第10课：《动手造智能垃圾箱》

【学习目标】

• 掌握智能垃圾分类系统的硬件搭建方法

• 能应用决策树逻辑设计分类方案并编程实现

• 通过实践测试系统准确率并优化决策逻辑

【情境导入】

小区里新装了一个智能垃圾箱：你把塑料瓶靠近识别区，蓝色指示灯亮起，语音提示“可回收物，请投入”；你把废旧电池靠近，红色指示灯亮起，“有害垃圾，请投入”。垃圾箱怎么“认出”垃圾的？它内部有一套完整的“图像采集→AI识别→决策判断→结果反馈”系统！今天，我们就把上节课学的决策树原理变成现实，亲手搭建一个智能垃圾箱！

【知识大揭秘】

搭建智能垃圾箱需要硬件和软件的配合，核心是将决策树逻辑转化为可执行的控制系统。

硬件部分包括四个模块：AI图像识别模块（摄像头+识别芯片，负责采集垃圾图像并识别类型）、主控板（接收识别结果，执行决策树逻辑，控制执行器）、人体红外传感器（检测是否有人靠近，触发识别流程）、数字舵机（控制垃圾桶盖的开合，不同类别的垃圾打开对应颜色的桶盖）。

软件部分的核心是决策树逻辑的编程实现。主控板程序的工作流程是：红外传感器检测到有人靠近→唤醒AI识别模块→摄像头采集垃圾图像→AI模型识别垃圾类型→主控板根据决策树逻辑判断类别→控制对应舵机打开桶盖→语音播报分类结果→延时后关闭桶盖。

调试和优化是实践的关键环节。常见问题包括：识别不准确（需要补充训练数据或改善光照条件）、舵机响应延迟（需要优化程序逻辑）、误分类（需要调整决策树的特征顺序或增加判断条件）。通过反复测试和调整，系统的识别准确率和响应速度会逐步提升。

【生活案例】校园智能垃圾箱
某小学在食堂门口安装了智能垃圾箱。一开始，系统经常把“沾了油渍的纸盒”误判为“湿垃圾”（因为检测到了油渍水分），实际上它应该属于“干垃圾”。同学们通过在决策树中增加一个判断条件“是否可自然降解”来修正这个问题。经过一周的优化，分类准确率从75%提升到了92%！

【AI看图学】

【动手玩一玩】

任务：搭建智能垃圾分类系统

步骤：
1. 准备材料：主控板、AI识别模块、人体红外传感器、2个数字舵机、LED灯
2. 连接硬件：将各模块连接到主控板对应接口
3. 编写程序：实现“检测人→识别垃圾→决策分类→打开桶盖→语音反馈”流程
4. 准备5种测试垃圾，逐一测试识别和分类效果
5. 记录分类准确率，分析错误原因
6. 根据测试结果优化决策逻辑或补充训练数据

预期结果：系统能对常见垃圾进行基本分类，但对复杂或罕见垃圾可能分类不准。通过优化可提升准确率至85%以上。

【思考与延伸】

智能垃圾箱的识别数据（你扔了什么垃圾、什么时候扔的）是否涉及隐私？如果这些数据被用来分析个人生活习惯，你觉得合理吗？