智能移动垃圾分拣机器人

广东东软学院本科毕业设计（论文）内容摘要本课题探讨一种基于机器视觉识别技术的智能移动垃圾分拣机器人系统。该系统实现了简单背景下进行路径规划遍历待清扫区域，目标对象的识别和定位。系统采用深度学习的方法实现简单背景下目标垃圾的真实性识别，由目标检测模块、导航模块以及分拣控制模块三大部分组成。自动导航基于ROS分布式框架，采用激光雷达采集清扫区域环境信息，运用扫描匹配算法的SLAM功能，通过最优路径算法进行路径规划遍历清扫区域。机器人遍历过程中，目标检测模块通过SSD_MobileNet_V2深度学习算法对摄像头获取的图像进行目标检测以及目标分类，获取目标的坐标及其角度信息作为分拣控制模块的输入信息，控制分拣控制模块执行垃圾抓取任务。关键词：机器视觉垃圾分拣深度学习自动导航

AbstractThispaperdiscussesanintelligentmobilegarbagesortingrobotsystembasedonmachinevisionrecognitiontechnology.Thesystemrealizesthepathplanning,traversingtheareatobecleaned,andidentifyingandlocatingthetargetobjectinasimplebackground.Thesystemusesthemethodofdeeplearningtorealizetheauthenticityidentificationofthetargetgarbageinthesimplebackground,whichiscomposedofthreeparts:thetargetidentificationunit,navigationunitandthesortingcontrolunit.BasedontheROSdistributedframework,automaticnavigationuseslidartocollecttheenvironmentinformationofthecleaningarea,usestheslamfunctionofscanningmatchingalgorithm,andusestheoptimalpathalgorithmtoplanandtraversethecleaningarea.Intheprocessofrobottraversal,thetargetrecognitionunitdetectsandclassifiestheimageacquiredbythecamerathroughtheSSD_MobileNet_V2deeplearningalgorithm,obtainsthecoordinatesandangleinformationofthetargetastheinputinformationofthesortingcontrolunit,andcontrolsthesortingcontrolunittoperformthegarbagegrabbingtask.KeyWords:Machinevision,GarbagesortingDeepLearningAutomaticpilot

目录第一章绪论 61.1课题研究背景与意义 61.1.1研究背景 61.1.2研究意义 61.2国内外研究现状 7第二章总体设计方案 92.1任务需求与功能分析 92.1.1任务需求 92.1.2功能分析 92.2系统构成 10第三章硬件电路设计 113.1硬件选型 113.1.1导航模块主控制板选型 113.1.2摄像头模块选型 123.1.3舵机选型 133.1.4激光雷达选型 143.1.5微控制器选型 143.2总体结构分布 15第四章系统软件设计 174.1目标检测模型制作 174.1.1前期准备 174.1.2 模型建立与评估 174.2激光SLAM运用 194.2.1SLAM导航系统框架 194.2.2建图系统框架 204.3软件流程 21第五章系统调试 235.1模型训练设置 235.1.1数据增强 235.1.2模型训练 235.2性能指标测试 245.3结论 25参考文献 26致谢 27

第一章绪论1.1课题研究背景与意义1.1.1研究背景从2000年以来，中国在经济方面取得了飞速发展，虽然生活水平得到了显著提高，但是优质生活所带来的困扰也在不断增加，特别是生活废品、垃圾的飞速增长，导致我国逐渐成为受垃圾污染最严重的国家之一。有关部门统计表明，生活垃圾的产量与GDP增长存在一定关系，随着经济的飞速增长，人均生产垃圾也会随之飞速增长，中国人口基数的庞大也是最重要的原因之一。在2019年国务院发布了一则重要通告，是有关于在全国地级城市进行生活垃圾分类工作的重要指示，决定在2019年起对全国地级及以上城市全面启动垃圾分类工作。尽管全国各地都在积极推动人民要积极进行垃圾分类处理，也都采取了各种措施来实施垃圾分类，即使垃圾分类的重要试点——上海，推行相关政策20多年，但是从实际执行的过程及效果来看，并没有达到政府所预期的成果。综合来看，居民对于垃圾的分类意识不强烈、分类知识欠缺、地方执行监管力度不够严格、未从根源分类等都可能是造成分类效果不理想的原因。我们所面临的难题依然：是如何才能促进发发明更加节省人力又有效的垃圾分类方式。在许多发展中国家，垃圾分类和减量势在必行，在这些国家，固体废物的快速增长与处理能力不足之间的不平衡可能是一个挑战。城市固体废物管理是当今城市社会面临的一个重大挑战，因为它占公共预算的很大一部分，如果处理不当，会导致环境和社会问题。分类是指将生活垃圾放入不同的垃圾桶中，通过不同的清洁、运输和回收方式，使其成为新的资源。但是自从出现了与人们乱丢垃圾导致水污染、生态灾害、大气污染和垃圾围城等有关的问题之后，环境在以我们控制不了的速度持续恶化，这种行为应该得到制止。由于西方国家和一些亚洲国家城市化水平相对较高，城市垃圾问题也就更早的显现出来，现在国外主流措施对垃圾的源头控制、市场与经济调控。日本在垃圾分类处理方面属于世界顶尖水平。由于日本的孩子从小就接受环保方面的教育，最主要的优点是他们对垃圾分类方面的宣传与教育，公共场诸如：公交车、地铁等所都会用自带的垃圾袋去装垃圾。在分类方式上日本垃圾分类比较细致。他们本身就存在着非常完善的垃圾管理系统，对于居民源头分类是最有效的办法，居民分类指导、经济鼓励性和强制性手段可促进居民的源头分类。1.1.2研究意义在这种形势下，垃圾分类收集已成为当务之急和现代化建设的必然趋势。我们普通公民的义务是垃圾分类回收，这不单单是国家的职责，我们的家园应该由我们每一个人保护。目前，分类垃圾桶在我国城市街道上大部分只是贴有标签的普通垃圾桶，需要人为去识别垃圾种类，这种分类桶缺乏自控能力，再加上我国对垃圾分类宣传力度不够，可回收垃圾的种类是很多人的知识盲区，使其分类并没有达到想要的结果，回收后的再次分类消耗了大量的时间，依然需要安排人力对其进行处理。目前，人工垃圾分类效率低的缺点需要改进，取而代之的是机器人抓取系统。本课题研究的是一种智能移动垃圾分拣机器人，其基于机器视觉识别技术扫描识别垃圾并抓取垃圾和通过路径规划遍历清扫需要人工清理的区域。本系统由分拣控制模块、目标检测模块以及导航模块三大模块组成。导航模块基于ROS分布式框架，机器人遍历过程中，使用基于扫描匹配算法的SLAM功能，利用安装在地盘上的激光雷达采集扫描周围区域环境的整体信息并进行建图，通过最优路径算法进行路径规划遍历需要代替人工清扫的区域。目标检测模块是由计算机连接摄像头，通过SSD_MobileNet_V2深度学习算法对摄像头获取的图像进行目标检测以及分类，分拣控制模块通过处理后所获取的目标坐标及其角度信息作为的输入信息，控制执行对垃圾进行抓取任务。1.2国内外研究现状国外对于机器视觉技术的运用已经相对成熟，尤其是工业化程度较高的国家。如德国、美国、日本等国家，已经被广泛的应用在其工业生产中，其技术及应用已经走在世界的前列。日本的研究学者曾设计一款可除杂草并收割蔬菜的机器人，其利用机器视觉系统识别杂草的位置，在通过机械结构割除的同时收割蔬菜。研究学者曾用傅里叶函数对收集的开心果图片进行图像特征点提取，同时利用CNN卷积神经网络实现开心果的等级选择，从这个事例中也可看出卷积神经网络可以提取更准确的特征，实现对开心果的精细分类。早在二十世纪90年代，英国就基于机器视觉技术开发了一种蘑菇采样机器人，利用图像检测和识别技术实现对蘑菇的识别、分类及定位。在垃圾分类处理方面，荷兰的一家机器人公司开发了一款垃圾分类机器人，该机器人的分拣系统都是由荷兰已经制造的现成的工业机器人零部件组装而成，不仅可以对垃圾进行分拣的同时，还能够对机器人上的各个部位进行任意功能部件的添加，其所佩戴的新的测量装置，安装在其机械臂上的摄像头、能够对重物进行测量的重量测量仪、触觉反馈和金属探测器所采集的综合数据，不仅能对金属、塑料、木材，甚至对混凝土等的较难判断的软质物质进行分类，还能降低有害物质对人体的危害。为机器人系统上电后，根据系统设定，可以让机器人从各种各样的垃圾中分拣出可回收以及不可回收利用的垃圾材料，将需要被分拣的废品放在垃圾传送带上，机器人的机械手将废品等垃圾拣起并通过机器视觉技术进行分析，机器人将能识别出垃圾的种类，识别后放在不同的垃圾回收分类箱里。从而进一步提高这种单双臂机器人的识别和分拣成功率，对于环境保护和节省人员有巨大的优势。在2019年11月09日，上海进博会的ABB公司展出了一款垃圾分类机械臂，整套系统是听过一云计算、深度学习、边缘计算以及机器人自动化等前沿技术的综合性应用使其能够默契配合，并以此实现了各种各样垃圾包括瓶子、纸巾、塑料袋等识别和分拣的自动化和无人化。分拣堆区域的单机械臂ABB机器人负责把收集到的垃圾桶里的垃圾放入投料区并对它进行精准识别。随后发送给分拣区的双机械臂ABB机器人，最终实现垃圾的分类与回收工作。

