百度图像识别（3）垃圾分类应用

最新推荐文章于 2024-03-15 14:57:25 发布
最新推荐文章于 2024-03-15 14:57:25 发布
阅读量5.3k 收藏 78
点赞数 7
分类专栏： Python学习 文章标签： opencv 百度 图像识别 python 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cungudafa/article/details/119752048
版权

前言

之前通过百度AI接口实现了图像识别，目标做图像识别再进行垃圾分类提示，于是乎我在网上查询各垃圾分类的数据集，很多数据集收费的各大网站让我很反感，接下来放两个比较nice的开源站：（开源让技术进步！）

ps.后文使用到的数据集为csv格式，供学习使用。

正文

1.数据集

数据集包含2534条数据，大致分为4类，根据go语言4类分类，重新处理了一下数据集：
在这里插入图片描述
参考如下：
在这里插入图片描述

2.表格匹配规则

读取表格B列存储的名称和识别的名称对比，对比规则：
字符串相等 sort：1
不相等，但包含字符： 字符串相等的字节占总字节的比例 sort = len(name)/len(cell.value)

import openpyxl
from openpyxl import Workbook


def excel(excel_file, name):
    # 定义列表result存储所有读取数据
    result = {"id":0,"name":"test","imageUrl":"","sortId":"可回收垃圾","result":"","sort":0}
    wb = openpyxl.load_workbook(excel_file)  # 读取excel文件
    sheet = wb.worksheets[0]#读取第一个表
    col = sheet["B"]#读取B列
    for index,cell in enumerate(col):
        if cell.value == name:
            result["sort"] = 1
            result["name"] = name
            result["result"] = cell.value
            result["id"] = sheet.cell(index,1).value
            result["sortId"] = sheet.cell(index,4).value
            print(cell.value,1)
        else:
            if name in cell.value:
                sort = len(name)/len(cell.value)
                print(cell.value,sort)
                if sort > result["sort"]:
                    result["sort"] = sort
                    result["name"] = name
                    result["result"] = cell.value
                    result["id"] = sheet.cell(index,1).value
                    result["sortId"] = sheet.cell(index,4).value
                    print(cell.value,sort)

    if result["sort"] == 0:
        print("未识别到是什么垃圾")
    else:
        print("====识别结果=======")
        print(result)
        print(result["name"],"的识别结果是：",result["result"],"是",result["sortId"],"可信度为：",result["sort"])


excel(r'/Users/wangyu/Desktop/waste.xlsx',
              r'花生')  # 调用函数，传入参数

在这里插入图片描述

3.图像识别+垃圾分类

参考上一篇文章图像识别

在这里插入图片描述

# coding=utf-8

import requests
import json
import base64

# 防止https证书校验不正确
import ssl
ssl._create_default_https_context = ssl._create_unverified_context


"""
    获取token
"""

def getToken(AccessKey,SecretKey):
    # client_id 为官网获取的AK， client_secret 为官网获取的SK
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id='+AccessKey+'&client_secret='+SecretKey
    headers = {
        'Content-Type': 'application/json;charset=UTF-8',
        'grant_type': 'client_credentials',
    }
    access_token = ''
    response = requests.get(url=host, headers=headers)
    if response:
        res = response.json()
        access_token = res['access_token']
    return access_token

def getResult(url,access_token):
#     植物
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/plant"
#     动物
#     request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/animal"
    # 二进制方式打开图片文件
    f = open(url, 'rb')
    img = base64.b64encode(f.read())
    params = {"image":img,"top_num":1,"baike_num":1}

    request_url = request_url + "?access_token=" + access_token
    headers = {'content-type': 'application/json'}
    response = requests.post(request_url, data=params, headers=headers)
    result = response.json()
    if result:
        print (json.dumps(result,indent=1,ensure_ascii=False))
        # 打印图片结果
        for data in result["result"]:
            print(u"  菜品名称: " + data["name"])
            return data["name"]
    else:
        return "未识别该图片"

