基于深度学习的垃圾分类以及生活垃圾产出量的可视化

 

结果还行把，，准确率在96左右

训练集20000张图片左右

基于inceptionV3模型

 

————————————————————————分割线—————————————————————————————

展示一下我的数据集，分为四类，可回收垃圾，其他垃圾，厨余垃圾，有害垃圾

数据集总共20000多点，因为一个人完成项目，所以没有太多时间做标注（目标检测算法的标注），未来有时间可能会完善。

 

近期写这个项目，利用Django搭建了web服务器，将做好的分类器搭载了web服务器，还做了全国各省近10年来的垃圾清运量的可视化

先po一下结果图吧

 

识别率目前还算可以，然后还利用JS调用了摄像头拍照，转换成base64格式，再在后台接收base64，并将其转换为图片，送入分类器

 

这里是调用摄像头拍照的功能

因为背景比较杂，所以识别率有下降

  function getMedia() {
          let constraints = {
              video: {width: 300, height: 300},
              audio: false
          };
          let video = document.getElementById("video"); //这里是用作实时显示摄像头图像的canvas对象
          let promise = navigator.mediaDevices.getUserMedia(constraints);
          promise.then(function (MediaStream) {
              video.srcObject = MediaStream;
              video.play();
          });
      }
 function takePhoto() {
        let video = document.getElementById("video"); //用于实时显示摄像头画面的canvas
        let canvas = document.getElementById("canvas"); //用于显示拍得照片显示的canvas
        let ctx = canvas.getContext('2d');
        ctx.drawImage(video, 0, 0, 300, 300);
         //拍完照片后调用上传函数
      }

 

JS转化为base64,并且上传

function UploadFile(){
            let canvas = document.getElementById('canvas');
            console.log(canvas.toDataURL('image/jpeg'))  //也可以是png
            jQuery.post('../check/', {
                img: canvas.toDataURL('image/jpeg'),//转换为Base64
                 async: false,
            }).done(function(rs) {
              console.log(rs);
              document.getElementById("showName").innerHTML = rs
            }).fail(function(err) {
              console.log(err);
              document.getElementById("showName").innerHTML = err
            });
        }

在Django的view里面写接收和转化代码，这里我利用的POST传过来的，因为Base64的数据比较长

这是近十年的全国各省份的垃圾清运量，利用的是pyecharts的map()