百中搜网站建设媒体资源网

资源下载地址：https://download.csdn.net/download/sheziqiong/85709577

1. 实验介绍

1.1 实验背景

自今年 7 月 1 日起，上海市将正式实施 《上海市生活垃圾管理条例》。
垃圾分类，看似是微不足道的“小事”，实则关系到13亿多人生活环境的改善，理应大力提倡。
垃圾识别分类数据集中包括玻璃 (glass) 、硬纸板 (cardboard) 、金属 (metal) 、纸 (paper) 、塑料 (plastic) 、一般垃圾 (trash) ，共6个类别。
生活垃圾由于种类繁多，具体分类缺乏统一标准，大多人在实际操作时会“选择困难”，基于深度学习技术建立准确的分类模型，利用技术手段改善人居环境。

1.2 实验要求

a）建立深度神经网络模型，并尽可能将其调到最佳状态。
b）绘制深度神经网络模型图、绘制并分析学习曲线。
c）用准确率等指标对模型进行评估。

1.3 实验环境

可以使用基于 Python 的 OpenCV 库进行图像相关处理，使用 Numpy 库进行相关数值运算，使用 Keras 等框架建立深度学习模型等。

1.4 参考资料

OpenCV：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html
Numpy：https://www.numpy.org/
Keras: https://keras.io/

2.实验内容

2.1 介绍数据集

该数据集包含了 2507 个生活垃圾图片。数据集的创建者将垃圾分为了 6 个类别，分别是：

序号	中文名	英文名	数据集大小
1	玻璃	glass	共 497 个图片
2	纸	paper	共 590 个图片
3	硬纸板	cardboard	共 400 个图片
4	塑料	plastic	共 479 个图片
5	金属	metal	共 407 个图片
6	一般垃圾	trash	共 134 个图片

• 物品都是放在白板上在日光/室内光源下拍摄的，压缩后的尺寸为 512 * 384

  图片预览

3.结果展示

模型的loss值为0.43，在测试集上的准确率大概为90%

一些预测的结果展示：

资源下载地址：https://download.csdn.net/download/sheziqiong/85709577