최종 발표 자료

프로젝트 소개
1. 프로젝트 배경 및 목적
  1. 왜 쓰레기 분류가 중요한지 설명
    
    (1) 자원 절약
    
    (2) 환경 오염 감소
    
    (3) 온실가스 배출 감소
  2. 이 시스템을 통해 해결하자고 하는 문제
    
    (1) 사람들이 분리수거를 할 때, 재활용 방법을 잘 몰라서 안하는 경우가 존재
  (2) 또한 본인에게 직접적으로 돌아오는게 없어서 안함
  
  (3) 이러한 문제를 자동 분리수거를 이용하여 해결
시스템 설계
1. 하드웨어 구성 요소 설명(LED, 초음파, 서보 모터, DC 모터 etc)
  1. LED
  2. 초음파 센서
  3. 서보 모터
  4. 카메라 모듈
  5. DC 모터
  6. lcd

알고리즘 및 코드

시스템 주요 알고리즘
1. 초음파 센서를 이용한 물체 감지
  
  (알고리즘 단순하게 정리)
2. cv를 통한 물체 분류
3. 서보 모터를 이용한 쓰레기 분류 동작

코드 흐름 설명

주요 함수 및 모듈에 대한 간단한 설명

(1) 초음파 센서 함수

def get_distance(pin):
    try:
        distance = grovepi.ultrasonicRead(pin)
        return distance
    except TypeError:
        print("초음파 센서가 작동되지 않음")
        return None

(2) DC 모터 함수

# DC 모터 제어 함수
def operate_dc_motor(speed, state):
    if state == 1:
        GPIO.output(IN1, GPIO.HIGH)
        GPIO.output(IN2, GPIO.LOW)
        pwm1.ChangeDutyCycle(speed)

        GPIO.output(IN3, GPIO.HIGH)
        GPIO.output(IN4, GPIO.LOW)
        pwm2.ChangeDutyCycle(speed)
    else:
        GPIO.output(IN1, GPIO.LOW)
        GPIO.output(IN2, GPIO.LOW)
        pwm1.ChangeDutyCycle(0)

        GPIO.output(IN3, GPIO.LOW)
        GPIO.output(IN4, GPIO.LOW)
        pwm2.ChangeDutyCycle(0)

(3) 서보 모터 함수

def move_servo(result):
    if result == 'Paper':
        grovepi.servoWrite(SERVO_PIN1, 30)
        grovepi.servoWrite(SERVO_PIN2, 120)
    elif result == 'Plastic':
        grovepi.servoWrite(SERVO_PIN1, 60)
        grovepi.servoWrite(SERVO_PIN2, 90)
    elif result == 'PET':
        grovepi.servoWrite(SERVO_PIN1, 90)
        grovepi.servoWrite(SERVO_PIN2, 60)
    elif result == 'Glass':
        grovepi.servoWrite(SERVO_PIN1, 120)
        grovepi.servoWrite(SERVO_PIN2, 30)
    time.sleep(1)

(4) 쓰레기 분류

# 쓰레기 분류 함수
def classify_waste(input_image):
    input_hist = cv2.calcHist([input_image], [0, 1, 2], None, [8, 8, 8], [0, 256, 0, 256, 0, 256])
    cv2.normalize(input_hist, input_hist, 0, 1, cv2.NORM_MINMAX)

    best_match = None
    highest_score = -1

    for label, ref_image in reference_images.items():
        ref_hist = cv2.calcHist([ref_image], [0, 1, 2], None, [8, 8, 8], [0, 256, 0, 256, 0, 256])
        cv2.normalize(ref_hist, ref_hist, 0, 1, cv2.NORM_MINMAX)
        score = cv2.compareHist(input_hist, ref_hist, cv2.HISTCMP_CORREL)

        if score > highest_score:
            highest_score = score
            best_match = label

    return best_match

(5) lcd 함수

# I2C LCD 관련 설정
I2C_ADDR = 0x27
LCD_WIDTH = 16
LCD_CHR = 1
LCD_CMD = 0
LCD_LINE_1 = 0x80
LCD_LINE_2 = 0xC0
E_DELAY = 0.0005

# LCD 제어 함수
def lcd_byte(bits, mode):
    bus.write_byte_data(I2C_ADDR, mode, bits)
    time.sleep(E_DELAY)

def lcd_string(message, line):
    message = message.ljust(LCD_WIDTH, " ")
    for i in range(LCD_WIDTH):
        lcd_byte(ord(message[i]), LCD_CHR)

def lcd_init():
    lcd_byte(0x33, LCD_CMD)
    lcd_byte(0x32, LCD_CMD)
    lcd_byte(0x06, LCD_CMD)
    lcd_byte(0x0C, LCD_CMD)
    lcd_byte(0x28, LCD_CMD)
    lcd_byte(0x01, LCD_CMD)
    time.sleep(E_DELAY)