第二章总体设计方案2.1任务需求与功能分析2.1.1任务需求在生活的垃圾回收处理系统中，垃圾分类是整个系统的关键过程，其速率能够制约整个生产线的效率，因此垃圾分拣是最关键的环节。目前，全世界范围内的生活垃圾分拣线主要还是是采用传统的人工分拣的方式，以传送带将生活垃圾持续平铺传送，其两侧站立多名工人，以手动抓取的方式对垃圾进行分拣。传送带不间断运行，工人长期在垃圾旁边进行重复性的垃圾分拣工作，手工分拣工作不仅量大、自动化程度差，而且工人会因为长期的工作而容易疲劳，从而使垃圾分拣工作效率降低，且具有工作环境恶劣、有害垃圾对人体的伤害等弊端。因此，生活垃圾处理生产线急需采用自动化机器人系统替代人工分拣，将垃圾处理厂打造成无人化、智能化的智慧工厂。当给前复杂环境下的目标检测识别是当前机器视觉检测技术的关键难题，到目前为止，针对具有粘连和遮掩的目标对象的分类，尚未有成熟的视觉处理产品可以满足此需求。特别是与工业机械臂实时配合的视觉辨识技术也没有成熟的解决方案。本文以国内当前急需发展的环保产业为中心点，展开智能移动垃圾分拣机器人系统相关技术的讨论，以实现无人化、垃圾分拣生产线智能化为目标，最终还可将相关技术推广运用到分类及物料智能辨识等相关行业领域，应用面广泛。2.1.2功能分析课题所述的智能移动垃圾分拣机器人系统需要将生活中的垃圾进行识别分类，通过分类后的结果将垃圾进行分拣处理回收，需要满足以下需求：（1）能在稳定充足的光照环境或者各种理想环境下，激光雷达扫描环境区域，进行3D建图，获取周围的环境信息。（2）通过安装在计算机上的摄像头实现实时传输图像功能，获取符合要求的图像数据。（3）计算机将在简单理想环境下，对摄像头所拍摄的实时情况进行目标检测分类识别，并且将处理结果保存，最终进行数据对比。（3）机械臂能通过现有所组装的元件实现对垃圾的分类和抓取或者通过气泵吸取入桶。（4）整个系统的功能模块搭配密切，具有较好的稳定性和抗干扰性，能够持续稳定的进行整套流程的操作。（5）该系统有一定的模块可组可拆化，可以进行拆卸、非核心部件的组合等，为后续的功能实现提供更大可能性。2.2系统构成该基于机器视觉的智能移动垃圾分拣机器人系统主要包括：目标检测模块、导航模块、分拣控制模块，下图2.1所示是整个系统构成图：图2.1系统构成图根据课题开发了一款基于机器视觉识别技术的智能移动垃圾分拣机器人，该机器人的总体框架分为三大模块：导航模块、目标检测模块以及分拣控制模块。导航模块由软硬件结合构成，分别为ROS机器人操作系统和激光雷达。目标检测模块硬件上由摄像头、计算机构成，软件上由谷歌开源TensorFlow框架负责垃圾类别的目标检测。分拣控制模块为能够夹取垃圾的机械臂、吸附木板或者纸巾的气泵。智能移动垃圾分拣机器人的工作流程如下：首先，开启网络以及无线通讯系统，使机器人正常启动。在进行垃圾分拣前，将机器人放置于待清理的区域中，控制机器人行走整个待清理区域，让机器人上的激光雷达扫描待清理区域的环境，使用上位机建立待清理区域的2D平面图，上位机建立完2D平面图后，机器人将根据平面图的自拟路线，按照导航模块的指示，自动巡航整个待清理区域。机器人在行走的过程中，摄像头会将每一帧图像数据送达上位机，上位机的目标检测模块将每帧图像处理后的图像计算取得特征数据，与经过训练后的识别模型系统库所存储的垃圾图集特征数值进行对比，若对比后的特征值数据相似度超90%以上，目标检测系统则会将其判别为垃圾，控制器控制分拣控制模块，使机械臂对垃圾进行清理，往返循环。

