基于VOC垃圾分類識(shí)別系統(tǒng)設(shè)計(jì)

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

目錄

1引言............................................................................................................................1

1.1項(xiàng)目背景......................................................................................................1

1.2開發(fā)環(huán)境與工具..........................................................................................1

1.2.1Python簡介..........................................................................................1

1.2.2Tensorflow簡介..................................................................................2

1.2.3Jypyternotebook簡介......................................................................2

1.2.4Python第三方庫簡介..........................................................................2

2需求分析....................................................................................................................3

2.1可行性需求分析..........................................................................................3

2.2垃圾圖像分類..............................................................................................3

2.3關(guān)鍵技術(shù)分析..............................................................................................4

2.3.1什么是遷移學(xué)習(xí)？...............................................................................4

2.3.2為什么要遷移學(xué)習(xí)？...........................................................................4

2.3.3卷積神經(jīng)網(wǎng)絡(luò)原理...............................................................................4

2.3.4Web框架技術(shù)（Flask/Django）........................................................5

3模型選擇....................................................................................................................5

3.1數(shù)據(jù)集需求分析..........................................................................................5

3.2數(shù)據(jù)集獲取分析..........................................................................................6

3.3編程實(shí)現(xiàn)......................................................................................................6

4數(shù)據(jù)集處理................................................................................................................7

4.1數(shù)據(jù)預(yù)處理..................................................................................................7

4.2數(shù)據(jù)增強(qiáng)......................................................................................................9

4.3切分訓(xùn)練集和測(cè)試集..................................................................................9

5模型構(gòu)建及評(píng)估分析..............................................................................................10

5.1模型構(gòu)建....................................................................................................10

5.1.1模型構(gòu)建.............................................................................................10

5.1.2模型保存.............................................................................................10

I

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

5.2訓(xùn)練并測(cè)試................................................................................................11

5.2.1訓(xùn)練并測(cè)試.........................................................................................11

5.2.2模型保存.............................................................................................11

5.3模型選擇....................................................................................................11

5.3.1SeNet154結(jié)構(gòu)....................................................................................11

5.3.2硬件配置.............................................................................................12

5.3.3軟件配置.............................................................................................13

5.4模型訓(xùn)練效果展示與分析........................................................................13

5.4.1硬件程序設(shè)計(jì).....................................................................................13

5.4.2設(shè)計(jì)效果展示及分析.........................................................................14

6小結(jié)..........................................................................................................................17

II

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

基于VOC垃圾分類識(shí)別系統(tǒng)設(shè)計(jì)

1引言

垃圾的產(chǎn)生總是不可避免，但是隨著時(shí)代的發(fā)展，我們可以用不同的手段

處理垃圾。但與此同時(shí)，也讓資源與環(huán)境受到了嚴(yán)重破壞。這種現(xiàn)象與垃圾分

類投放時(shí)的不合理直接相關(guān)，而人們對(duì)于環(huán)境污染問題反映強(qiáng)烈卻束手無策，

這兩者間的矛盾日益尖銳。人們?nèi)粘Ｉ钪械睦饕ㄓ泻?、廚余垃

圾、可回收垃圾以及其他垃圾這四類，對(duì)不同類別的垃圾應(yīng)采取不同分類方法，

如果投放不當(dāng)，可能會(huì)導(dǎo)致各種環(huán)境污染問題。

1.1項(xiàng)目背景

隨著時(shí)代的發(fā)展，信息已成為重要資產(chǎn)。大數(shù)據(jù)技術(shù)、Internet技術(shù)、數(shù)

據(jù)庫技術(shù)的不斷發(fā)展完善，為我們進(jìn)行大數(shù)據(jù)分析和數(shù)據(jù)挖掘提供了強(qiáng)大支撐。

其中，將廢棄的玻璃、織物、家具以及電器電子產(chǎn)品等適合回收同時(shí)可循

環(huán)利用的廢棄物歸為可回收垃圾。將剩菜剩飯、果皮果殼、花卉綠植以及其他

餐廚垃圾等容易腐爛的廢棄物歸為廚余垃圾。將廢電池、廢藥品、廢燈管等對(duì)

