建站
咨詢
售后
建站咨詢
新聞中心
1 引言
成都創(chuàng)新互聯(lián)為企業(yè)級客戶提高一站式互聯(lián)網(wǎng)+設(shè)計服務(wù)，主要包括成都做網(wǎng)站、成都網(wǎng)站設(shè)計、成都外貿(mào)網(wǎng)站建設(shè)、手機APP定制開發(fā)、微信小程序、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。
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。
相關(guān)推薦：《python視頻教程》
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?！薄?/p>
新聞標題：創(chuàng)新互聯(lián)Python教程：如何利用Python進行垃圾分類
標題鏈接：http://www.5511xx.com/article/dhgcgcc.html
