理工酷

研究目的

针对我国垃圾分类存在的问题，提出此项目旨在通过深度学习，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。

研究方法

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。

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。

环境要求

Python Tensorflow Opencv

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： $ 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 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

转载自：https://github.com/jzx-gooner/DL-wastesort