人們身體健康和自然環(huán)境有害而且應(yīng)當(dāng)門處理的廢棄物歸為有害垃圾。除以上

三類垃圾之外的廢棄物都?xì)w為其他垃圾。

1.2開發(fā)環(huán)境與工具

1.2.1Python簡介

Python是由GuidoRossum于1989年誕生。

2005-2012年，Google大量應(yīng)用python，引起廣泛關(guān)注，促進(jìn)了python的

發(fā)展。

2012年云計(jì)算興起，其中最主要的OpenStack框架由python開發(fā)，使得

python火了一把。2014年AI興起，AI中大量關(guān)鍵算法都是由python開發(fā)，因

為python中含有很好的第三方庫，特別適合做算法，加上入門低、開發(fā)效率高，

這樣又進(jìn)一步促使python的火爆。

2017年python走進(jìn)大眾視野（指非IT人士），走進(jìn)學(xué)科教育。

如今已經(jīng)發(fā)展成一門廣泛使用的高級(jí)編程語言。它可應(yīng)用于網(wǎng)絡(luò)爬蟲、機(jī)

1

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

器學(xué)習(xí)、數(shù)據(jù)分析和可視化等多種領(lǐng)域。它的特點(diǎn)是開源（免費(fèi)）、豐富的庫、

簡單易學(xué)、支持跨平臺(tái)而且可移植性強(qiáng)。

1.2.2Tensorflow簡介

Tableau數(shù)據(jù)可視化分析產(chǎn)品，能夠連接數(shù)據(jù)庫，呈現(xiàn)動(dòng)態(tài)的數(shù)據(jù)變化，更

加直觀的進(jìn)行數(shù)據(jù)分析和可視化呈現(xiàn)。Tableau實(shí)現(xiàn)數(shù)據(jù)與圖表的完美嫁接，它

的程序很容易上手，各公司可以用它將大量數(shù)據(jù)拖放到數(shù)字“畫布”上，轉(zhuǎn)眼

間就能創(chuàng)建好各種圖表。這一軟件的理念是，界面上的數(shù)據(jù)越容易操控，公司

對(duì)自己在所在業(yè)務(wù)領(lǐng)域里的所作所為到底是正確還是錯(cuò)誤，就能了解得越透徹。

1.2.3Jypyternotebook簡介

Jupyternotebook是一種Web應(yīng)用，它能讓用戶將說明文本、數(shù)學(xué)方程、

代碼和可視化內(nèi)容全部組合到一個(gè)易于共享的文檔中，非常方便研究和教學(xué)。

在原始的Pythonshell與IPython中，可視化在單獨(dú)的窗口中進(jìn)行，而文字資

料以及各種函數(shù)和類腳本包含在獨(dú)立的文檔中。但是，notebook能將這一切集

中到一處，讓用戶一目了然。

Jupyternotebook特別適合做數(shù)據(jù)處理，其用途可以包括數(shù)據(jù)清理和探

索、可視化、機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析。

安裝Jupyternotebook，最簡單的方法就是使用Anaconda，其發(fā)行版附帶

了Jupyternotebook。

1.2.4Python第三方庫簡介

requests:最友好的網(wǎng)絡(luò)爬蟲功能庫，是Python實(shí)現(xiàn)的簡單易用的HTTP庫，

使用起來比urllib更簡潔很多，Python第三方庫在使用前要先進(jìn)行安裝。

Re：正則表達(dá)式解析和處理功能庫，里面包含了多種字符串匹配的方法。

BeautifulSoup：HTML和XML的解析庫，可以對(duì)HTML、XML格式進(jìn)行解析，

從中提取相關(guān)信息；還可以對(duì)所提供的任何格式進(jìn)行相關(guān)的數(shù)據(jù)爬取，而且對(duì)

它進(jìn)行樹形解析。

NumPy庫是Python數(shù)據(jù)分析的基礎(chǔ)，是處理數(shù)組的Python庫，NumPy庫的

數(shù)據(jù)結(jié)構(gòu)比Python自帶的更加高效。

pandas：數(shù)據(jù)分析并保存為csv文件，python數(shù)據(jù)分析高層次應(yīng)用庫，還

可以進(jìn)行數(shù)據(jù)清洗。

matplotlib：繪圖庫，主要是偏向于二維繪圖包括折線圖、條形圖、扇形

2

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖、散點(diǎn)圖、直方圖等等。

pyecharts：繪圖。

statsmodels：統(tǒng)計(jì)建模。

wordcloud、scipy、jieba：生成中文詞云的。

pylab：設(shè)置畫圖能顯示中文。

2需求分析

2.1可行性需求分析

1.技術(shù)可行性

Python編程語言通俗易懂、是一種動(dòng)態(tài)的面對(duì)對(duì)象的腳本語言。這讓它對(duì)