第三章硬件电路设计3.1硬件选型3.1.1导航模块主控制板选型导航模块需要接收通过激光雷达采集的大量环境数据，进行里程等大量数据计算，这要求处理器需要足够优秀的运算能力。有以下两种主控制板供选择：第一种是世界著名的Nvidia制造商旗下的JetSonNano人工智能计算机,如图3.1所示。图3.1JetSonNano这是一款个人便携式设备，其主打低功耗，虽然使用了相比Pascal老一代的Maxwell架构GPU，但是包含的128个视觉CUDA核心足够应付大多数小型嵌入式系统的视觉需求，在电量仅为5W的情况下能将运算浮点提高达到472GFLOPS。其技术规格如下表3.1所示：参数名称技术规格GPU128-coreMaxwellCPUQuad-coreARMA57@1.43GHz内存4GB64-bitLPDDR425.6GB/s存储视频编码视频解码摄像头连接屏幕USB其他引脚规格microSD(notincluded)4K@30|4x1080p@30|9x720p@30(H.264/H.265)4K@60|2x4K@30|8x1080p@30|18x720p@30(H.264/H.265)1xMIPICSI-2DPHYlanesGigabitEthernet,M.2KeyEHDMI2.0andeDP1.44xUSB3.0,USB2.0Micro-BGPIO,I2C,I2S,SPI,UART69mmx45mm,260-pinedgeconnector表3.1JetSonNano技术规格第二种是价格比较相对JetSonNano较为低廉的树莓派3B+，如下图3.2所示：图3.2树莓派3B+其是一种基于ARM的小型个人电脑，相较于较早型号的树莓派3B，CPU最高到达1.4GHZ，拥有更强的WIFI连接（支持5G频段以及BT4.2&BLE）功能，无线连接支持5GHZ的WiFi频段能够使计算机操控树莓派更加方便。其主要配置如下表3.2所示：参数名称技术规格SOCBroadcomBCM2837BOGPU64位1.4GHZ以太网HAT有线网络WiFi同等条件功耗测试同等条件温度测试1000M802.11AC无线；2.4GHZ/5HZ双频WiFi1.67A81°表3.2树莓派3B+规格由主控制器只用来控制驱动板块和分拣控制模块的运行，从性能方面，树莓派3B+能够胜任用来处理激光雷达传输数据的速度并同时进行2D平面图的绘制；从主机整体面积上测量方面，树莓派3B+占用空间相较于JetSonNano更小，更易于携带。从成本方面，树莓派只有不到JetSonNano三分之一的价格，因此完全符合本课题的制作需求。3.1.2摄像头模块选型题主要有两种摄像头供选择，一种是可以进行视觉导航、红外扫描周围环境的深度摄像头；另外一种则是普通摄像头，只用来进行2D视频的获取。第一种是来自Intel公司的D415/D435深度摄像头，它的用途广泛，能够进行物体识别、定位和跟踪；实现现代流行的人脸面部识别、整只手臂骨骼的跟踪和手势控制。它的强大之处不仅仅在视觉方面，还包括了一个双阵列高精度回音消除麦克风。如下图3.3所示：图3.3D415深度摄像头D415规格如下表3.3所示：参数名称技术规格深度技术主动红外（IR）立体输出分辨率1280x720深度流输出帧率90fps最小深度距离0.3mRGB传感器分辨率和帧速度30fps时为1920x1080红外信号发射器功率可配置至达440毫瓦表3.2D415规格第二种是CMOSSensor摄像头。RGB数据除了能表示红绿蓝三种颜色之外，各自色阈控制在0至255之间，还能表示任何一种由红绿蓝组合而成的颜色。在本课题的机器视觉系统中，拍照部分由摄像机和镜头两部分组成，因为所要分拣研究的对象是垃圾，所以需要快速且精准的捕捉运动中的物体图像，并且考虑其在实际操作中的空间限制等问题，本课题只需采用一般的摄像头元器件即满足对自动垃圾分类的探索条件。机器视觉方面采用1/2.7OV2710CMOSSensor。在一般情况使用下能够保持较好的低照度，模组搭配1080P1/2.7"3.6mm高清拍摄镜头，照度可达星光级0.038Lux。高速640X480@120fps，1280X720@60fps，1920X1080@30fps。除了用于普通广告机、视频会议和高清监控等领域，还能支持USB2.0OTG协议和接入OTG设备。3.1.3舵机选型本课题研究选取机械臂由自己组装而成，采用5个MG996R型号的舵机来机械臂三自由度抓取。由于本次垃圾分为2类，所以旋转机构除了旋转精度高、扭力较大之外，还需要有较大的转动角度。故依据实验研究要求，本次选择大扭力单轴数字舵机MG996R如下图3.4所示：图3.4MG996R舵机另外其具有4.8V/9kg-cm的超大扭力，能实现180度大角度转动，具体规格参数如下表3.4所示：参数名称技术规格扭矩9kg/cm(4.8V)，11kg/cm(6V)电压4.8~6V齿轮类型金属齿轮死区速度角度重量尺寸5us(微秒)0.19秒/60°(4.8V)，0.18秒/60°(6V)180°55jigug40.7mm

