基于智能小车的乡村社区环境监管系统设计_王春宇.pdf

本栏目责任编辑：唐一东人工智能Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）基于智能小车的乡村社区环境监管系统设计王春宇1，张道诚1，徐宏伟1，姜林2(1.湖南工商大学 智能工程与智能制造学院，湖南 长沙 410205；2.湖南工商大学 前沿交叉学院，湖南 长沙 410205)摘要：乡村社区环境治理对于乡村振兴具有重要的意义。现有乡村社区生活环境治理方式因部分村民环保意识较低，存在治理监管困难的问题。针对该问题，文章提出基于智能小车的乡村社区环境监管系统。该系统采用智能小车在乡村社区进行自动巡航并实时采集图像，通过深度学习模型对不文明行为和脏乱环境进行识别与检测，最后将结果反馈至管理后台，由管理人员对村民不文明行为等进行约束和规范，达到乡村社区智能化环境治理的目的。关键词:智能小车;自动巡航；不文明行为识别;脏乱环境检测;乡村环境治理中图分类号：TP391文献标识码：A文章编号：1009-3044(2023)04-0026-03开放科学（资源服务）标识码(OSID)：1 概述建设美丽乡村，必须以生态为本，在乡村振兴战略的持续影响下，乡村社区治理工作逐渐受到重视1。但是，由于乡村社区生活环境治理受到各种因素影响，导致环境保护形势不容乐观，环境监管急需加强2，新农村的社区环境建设仍存在很大问题。随着乡村的日益发展，乡村治理手段日益增加，调查显示，我国现有乡村社区环境治理方法有如下几点：吴惟予、肖萍倡导从生态文明的角度引入契约关系，以环境自治契约为核心构建乡村环境契约管理体系3；杨浩勃、黄斌欢、姚茂华支持限制政府支持市场的盈利倾向，并在乡村地区建立受国家、市场和社会影响的环境治理平衡4；赵永峰基于长期健康的乡村综合治理视角，倡议健全乡政府管束机制，促进全民参与，完善法律管制5；肖萍、朱国华认为，引入第三方治理是解决农村环境资本匮乏、法治缺失、主体不明等问题的重要途径6。总体来说，我国乡村生活环境治理主要应用两种模式，一种是传统治理模式，另一种是新兴的PPP模式7。传统乡村社区生活环境治理模式属于“政府直控”模式。PPP模式主要是政府机构与私营部门进行合作，政府给予政策支持，私营部门通过产品及服务端实现乡村社区治理8。不论是传统治理模式还是新兴的PPP模式，均存在以下两点问题:(1)乡村社区环境治理中村民主体意识缺失9。“免费搭车者”现象在环境治理中较容易产生，从而“政府干、群众看”情形在某些地方成为一种常态。(2)政府主导作用发挥不充分10。该问题主要体现在管理体制的不完善，包括基层政府管理的碎片化、多头化等，造成对乡村社区生活环境治理监管的匮乏。针对以上两点问题，本文提出一种基于智能小车的乡村社区智慧环境监管系统，实现对乡村社区环境进行治理。不同于传统的治理方式，它将搭载了自动巡航、脏乱环境检测、不文明行为识别、智能语音播报功能的小车投入乡村进行使用，通过智能小车协助管理人员，达到规范村民的行为、养成良好的环境意识、更好地治理环境的目的，从根本上对乡村社区环境进行整治。2 系统架构基于智能小车的乡村社区环境监管系统架构如图1所示，该系统以智能小车作为硬件平台在乡村社区进行自动巡航，主要负责图像数据采集，并将采集到的数据经由深度神经网络识别模型，将不文明行为识别结果和脏乱环境检测结果反馈至监管后台，乡村社区环境治理人员依据监管后台数据对乡村环境进行治理。3 关键算法设计3.1 自动巡航算法设计自动巡航算法主要包括地图构建(Gmapping 算收稿日期：2022-09-20基金项目：湖南省大学生创新创业训练计划(S202110554051)作者简介：王春宇(2000)，男，河北张家口人，本科，研究方向为机器学习；张道诚(2001)，男，湖南吉首人，本科，研究方向为计算机视觉；徐宏伟(2001)，男，湖南益阳人，本科，研究方向为机器学习；通信作者：姜林(1977)，男，湖南常德人，副教授，博士，研究方向为智能语音处理。E-mail：http：/Tel：[phone] 65690964ISSN 1009-3044Computer Knowledge and Technology电脑知识与技术Vol.19,No.4,February202326DOI:10.14004/ki.ckt.2023.0195人工智能本栏目责任编辑：唐一东Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）法）与路径规划(TEB 算法），自动巡航流程如图 2所示。