于爬蟲領(lǐng)域有著巨大的優(yōu)勢(shì)，是當(dāng)前爬蟲的首選語言。本項(xiàng)目便是利用python

采集數(shù)據(jù)，通過python第三方庫進(jìn)行數(shù)據(jù)分析、與數(shù)據(jù)可視化的展示。Tableau

是一款對(duì)人操作十分友好的軟件，利用它對(duì)數(shù)據(jù)可視化進(jìn)行展示和分析也十分

便捷。

2.項(xiàng)目可行性

就業(yè)緊張問題是近幾年一直討論的話題，在就業(yè)壓力極大的環(huán)境下，如何

快速選擇適合自己的公司進(jìn)行就業(yè)也變得尤其重要。本項(xiàng)目主要研究大數(shù)據(jù)崗

位的工作，利用爬取拉勾網(wǎng)上的相關(guān)大數(shù)據(jù)相關(guān)的職位信息，通過一些統(tǒng)計(jì)描

述和分析，從各個(gè)公司的招聘信息中獲取需要的數(shù)據(jù)，并進(jìn)行數(shù)據(jù)清洗和處理，

最后將其可視化，進(jìn)而指導(dǎo)就業(yè)方向。

2.2垃圾圖像分類

卷積神經(jīng)網(wǎng)絡(luò)前面的層提取的是圖像的紋理、色彩等特征，而越靠近網(wǎng)絡(luò)后

端，提取的特征就會(huì)越高級(jí)、抽象。所以常用的微調(diào)方法是，保持網(wǎng)絡(luò)中其他

參數(shù)不變，只修改預(yù)備訓(xùn)練網(wǎng)絡(luò)的最后幾層，最后幾層的參數(shù)在新數(shù)據(jù)集上重

新訓(xùn)練得到。其他層的參數(shù)保持不變，作為特征提取器，之后再使用較小的學(xué)

習(xí)率來訓(xùn)練整個(gè)網(wǎng)絡(luò)。因?yàn)閺牧汩_始訓(xùn)練整個(gè)卷積網(wǎng)絡(luò)是非常困難的，而且要

花費(fèi)大量的時(shí)間以及計(jì)算資源，所以采取遷移學(xué)習(xí)的方式是一種有效策略。微

調(diào)卷積網(wǎng)絡(luò)。使用預(yù)備訓(xùn)練的網(wǎng)絡(luò)來初始化網(wǎng)絡(luò)而不使用隨機(jī)初始化，比較常

用的方法是使用在ImageNet數(shù)據(jù)集上訓(xùn)練好的模型參數(shù)進(jìn)行初始化，然后訓(xùn)練

自己的數(shù)據(jù)集。將卷積網(wǎng)絡(luò)作為固定特征提取器。凍結(jié)除了全連接層外的所有

3

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

其他層的權(quán)重，將最后的那個(gè)全連接層替換為具有隨機(jī)權(quán)重的層，然后只對(duì)該

層進(jìn)行訓(xùn)練。

2.3關(guān)鍵技術(shù)分析

2.3.1什么是遷移學(xué)習(xí)？

遷移學(xué)習(xí)是指在一個(gè)數(shù)據(jù)集上，重新利用之前已經(jīng)訓(xùn)練過的卷積神經(jīng)網(wǎng)絡(luò)，

并將其遷移到另外的數(shù)據(jù)集上。

2.3.2為什么要遷移學(xué)習(xí)？

卷積神經(jīng)網(wǎng)絡(luò)前面的層提取的是圖像的紋理、色彩等特征，而越靠近網(wǎng)絡(luò)后

端，提取的特征就會(huì)越高級(jí)、抽象。所以常用的微調(diào)方法是，保持網(wǎng)絡(luò)中其他

參數(shù)不變，只修改預(yù)備訓(xùn)練網(wǎng)絡(luò)的最后幾層，最后幾層的參數(shù)在新數(shù)據(jù)集上重

新訓(xùn)練得到。其他層的參數(shù)保持不變，作為特征提取器，之后再使用較小的學(xué)

習(xí)率來訓(xùn)練整個(gè)網(wǎng)絡(luò)。因?yàn)閺牧汩_始訓(xùn)練整個(gè)卷積網(wǎng)絡(luò)是非常困難的，而且要

