Python基于树莓派的垃圾分类识别代码,含垃圾分类数据集和tf代码,使用神经网络进行图像识别处理

Python基于树莓派的垃圾分类识别代码,含垃圾分类数据集和tf代码,使用神经网络进行图像识别处理
完整代码下载地址:Python基于树莓派的垃圾分类识别代码

材料清单

  1. 树莓派 1个

  2. pca9685 16路舵机驱动板 1个

  3. 7寸可触摸显示屏一个

  4. MG996R 舵机4个

  5. 垃圾桶4个

  6. usb免驱动摄像头1个

  7. 树莓派GPIO扩展板转接线柱1个

  8. 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

  1. output_model 目录存放的是本地训练完成导出的h5模型文件

  2. 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:

  1. pip3 install adafruit-pca9685
  2. pip3 install flask

完整代码下载地址:Python基于树莓派的垃圾分类识别代码

你可能感兴趣的:(Python代码大全,python,分类,神经网络)