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