简介：该垃圾分类项目主要在于对各种垃圾进行所属归类，本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类，最终移植在树莓派上进行实时视频流的垃圾识别。 前期：主要考虑PC端性能，并尽可能优化模型大小，训练可采用GPU，但调用模型测试的时候用CPU运行，测试帧率和准确性（测试10张左右图像的运行时间取平均值或实时视频流的帧率）。 后期：部署在树莓派端，在本地进行USB摄像头实时视频流的垃圾分类（归类）。 框架语言： keras+python。 PC端： Keras: 2.2.0 Opencv: 3.4 Python: 3.6 Numpy:1.16

校园垃圾分类管理系统 角色:用户，片区管理员，管理员 用户用户信息，查询垃圾分类，垃圾站点查询，积分商城，查询公告，预约回收 用户基本信息:修改信息.积分查询 查询垃圾分类:查询垃圾属于哪种 垃圾站点查询:查询垃圾站点信息 积分商城用户功能:商品查询，商品兑换，订单 (预约回收:查询可回收东西，提交预约回收订单(完成获得积分) 查询公告 片区管理员:管理员信息、垃圾站点管理，预约信息管理 管理员信息:修改信息 垃圾站点管理:清运垃圾(可以设置垃圾站点已满或者可用)，垃圾站点信息管理 预约信息管理:处理预约回收订单 查询公告 (管理员:积分商城，角色管理)。系统配置.预约回收管理.公告管理

图片来源于生活场景，总共40个类别，数量14000+；可用于训练垃圾分类网络，用于识别城市垃圾

pytorch环境下，使用Resnet网络开发的垃圾分类系统，包含数据集，测试集，和测试结果。分类数据包含（电池、塑料瓶、蔬菜、香烟、易拉罐） 分类准确度达到了96%

基于Javaweb垃圾分类管理系统源码

本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 目前垃圾分类已经在许多城市开展起来。这看似微不足道的“小事”，实则关系到13亿多人生活环境的改善，理应通过人工智能技术来大力提倡社会风气养成。本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 2.任务要求 每位同学单独完成；建立神经网络模型，并尽可能将其参数调优到最佳状态；绘制深度学习模型图、绘制并分析学习曲线等；分析模型并试着调试不同学习率等超参数对模型的结果影响 ；使用Python语言。 3.实验方法 卷积神经网络 （Convolutional Neural Network, CNN）是一种结构类似于人类或动物的 视觉系统 的人工神经网络，包含一个或多个卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（Full

垃圾分类数据集 含：xml、txt格式（图片和标注各1377张） 标注类别： paper products（纸制品，任何纸盒子和报纸） plastics：（塑料类：饮料瓶、塑料袋、塑料泡沫等） glass（玻璃类：玻璃瓶、白炽灯泡、碎玻璃、其他玻璃制品。） metals（金属罐（如易拉罐）、金属盒、其他金属制品） kitchen waste（厨余垃圾：食物，水果，鲜花） WPD这个用大写（未破带：凡是用垃圾袋装着其他垃圾的都标WPD，这个不用标plastics） cloth（布料，布袋子，衣服，布制品）

ssm垃圾分类系统lw+ppt

基于pytorch的垃圾分类，带训练模型和数据集的下载链接！ 多达200类别-垃圾分类！ 附带5种先进的图像分类网络！ 代码支持知识蒸馏，里面有详细的教程！ 代码里面还有50+种模型选择，支持对比实验，每个模型都支持Imagenet预训练权重，详细请看代码里面的Readme！！

本系统功能如下： 管理员：用户管理、垃圾分类管理、垃圾站点、垃圾运输、保修管理、投诉管理。 用户，主要是查看：垃圾分类、垃圾站点、垃圾运输、保修信息、添加投诉等。