×

19.7mm

×

42.9mm表3.4MG996R规格参数3.1.4激光雷达选型激光雷达购买了思岚A1雷达，其在国产一些SLAM导航项目中得到广泛应用，而且价格相对合理，测距的经典范围在0.15－12米，扫描角度为0－360°，其性能参数刚好适合于实验场景。性能参数如下表3.5所示：参数名称技术规格角度分辨率≤1单次测距时间0.5ms测量频率2000-8000Hz可调节扫描频率5-10Hz可调节表3.5思岚A1雷达参数3.1.5微控制器选型由于微控制器的得负责移动和接收树莓派3B+反馈的数据进行行走，并且需要进行机械臂的控制，因此需要选择频率相对较高的微控制器。意法半导体开发的STM32F405拥有168MHz频率的主频，采用ART自适应实时存储加速器，能够完美释放Corte-M4内核的性能；当CPU工作于所有允许频率时，可以达到几乎零等待周期的性能，并且拥有5个串口通讯设备，完全满足课程需求。3.2总体结构分布机械部分分为上下两层结构，第一层放置高性能笔记本，第二层放置其他模块。主要由车轮、车架、目标检测模块、导航模块、分拣控制模块五部分组成。机器人总体结构如图3.5所示：图3.5机器人总体结构.树莓派3B+：作为激光雷达的系统搭建，为了能让机器人以最快速度的进行导航，轻巧易于携带、性能好。.OV2710摄像头：采用1/2.7CMOSSensor。拥有很好的低照度，照度可达星光级0.038Lux。模组搭配3.6mm1080P高清镜头。高速640X480@120fps，1280X720@60fps，1920X1080@30fps。用于广告机、视频会议、高清监控等领域；支持USB2.0OTG协议，可接入OTG设备。.舵机：主要用于使机械臂进行运动，综合速度与力度的考虑，最终选定了MG996R。.思岚A1激光雷达:使用最高模式8000采样频率可以实现对环境的360度全方位扫描测距检测，确保机器人快速度运动时地图构建的质量并获得周围环境的轮廓图，最后构建2D平面图。.驱动控制微处理器：主要用于控制减速直流电机。拥有频率可达168MHz的STM32F405可以提高反应的速度，缩短机器人清理垃圾运作时间。.机器人上下层：为了便于对机器人进行加工和组装模块，减轻机器人的整体运行重量，本课题采用了亚克力板作为机器人搭载硬件的主体。直径32cm，厚度1cm的圆形。为了增大空间，机器人分为了上下两层，第一层搭载高性能计算机、摄像头、垃圾存储盒以及机械臂；第二层搭载树莓派3B+、STM32F405和电源等小型设备。.车轮：用于运载所有设备，一个搭载在底部亚克力板的万向和两个在前方的动力轮。两个动力轮带有防止打滑的橡胶轮胎，提高机器人对于环境的自适应能力。.机械臂和气泵：用于拾取垃圾、纸巾和木板。.高性能计算机：为了实现实时拍摄并且能够尽可能地快处理每一帧照片与模型库进行对比，机器人使用性能较好的计算机。.垃圾存储盒：20cm*19cm*10cm的3D打印垃圾存储盒。

第四章系统软件设计4.1目标检测模型制作4.1.1前期准备首先在上位机端安装深度学习Tensorflow框架与Python语言框架进行编程，Tensorflow是由谷歌公司发明的神经网络框架，是一个用于Python编写的高级神经网络API，能同时支持循环神经网络和卷积神经网络，两者可以紧密组合，在CPU和GPU上无缝衔接运行，可以实现训练模型的快速化训练和实现；把你的想法转为实验结果尽可能缩短时间上的限制。所以基于Tensorflow框架搭建CNN的有模块化、简单快捷、易扩展性等特点。垃圾的图像为瓶子、纸巾以及木板，但是这些原始图像有一些外来干扰因素导致数据不符合模型训练的基本条件，因此需要对图像进行以下处理：.清洗数据首先，数据清洗指的是对图像数据进行检验和重新审查。为了保证图像数据属性的一致性问题，需要纠正原本存在未标注、标注的错误和删除重复的图像信息。首先，为了保证图像的质量问题，需要花费大量时间在人工查看图像数据上，由于一些体型较大的垃圾，如木板，不易折叠缩小体积，使得整个图像空间被占满，算法模型会难以提取其特征数据，导致训练后的最终模型不能进行目标检测识别，从而导致数据和计算时间的浪费，需予以剔除。第二是必须保持图像数据一致性。因为在拍摄数据集的过程中，可能会有与待标注垃圾的无关物品出现，因此要在多种环境、背景下进行数据集采集。.分类数据在进行图像存储时，需要将图像保持在不同类别的文件夹，使垃圾类别与文件夹名字一一对应。需要保证每张照片都分在对应的类别中。.分类数据二次采集图像数据经过清洗和分类后，已经初步满足模型训练的基本要求，但是如果在训练过程中，出现识别率从高到低的大幅下跌曲线，可以确定是数据没有得到完全准确标注或者数据集不够完好，需要进行二次采集。模型建立与评估.交叉验证数据目标检测系统的搭建主要包括三个部分：数据读取并进行人工处理、模型训练以及最终版本的模型测试。数据读取处理是利用交叉验证法，把原本的数据集划分为三个集合，分别为训练集、验证集和测试集；并同时使用人工数据增强技术对训练数据加以增强来提升其模型的泛化能力。模型训练部分是通过预训练的SSD_MobileNet_V2模型作为基础框架搭建深度卷积神经网络进行迁移学习，并使用经过数据增强的训练集对模型进行训练，且使用验证集的数据验证训练效果，也就是识别正确率的高低。模型最终测试部分，通过实际情况中拍摄的图像检验最终模型的性能，以此确定模型的识别率。由于数据集的数量不是很充足，因此本课程将训练集的数量控制为1050张，验证集和测试集都为225张，占比分别为70%、15%、15%，这样划分的目的是降低过拟合的发生几率。.SSD_MobileNet_V2深度卷积神经网络本课题构建基于SSD_MobileNet_V2模型的训练模型，主要框架与官网API的SSD_MobileNet_V2模型一致，但是分类的类型较少，因此保留了输入层、池化层和个卷积层，去除了2个全连接层来防止过拟合的情况发生。如下图4.1所示：图4.1SSD_MobileNet_V2简化模型.模型训练由于Adam模型训练算法有计算方便实现、计算快速、内存占用较少等优点，因此选择此算法为最佳模型训练算法。每个输出概率所属置信度，选用对损失函数进行计算，具体公式（1）如下：𝑙𝑜𝑔_𝑙𝑜𝑠𝑠=−1𝑁∑𝑦𝑖𝑁𝑖=1𝑙𝑜𝑔𝑝𝑖+(1−𝑦𝑖)𝑙𝑜𝑔(1−𝑝𝑖)（1）4.2激光SLAM运用ROS机器人系统是一个以一个机器人编程框架，有别于Windows、Mac不同的是：它只是一个中间桥梁，负责在Linux与应用程序之间进行联系。使得机器人的感知、控制算法和决策可以更好地组织和运行。ROS分为两种版本，本课程选择Kinetic作为树莓派3B+的搭载版本，另一个版本是Indigo版本官网已经不再进行维护更新，对后期实验具有很大影响。4.2.1SLAM导航系统框架激光SLAM系统框架指的是在激光SLAM系统中，导航包RVIZ利用栅格地图，Gmapping是基于滤波SLAM算法获取激光雷达扫描的反馈的环境信息信息以及行走时编码器里程计数据可动态的生成2D栅格地图，里程计数据和激光雷达数据做出适合的路径规划和定位，最后转换为机器人的速度指令。如下图4.2所示，激光SLAM系统的框架，方框是传感器获得的数据或者生成的数据，椭圆里为ROS节点所发布或者获得的消息队列。图4.2SLAM导航系统框架4.2.2建图系统框架如下图所示4.3所示：图4.3建图系统框架.数据输入和运动模型确定开启建图RVIZ后，首先需要将获取激光和里程计数据传入ROSmapping中，传入开源的openslam滤波算法地图openslamgmapping包中，在下一时间的建图导航时，根据上一时刻计算的粒子位姿。通过里程计数据来确定距离，在初始值的基础上，通过增加高斯采样的噪点来预测现在时刻的粒子位姿，为下一时刻提前做数据准备。.扫描匹配与建议分布Gmapping默认采取40个采样对每个粒子实行扫描匹配算法。扫描匹配的作用是为后面粒子权重更新做充分准备以及计算，通过找出每个粒子在下一时间位姿，进行位姿判断计算机器人的精准坐标点。如果这个环节的扫描匹配失败，则必须对粒子权重更新，并采用默认的似然进行估计。通过混合观测模型和运动模型的建议分布来使当前粒子位置能够满足该均值方差的高斯分布，对于小于某阈值则进行均值与方差的计算，根据上一步扫描匹配获得的最佳坐标来围绕该坐标取若干位置样本距离差值。.粒子维护地图与地图更新粒子会对运动轨迹进行维护，这个步骤执行的操作是更新每个粒子维护的地图。需要在RVIZ中进行地图更新并进一步获取权重总数的判断结果，通过结果来得到最优的粒子使用权重，从而使地图能够在下一时刻得到膨胀更新和得到机器人最优路径轨迹。.权重计算与重采样更新之后，需要对每个粒子进行权重更新和归一化操作，对于重采样前更新过一次重采样后又会对其再更新一次。使用有效塔板数来判断是否对结果进行重采样处理，因为这样会导致重采样频率越高和粒子退化越严重，也就是粒子的多样性降低建图精确度的降低，所以有必要设定一个判定值来改善粒子退化问题，提高建图精确度。4.3软件流程在上位机部分，开启机器人摄像头采集地面环境图像，将采集后的图像送往SSD_Mobile_V2进行垃圾分类，分类后将分类结果以及垃圾位置送往树莓派3B+，树莓派3B+根据垃圾的位置已经类别进行导航，同时将结果发送给STM32F405控制机械臂的分拣工作，分拣完成并返回导航路线。如下图4.4所示：图4.4上位机控制驱动图在网络良好、2D平面图构建完成后，将智能移动垃圾分拣机器人置于初始位置。系统进入初始状态，根据SLAM规划的路线行走遍历平面图，行走过程中，上位机实时采集环境地面图像并反馈信息给驱动，如果有垃圾出现，机器人全程避障并且通过SLAM导航移动到垃圾周围，通过上位机反馈的垃圾类别选择机械臂或者气泵对垃圾进行分拣。过程如下图4.5所示：图4.5程序流程图