def getWaste(name):
    waste = '未识别到该垃圾的分类'
    # 定义列表result存储所有读取数据
    result = {"id":0,"name":"test","imageUrl":"","sortId":"可回收垃圾","result":"","sort":0}
    excel_file = "/Users/wangyu/Desktop/waste.xlsx"
    wb = openpyxl.load_workbook(excel_file)  # 读取excel文件
    sheet = wb.worksheets[0]#读取第一个表
    col = sheet["B"]#读取B列
    for index,cell in enumerate(col):
        if cell.value == name:
            result["sort"] = 1
            result["name"] = name
            result["result"] = cell.value
            result["id"] = sheet.cell(index,1).value
            result["sortId"] = sheet.cell(index,4).value
            print(cell.value,1)
        else:
            if name in cell.value:
                sort = len(name)/len(cell.value)
                print(cell.value,sort)
                if sort > result["sort"]:
                    result["sort"] = sort
                    result["name"] = name
                    result["result"] = cell.value
                    result["id"] = sheet.cell(index,1).value
                    result["sortId"] = sheet.cell(index,4).value
                    print(cell.value,sort)

    if result["sort"] == 0:
        print("未识别到是什么垃圾")
        return waste
    else:
        print("====识别结果=======")
        print(result["name"],"的识别结果是：",result["result"],"是",result["sortId"],"可信度为：",result["sort"])
        return result



if __name__ == '__main__':
    # 识别的图片
#     url = '/Users/wangyu/Desktop/shicai.jpg'
#     url = '/Users/wangyu/Desktop/fish.jpg'
    url = '/Users/wangyu/Desktop/hongzao.jpg'
    # 百度账号信息
    AccessKey = ''
    SecretKey = ''
    # 获取小票识别结果
    access_token = getToken(AccessKey,SecretKey)
    img_result = getResult(url,access_token)
    waste_result = getWaste(img_result)

4.整合显示

通过标识将主要内容输出显示于图片上：
在这里插入图片描述

# coding=utf-8
# 网络数据请求
import requests
import json
import base64
import numpy as np
# 表格处理
import openpyxl
from openpyxl import Workbook
# 图像处理
import cv2
from matplotlib import pyplot as plt
from urllib import request
from PIL import Image, ImageDraw, ImageFont

# 防止https证书校验不正确
import ssl
ssl._create_default_https_context = ssl._create_unverified_context


"""
    获取token
"""

def getToken(AccessKey,SecretKey):
    # client_id 为官网获取的AK， client_secret 为官网获取的SK
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id='+AccessKey+'&client_secret='+SecretKey
    headers = {
        'Content-Type': 'application/json;charset=UTF-8',
        'grant_type': 'client_credentials',
    }
    access_token = ''
    response = requests.get(url=host, headers=headers)
    if response:
        res = response.json()
        access_token = res['access_token']
    return access_token
"""
    图像识别结果
    输入：本地图片地址，token
    输出：识别结果，识别分数
"""
def getResult(url,access_token):
    img = cv2.imread(url)
    plt.figure(figsize=(5,5))
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))#BGR转RGB
    plt.xlabel(u'img')
    plt.show()
#     植物
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/plant"
#     动物
#     request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/animal"
    # 二进制方式打开图片文件
    f = open(url, 'rb')
    img = base64.b64encode(f.read())
    params = {"image":img,"top_num":1,"baike_num":1}

    request_url = request_url + "?access_token=" + access_token
    headers = {'content-type': 'application/json'}
    response = requests.post(request_url, data=params, headers=headers)
    result = response.json()
    if result:
        print (json.dumps(result,indent=1,ensure_ascii=False))
        # 打印图片结果
        for data in result["result"]:
            print(u"  菜品名称: " + data["name"])
            if data["baike_info"]["image_url"]:
                print(u"  图片为" + data["baike_info"]["image_url"])
                plt.figure(figsize=(5,5))
                response = requests.get(data["baike_info"]["image_url"])
                resp = request.urlopen(data["baike_info"]["image_url"])
                image = np.asarray(bytearray(resp.read()), dtype="uint8")
                image = cv2.imdecode(image, cv2.IMREAD_COLOR)
                plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))#BGR转RGB
                plt.xlabel("score is"+str(data["score"]))
                plt.show()
            return data["name"],data["score"]
    else:
        return "未识别该图片",0