花費(fèi)大量的時(shí)間以及計(jì)算資源，所以采取遷移學(xué)習(xí)的方式是一種有效策略。微

調(diào)卷積網(wǎng)絡(luò)。使用預(yù)備訓(xùn)練的網(wǎng)絡(luò)來初始化網(wǎng)絡(luò)而不使用隨機(jī)初始化，比較常

用的方法是使用在ImageNet數(shù)據(jù)集上訓(xùn)練好的模型參數(shù)進(jìn)行初始化，然后訓(xùn)練

自己的數(shù)據(jù)集。將卷積網(wǎng)絡(luò)作為固定特征提取器。凍結(jié)除了全連接層外的所有

其他層的權(quán)重，將最后的那個(gè)全連接層替換為具有隨機(jī)權(quán)重的層，然后只對(duì)該

層進(jìn)行訓(xùn)練。

2.3.3卷積神經(jīng)網(wǎng)絡(luò)原理

可視化技術(shù)起源于圖形學(xué)、計(jì)算機(jī)圖形學(xué)、科學(xué)可視化、人工智能以及用

戶界面等領(lǐng)域，也是當(dāng)前計(jì)算機(jī)科學(xué)的一個(gè)重要研究方向，它利用計(jì)算機(jī)對(duì)抽

象信息進(jìn)行直觀的表示，以利于快速檢索信息和怎樣加強(qiáng)認(rèn)知能力。

數(shù)據(jù)可視化是項(xiàng)目中十分重要的一環(huán)，主要通過計(jì)算機(jī)圖形圖像技術(shù)手段

展現(xiàn)出數(shù)據(jù)的基本特征或者隱含規(guī)律，它將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為更容易的方式傳

遞給受眾，并給人意想不到的洞察力，所以建立數(shù)據(jù)可視化確實(shí)可以使分析的

數(shù)據(jù)任務(wù)更清晰、更容易理解，特別是對(duì)于大規(guī)模的數(shù)據(jù)集。

2.3.4Web框架技術(shù)（Flask/Django）

可視化技術(shù)起源于圖形學(xué)、計(jì)算機(jī)圖形學(xué)、科學(xué)可視化、人工智能以及用

4

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

戶界面等領(lǐng)域，也是當(dāng)前計(jì)算機(jī)科學(xué)的一個(gè)重要研究方向，它利用計(jì)算機(jī)對(duì)抽

象信息進(jìn)行直觀的表示，以利于快速檢索信息和認(rèn)知能力。

數(shù)據(jù)可視化是項(xiàng)目中十分重要的一環(huán)，主要通過計(jì)算機(jī)圖形圖像技術(shù)手段

展現(xiàn)出數(shù)據(jù)的基本特征或者隱含規(guī)律，它將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為更容易的方式傳

遞給受眾，并給人意想不到的洞察力，所以建立數(shù)據(jù)可視化確實(shí)可以使分析的

數(shù)據(jù)任務(wù)更清晰、更容易理解，特別是對(duì)于大規(guī)模的數(shù)據(jù)集。

3模型選擇

3.1數(shù)據(jù)集需求分析

數(shù)據(jù)集采用了中國發(fā)布的垃圾分類標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)將人們?nèi)粘Ｉ钪谐Ｒ姷?/p>

垃圾分為了四大類。其中，將廢棄的玻璃、織物、家具以及電器電子產(chǎn)品等適

合回收同時(shí)可循環(huán)利用的廢棄物歸為可回收垃圾。將剩菜剩飯、果皮果殼、花

卉綠植以及其他餐廚垃圾等容易腐爛的廢棄物歸為廚余垃圾。將廢電池、廢藥

品、廢燈管等對(duì)人們身體健康和自然環(huán)境有害而且應(yīng)當(dāng)門處理的廢棄物歸為有

害垃圾。除以上三類垃圾之外的廢棄物都?xì)w為其他垃圾。

圖3-1數(shù)據(jù)集

5

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

該數(shù)據(jù)集是圖片數(shù)據(jù)，分為訓(xùn)練集85%（Train）和測(cè)試集15%（Test）。其中O

代表Organic（有機(jī)垃圾），R代表Recycle（可回收）

3.2數(shù)據(jù)集獲取分析

寫爬蟲，爬取各大網(wǎng)站的圖片數(shù)據(jù)，然后使用自己的接口清洗或者人工標(biāo)

注

圖3-2爬各大網(wǎng)站的圖片數(shù)據(jù)

3.3編程實(shí)現(xiàn)