第五章系统调试5.1模型训练设置5.1.1数据增强训练前期拍摄了1500张瓶子、木板和纸屑后，经过主流的数据增强方法：旋转变换反射变换、随机修剪、色彩抖动、平移变换、尺度变换、翻转变换、对比度变换、噪声扰动等。本次对训练集做了基本的图片大小的规定之外，还用了以下数据增强的方法：缩放、错切变换、横向平移和纵向平移、水平翻转。具体参数如下表5.1所示：数据增强参数设置缩放50%水平反转是上下翻转是填充模式默认模式旋转30°横向平移20%纵向平移20%错且变换30%表5.1数据增强参数5.1.2模型训练经过数据增强后，最终得到15000张图像，将这些图像进行模型的训练。如下表5.2为模型训练参数设置表：训练集10500张+图像分辨率640×480测试集2250张+图像分辨率640×480验证集2250张+图像分辨率640×480训练次数117864图像是否翻转否学习率4.0000e-3表5.2模型训练参数设置表

模型训练的损失函数值变化如下图5.1所示，基本达到预期要求。图5.1损失值变化图5.2性能指标测试实验采用150张图像用于测试，其中标定的瓶子总数目为180个。在测试时，以检测结果与瓶子真实位置的交并比大于0.5判断瓶子是否被成功检测。目标识别模块的技术性能要求包括：图像检测精度、图像采集检测速度两方面。主要技术性能指标要求如下：.图像采集系统需要保持有效图像采集帧率≥30帧/s；.图像采集系统需要保持有效识别范围≥1m地面上的有效面积；.图像采集系统需要保持采集计算时间抖动≤10ms。测试时，当瓶子真实位置与检测结果的交并比大于0.5时，则判断瓶子被成功检测出来。实验所采用的评价标准为误检率和漏检率，分别定义如下：漏检率%=漏检的目标数量/总的目标数量×100%；误检率%=误检的目标数量/目标识别检测到的数量×100%；在当前的实验环境中，目标的预测角度预测准确，目标的误检率为6%，漏检率为8.67%，误捡率低于10%，基本满足了智能移动垃圾分拣机器人系统课题要求。

表5.2实验结果：45度内（个）误检率(个)漏检数（个）误检率漏检率1509136%8.67%5.3结论本课题提出了一套基于机器视觉的生活垃圾智能分拣机器人系统的总体设计方案，当前虽然存在各种垃圾分拣机器人，但是大多数是不可自主移动导航或者只能按照特定路线进行巡逻分拣的任务机器人。本课题针对这种现象，简单介绍了智能移动垃圾分拣机器人的总体设计方案和实现过程，针对本方案中的导航模块、目标识别模块和分拣控制模块进行展开说明，通过对各部分系统的软硬件设计原理和实现过程进行简单描述，最后通过做出实物的方法，不仅验证了嵌入式目标识别算法SSD_MobileNet_V2的准确性，而且通过系统在生活环境中的实际运行，验证了系统设计的可行性。充分突出我国可持续发展战略，并构建生态环境友好型社会的发展需求。