"""
    垃圾分类识别
    输入：物体名称
    输出：垃圾分类结果，分数
"""
def getWaste(name):
    waste = '未识别到该垃圾的分类'
    # 定义列表result存储所有读取数据
    result = {"id":0,"name":"test","imageUrl":"","sortId":"可回收垃圾","result":"","sort":0}
    excel_file = "/Users/wangyu/Desktop/waste.xlsx"
    wb = openpyxl.load_workbook(excel_file)  # 读取excel文件
    sheet = wb.worksheets[0]#读取第一个表
    col = sheet["B"]#读取B列
    for index,cell in enumerate(col):
        if cell.value == name:
            result["sort"] = 1
            result["name"] = name
            result["result"] = cell.value
            result["id"] = sheet.cell(index,1).value
            result["sortId"] = sheet.cell(index,4).value
            print(cell.value,1)
        else:
            if name in cell.value:
                sort = len(name)/len(cell.value)
                print(cell.value,sort)
                if sort > result["sort"]:
                    result["sort"] = sort
                    result["name"] = name
                    result["result"] = cell.value
                    result["id"] = sheet.cell(index,1).value
                    result["sortId"] = sheet.cell(index,4).value
                    print(cell.value,sort)

    if result["sort"] == 0:
        print("未识别到是什么垃圾")
        return waste,0
    else:
        print("====识别结果=======")
        print(result["name"],"的识别结果是：",result["result"],"是",result["sortId"],"可信度为：",result["sort"])
        return result["sortId"],result["sort"]

"""
    在图像上标记中文
    输入：图片（cv2格式），文字，写到图片上的位置(x,y)，文字颜色，文字大小
    输出：图片
"""
def cv2AddChineseText(img, text, position=(0,0), textColor=(0, 255, 0), textSize=30):
    if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式，需要下载
    fontStyle = ImageFont.truetype(
        "simsun/simsun.ttc", textSize, encoding="utf-8")
    # 绘制文本
    draw.text(position, text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

if __name__ == '__main__':
    # 识别的图片
#     url = '/Users/wangyu/Desktop/shicai.jpg'
#     url = '/Users/wangyu/Desktop/fish.jpg'
    url = '/Users/wangyu/Desktop/hongzao.jpg'
    img = cv2.imread(url)
    # 百度账号信息
    AccessKey = ''
    SecretKey = ''
    # 获取小票识别结果
    access_token = getToken(AccessKey,SecretKey)
    img_result,score = getResult(url,access_token)
    if img_result != "未识别该图片":
        waste_result,sort = getWaste(img_result)
        image = cv2AddChineseText(image, "图片识别："+img_result, (30, 50), (255,0,0), 50)
        image = cv2AddChineseText(image, "score: {:.2f}".format(score), (500, 50), (255,0,255), 30)
        image = cv2AddChineseText(image, "垃圾分类："+waste_result, (30, 120), (255,0,0), 50)
        image = cv2AddChineseText(image, "sort: {:.2f}".format(sort), (500, 120), (255,0,255), 30)
        plt.figure(figsize=(5,5))
        plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))#BGR转RGB
        plt.xlabel(u'image')
        plt.show()

