项目描述请参见：https://handsome-man.blog.csdn.net/article/details/119490649

比赛需要故只开源了粗劣的第一个版本demo实现,第二版本改进使用yoloV3模型进行垃圾分类检测,机器臂分拣垃圾,垃圾分类数据集重新收集,并有微信小程序的用户查询垃圾分类及反馈机制 注意看ReadMe文件,注意看ReadMe文件,注意看ReadMe文件 B站视频介绍地址：https://www.bilibili.com/video/av80830870 交流群:1074171553 题主双非师范院校2021考研狗,如果你觉得这个小项目有帮助到你,请为项目点一个star,不管是考试型选手毕设项目被迫营业还是直接拿去二开参加比赛,这些都没问题,开源项目就是人人为我我为人人,但请尊重他人劳动成果,大家都是同龄人.心上无垢,林间有风. 材料清单 树莓派 1个 pca9685 16路舵机驱动板 1个 7寸可触摸显示屏一个 MG996R 舵机4个 垃圾桶4个 usb免驱动摄像头1个 树莓派GPIO扩展板转接线柱1个 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 output_model 目录存放的是本地训练完成导出的h5模型文件 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： pip3 install adafruit-pca9685 pip3 install flask

用于分类识别、MATLAB实验教学、机器学习、计算机视觉等。

tensorflow，FashionMinist，卷积神经网络，服装识别。个人课程设计小模块，仅供学习！不得直接抄袭!内含有相关数据集，和图像处理代码。

基于MATLAB的树叶图像特征分类识别，图像分析处理 分割 特征提取 分类识别等

目的对鞋底经常出现的三角形、线/曲线、圆形、不规则形四种随机损伤特征进行准确分类,以便后续对鞋底损伤特征的量化研究。方法提出了每个特征的形状由三角形度、线性度、圆形度构成的三维向量决定,对三角形度、线性度、圆形度设置适当的阈值,在分类识别时三维向量的元素和设定的阈值比较得出特征的具体形状。结果利用Matlab软件编制了三角形度、线性度、圆形度的计算程序和阈值比较程序,运行结果表明在提前设定的阈值下通过比较每个形状的三种形度可以实现对形状特征的分类识别,与人工分类识别结果的对比体现了计算机识别的准确率,也体现了计算机识别的定量化优势。结论基于Matlab编写的分类识别程序能够达到正确区分损伤特征和量化损伤特征的目的。

利用深度学习神经网络模型训练医学影像模型，实现五分类，最终预测所给图片所患的病

找到一个SVM.CPP，直接拿来用的，根据男女身高体重数据，采用SVM进行分类。再用测试集对分类结果进行测试，并显示正确率

opencv使用SVM实现图像分类识别，代码已测试通过，能帮助我们更好理解SVM和opencv编程的使用。

基于python用深度学习实现垃圾分类识别，包含数据集，识别准确率在90%左右，有注释，代码简洁易懂。