AI Smart Trash Can

AI Smart Trash Can 是一個結合 AI 垃圾分類、Arduino 控制、攝影機影像辨識與重量感測 的智慧垃圾桶系統。

系統使用 Python 執行 AI 影像分類，Arduino 負責按鈕、重量感測器與馬達控制，兩者透過 Serial 通訊互相傳遞資訊。

---

1. Project Structure

ai_trashcan/
├── src/
│   ├── nano_code.py
│   ├── classification.py
│   └── classify.py
│
├── arduino/
│   └── controller.ino
│
├── models/
│   └── .gitkeep
│
├── dataset/
│   └── .gitkeep
│
├── requirements.txt
├── .gitignore
└── README.md

Python 程式

src/nano_code.py

整個系統的主程式。

主要負責：

• 與 Arduino 建立 Serial 通訊
• 接收 Arduino 的啟動訊號
• 控制攝影機
• 擷取垃圾影像
• 呼叫 classification.py 進行垃圾分類
• 將分類結果傳送回 Arduino
• 接收重量資料
• 控制整個垃圾分類流程

這是正式執行智慧垃圾桶時的主要入口。

---

src/classification.py

負責 AI 模型推論。

主要流程：

Camera Image
     ↓
Image Preprocessing
     ↓
Trained Model
     ↓
Classification
     ↓
Garbage Class

目前分類類別：

cardboard
glass
metal
paper
plastic
trash

此程式會從 models/ 載入訓練完成的模型。

---

src/classify.py

負責 AI 模型訓練。

主要工作：

1. 讀取 dataset/
2. 建立訓練資料與驗證資料
3. 進行影像前處理
4. 使用 ResNet50 進行 Transfer Learning
5. 訓練垃圾分類模型
6. 評估模型
7. 將訓練完成的模型輸出到 models/

因此：

classify.py
    ↓
Training Dataset
    ↓
ResNet50
    ↓
Trained Model
    ↓
models/

---

Arduino

arduino/controller.ino

Arduino 端控制程式。

主要負責：

• 按鈕輸入
• HX711 重量感測器
• 馬達 / Servo 控制
• 垃圾分類後的分流
• 與 Python 透過 Serial 通訊

Arduino 負責硬體控制，Python 負責 AI 與主要流程。

---

2. System Flow

完整系統流程：

User
 │
 ▼
Press Button
 │
 ▼
Arduino
 │
 │ buttonPressed
 ▼
Python / nano_code.py
 │
 ▼
Camera Capture
 │
 ▼
classification.py
 │
 ▼
ResNet50 Model
 │
 ▼
Garbage Classification
 │
 ├── cardboard
 ├── glass
 ├── metal
 ├── paper
 ├── plastic
 └── trash
 │
 ▼
Python sends result
 │
 ▼
Arduino
 │
 ▼
Motor / Servo
 │
 ▼
Garbage Sorting
 │
 ▼
Weight Measurement
 │
 ▼
Python receives weight

---

3. Requirements

建議使用：

• Python 3.10+
• Arduino IDE
• USB Serial connection
• Webcam / USB Camera
• Arduino board
• HX711
• Load Cell
• Servo / Motor

Python 套件可以透過以下指令安裝：

pip install -r requirements.txt

---

4. Dataset

本專案的 Dataset 不放在 GitHub repository 中。

原因：

• Dataset 通常包含大量圖片
• Repository 容量會快速增加
• GitHub 不適合儲存大量訓練圖片
• Dataset 與程式碼應分開管理

將 Dataset 下載後放到：

dataset/

---

4.1 Dataset Directory Structure

Dataset 必須按照分類建立資料夾。

例如：

dataset/
├── cardboard/
│   ├── image001.jpg
│   ├── image002.jpg
│   └── ...
│
├── glass/
│   ├── image001.jpg
│   └── ...
│
├── metal/
│   ├── image001.jpg
│   └── ...
│
├── paper/
│   ├── image001.jpg
│   └── ...
│
├── plastic/
│   ├── image001.jpg
│   └── ...
│
└── trash/
    ├── image001.jpg
    └── ...

