这是来自绵阳师范学院信息工程学院17级5班汤琳老师物联网工程课程的课堂作业.
##### 成员:
##### 组长:陈云
##### 组员:崔向,黄宏毅,李典耘,蒋志勤
>比赛需要故只开源了粗劣的第一个版本demo实现,第二版本改进使用yoloV3模型进行垃圾分类检测,机器臂分拣垃圾,垃圾分类数据集重新收集,并有微信小程序的用户查询垃圾分类及反馈机制
注意看ReadMe文件,注意看ReadMe文件,注意看ReadMe文件
#### B站视频介绍地址:https://www.bilibili.com/video/av80830870
#### 交流群:1074171553
> 题主双非师范院校2021考研狗,如果你觉得这个小项目有帮助到你,请为项目点一个star,不管是考试型选手毕设项目被迫营业还是直接拿去二开参加比赛,这些都没问题,开源项目就是人人为我我为人人,但请尊重他人劳动成果,大家都是同龄人.心上无垢,林间有风.
### 材料清单
> 1. 树莓派 1个
>
> 2. pca9685 16路舵机驱动板 1个
>
> 3. 7寸可触摸显示屏一个
>
> 4. MG996R 舵机4个
> 5. 垃圾桶4个
> 6. usb免驱动摄像头1个
> 7. 树莓派GPIO扩展板转接线柱1个
> 8. 硅胶航模导线若干
### 环境需求
### 1.开发环境
> 神经网络搭建—python 依赖 tensorflow,keras
>
> 训练图片来源华为云2019垃圾分类大赛提供
>
> > 训练图片地址:https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=24106
> >
> > 下载图片文件后将文件解压覆盖为 garbage_classify 放入 垃圾分类-本地训练/根目录
>
> 神经网络开源模型--- resnet50
>
> > models 目录需要手动下载resnet50 的模型文件放入
> >
> > resnet50模型文件名:resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
> >
> > 百度就可以找到下载放入即可:https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
>
>
### 2.运行开发环境
> 进入 "垃圾分类-本地训练"目录
> # 环境初始化
>
> - python3
> - 安装框架flask`pip3 install flask`
> - 安装tensorflow,keras等依赖
>
> > - `pip3 install tensorflow==1.13.1`
> > - `pip3 install keras==2.3.1 `
>
> # 运行
>
> - 1.命令`python3 train.py`开启训练
> - 2.命令`python3 predict_local.py`开启输入图片测试
>
> ######
### 3. 训练服务模型部署
> 进入 "垃圾分类-服务部署"目录
>
> 1. output_model 目录存放的是本地训练完成导出的h5模型文件
>
> 2. models 目录需要手动下载resnet50 的模型文件放入
>
> > resnet50模型文件名:resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
> >
> > 百度就可以找到下载放入即可:https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5
> # 环境初始化
>
> - 安装框架flask`pip3 install flask`
> - 安装tensorflow,keras等依赖
>
> > - `pip3 install tensorflow==1.13.1`
> > - `pip3 install keras==2.3.1 `
>
> # 运行
>
> - 1.命令`python3 run.py`开启窗口本地调试
> - 2.命令`python3 flask_sever.py`开启服务部署
> - 3.命令`sh ./start.sh`开启后台运行服务部署
### 4.树莓派界面搭建
> 基于nodejs electron-vue
>
> 强烈建议使用cnpm来安装nodejs库
>
> 进入 "树莓派端/garbage_desktop"目录
>
> # 安装依赖
> cnpm install
>
> # 开发模式
> cnpm run dev
>
> # 打包发布
> cnpm run build
### 5.树莓派端flask-api接口操作硬件
> 进入"进入 "树莓派端/garbage_app_sever"目录"
>
> 注意树莓派应该开启I2C,确保pca9685 I2C方式接入后可显示地址
>
> > 命令:i2cdetect -y 1
> >
> > 查看 地址项 0x40是否已经接入树莓派
>
> 运行 python3 app_sever.py 或者 sh start.sh 启动
>
> 若提示缺少依赖:
>
> 1. pip3 install adafruit-*pca9685*
> 2. pip3 install flask
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
Python基于树莓派的垃圾分类识别源码+数据集(毕业设计).zip 该项目是个人毕设项目源码,都经过严格调试,确保可以运行!放心下载使用。 该项目资源主要针对计算机python相关专业的学生或从业者下载使用,也可作为期末课程设计、期末课程大作业等,具有较高的学习价值。 Python基于树莓派的垃圾分类识别源码+数据集(毕业设计).zip 该项目是个人毕设项目源码,都经过严格调试,确保可以运行!放心下载使用。 该项目资源主要针对计算机python相关专业的学生或从业者下载使用,也可作为期末课程设计、期末课程大作业等,具有较高的学习价值。 Python基于树莓派的垃圾分类识别源码+数据集(毕业设计).zip 该项目是个人毕设项目源码,都经过严格调试,确保可以运行!放心下载使用。 该项目资源主要针对计算机python相关专业的学生或从业者下载使用,也可作为期末课程设计、期末课程大作业等,具有较高的学习价值。 Python基于树莓派的垃圾分类识别源码+数据集(毕业设计).zip 该项目是个人毕设项目源码,都经过严格调试,确保可以运行!放心下载使用。 该项目资源主要针对计算机py
资源推荐
资源详情