激光雷达数据采集创建地图路径规划自动巡航图2 自动巡航流程3.1.1Gmapping算法Gmapping 是 2007 年 由 GiorgioGrisetti 和 CyrillStachniss等人提出的11，它是一种基于Rao-Blackwellized粒子滤波器的二维激光SLAM技术。Gmapping可以实时构建环境地图，且地图精度较高，对激光雷达扫描频率要求较低等优势，因此，本文采用该算法进行实时定位与地图构建。ROS提供了一个 Gmapping的算法功能包，它的整体架构见图3，它可以为智能小车的深度信息、IMU信息、里程表信息以及在完成必要的参数设置后生成并输出二维网格图。即时定位与地图建模（gmapping）栅格地图深度信息IMU信息里程计信息图3 Gmapping功能包总体框架3.1.2 TEB路径规划算法TEB算法就是在起点与终点位姿的全局路径中以时间Ti为间隔均匀插入N个中间位姿，对各个中间位姿施加约束。通过这个优化变形，找到满足各种约束的最终可行路径12。设智能小车的n个位姿Si=xi,yi,i，xi,yi表示智能小车的位置信息，i表示方向。则智能小车的位姿有序序列为：Q=Sii=0nn N(1)通过合并连续位姿的时间间隔，生成一个时间间隔序列：=Tii=0n-1n N(2)智能小车的轨迹表示为:B:=()Q,(3)速度和加速度约束用几何约束的惩罚函数实现，线速度和角速度是根据T 时间内的连续位姿xi和xi+1之间的距离和的角度变化计算:vi1T ()xi+1-xiyi+1-yi(4)a=2dmin-d(5)wiaT ()xi+1-xiyi+1-yi(6)dmin为智能小车与障碍物的安全距离。加速度的约束是根据两个连续的平均速度计算，通过欧氏距离单位时间内的变化量计算，需要考虑三个连续位姿和相应的两个时间间隔：ai 2()vi+1-viTi+Ti+1(7)规划出的路径以时间最优为目标，该方法代替了其他路径规划算法以路径最短为目标的做法，可使智能小车花费最短的时间到达目标点，时间约束的目标函数：fk=()Ti2(8)3.2 不文明行为识别与脏乱环境检测算法设计考虑到计算机本身的性能问题以及便捷的云平台，最终模型的训练与导出均在飞桨平台AISTUDIO上完成，模型的部署及测试在树莓派上完成。3.2.1 模型选择本文本着略微降低精准性，极大提高推理速度的原则，对目标检测算法进行研究。经过对现有主流检测算法的资料查阅以及实验，发现PP-YOLOv213算法不仅推理速度快，而且精确度高，故本文最终选用PP-YOLOv2模型。3.2.2 模型训练PP-YOLOv2模型的训练过程可以分成两部分，如图4所示：图像输入使用神经网络提取特征图像划分生成锚框标注预测框关联特征图和预测框输出特征图.创建损失函数进行训练图4模型训练流程图上传至后端图1 系统架构27本栏目责任编辑：唐一东人工智能Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）上方支路使用卷积神经网络对图像进行特征提取，并对候选区域的位置和类别进行预测。特征图的大小随着网络不断向前传播而逐渐缩小，每一个像素点都表示了更为抽象的特征，直至最终得到特征图。下方分支则是按一定规则在图片上进行图像划分，然后生成锚框，根据候选框与真实框的位置关系，生成预测框。最后关联上方的特征图与下方的预测框，创建损失函数，对模型进行训练。为了解决乡村街道图像中的环境复杂、少量的特征图难以得到高性能的不文明行为识别与脏乱环境检测模型的问题。首先，扩大输入图像尺寸，扩大输入是为了增大目标区域，从而使网络更容易捕捉小尺幅目标的信息。其次，在检测颈采用了FPN（特征金字塔网络）的变形之一PAN15（路径聚合网络）由顶部到底部进行特征信息聚合。检测颈采用的激活函数为在YOLOv4和YOLOv5上表现良好的mish激活函数。mish(x)=x*tanh(ln(1+ex)(10)tanh(x)=ex-e-xex+e-x(11)最后，为了解决最终的检测对象预测忽略了IoU的问题，本文采用将对象预测与IoU综合起来得到一个新的对象预测的做法：s=objectness1-*p(12)其中p为检测框与真实框之间的交并比的预测值，a为平衡参数，设置为0.5。本文使用二分类交叉熵损失函数来学习p，公式如下所示：loss=-IoU*log(p)-(1-IoU)*log(1-(p)(13)其中，(p)为sigmoid函数。