毕设&课程作业_基于深度学习的垃圾分类.zip

# 基于深度学习的垃圾分类 #Garbage classification based on deep learning 说明：一直在gitlab上耕耘，头发掉的速度也飞快，偶然间发现了github上多了好多star，实在惭愧。这个垃圾分类项目是我研究生阶段搞的一个项目，不复杂，分享的代码也很简单，就是一个inception v3的迁移学习。其余的核心部分包括：后续与传感器的融合判断，PMAC控制器的接入，前端安卓端网络的部署和部分stm32端的代码由于实验室的关系不便于分享。在此仅为大家提供一个思路，抛一块不慎美丽的砖头去引玉，谢谢大家！ 目前我国垃圾分类存在的主要问题有三点： 1， 垃圾分类正确率不高 2， 居民缺乏垃圾分类的意识和相关知识。 3， 没有真正意义上的高效的垃圾分类系统 基于以上，提出了基于深度学习的智能垃圾分类系统。从技术上旨在通过深度学习，实现垃圾的高精确度分类；在效果上，通过技术的提升提高城市居民的环境保护与节约资源的意识，促进城市居民转变现有的投放垃圾的行为方式；从长远上来看，抛砖引玉，为我国建立健全城市垃圾分类处理制度提供一些思路。 具体实现方式是将已经训练好了的Inception v3模型进行了再训练，完成了四大类，100多种小类的垃圾分类，通过opencv捕捉信息，通过蓝牙与stm32通讯完成了硬件部分的动作，通过js完成了上位机的编写。 作者：jzx，wlx，yjh 单位：NCEPU 演示视频链接：https://www.bilibili.com/video/av12017465/?from=search&seid=1320605891430268553 演示视频链接-人机交互界面：https://www.bilibili.com/video/av14240399/ 演示视频链接-手机app移植：https://www.bilibili.com/video/av14240428/ 演示视频链接-手机app移植：https://www.bilibili.com/video/av14240428/ 演示视频链接-与传统并联机器人结合：https://www.bilibili.com/video/av14240443/ 参考:[Tensorflow](https://www.tensorflow.org/) [Inception](https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html). 实验图片：  实现途径： 1,通过网络爬虫创建了自己的数据集 waste-set-googlescraper.py 2,通过修改Inception v3模型的最后一层实现了分类 retrain.py wastesort.py 3,通过opencv实现了物体的检测和拍照 waste_detector.py 4,通过调用串口实现了与stm32的通讯 serial_send.py 5,通过js实现了网页端上位机的编写 6,通过stm32实现了电机的控制 综上，实现了自主拍照，自主识别，自主分类的垃圾回收装置。 <br/> ## 环境要求 1. Python 2. Tensorflow 3. Opencv <br/> ## 流程介绍 ### 准备训练集 创建名字为 ``training_dataset`` .的文件夹 通过爬虫爬取所需要训练的图片。每类图片一个文件夹，文件夹下为图片文件。图片越多，神经网络越荡漾。 ### 开始训练 执行训练： ```javascript $ bash train.sh ``` 如果没有``Inception`` 模型的话，程序会先下载，然后解压，保证网络链接。 ### 检查结果 创建名为``test_input`` 文件夹，将被分类文件放到该文件夹下 运行 ```javascript python3 wastesort.py ``` 预测结果会依次输出 ### 将最佳结果发送给stm32 通过蓝牙串口，无线将数据发送给stm32 ### stm32控制电机实现垃圾的分类放置 stm32控制步进电机+舵机实现垃圾的分类 ## Results   ## 鸣谢 感谢早起的晨，晚睡的夜！ 感谢技术分享，技术繁荣的美好互联网年代！