参考文献[1]面向智能分类回收的塑料瓶机器视觉识别技术研究[D].浙江大学,2017.[2]陈晓斐.机器视觉技术在机械制造自动化中的应用分析[J].中国设备工程,2017(1):168-169.[3]张慧,王坤峰,王飞跃.深度学习在目标视觉检测中的应用进展与展望[J].自动化学报,2017,43(8):1289-1305.[4]兼容ROS的嵌入式实时机器人通信系统的设计与实现[D].哈尔滨工业大学,2018.[5]易柯敏,沈艳霞.激光SLAM导航移动机器人定位算法研究综述[J].机器人技术与应用,2019(5).[6]SandlerM,HowardA,ZhuM,etal.MobileNetV2:InvertedResidualsandLinearBottlenecks[C]//2018.[7]Mur-ArtalR,MontielJMM,TardósJD.ORB-SLAM:AVersatileandAccurateMonocularSLAMSystem[J].IEEETransactionsonRobotics,2017,31(5):1147-1163.[8]赵妍,解迎刚,陈莉莉.基于SLAM算法的机器人智能激光定位技术的研究[J].激光杂志,2019(7).[9]RahmanMA,KapoorP,LaganiereR,etal.DeepPeopleDetection:AComparativeStudyofSSDandLSTM-decoder[C]//201815thConferenceonComputerandRobotVision(CRV).2018.[10]韩凯,张红英,王远,等.一种基于FasterR-CNN的车辆检测算法[J].西南科技大学学报,2017,32(4):65-70.[11]KujalaJV,LukkaTJ,HolopainenH.PickingaConveyorCleanbyanAutonomouslyLearningRobot[J].ComputerScience,2015.[12]蔡汉明,赵振兴,韩露,等.基于SSD网络模型的多目标检测算法[J].机电工程,2017,34(6):685-688.[13]LiuW,AnguelovD,ErhanD,etal.SSD:SingleShotMultiBoxDetector[C]//EuropeanConferenceonComputerVision.2016.致谢我要感谢学校，如果没有学校提供的平台，就没有我们参加学科竞赛的机会；感谢我的每一位老师和队友，我们一起努力奋斗付出的每一分每一秒，历历在目，激励着我继续前进；感谢朋友和同学精神上的鼓励，你们的鼓励陪我度过了很多刻苦的时光。在未来的工作中，我将继续保持谦卑的学习态度，诚诚恳恳，脚踏实地做好每一件事，不负同学、老师、学校对我的期望，做一名合格的社会主义接班人。谢谢大家。

