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
树莓派 1个
pca9685 16路舵机驱动板 1个
7寸可触摸显示屏一个
MG996R 舵机4个
垃圾桶4个
usb免驱动摄像头1个
树莓派GPIO扩展板转接线柱1个
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flaskpip3 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
output_model 目录存放的是本地训练完成导出的h5模型文件
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flaskpip3 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：
pip3 install adafruit-pca9685
pip3 install flask
- 1
- 2
- 3
- 4
前往页