资源评论
收起资源包目录
Python基于树莓派的垃圾分类识别源码+数据集(毕业设计).zip (131个子文件)
.babelrc 455B
index.ejs 786B
.eslintignore 0B
.gitignore 122B
.gitignore 38B
.gitignore 20B
.gitkeep 0B
.gitkeep 0B
predict.html 3KB
icon.icns 490KB
icon.ico 257KB
sever.iml 771B
garbage_calssify-by-resnet50.iml 446B
garbage-tflite.ipynb 3KB
garbage-tflite-checkpoint.ipynb 3KB
1541464585777_5be0e209159bb85b679622e1.jpeg 34KB
IMG_1964.JPG 1.27MB
test1.jpg 136KB
test1.jpg 136KB
test.jpg 98KB
test.jpg 98KB
home1.jpg 49KB
bar5.jpg 47KB
bar5.jpg 47KB
test.jpg 43KB
webpack.renderer.config.js 5KB
dev-runner.js 5KB
webpack.web.config.js 4KB
build.js 3KB
webpack.main.config.js 2KB
index.js 1KB
dev-client.js 1KB
index.dev.js 715B
.eslintrc.js 544B
index.js 497B
main.js 481B
index.js 377B
index.js 340B
Counter.js 335B
package.json 3KB
garbage_classify_rule.json 1KB
garbage_classify_rule.json 1KB
garbage_classify_rule.json 1KB
settings.json 37B
README.md 4KB
README.md 544B
README.md 465B
README.md 407B
test4.png 2.8MB
test2.png 2.8MB
test2.png 2.8MB
bar3.png 1.71MB
bar3.png 1.71MB
3.png 940KB
3.png 940KB
3.png 940KB
2.png 782KB
2.png 782KB
2.png 782KB
bar4.png 767KB
bar4.png 767KB
4.png 679KB
4.png 679KB
4.png 679KB
1.png 363KB
1.png 363KB
bar2.png 355KB
bar2.png 355KB
u33932068352092460653fm11gp0.jpg.png 310KB
bar1.png 188KB
bar1.png 188KB
home2.png 96KB
1.png 67KB
logo.png 60KB
bar2.png 46KB
256x256.png 35KB
resnet50.py 26KB
resnet50.py 26KB
model.py 10KB
model.py 10KB
data_gen.py 9KB
img_gen.py 7KB
train.py 4KB
prediction.py 4KB
predict_local.py 4KB
app_sever.py 2KB
flask_sever.py 2KB
data_process.py 2KB
garbage-tflite.py 1KB
utils.py 1KB
motor.py 456B
run.py 434B
__init__.py 2B
__init__.py 0B
__init__.py 0B
resnet50.cpython-36.pyc 18KB
resnet50.cpython-36.pyc 18KB
model.cpython-36.pyc 9KB
model.cpython-36.pyc 9KB
data_gen.cpython-36.pyc 7KB
共 131 条
- 1
- 2
资源评论
- xingganyuni2024-04-13非常有用的资源,有一定的参考价值,受益匪浅,值得下载。
- wxb_27167762024-07-15资源中能够借鉴的内容很多,值得学习的地方也很多,大家一起进步!
- 2301_768884392023-09-20内容与描述一致,超赞的资源,值得借鉴的内容很多,支持!
盈梓的博客
- 粉丝: 9574
- 资源: 2310
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于增量容量分析(ICA分析)和差分电压分析(DVA分析)的锂离子电池SOH和RUL预测 包括对原始数据的处理、滤波、绘制IC和DV曲线、提取特征、预测模型的构建
- 基于java的企业员工信息管理系统论文.doc
- 基于java的扫雷游戏的设计与实现论文.doc
- 毕业设计Jupyter Notebook基于深度网络的垃圾识别与分类算法研究项目源代码,用PyTorch框架中的transforms方法对数据进行预处理操作,后经过多次调参实验,对比不同模型分类效果
- 鸿蒙学习记录http网络请求
- 基于javaweb的沙发销售管理系统论文.doc
- 机器人运动学控制,simulink仿真模型,基于滑膜边结构控制,学习滑膜控制的不二法门,文件包含模型的说明和模型原理讲解
- 小红书2024新年市集合作方案解析与品牌营销策略
- 微藻检测18-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 基于LCL滤波器的单相光伏逆变器控制设计的MATLAB-Simulink仿真
- 用于Unity使用NuGet
- 2024年全球干式变压器行业规模及市场占有率分析报告
- 基于深度学习的视频描述综述:视觉与语言的桥梁
- NE555+74LS192+74LS48电子秒表课程设计报告(纯数电实现)
- 基于滑膜观测器和MTPA的内置式永磁同步电机无位置传感器模型
- 单相全桥逆变电路MATLAB仿真,原理图设计,单相全桥逆变器设计资料,ti的参考,可用做光伏并网逆变器,400V输入,220V输出 包括硬件ad原理图设计,pcb设计,设计指南,bom表等,资料齐全
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功