導(dǎo)入所需庫

圖3-3導(dǎo)入所需庫頁面

設(shè)置請(qǐng)求頭，偽裝成瀏覽器訪問服務(wù)器，垃圾數(shù)據(jù)都放在了名字為「垃圾

圖片庫」的文件夾里。

6

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

4數(shù)據(jù)集處理

圖4-1代碼處理

通過上述的方式獲取到的數(shù)據(jù)，當(dāng)然有些是無效的數(shù)據(jù)，需要通過數(shù)據(jù)清

洗將一些臟數(shù)據(jù)去除。這里筆者是對(duì)初步處理完的數(shù)據(jù)又進(jìn)行了人為方式的數(shù)

據(jù)清洗。

4.1數(shù)據(jù)預(yù)處理

垃圾數(shù)據(jù)都放在了名字為「垃圾圖片庫」的文件夾里。

7

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖4-2數(shù)據(jù)清洗準(zhǔn)備垃圾圖庫

首先，我們需要寫個(gè)腳本根據(jù)文件夾名，生成對(duì)應(yīng)的標(biāo)簽文件

（dir_label.txt）。

圖4-3生成標(biāo)簽文件

因?yàn)閳D片的大小不一，所以在進(jìn)行交叉驗(yàn)證訓(xùn)練的時(shí)候，將圖片縮放至統(tǒng)一。

8

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖4-4統(tǒng)一圖片尺寸

4.2數(shù)據(jù)增強(qiáng)

數(shù)據(jù)增強(qiáng)通常是依賴從現(xiàn)有數(shù)據(jù)生成新的數(shù)據(jù)樣本來人為地增加數(shù)據(jù)量的

過程。這包括對(duì)數(shù)據(jù)進(jìn)行不同方向的擾動(dòng)處理或使用深度學(xué)習(xí)模型在原始數(shù)據(jù)

的潛在空間(latentspace)中生成新數(shù)據(jù)點(diǎn)從而人為的擴(kuò)充新的數(shù)據(jù)集。

圖4-5數(shù)據(jù)增強(qiáng)

4.3切分訓(xùn)練集和測(cè)試集

將圖片和txt格式標(biāo)簽劃分為train、val、test三部分

文件夾格式為：圖片和標(biāo)簽各一個(gè)文件夾

每個(gè)文件目標(biāo)文件夾下分為train、val、test三部分

9

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖4-6切分訓(xùn)練集

5模型構(gòu)建及評(píng)估分析

5.1模型構(gòu)建

5.1.1模型構(gòu)建

圖5-1數(shù)據(jù)增強(qiáng)

將其中conv2d表示執(zhí)行卷積，maxpooling2d表示執(zhí)行最大池化，

Activation表示特定的激活函數(shù)類型，F(xiàn)latten層用來將輸入“壓平”，用于

卷積層到全連接層的過渡，Dense表示全連接層（128-128-6，最后一位表示分

類數(shù)目）。

圖5-2數(shù)據(jù)準(zhǔn)備頁面

使用了SGD優(yōu)化器，由于這個(gè)任務(wù)是一個(gè)多分類問題，可以使用類別交叉

熵（categorical_crossentropy）。但如果執(zhí)行的分類任務(wù)僅有兩類，那損失

函數(shù)應(yīng)更換為二進(jìn)制交叉損失函數(shù)（binarycross-entropy）

5.1.2模型保存

圖5-3數(shù)據(jù)展示頁面

10

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

將神經(jīng)網(wǎng)絡(luò)在data1數(shù)據(jù)集上訓(xùn)練的結(jié)果（參數(shù)，權(quán)重文件）進(jìn)行保存，

方便后期調(diào)用訓(xùn)練好的模型進(jìn)行預(yù)測(cè)。

5.2訓(xùn)練并測(cè)試

5.2.1訓(xùn)練并測(cè)試

圖5-4訓(xùn)練測(cè)試代碼演示

訓(xùn)練代碼已經(jīng)寫好了，接下來開始訓(xùn)練（圖片歸一化尺寸為128，batch_size

為32，epoches為5000，一般5k就已經(jīng)算比較多的啦，效果好的話可以提前結(jié)

束）

5.2.2模型保存

圖5-5模型保存

5.3模型選擇

5.3.1SeNet154結(jié)構(gòu)