怎样提高电脑系统运行速度WindowsXP的启动速度比Windows2000要快30%左右，但相对于Windows98仍然要慢了不少，不过，我们可以通过优化设置，来大大提高WindowsXP的启动速度。加快系统启动速度主要有以下方法：尽量减少系统在启动时加载的程序与服务；对磁盘及CPU等硬件进行优化设置；修改默认设置，减少启动等待时间等。这些方法大部分既可减少系统启动的时间，又可以节省系统资源，加快电脑运行速度。1.加快系统启动速度WindowsXP的启动速度比Windows2000要快30%左右，但相对于Windows98仍然要慢了不少，不过，我们可以通过优化设置，来大大提高WindowsXP的启动速度。加快系统启动速度主要有以下方法：尽量减少系统在启动时加载的程序与服务；对磁盘及CPU等硬件进行优化设置；修改默认设置，减少启动等待时间等。这些方法大部分既可减少系统启动的时间，又可以节省系统资源，加快电脑运行速度。(1)MsconfigWindowsXP的启动速度在系统安装初期还比较快，但随着安装的软件不断增多，系统的启动速度会越来越慢，这是由于许多软件把自己加在了启动程序中，这样开机即需运行，大大降低了启动速度，而且也占用了大量的系统资源。对于这样一些程序，我们可以通过系统配置实用程序Msconfig将它们从启动组中排除出去。选择“开始”菜单中的“运行”命令，在“运行”对话框中键入“Msconfig”，回车后会弹出“系统配置实用程序”对话框，选择其中的“启动”选项卡(如图1)，该选项卡中列出了系统启动时加载的项目及来源，仔细查看每个项目是否需要自动加载，否则清除项目前的复选框，加载的项目越少，启动的速度就越快。设置完成后需要重新启动方能生效。(2)BootvisBootvis是微软提供的一个启动优化工具，可提高WindowsXP的启动速度。用BootVis提升WindowsXP的启动速度必须按照正确的顺序进行操作，否则将不会起到提速的效果。其正确的操作方法如下：启动Bootvis，从其主窗口(如图2)中选择“工具”菜单下的“选项”命令，在“符号路径”处键入Bootvis的安装路径，如“C:\ProgramFiles\Bootvis”，单击“保存”退出。从“跟踪”菜单中选择“下次引导”命令，会弹出“重复跟踪”对话框，单击“确定”按钮，BootVis将引导WindowsXP重新启动，默认的重新启动时间是10秒。系统重新启动后，BootVis自动开始运行并记录启动进程，生成启动进程的相关BIN文件，并把这个记录文件自动命名为TRACE_BOOT_1_1。程序记录完启动进程文件后，会重新启动BootVis主界面，在“文件”菜单中选择刚刚生成的启动进程文件“TRACE_BOOT_1_1”。窗口中即会出现“CPU>使用”、“磁盘I/O”、“磁盘使用”、“驱动程序延迟”等几项具体图例供我们分析，不过最好还是让BootVis程序来自动进行分析：从“跟踪”菜单中选择“系统优化”命令，程序会再次重新启动计算机，并分析启动进程文件，从而使计算机启动得更快。(3)禁用多余的服务WindowsXP在启动时会有众多程序或服务被调入到系统的内存中，它们往往用来控制Windows系统的硬件设备、内存、文件管理或者其他重要的系统功能。但这些服务有很多对我们用途不大甚至根本没有用，它们的存在会占用内存和系统资源，所以应该将它们禁用，这样最多可以节省70MB的内存空间，系统速度自然也会有很大的提高。选择“开始”菜单中的“运行”命令，在“运行”对话框键入“services.msc”后回车，即可打开“服务”窗口。窗口的服务列表中列出了系统提供的所有服务的名称、状态及启动类型。要修改某个服务，可从列表双击它，会弹出它的属性对话框(如图3)，你可从“常规”选项卡对服务进行修改，通过单击“启动”、“停止”、“暂停”、“恢复”四个按钮来修改服务的状态，并可从“启动类型”下拉列表中修改启动类型，启动类型有“自动”、“手动”、“已禁用”三种。如果要禁止某个服务在启动自动加载，可将其启动类型改为“已禁用”。WindowsXP提供的所有服务有36个默认是自动启动的，实际上，其中只有8个是必须保留的(见下表)，其他的则可根据自己的需要进行设置，每种服务的作用在软件中有提示。4)修改注册表来减少预读取，减少进度条等待时间WindowsXP在启动过程中会出现一个进度条，我们可以通过修改注册表，让进度条只跑一圈就进入登录画面。选择“开始”菜单中的“运行”命令，在“运行”对话框键入“regedit”命令后回车，即可启动注册表编辑器，在注册表中找HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\SessionManager\MemoryManagement\PrefetchParameters，选择其下的EnablePrefetcher键，把它的键值改为“1”即可。(5)减少开机磁盘扫描等待时间当Windows日志中记录有非正常关机、死机引起的重新启动，系统就会自动在启动的时候运行磁盘扫描程序。在默认情况下，扫描每个分区前会等待10秒钟，如果每个分区都要等上10秒才能开始进行扫描，再加上扫描本身需要的时间，会耗费相当长的时间才能完成启动过程。对于这种情况我们可以设置取消磁盘扫描的等待时间，甚至禁止对某个磁盘分区进行扫描。选择“开始→运行”，在运行对话框中键入“chkntfs/t:0”，即可将磁盘扫描等待时间设置为0；如果要在计算机启动时忽略扫描某个分区，比如C盘，可以输入“chkntfs/xc:”命令；如果要恢复对C盘的扫描，可使用“chkntfs/dc:”命令，即可还原所有chkntfs默认设置，除了自动文件检查的倒计时之外。2.提高系统运行速度提升系统运行速度的思路与加快启动的速度类似：尽量优化软硬件设置，减轻系统负担。以下是一些常用的优化手段。(1)设置处理器二级缓存容量WindowsXP无法自动检测处理器的二级缓存容量，需要我们自己在注册表中手动设置，首先打开注册表，找到“HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\SessionManager\MemoryManagement\”，选择其下的“SecondLevelDataCache”，根据自己所用的处理器设置即可，例如PIIICoppermine/P4Willamette是“256”，AthlonXP是“384”，P4Northwood是“512”。(2)提升系统缓存同样也是在“HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\SessionManager\MemoryManagement\”位置，把其下的“LargeSystemCache”键值从0改为1，WindowsXP就会把除了4M之外的系统内存全部分配到文件系统缓存中，这样XP的内核能够在内存中运行，大大提高系统速度。通常来说，该优化会使系统性能得到相当的提升，但也有可能会使某些应用程序性能降低。需要注意的是必须有256M以上的内存，激活LargeSystemCache才可起到正面的作用，否则不要轻易改动它。(3)改进输入/输出性能这个优化能够提升系统进行大容量文件传输时的性能，不过这只对服务器用户才有实在意义。我们可在中新建一个DWORD(双字节值)键值，命名为IOPageLockLimit。一般情况下把数据设置8~16MB之间性能最好，要记住这个值是用字节来计算的，例如你要分配10MB的话，就是10×?1024×1024，也就是10485760。这里的优化也需要你的机器拥有大于256M的内存。(4)禁用内存页面调度在正常情况下，XP会把内存中的片断写入硬盘，我们可以阻止它这样做，让数据保留在内存中，从而提升系统性能。在注册表中找到“HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\SessionManager\MemoryManagement\”下的“DisablePagingExecutive”键，把它的值从0改为1即可禁止内存页面调度了。(5)关闭自动重新启动功能当WindowsXP遇到严重问题时便会突然重新开机，可从注册表将此功能取消。打开注册表编辑器，找到“HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\CrashControl\”将AutoReboot键的Dword值更改为0，重新启动后设置即可生效。(6)改变视觉效果WindowsXP在默认情况下启用了几乎所有的视觉效果，如淡入淡出、在菜单下显示阴影。这些视觉效果虽然漂亮，但对系统性能会有一定的影响，有时甚至造成应用软件在运行时出现停顿。一般情况下建议少用或者取消这些视觉效果。选择桌面上“我的电脑”图标，单击鼠标右键，在弹出的快捷菜单中选择“属性”命令，打开“系统属性”对话框。选择“高级”选项卡，在其中的“性能”栏中单击“设置”按钮，会弹出“性能选项”对话框(如图4)，可选择“调整为最佳性能”单选框来关闭所有的视觉效果，也可选择“自定义”然后选择自己需要的视觉效果。(7)合理设置页面虚拟内存同样也是在“性能选项”对话框中，选择“高级”选项卡，在其中的“虚拟内存”栏中单击“更改”按钮，接下来选择虚拟内存为“自定义大小”，然后设置其数值。一般情况下，把虚拟设为不小于256M，不大于382M比较合适，而且最大值和最小值最好一样。(8)修改外观方案WindowsXP默认的外观方案虽然漂亮，但对系统资源的占用也多，可将其改为经典外观以获得更好的性能。在桌面空白位置单击鼠标右键，从弹出的快捷菜单中选择“属性”命令，会打开“显示属性”对话框，在“主题”选项卡选择主题为“Windows经典”，即可将外观修改为更为经济的Windows经典外观。(9)取消XP对ZIP支持WindowsXP在默认情况下打开了对zip文件支持，这要占用一定的系统资源，可选择“开始→运行”，在“运行”对话框中键入“regsvr32/uzipfldr.dll”，回车确认即可取消XP对ZIP解压缩的支持，从而节省系统资源。(10)关闭Dr.WatsonDr.Watson是WindowsXP的一个崩溃分析工具，它会在应用程序崩溃的时候自动弹出，并且在默认情况下，它会将与出错有关的内存保存为DUMP文件以供程序员分析。不过，记录DUMP文件对普通用户则毫无帮助，反而会带来很大的不便：由于Dr.Watson在应用程序崩溃时会对内存进行DUMP记录，将出现长时间硬盘读写操作，要很长一断时间程序才能关闭，并且DUMP文件还会占用大量磁盘空间。要关闭Dr.Watson可打开注册表编辑器，找到“HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\WindowsNT\CurrentVersion\AeDebug”分支，双击其下的Auto键值名称，将其“数值数据”改为0，最后按F5刷新使设置生效，这样就取消它的运行了。同样，我们可以把所有具备调试功能的选项取消，比如蓝屏时出现的memory.dmp，可在“系统属性”对话框中选择“高级”选项卡，单击“启动和故障恢复”栏中的“设置”按钮，并在弹出的“启动和故障恢复”对话框中选择“写入调试信息”为“无”(如图5)。(11)启动硬盘/光驱DMA模式打开“系统属性”对话框，选择“硬件”选择卡中的“设备管理器”按钮，打开“设备管理器”窗口，在设备列表中选择“IDEATA/ATAPI控制器”，双击“主要IDE通道”或“次要IDE通过”，在其属性对话框的“高级设置”选项卡中检查DMA模式是否已启动，一般来说如果设备支持，系统就会自动打开DMA功能，如果没有打开可将“传输模式”设为“DMA(若可用)”。(12)关掉不用的设备WindowsXP总是尽可能为电脑的所有设备安装驱动程序并进行管理，这不仅会减慢系统启动的速度，同时也造成了系统资源的大量占用。针对这一情况，你可在设备管理器中，将PCMCIA卡、调制解调器、红外线设备、打印机端口(LPT1)或者串口(COM1)等不常用的设备停用，方法是双击要停用的设备，在其属性对话框中的“常规”选项卡中选择“不要使用这个设备(停用)”。在重新启动设置即可生效，当需要使用这些设备时再从设备管理器中启用它们。(13)关闭错误报告当应用程序出错时，会弹出发送错误报告的窗口，其实这样的错误报告对普通用户而言几乎没有任何意义，关闭它是明智的选择。在“系统属性”对话框中选择“高级”选项卡，单击“错误报告”按钮，在弹出的“错误汇报”对话框中，选择“禁用错误汇报”单选项，最后单击“确定”即可。另外我们也可以从组策略中关闭错误报告：从“运行”中键入“gpedit.msc”，运行“组策略编辑器”，展开“计算机配置→管理模板→系统→错误报告功能”，双击右边设置栏中的“报告错误”，在弹出的“属性”对话框中选择“已禁用”单选框即可将“报告错误”禁用。(14)关闭自动更新“自动更新”功能对许多WindowsXP用户而言并不是必需的，可将其关闭以节省系统资源。在“我的电脑”上单击鼠标右键，从快捷菜单中选择“属性”命令，选择“系统属性”对话框中的“自动更新”选项卡，勾选“关闭自动更新，我将手动更新计算机”单选框，单击“确定”按钮即可关闭自动更新功能。如果在“服务”已经将“AutomaticUpdates”服务关闭，“系统属性”对话框中的“自动更新”选项卡就不能进行任何设置了。(15)去掉菜单延迟去掉菜单弹出时的延迟，可以在一定程度上加快XP。要修改的键值位置在“HKEY_CURRENT_USER\ControlPanel\Desktop”。修改其下的“MenuShowDelay”键，把默认的400修改为0，按F5刷新注册表即可生效。(16)清除预读文件WindowsXP的预读设置虽然可以提高系统速度，但是使用一段时间后，预读文件夹里的文件数量会变得相当庞大，导致系统搜索花费的时间变长。而且有些应用程序会产生死链接文件，更加重了系统搜索的负担。所以，应该定期删除这些预读文件。预计文件存放在WindowsXP系统文件夹的Prefetch文件夹中，该文件夹下的所有文件均可删除。(17)关闭自动播放功能在WindowsXP中，当往光驱中放入光盘或将USB硬盘接上电脑时，系统都会自动将光驱或USB硬盘扫描一遍，同时提示你是否播放里面的图片、视频、音乐等文件，如果是拥有多个分区的大容量的USB硬盘，扫描会耗费很长的时间，而且你得多次手动关闭提示窗口，非常麻烦。这种情况下我们可以将WindowsXP的自动播放功能关闭。运行“组策略”程序。在组策略窗口左边栏中，打开“计算机配置”，选择“管理模板”下的“系统”，然后在右边的配置栏中找到“关闭自动播放”并双击它，会弹出“关闭自动播放属性”对话框。在其中“设置”选项卡中选择“已启用”，“关闭自动播放”下拉列表中选择“所有驱动器”(如图6)。这样以后就不用担心WindowsXP的“自动播放”功能带来的麻烦了。如果你只是想禁止系统扫描某个驱动器(如USB硬盘)上的文件，可采用下面的方法。先连上你的USB硬盘，让系统将它识别出来。然后打开“我的电脑”，选择USB硬盘上的某个分区，按鼠标右键，会弹出磁盘属性窗口，选取“自动播放”选项卡，将所有内容的类型都选择为不执行操作。如果USB硬盘有多个分区，对所有分区都进行同样的操作，这样当你将USB驱动器拔掉再重新接上时，系统会将USB硬盘识别出来，而不会反复问你是否播放USB硬盘中的文件了。3.加快关机速度WindowsXP的关机速度要慢于启动速度，特别有些任务还需要手工结束，更加延缓了关机速度。因此，要加快关机速度，首先要开启WindowsXP的自动结束任务功能。具体步骤是：从注册表中找到“HKEY_CURRENT_USER\ControlPanel\Desktop”，把“AutoEndTasks”的键值设置为1即可。然后再修改“HungAppTimeout”为“4000(或更小)”(预设为5000)，该键值同样也在“HKEY_CURRENT_USER\ControlPanel\Desktop”下；最后一步再找到“HKEY_LOCAL_MACHINE\System\CurrentControlSet\Control\”，同样把WaitToKillServiceTimeout设置为“4000”；通过这样设置后的关机速度明显要加快了。够全面吧~~◆二、硬件优化设置◆1、关掉不用的设备