3.2.3 模型的导出与部署模型导出通过PaddleDection将训练好的模型进行导出，通过PaddleLite将导出模型转换为nb文件并嵌入树莓派，然后在树莓派端安装PaddleLite工具，最后在树莓派端利用PaddleLite工具进行相应的部署。4 系统实验4.1 硬件系统本文的主体是EPRobot智能机器人小车，EPRobot智能机器人小车是计算机编程、机器人开发以及嵌入式系统开发等方向定制开发的学习平台。小车主要由树莓派4B、底盘控制器、激光雷达、深度相机、2个配 有 编 码 器 的 电 机 以 及 底 盘 组 成。它 内 置 了Ubuntu18.04操作系统，并安装了ROS-melodic版本的机器人开发框架，不仅可以进行嵌入式Linux系统以及ROS系统的实践与开发，同样能够非常方便快捷地实现各种机器人控制的算法与程序。4.2 软件平台为了能够通过一系列的指令实现对机器人小车的控制，使其完成同步定位与建图以及识别等工作。在个人PC端通过与机器人小车端连接进行数据关联，ROS 系统将数据无线传输，组建成一个完整的平台。4.3 数据集介绍PASCAL Visual Object Classes（简 称 PASCALVOC)16，是一个世界级的计算机视觉挑战赛。2005年2012年间，该视觉挑战赛每年都发布带标签的图像数据库并开展算法竞赛，由此产生了一系列数据集。本文使用的数据集为VOC格式数据集，其中，标签文件存放到 Annotations 文件夹中，样本图集存入Images文件夹中。其中250张样本作为验证集，1575张样本图片作为训练集，675张样本作为测试集。4.4 实验效果及讨论智能小车通过巡航算法在乡村社区进行自动巡航，通过车载摄像头实时采集图像数据，运用不文明行为识别和脏乱环境检测算法识别不文明行为和检测脏乱环境。实验在学校教学楼旁道路展开，其场景整体较为适合模拟乡村社区道路模拟。实验结果如图5、图6所示。图5不文明行为识别结果图6脏乱环境检测结果5 结论本文通过对乡村社区环境治理现有模式的研究发现，现有模式主要存在村民在环境治理过程中主体（下转第32页）28本栏目责任编辑：唐一东人工智能Computer Knowledge and Technology电脑知识与技术第19卷第4期(2023年2月）第19卷第4期(2023年2月）教学的深度融合的方式和路径，为将来推广新的课堂教学评价方法和手段打下基础。参考文献：1 罗祖兵,郭超华.新中国成立70年课堂教学评价标准的回顾与展望J.中国教育学刊,2020(1):55-61.2 王春杨,敖敏.我国高校课堂教学评价的现状、问题与对策J.当代教育理论与实践,2016,8(2):103-106.3 刘洪.面向金课建设的大学课堂教学评价体系研究J.黑河学院学报,2021,12(9):73-75.4 吴军,秦福利,韦兰用.高校线上课堂教学质量评价体系的构建与实践J.教育观察,2022,11(22):95-98.5 杨晓哲,任友群.教育人工智能的下一步应用场景与推进策略J.中国电化教育,2021(1):89-95.6 未华倩,邹莉.人工智能实现发展性课堂教学评价的定位与路径J.重庆电子工程职业学院学报,2020,29(4):55-58.7 许世红,刘军民,王时舟,等.人工智能视域下课堂教学智慧评价:理论建构、模型支撑与技术实现J.教育测量与评价,2022(2):56-65.8 吴立宝,曹雅楠,曹一鸣.人工智能赋能课堂教学评价改革与技术实现的框架构建J.中国电化教育,2021(5):94-101.9 骆祖莹,张丹慧.课堂教学自动评价及其初步研究成果J.现代教育技术,2018,28(8):38-44.10 刘清堂,何皓怡,吴林静,等.基于人工智能的课堂教学行为分析方法及其应用J.中国电化教育,2019(9):13-21.11 孙众,吕恺悦,骆力明,等.基于人工智能的课堂教学分析J.中国电化教育,2020(10):15-23.12 炕留一,叶海智,张瑾,等.基于多维数据的课堂教学行为评价研究J.现代教育技术,2022,32(4):68-77.13 徐家臻,邓伟,魏艳涛.基于人体骨架信息提取的学生课堂行为自动识别J.现代教育技术,2020,30(5):108-113.14 汪亭亭,吴彦文,艾学轶.基于面部表情识别的学习疲劳识别和干预方法J.计算机工程与设计,2010,31(8):1764-1767,1778.15 韩丽,李洋,周子佳,等.课堂环境中基于面部表情的教学效果分析J.现代远程教育研究,2017(4):97-103,112.16 倪童,桑庆兵.