采用遷移學(xué)習(xí)的方式導(dǎo)入預(yù)備訓(xùn)練模型，凍結(jié)特征提取層，進(jìn)行微調(diào)訓(xùn)練，選

取了SeNet154、Se_ResNet50、Se_ResNext101、ResNext101_32x16d_WSL四種

模型進(jìn)行對(duì)比實(shí)驗(yàn)，選取結(jié)果較好的模型進(jìn)行調(diào)優(yōu)。

11

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖5-6SeNet154結(jié)構(gòu)展示

采用ResNext101_32x16d_WSL網(wǎng)絡(luò)作為基本的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行遷移學(xué)習(xí)，將CBAM

注意力機(jī)制模塊添加在首層卷積層，來增強(qiáng)圖像特征表征能力，關(guān)注圖像的重

要特征抑制不必要的特征，固定除了全連接層之外的其他層的權(quán)重。為降低過

擬合,在模型全連接層添加了Dropout層，損失函數(shù)采用交叉熵?fù)p失函數(shù)

（CrossEntropyLoss）,優(yōu)化函數(shù)對(duì)比了SGD和Adam,Adam在起始收斂速度快，

但最終SGD精度高，所以采用了SGD。

5.3.2硬件配置

圖5-7硬件配置

12

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

5.3.3軟件配置

圖5-8軟件配置

5.4模型訓(xùn)練效果展示與分析

5.4.1硬件程序設(shè)計(jì)

圖5-9模型的訓(xùn)練

基于深度學(xué)習(xí)的智能垃圾分類系統(tǒng)主要以樹莓派、STM32F10RCT6為硬件控

13

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

制核心，采用USB高清攝像頭、舵機(jī)云臺(tái)、MQ2煙霧傳感器等模塊，實(shí)現(xiàn)了對(duì)垃

圾的拍照、自動(dòng)分類及煙霧報(bào)警等功能。硬件數(shù)據(jù)信息處理流程圖系統(tǒng)后端部

署

圖5-10模型訓(xùn)練圖

系統(tǒng)啟動(dòng)后自動(dòng)運(yùn)行，將卷積神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練的模型部署到云服務(wù)器端。

將要投放的垃圾置于系統(tǒng)識(shí)別盤上，系統(tǒng)通過樹莓派攝像頭對(duì)垃圾進(jìn)行拍照，

將垃圾圖片上傳到識(shí)別模型中進(jìn)行識(shí)別分類。

5.4.2設(shè)計(jì)效果展示及分析

所需要的環(huán)境搭建好后將模型部署上去，并設(shè)計(jì)自啟動(dòng)文件讓模型一直在

服務(wù)器端運(yùn)行。硬件端則可以通過拍照將圖片實(shí)時(shí)發(fā)送到服務(wù)器端進(jìn)行垃圾的

預(yù)測(cè)，并將預(yù)測(cè)結(jié)果返回到硬件端對(duì)四大類垃圾進(jìn)行分類處理。

圖5-11數(shù)據(jù)結(jié)果分析

14

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

初始化界面：

圖5-12初始化界面

選擇圖片進(jìn)行識(shí)別：

圖5-13圖片識(shí)別

開始檢測(cè)：

將硬件及模型準(zhǔn)備好后對(duì)大量不同種類的垃圾圖片進(jìn)行測(cè)試及本地拍照實(shí)

驗(yàn)測(cè)試，經(jīng)過測(cè)試得出該識(shí)別模型的平均識(shí)別準(zhǔn)確率可達(dá)93%，表明智能垃圾分

類系統(tǒng)對(duì)于生活常見垃圾識(shí)別反應(yīng)靈敏且識(shí)別率高，基本實(shí)現(xiàn)智能識(shí)別、控制

分類等功能。

15

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

識(shí)別結(jié)果：

16

湖南商務(wù)職業(yè)技術(shù)學(xué)院畢業(yè)設(shè)計(jì)

圖5-14垃圾圖片識(shí)別展示

6小結(jié)

設(shè)計(jì)了一種可識(shí)別垃圾種類并自動(dòng)分類投放的智能垃圾分類系統(tǒng)。該系統(tǒng)

采用軟、硬件相結(jié)合的工作模式，智能垃圾桶通過高清攝像頭拍攝垃圾圖片，

并將圖片上傳到服務(wù)器端的深度學(xué)習(xí)識(shí)別模型中進(jìn)行識(shí)別，樹莓派根據(jù)收到的

結(jié)果控制舵機(jī)自動(dòng)將垃圾進(jìn)行分類。通過實(shí)驗(yàn)測(cè)試，垃圾