垃圾分类微信小程序设计python

垃圾分类微信小程序设计

本次设计详细方案和代码在 https://download.csdn.net/download/by1jing/12589494，在该文档中有详细代码介绍。

垃圾分类，指按一定规定或标准将垃圾分类储存、分类投放和分类搬运，从而转变成公共资源的一系列活动的总称。分类的目的是提高垃圾的资源价值和经济价值，力争物尽其用；然而在日常生活中大部分人对垃圾分类还是有些不知所措的，对干垃圾、湿垃圾分的不是很清楚，由此本文就提出了使用深度学习的方法对垃圾进行分类，并将学习模型转移到微信小程序上，真正的方便居民的生活。此项目主要由两大部分组成，首先基于python利用深度神经网络算法搭建图像识别算法，进而通过训练得到理想的模型，然后利用微信开发工具搭建垃圾分类微信小程序并利用训练出的模型实现垃圾分类整个系统的设计开发。

系统概述：
对于图像分类任务，当前最先进的架构是卷积神经网络(CNN)。无论是面部识别、自动驾驶还是目标检测，CNN均得到了广泛应用。在本项目中，针对垃圾图片识别任务，设计了一个基于TensorFlow的VGG16卷积神经网络(CNN)模型，并将模型移植到移动端微信小程序中进行应用。

本次垃圾图片分类任务采用的是经典的深度学习模型VGG16。VGG是Simonyan 和Zisserman在文献《Very Deep
Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。

针对VGG16进行具体分析发现，VGG16共包含：13个卷积层（Convolutional Layer），分别用conv3-XXX表示，3个全连接层（Fully
connected Layer）,分别用FC-XXXX表示，5个池化层（Pool layer）,分别用maxpool表示。其中，卷积层和全连接层具有权重系数，因此也被称为权重层，总数目为13+3=16，这即是VGG16中16的来源。(池化层不涉及权重，因此不属于权重层，不被计数)。

VGG16的突出特点是简单，具有很高的拟合能力，但同时缺点也很明显，即训练时间过长，调参难度大，需要的存储容量大，不利于部署。例如存储VGG16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。

实现代码：

```python


def processing_data(data_path):

   
"""

    数据处理

   
:param data_path: 数据集路径

   
:return: train, test:处理后的训练集数据、测试集数据

   
"""

   
train_data = ImageDataGenerator(

           
# 对图片的每个像素值均乘上这个放缩因子，把像素值放缩到0和1之间有利于模型的收敛