基于注意力机制与特征融合的课堂抬头率检测算法J.计算机工程,2022,48(4):262-268.17 陈杰.基于计算机视觉的课堂学生行为分析系统D.上海:华东师范大学,2022.18 贾鹂宇,张朝晖,赵小燕,等.基于人工智能视频处理的课堂学生状态分析J.现代教育技术,2019,29(12):82-88.19 刘新运,叶时平,张登辉.改进的多目标回归学生课堂行为检测方法J.计算机工程与设计,2020,41(9):2684-2689.20 孙发勤,邓雯心.基于人工智能的课堂学习情感评价研究J.中国教育信息化,2019(23):58-62.【通联编辑：谢媛媛】（上接第28页）意识缺乏的弊端，针对这一问题，本文设计一种基于智能小车的乡村社区环境监管系统。该系统同传统治理方式不同，其在通过智能小车实现智能监管的同时，在很大程度上解决了村民主体意识缺乏的问题，从而有力推动了乡村振兴的建设。参考文献：1 李荣.实施乡村振兴战略推进农村生态文明建设J.南方农机,2022,53(8):101-103.2 万晓冉.加强农村人居环境整治“小切口”推动乡村振兴“大战略”J.中华建设,2022(1):20-24.3 吴惟予,肖萍.契约管理:中国农村环境治理的有效模式J.农村经济,2015(4):98-103.4 杨浩勃,黄斌欢,姚茂华.乡村环境的协同治理:生态政治学与社会的生产J.农业现代化研究,2015,36(1):28-33.5 赵永峰.农村生态环境治理机制的系统化设计研究J.农业经济,2017(2):43-44.6 肖萍,朱国华.农村环境污染第三方治理契约研究J.农村经济,2016(4):104-108.7 杜焱强,刘瀚斌,陈利根.农村人居环境整治中PPP模式与传统模式孰优孰劣?基于农村生活垃圾处理案例的分析J.南京工业大学学报（社会科学版）,2020,19(1):59-68,112.8 马静.基于PPP模式的我国农村环境治理的研究D.天津:天津商业大学,2011.9 安勇,张美琪.乡村振兴背景下农村人居环境治理研究J.经济师,2022(4):53-54.10 张志胜.多元共治:乡村振兴战略视域下的农村生态环境治理创新模式J.重庆大学学报（社会科学版）,2020,26(1):201-210.11 Grisetti G,Diego Tipaldi G,Stachniss C,et al.Fast and accurate SLAM with Rao-Blackwellized particle filtersJ.Roboticsand Autonomous Systems,2007,55(1):30-38.12 代婉玉,张丽娟,吴佳峰,等.改进TEB算法的局部路径规划算法研究J.计算机工程与应用,2022,58(8):283-288.13 Huang X,Wang X X,Lv W Y,et al.PP-YOLOv2:a practical object detectorEB/OL.2021:arXiv:2104.10419.https:/arxiv.org/abs/2104.10419.14 He T,Zhang Z,Zhang H,et al.Bag of tricks for image classification with convolutional neural networksC/2019 IEEE/CVFConference on Computer Vision and Pattern Recognition(CVPR).June 15-20,2019,Long Beach,CA,USA.IEEE,2020:558-567.15 Liu S,Qi L,Qin H F,et al.Path aggregation network for instance segmentationC/2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.June 18-23,2018,SaltLake City,UT,USA.IEEE,2018:8759-8768.16 Everingham M,Ali Eslami S M,Gool L,et al.The pascal visualobject classes challenge:a retrospectiveJ.International Journal of Computer Vision,2015,111(1):98-136.【通联编辑：唐一东】32