在设备管理器中，将PCMCIA卡、调制解调器、红外线设备、打印机端口(LPT1)或者串口(COM1)等不常用的设备停用，在要停用设备属性对话框中的“常规”选项卡中选择“不要使用这个设备(停用)”。当需要使用这些设备时再从设备管理器中启用它们。◆2、内存性能优化

WindowsXP中有几个选项可以优化内存性能，它们全都在注册表下面位置：HKEY_LOCAL_MACHINESYSTEMCurrentControlSetControlSession

ManagerMemory

Management

1）禁用内存页面调度（Paging

Executive）

XP会把内存中的片断写入硬盘，我们可以阻止它这样做，让数据保留在内存中，从而提升系统性能。256M以上内存才使用这个设置。把“DisablePagingExecutive”的值从0改为1就可以禁止内存页面调度了。

2）提升系统缓存

必须有256M以上的内存，才激活它。把LargeSystemCache键值从0改为1，一般来说，这项优化会使系统性能得到相当的提升，但也有可能会使某些应用程序性能降低。

3）输入/输出性能

内存大于256M才更改这里的值，这个优化只对server（服务器）用户才有实在意义，它能够提升系统进行大容量文件传输时的性能。建一个DWORD（双字节值）键值，命名为IOPageLockLimit，数值设8M－16M字节之间性能最好，具体设什么值，可试试哪个值可获得最佳性能。这个值是用字节来计算的，比如你要分配12M，就是12×1024×1024，也就是12582912。◆3、启动硬盘/光驱DMA模式

“系统属性”－“硬件”－“设备管理器”，在设备列表中选择“IDE

ATA/ATAPI控制器”，双击“主要

IDE

通道”或“次要

IDE

通道”，在其属性对话框的“高级设置”选项卡中检查DMA模式是否已启动，一般来说如果设备支持，系统就会自动打开DMA功能，如果没有打开可将“传输模式”设为“DMA（若可用）”（在BIOS里也应该要先设为支持DMA）。

◆4、关闭自动播放功能

运行“组策略”程序,在组策略窗口左边栏中打开“计算机配置”，选择“管理模板”下的“系统”，然后在右边的配置栏中找到“关闭自动播放”并双击它，会弹出“关闭自动播放属性”对话框，在其中“设置”选项卡中选择“已启用”，“关闭自动播放”下拉列表中选择“所有驱动器”。

◆5、设置二级缓存容量

WindowsXP有时无法自动检测处理器的二级缓存容量，需要我们手动设置。运行注册表编辑器，找到HKCU_LOCAL_MACHINESYSTEMCurrentControlSetControlSession

ManagerMe