也就是：

dataset/
    ├── cardboard/
    ├── glass/
    ├── metal/
    ├── paper/
    ├── plastic/
    └── trash/

資料夾名稱必須與程式設定的 class name 一致。

---

4.2 Dataset Source

本專案使用的資料集可以從公開的垃圾分類資料集取得。

推薦使用 Kaggle 的 Garbage Classification 類型資料集。

下載 Dataset 後，將對應的六個分類資料夾放到：

dataset/

最終確認：

dataset/cardboard/
dataset/glass/
dataset/metal/
dataset/paper/
dataset/plastic/
dataset/trash/

如果下載的 Dataset 原本還有其他資料夾，請依照 classify.py 的資料讀取方式整理成上述結構。

---

5. Train the AI Model

第一次使用本專案時，需要先訓練模型。

確認 Dataset 已放置：

dataset/
├── cardboard/
├── glass/
├── metal/
├── paper/
├── plastic/
└── trash/

然後執行：

python src/classify.py

訓練流程：

Dataset
   ↓
Image Preprocessing
   ↓
Training / Validation Split
   ↓
ResNet50
   ↓
Transfer Learning
   ↓
Model Training
   ↓
Model Evaluation
   ↓
Save Model

訓練完成後，模型會輸出到：

models/

例如：

models/
└── model.h5

實際模型檔名以 classify.py 的設定為準。

---

6. Use the Trained Model

完成模型訓練後，確認：

models/
└── <trained-model>

然後連接：

• Arduino
• Webcam
• HX711
• Load Cell
• Servo / Motor

確認 Arduino 已經燒錄：

arduino/controller.ino

接著執行：

python src/nano_code.py

此時 Python 主程式會：

1. 建立 Arduino Serial connection
2. 等待 Arduino 發送啟動訊號
3. 啟動攝影機
4. 擷取垃圾影像
5. 使用訓練好的模型進行分類
6. 將分類結果傳給 Arduino
7. Arduino 控制垃圾分流
8. 取得垃圾重量
9. 完成一次分類流程

---

7. Model and Dataset Are Not Included

本 GitHub repository 不包含 Dataset 與訓練完成的模型。

Repository 只保留：

dataset/
└── .gitkeep

models/
└── .gitkeep

這兩個 .gitkeep 的用途只是讓 GitHub 保留資料夾結構。

使用者 clone repository 後，需要自行：

Step 1 — 取得 Dataset

將 Dataset 放入：

dataset/

Step 2 — 訓練模型

python src/classify.py

Step 3 — 確認模型

models/
└── <trained-model>

Step 4 — 執行智慧垃圾桶

python src/nano_code.py

---

8. Recommended Workflow

第一次使用：

# 1. Clone repository
git clone <repository-url>

# 2. Enter project
cd ai_trashcan

# 3. Install dependencies
pip install -r requirements.txt

# 4. Put dataset into dataset/
# dataset/
# ├── cardboard/
# ├── glass/
# ├── metal/
# ├── paper/
# ├── plastic/
# └── trash/

# 5. Train model
python src/classify.py

# 6. Connect Arduino and camera

# 7. Start the system
python src/nano_code.py

---

9. Project Architecture

                    ┌─────────────────┐
                    │    Arduino      │
                    │ controller.ino  │
                    └────────┬────────┘
                             │
                         Serial
                             │
                             ▼
                    ┌─────────────────┐
                    │  nano_code.py   │
                    │   Main Program   │
                    └────────┬────────┘
                             │
                     Camera Image
                             │
                             ▼
                    ┌─────────────────┐
                    │classification.py│
                    │    Inference     │
                    └────────┬────────┘
                             │
                      Trained Model
                             │
                             ▼
                    ┌─────────────────┐
                    │     models/     │
                    └─────────────────┘

                    Training Pipeline

                    ┌─────────────────┐
                    │    dataset/     │
                    └────────┬────────┘
                             │
                             ▼
                    ┌─────────────────┐
                    │   classify.py   │
                    │     Training    │
                    └────────┬────────┘
                             │
                             ▼
                    ┌─────────────────┐
                    │     models/     │
                    └─────────────────┘