总结

通过百度API图像接口实现了单物种的图像识别，取识别率最高的一个结果；通过excel匹配，实现垃圾分类提示。垃圾分类匹配规格达2k+。

图像识别目前仅用了一个类别的识别，百度组合API的识别试了一下，暂时不ok，报400的错误，传参这里还有问题，思考中。

不限于API识别图像，也可以使用其他方案识别图像。

cungudafa
关注
专栏目录
《基于图像识别的垃圾分类应用》 软件项目组织与管理 课程设计
WindsZL的博客
11-02 421
目前垃圾处理的主要方法有露天堆放、卫生填埋、焚烧、堆肥，这些传统的垃圾处理方式，释放出大量有害物质严重污染环境、危害生物和人类的生存空间。垃圾分类收集可以减少垃圾处理量和处理设备，降低处理成本，减少土地资源的消耗，具有社会、经济、生态三方面的效益。目前生活垃圾分类标准一般可以分成以下四类，分别是可回收垃圾、有害垃圾、厨余垃圾和其他垃圾，而且每个类别下又包含若干子类别，种类繁多且十分复杂。因此，如何实现垃圾自动识别分类已然变成急于解决的首要问题。早期，国内外学者们只是将经典的图像分类算法应用于垃圾图像分类中，
使用百度飞桨 EasyDL 完成垃圾分类
PaddlePaddle
07-26 2213
对于各行各业有定制AI需求的企业用户来说，无论您是否具备AI基础，EasyDL设计简约，极易理解，最快5分钟即可上手学会，15分钟完成模型训练。通过本教程，大家能够发现EasyDL的使用是非常便捷的，从数据的分析、模型训练到最后的模型部署，一站式解决了AI应用的全部问题。目前有免费的算力，也可以花钱买配置更加高的算力，训练速度会快很多，当然，免费其实一般也够用了，时间也很快。要完成垃圾分类模型训练，首先需要准备数据集，导入数据，数据分析，再进行训练，得到模型后就可以进行验证了。...
使用Python轻松完成垃圾分类（基于图像识别）
01-01
0 环境 Python版本：3.6.8 系统版本：macOS Mojave Python Jupyter Notebook 1 引言 七月了，大家最近一定被一项新的政策给折磨的焦头烂额，那就是垃圾分类。《上海市生活垃圾管理条例》已经正式实施了，相信还是有很多的小伙伴和我一样，还没有完全搞清楚哪些应该扔在哪个类别里。感觉每天都在学习一遍垃圾分类，真令人头大。 听说一杯没有喝完的珍珠奶茶应该这么扔 首先，没喝完的奶茶水要倒在水池里 珍珠，水果肉等残渣放进湿垃圾 把杯子要丢入干垃圾 接下来是盖子，如果是带盖子带热饮（比如大部分的热饮），塑料盖是可以归到可回收垃圾的嗷 看到这里，
毕业设计-基于计算机图像识别的垃圾智能分类系统
Hai_Lang_IT的博客
03-14 3604
毕业设计-基于计算机图像识别的垃圾智能分类系统：垃圾分类是推动我国新型城镇生态文明水平提高的一大重 要举措。为提高垃圾分类效率，应对日益繁杂的垃圾分类工作，使垃圾分类智能化，高效化。运用卷积神经网络解决垃圾 分类问题，对 YOLOv3 基础算法进行研究改进，并制作垃圾种类数据集，结合参数迁移学习训练垃圾分类识别模型。党的十九届五中全会擘画了党和国家未来五年乃至更 长时期各项事业发展的宏伟蓝图，明确了发展的目标和路径， 其中对垃圾分类问题提出了新的要求，表现垃圾处理正处于一 个新的台阶，对此，垃圾 分类重在按
手把手教你：图像识别的垃圾分类系统
大雾的小屋的博客
09-14 3万+
本文主要介绍如何使用python搭建：一个基于深度残差网络（ResNet）的图像识别垃圾分类系统。 博主也参考过网上其他博主介绍：ResNet或图像分类的文章，但大多是理论大于方法。很多同学肯定对原理不需要过多了解，只需要搭建出一个分类或预测系统即可。 本文只会告诉你如何快速搭建一个基于ResNet的图像分类系统并运行，原理的东西可以参考其他博主。 也正是因为我发现网上大多的帖子只是针对原理进行介绍，功能实现的相对很少。
毕设分享 基于深度学习图像识别的垃圾分类系统
最新发布
pshfka的博客
03-15 1182
如今，垃圾分类已成为社会热点话题。其实在2019年4月26日，我国住房和城乡建设部等部门就发布了《关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》，决定自2019年起在全国地级及以上城市全面启动生活垃圾分类工作。到2020年底，46个重点城市基本建成生活垃圾分类处理系统。人工垃圾分类投放是垃圾处理的第一环节，但能够处理海量垃圾的环节是垃圾处理厂。然而，目前国内的垃圾处理厂基本都是采用人工流水线分拣的方式进行垃圾分拣，存在工作环境恶劣、劳动强度大、分拣效率低等缺点。
一键识别垃圾分类应用 垃圾识别工具箱微信小程序源码 语音识别和图像识别 采用 百度智能云平台服务【带安装教程】
09-26
前端：微信小程序 采用 uni-app 开发框架，uni-app 是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、H5、以及各种小程序... 语音识别和图像识别 采用 百度智能云平台服务。
一键识别垃圾分类应用 垃圾识别工具箱微信小程序源码 语音识别和图像识别 采用 百度智能云平台服务
09-29
