垃圾分类 算法

基于TensorFlow和VGG-16卷积神经网络训练垃圾分类模型，通过服务器实现分类模型移植到移动端，并在微信小程序中进行应用。

系统整体结构

在这里插入图片描述

Python环境

安装Anconda 34.2.0版本，Windows版本下的TensorFlow暂时不支持Python 2.7，需要安装Python 3.7。

TensorFlow环境

由于Keras默认TensorFlow为后端，本项目采用TensorFlow作为Keras后端。打开Anaconda Prompt。
（1）在C：\Users\Lenovo\Anaconda3\envs新建环境目录，例如，DeepLearning。
（2）在命令行窗口输入以下命令激活DeepLearning：
C:\Users\Lenovo\Anaconda3>activate DeepLearning
（3）输入以下命令安装tensorflowgpu：
conda install tensorflow-gpu
Anaconda会自动显示匹配所需的安装包，输入y，安装完成。
（4）安装tensorflow-gpu后，在新建的DeepLearning环境中安装基础库。
（5）在CMD命令行或者Powershell中安装Keras，输入以下命令：
pip install keras
验证Keras是否安装成功，在命令行中输入Python命令变成命令行环境后输入：
import keras
未报错，则Keras成功安装。

微信小程序及后台服务器环境

（1）下载微信开发者工具v1.02.2003112，扫描二维码登录后进行程序编写。
（2）服务器配置为2核CPU、4GB内存、CentOS 7.6 64位操作系统、1Mbps带宽。
（3）配置出入安全组，开放端口有22、80、443、3306、5000。
（4）后台需要安装Nginx、编译工具和库文件，首先运行：
yum-y install make zlib zlib-devel gcc-c++libtool openssl openssl-devel
下载Nginx源文件：
wgethttp://nginx.org/download/nginx-1.6.2.tar.gz
解压并编译安装。
（5）安装PHP，相关代码如下：
在这里插入图片描述

数据预处理

据下载地址为：https://pan.baidu.com/s/1VhJnSRKlpUOHRp1P4MZ0pQ，提取码：8dsd。该数据集包含10种垃圾：纸箱、玻璃、金属、纸、塑料、其他废品、LED灯泡、瓜子、白菜、纽扣电池，每种垃圾数据集大约包含300～400张图片，压缩后的尺寸为512×384。筛选出具有明显特征的（主要是单一物体、单一背景）垃圾图片

首先，对图片进行缩放和翻转，并压缩为（150，150）；其次，把10%的数据作为测试集，训练数据进行分批，每批16张图片。
相关代码如下：
在这里插入图片描述