科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前，随着人口增长与城市化推进，生活垃圾产量与清运量大幅增加，垃圾分类处理效率低且浪费大量资源，基于上述社会环境，设计垃圾分类系统具有重要意义。本文章介绍在树莓派4代B型开发板上使用垃圾分类数据集训练的Keras模型识别垃圾的过程。采用卷积神经网络，通过Python搭载神经网络来做到图像识别进l行垃圾分类，将垃圾分类数据集在LeNet-5网络模型上深度学习得到训练模型，最后通过PyQt5构建图形化的界面。运行在搭建好TensorFow框架和Opencv计算机视觉库的树莓派开发板上，树莓派4B通过载入照片识别垃圾。
- 出版日期2023
- 单位广西民族师范学院; 电子信息工程学院
