創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)建站為企業(yè)級客戶提高一站式互聯(lián)網(wǎng)+設(shè)計服務(wù)，主要包括成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、外貿(mào)網(wǎng)站建設(shè)、手機APP定制開發(fā)、微信小程序開發(fā)、宣傳片制作、LOGO設(shè)計等，幫助客戶快速提升營銷能力和企業(yè)形象，創(chuàng)新互聯(lián)各部門都有經(jīng)驗豐富的經(jīng)驗，可以確保每一個作品的質(zhì)量和創(chuàng)作周期，同時每年都有很多新員工加入，為我們帶來大量新的創(chuàng)意。 

這篇文章給大家分享的是有關(guān)利用Python進行垃圾分類的方法的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

1 引言

七月了，大家最近一定被一項新的政策給折磨的焦頭爛額，那就是垃圾分類?！渡虾Ｊ猩罾芾項l例》已經(jīng)正式實施了，相信還

是有很多的小伙伴和我一樣，還沒有完全搞清楚哪些應(yīng)該扔在哪個類別里。感覺每天都在學(xué)習(xí)一遍垃圾分類，真令人頭大。

聽說一杯沒有喝完的珍珠奶茶應(yīng)該這么扔

1、首先，沒喝完的奶茶水要倒在水池里

2、珍珠，水果肉等殘渣放進濕垃圾

3、把杯子要丟入干垃圾

4、接下來是蓋子，如果是帶蓋子帶熱飲（比如大部分的熱飲），塑料蓋是可以歸到可回收垃圾的嗷

看到這里，是不是大家突然都不想喝奶茶了呢，哈哈。不過不要緊，垃圾分類雖然要執(zhí)行，但是奶茶也可以照喝。

那么，這里我們想討論一下，人工智能和數(shù)據(jù)科學(xué)的方法能不能幫助我們進行更好的垃圾分類？這樣我們不用為了不知道要扔哪個垃

圾箱而煩惱。

2 思路

這問題的解決思路或許不止一條。這里只是拋磚引玉一下，提供一些淺顯的見解。

第一種方案，可以把垃圾的信息制成表格化數(shù)據(jù)，然后用傳統(tǒng)的機器學(xué)習(xí)方法。

第二種方案，把所有的垃圾分類信息做成知識圖譜，每一次的查詢就好像是在翻字典一樣查閱信息。

第三種方案，可以借助現(xiàn)在的深度學(xué)習(xí)方法，來對垃圾進行識別和分類。每次我們給一張垃圾的圖片，讓模型識別出這是屬于哪一種

類別的：干垃圾，濕垃圾，有害垃圾還是可回收垃圾。

3 圖像分類

圖像分類是深度學(xué)習(xí)的一個經(jīng)典應(yīng)用。它的輸入是一張圖片, 然后經(jīng)過一些處理，進入一個深度學(xué)習(xí)的模型，該模型會返回這個圖片

里垃圾的類別。這里我們考慮四個類別：干垃圾，濕垃圾，有害垃圾還是可回收垃圾。

（報紙 ：可回收垃圾 ）

（電池 ：有害垃圾 ）

（一次性餐盒 ：干垃圾 ）

我們對圖片里的物品進行分類，這是圖像處理和識別的領(lǐng)域。人工智能里提出了使用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）來解決這一類問題。

我會用keras包和Tensorflow后端來建立模型。 由于訓(xùn)練集的樣本暫時比較缺乏，所以這里只能先給一套思路和代碼。訓(xùn)練模型的工

作之前還得進行一波數(shù)據(jù)收集。

我們就先來看看代碼大致長什么樣吧

先導(dǎo)入一些必要的包。

再做一下準(zhǔn)備工作。

在上面，我們初始化了一些變量，batch size是128； num_classes = 4，因為需要分類的數(shù)量是4，有干垃圾，濕垃圾，有害垃圾

和可

回收垃圾這四個種類。epochs 是我們要訓(xùn)練的次數(shù)。接下來，img_rows, img_cols = 28, 28 我們給了圖片的緯度大小。

在 .reshape(60000,28,28,1)中 , 60000 是圖片的數(shù)量（可變）, 28是圖片的大?。烧{(diào)），并且1是channel的意思，channel = 1 

是指黑白照片。 .reshape(10000,28,28,1)也是同理，只是圖片數(shù)量是10000。

到了最后兩行，我們是把我們目標(biāo)變量的值轉(zhuǎn)化成一個二分類， 是用一個向量（矩陣）來表示。比如 [1,0,0,0] 是指干垃圾，[0,1,0,0]

是指濕垃圾等等。

接下來是建模的部分。

我們加了卷積層和池化層進入模型。激活函數(shù)是 relu，relu函數(shù)幾乎被廣泛地使用在了卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。我們在層與層之間

也加了dropout來減少過擬合。Dense layer是用來做類別預(yù)測的。

建完模型后，我們要進行模型的驗證，保證準(zhǔn)確性在線。

到這里，我們的建模預(yù)測已經(jīng)大概完成了。一個好的模型，要不斷地去優(yōu)化它，提高精確度等指標(biāo)要求，直到達到可以接受的程度。

這優(yōu)化的過程，我們在這里就先不深入討論了，以后繼續(xù)。

4 總結(jié)

值得一提的是，盡管方法上是有實現(xiàn)的可能，但是實際操作中肯定要更復(fù)雜的多，尤其是對精度有著很高的要求。

而且當(dāng)一個圖片里面包含著好幾種垃圾種類，這也會讓我們的分類模型開發(fā)變得很復(fù)雜，增加了難度。

比如，我們想要對一杯奶茶進行垃圾分類，照片里面是包含了多個垃圾的種類，這就比較頭大了，因為這并不是屬于單一的類別。

前路的困難肯定是有的，不過就當(dāng)這里的分享是個拋磚引玉的起點吧。

畢竟李白也說了，“長風(fēng)破浪會有時，直掛云帆濟滄海”。

感謝各位的閱讀！關(guān)于利用Python進行垃圾分類的方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

名稱欄目：利用Python進行垃圾分類的方法-創(chuàng)新互聯(lián)
鏈接分享：http://www.rwnh.cn/article42/djgoec.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站營銷、網(wǎng)站策劃、網(wǎng)站收錄、外貿(mào)網(wǎng)站建設(shè)、響應(yīng)式網(wǎng)站、移動網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)