데이터 흐름

(1) try 안에 while 반복문 정의

try:
    bus = smbus.SMBus(1)
    lcd_init()

    while True:
        # 초음파 센서 1에서 물체 감지
        if get_distance(ULTRASONIC_PIN_1) < 10:
            operate_dc_motor(speed=50, state=1)  # 모터 작동
            time.sleep(3)  # 이동 시간

        # 초음파 센서 2에서 물체 감지
        if get_distance(ULTRASONIC_PIN_2) < 10:
            operate_dc_motor(speed=0, state=0)  # 모터 정지

            # 카메라로 이미지 캡처
            camera = cv2.VideoCapture(0)
            ret, frame = camera.read()
            camera.release()

            if ret:
                # 쓰레기 분류
                result = classify_waste(frame)
                print(f"분류 결과: {result}")
                lcd_string("Classified as:", LCD_LINE_1)
                lcd_string(result, LCD_LINE_2)

                # 서보 모터 동작
                move_servo(result)

            time.sleep(2)

except KeyboardInterrupt:
    pwm1.stop()
    pwm2.stop()
    GPIO.cleanup()
    print("프로그램 종료")

시스템 구현 과정
1. 하드웨어 설치 및 조립
  
  (1) 설계도
2. 분류 모델 설명
  
  (1) 모델 기본 설명
테스트 및 결과
1. 실제 하드웨어 동작 과정 영상
2. 딥러닝 분류 모델 동작 과정 영상
문제점 및 개선점
1. 문제점
  1. 기존에 목표였던 라즈베리파이에, 모델 넣기 실패 이유
    
    (1) 라즈베리파이2의 하드웨어 한계로 인해 tensorflow 설치 이슈
  2. 분류 한계
    
    (1) 하드웨어적인 한계로 인해 너무 무겁거나 큰 물체는 분류하지 못함
    
    (2) 사용자가 하나하나 쓰레기를 넣어야함
2. 대안 및 개선점
  1. cv 사용
  2. 셔틀과 배큠을 이용한 분류
    
    (1) 영상
결론

1. 프로젝트 성과

(1) 목표 달성 여부
- 목표: 쓰레기 분류 시스템을 설계하고 구현하여, 물체를 정확히 감지하고 분류하는 과정을 자동화하는 것.
  - 물체 감지: 초음파 센서를 이용해 물체의 접근을 정확히 감지.
  - 물체 분류: TensorFlow 모델과 OpenCV를 활용하여 플라스틱, 종이, PET, 일반 쓰레기를 정확히 분류.
  - 분류 결과 반영: 서보 모터를 제어하여 쓰레기를 각 카테고리에 따라 분리.
- 성과:
  - 분류 정확도: 훈련된 딥러닝 모델의 테스트 정확도가 85% 이상.
  - 시스템 작동: 컨베이어 벨트, 서보 모터, 센서, LCD가 모두 정상적으로 작동하여 분류 작업 완료.
  - Tensorflow 설치 문제 : Tensorflow 설치 문제로 cv를 통하여 기존에 입력된 데이터만 분류 가능
(2) 주요 성과
- 하드웨어와 소프트웨어의 통합:
- 실시간 작동 가능:
- 소형화된 설계:
2. 기대 효과

(1) 환경 보호
- 분리배출 오류를 줄임으로써 쓰레기 재활용률을 증가시키고, 매립지 및 소각 처리로 인한 환경 오염을 감소.
- 플라스틱과 같은 재활용 가능한 자원의 효과적인 회수를 통해 자원 낭비 방지.
(2) 효율적인 쓰레기 관리
- 기존의 수작업 분리 과정을 자동화하여 시간과 인건비를 절약.
- 분리된 쓰레기가 각 카테고리별로 적재되어, 처리 공정이 간소화됨.
(3) 교육적 도구로 활용 가능
- 학교나 공공 기관에서 쓰레기 분리배출의 중요성을 교육하기 위한 시연 도구로 활용 가능.
(4) 상업적 활용 가능성
- 쓰레기 처리 공장의 자동화 설비의 기본 모델로 발전 가능.
- 스마트 시티, IoT 기반 환경 관리 시스템에 적용 가능.
3. 한계 및 문제점

(1) 제한된 분류 대상
- 현재 시스템은 플라스틱, 종이, PET, 일반 쓰레기의 4가지 종류로 제한되어 있음.
Q&A

목차

1. 프로젝트 성과

2. 기대 효과

3. 한계 및 문제점