出值，将所述各节点的输出值与标签值进行比较，沿语音数据传播的反向逐步得到各节点相应的差值，结合各节点的差值与当前节点的权值完成权重更新，不断训练得到声学模型。

(4)将输出的音素信息与汉字对应得到字典。

(5)结合声学模型和字典分析当前语音数据，输出对应的语音信息。

s4：根据对应的语音信息采用bp神经网络算法得到垃圾种类的信息。

结合图6，将经人工神经网络算法识别出的语音信息发送至主控单元，主控单元内嵌训练好的bp神经网络，根据输入的语音信息，通过bp神经网络算法得到垃圾种类的信息，具体的步骤可以分解为：

(1)将常用汉字单字对应的音素信号作为输入层，垃圾种类作为输出层，采用bp神经网络算法进行训练，并存储训练好的bp神经网络。在本实施例中，选择2000多个常用的汉字单字对应的音素信号作为输入层，按照上海垃圾投放标准以4种垃圾分类：可回收垃圾、湿垃圾、干垃圾、有害垃圾作为输出层，进行bp神经网络算法的训练，并将训练结果存储至主控单元。

(2)将识别出的语音信息拆分成单字，其对应的音素信号作为输入层，4种垃圾分类作为输出层，通过训练好的bp神经网络分析得到具体垃圾种类名称。

s5：通过语音播放对应垃圾种类的名称，并点亮对应垃圾容纳箱上的指示灯，开启对应垃圾容纳箱开口。

分析得到具体垃圾种类名称之后，主控单元将垃圾种类名称输出至语音播放单元，通过语音播放对应的垃圾种类名称，同时驱动点亮设置在对应垃圾容纳箱上的led指示灯，用于提示使用者应将垃圾投放至该垃圾容纳箱中，利用电机驱动装置自动开启对应垃圾容纳箱的开口，免去使用者的手动操作。

s6：将垃圾分类器的使用情况通过网络发送至云平台进行记录。

每次垃圾投放操作完成后或者按照预先设值的时间定时将垃圾分类器的使用情况通过物联网发送至后端云平台进行记录。垃圾分类器的使用情况包括：垃圾分类器的开关次数、各垃圾容纳箱的剩余容量、垃圾分类器的故障情况。云平台运维人员可以根据记录进行对应的维护操作，例如：远程分析垃圾分类器的故障、根据垃圾容纳箱的剩余容量情况要求环卫工人清理垃圾箱、根据垃圾分类器的开关次数调节该垃圾分类器的安置位置等。