2.其中的 语音识别和图像识别 功能使用百度智能云平台服务，需要注册登录拥有自己的应用 (有5万次调用 api 的免费使用量)，在 后端 afterend 的 uniapp-api 当中的配置文件里面需要进行配置 appid、apikey、secret...
一键识别垃圾分类应用 垃圾识别工具箱微信小程序源码 语音识别和图像识别 采用 百度智能云平台服务.zip
10-12
前端：微信小程序 采用 uni-app 开发框架，uni-app 是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、H5、以及各种小程序... 语音识别和图像识别 采用 百度智能云平台服务。
【代码分享】手把手教你：图像识别的垃圾分类系统
09-13
主要介绍如何使用python搭建：一个基于深度残差网络（ResNet）的图像识别垃圾分类系统。完整代码使用方法可参考博文：https://blog.csdn.net/weixin_43486940/article/details/120267108
垃圾分类数据集.txt
04-15
垃圾分类数据集，可用于训练深度学习模型垃圾分类模型，10000+样本，数据集较大，CSDN无法上传，给了百度云链接
AI识别各类垃圾分类数据图400张
02-23
AI识别各类垃圾分类数据图400张
生活垃圾分类训练图像数据集（一）.zip
06-16
基于神经网络的生活垃圾分类图像数据集，总共包含了可回收物、有害垃圾、厨余垃圾、其他垃圾四大类40个小类。其中其他垃圾6种、厨余垃圾8种、有害垃圾3种、可回收物23种。每种包含大约400张图片，共1.7万余张图像。此为第一部分
毕业设计之 ---- 基于深度学习图像识别的垃圾分类系统
热门推荐
HUXINY的博客
11-17 4万+
文章目录前言一、识别效果二、实现1.数据集2.实现原理和方法3.网络结构最后如何获取源码和数据集 前言 如今，垃圾分类已成为社会热点话题。其实在2019年4月26日，我国住房和城乡建设部等部门就发布了《关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》，决定自2019年起在全国地级及以上城市全面启动生活垃圾分类工作。到2020年底，46个重点城市基本建成生活垃圾分类处理系统。 人工垃圾分类投放是垃圾处理的第一环节，但能够处理海量垃圾的环节是垃圾处理厂。然而，目前国内的垃圾处理厂基本都是采用人工流水线
学习笔记(02):深度学习图像处理之垃圾分类-课程总结
haohao1461611的博客
05-12 1168
【超实用课程内容】 深度学习在图像处理领域的发展过程； 解析经典的卷积神经网络； 垃圾分类实战。本课程将使用Pytorch深度学习框架进行实战，并在ubuntu系统上进行演示，包括：不同标注文件下的数据集读取、编写卷积神经网络、训练垃圾分类数据集、测试训练网络模型、网络可视化、性能评估等。 ...
AI 助力垃圾分类（百度云API接口+摄像头实现）
weixin_54707168的博客
04-10 1102
AI 助力垃圾分类（百度云API接口+摄像头实现）
基于深度学习算法的垃圾分类图像识别研究
m0_73485263的博客
09-09 1503
全连接神经网络拥有多层结果虽然提高了学习能力，但是它的复杂程度与参数的个数也同时增加会导致梯度爆炸的现象。整个模型的复杂度变大就会极容易出现过拟合问题。所以全连接神经网络就不适合构建多层的网络结构，而卷积神经网络就是全连接神经网络的创新，它在建立多层网络结构的时候可以有效地避免梯度下降的问题出现，降低了全连接神经网络的复杂程度。卷积神经网络可以构建多层次的网络结构，最常见的网络结构有LeNet5，它一般可以搭建5到7层的网络结构；AlexNet可搭建10层左右的网络结构；
垃圾分类很难吗？这是一篇来自AI垃圾回收箱的灵魂拷问…
数智物语
06-21 2626
文章发布于公号【数智物语】（ID：decision_engine），关注公号不错过每一篇干货。 来源丨AI报道（AI-Reporting） 在国家决策层部署下，垃圾分类工作即将进入“强制”实施的历史性阶段。 作为垃圾分类“新时尚”的引领者，从 7 月 1 日起，上海市将正式实施 《上海市生活垃圾管理条例》。条例规定，个人混合投放...
推荐一个垃圾分类查询接口 免费
alex_xu12345的博客
09-17 1525
垃圾分类小程序 使用了这个接口 API接口地址 接口名称: 用户端版本检测接口地址:https://service.xiaoyuan.net.cn/garbage/index/search请求方法: GET 响应类型: JSON 接口状态: 有效接口描述 返回的是JSON 请求参数 参数名称 kw 是否必须 是 类型 string 描述 多个关键词用空格分开 相应数据 ...
机器学习驱动的图像识别与广泛应用解析
本文档深入探讨了机器学习在图像分类与识别领域的广泛应用，由赵峰博士撰写，他担任商汤教育研究院首席科学家和中国科学技术大学教授。主要内容分为两个部分：机器学习的应用及其关键步骤，以及基于深度学习的图像...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值