Python 을 사용 하여 쓰레기 분 류 를 쉽게 완성 합 니 다(이미지 인식 기반)

환경
파 이 썬 버 전:3.6.8
시스템 버 전:macOS Mojave
Python Jupyter Notebook
머리말
7 월 이 되 었 습 니 다.여러분 은 최근 에 새로운 정책 에 시 달리 고 있 을 것 입 니 다.그것 이 바로 쓰레기 분류 입 니 다.상해 시 생활 쓰레기 관리 조례 는 이미 정식으로 실시 되 었 는데,여전히 많은 동료 들 이 나 와 마찬가지 로 어떤 것 을 어느 유형 에 버 려 야 하 는 지 아직 완전히 파악 하지 못 했다 고 믿는다.매일 쓰레기 분 류 를 한 번 씩 배 우 는 것 같 아서 정말 머리 가 아프다.
다 못 마신 진주 밀 크 티 한 잔 은 이렇게 버 려 야 한다 고 들 었 어 요.
4.567917.우선,다 마 시 지 않 은 밀 크 티 물 은 싱 크 대 에 부 어야 한다.
진주,과육 등의 찌꺼기 를 젖은 쓰레기 에 넣는다.
컵 을 마른 쓰레기 에 버 려 야 한다.
4.567917.다음은 뚜껑 이다.뚜껑 이 달 린 따뜻 한 음료(예 를 들 어 대부분의 따뜻 한 음료)라면 플라스틱 뚜껑 은 쓰레기 를 회수 할 수 있 는 것 이다.4.567918.
여기 보니까 갑자기 밀 크 티 가 싫 은 거 아니 야?하하.하지만 괜찮아 요.쓰레기 분 류 는 집행 해 야 하지만 밀 크 티 도 그대로 마 실 수 있어 요.
그렇다면 인공지능 과 데이터 과학 의 방법 이 더 좋 은 쓰레기 분 류 를 도 울 수 있 는 지 에 대해 논의 하고 싶다.이렇게 하면 우 리 는 어떤 쓰레기통 을 버 려 야 할 지 모른다 고 고민 할 필요 가 없다.
사고
이 문제 의 해결 방향 은 아마 한 가지 가 아 닐 것 이다.이곳 은 단지 벽돌 을 던 져 옥 을 끌 어 들 여 간단명료 한 견 해 를 제공 할 뿐이다.
첫 번 째 방안 은 쓰레기 의 정 보 를 표 화 된 데이터 로 만 든 다음 에 전통 적 인 기계 학습 방법 을 사용 할 수 있다.
두 번 째 방안 은 모든 쓰레기 분류 정 보 를 지식 도감 으로 만 들 고 매번 조회 할 때마다 사전 을 뒤 지 는 것 처럼 정 보 를 찾 아 보 는 것 이다.
세 번 째 방안 은 현재 의 심도 있 는 학습 방법 을 통 해 쓰레기 를 식별 하고 분류 할 수 있다.매번 우리 가 쓰레기 사진 을 한 장 줄 때마다 모델 로 하여 금 이것 이 어떤 유형 에 속 하 는 지 식별 하 게 한다.마른 쓰레기,젖은 쓰레기,유해 쓰레기 또는 쓰레기 를 회수 할 수 있 는 지.

3 이미지 분류
이미지 분 류 는 깊이 있 게 학습 하 는 전형 적 인 응용 이다.그것 의 입력 은 그림 입 니 다.그리고 일부 처 리 를 거 쳐 깊이 있 는 학습 모델 에 들 어가 면 이 모델 은 이 그림 에서 쓰레기 의 유형 을 되 돌려 줍 니 다.여기 서 우 리 는 마른 쓰레기,젖은 쓰레기,유해 쓰레기 또는 쓰레기 를 회수 할 수 있 는 네 가지 유형 을 고려한다.
신문:재 활용 쓰레기

배터리:유해 쓰레기

일회용 도시락:마른 쓰레기

우 리 는 그림 속 의 물품 을 분류 하 는데 이것 은 이미지 처리 와 식별 의 영역 이다.인공지능 에 서 는 이러한 문 제 를 해결 하기 위해 볼 륨 신경 망(Convolutional Neural Network,CNN)을 사용 하 자고 제안 했다.
나 는 keras 패키지 와 Tensorflow 백 엔 드 로 모델 을 만 들 것 이다.훈련 집의 견본 이 잠시 부족 하기 때문에 여 기 는 먼저 사고 와 코드 를 줄 수 밖 에 없다.훈련 모형 작업 전에 데이터 수집 도 해 야 한다.
일단 코드 가 어떻게 생 겼 는 지 한번 볼 게 요.
필요 한 가방 부터 가 져 와.

준비 작업 을 좀 더 하 다.

위 에서 우 리 는 일부 변 수 를 초기 화 했 습 니 다.batch size 는 128 입 니 다.num_classes=4,분류 가 필요 한 수량 은 4,마른 쓰레기,젖은 쓰레기,유해 쓰레기 와 재 활용 쓰레기 등 네 가지 가 있 기 때 문 입 니 다.epochs 는 우리 가 훈련 해 야 할 횟수 다.다음,imgrows, img_cols=28,28 우 리 는 그림 의 위도 크기 를 주 었 다.
reshape(60000,28,28,1)에서 60000 은 그림 의 수량(가 변)이 고 28 은 그림 의 크기(조절 가능)이 며 1 은 channel 의 뜻 이 며 channel=1 은 흑백 사진 을 말한다.reshape(10000,28,28,1)도 마찬가지 로 그림 의 수량 만 10000 이다.
마지막 두 줄 에 이 르 러 우 리 는 목표 변수의 값 을 하나의 두 가지 분류 로 바 꾸 고 하나의 벡터(행렬)로 표시 합 니 다.예 를 들 어[1,0,0,0]은 마른 쓰레기,[0,1,0,0]은 젖은 쓰레기 등 을 말한다.
다음은 모델 링 부분.

우 리 는 볼 륨 층 과 지 화 층 을 넣 어 모형 에 들 어 갔다.활성화 함 수 는 relu 이 고 relu 함 수 는 권 적 신경 네트워크 와 깊이 있 는 학습 에 거의 광범 위 하 게 사용 되 었 다.우 리 는 층 과 층 사이 에 도 dropout 를 넣 어 의합 을 줄 였 다.Dense layer 는 분류 예측 에 사 용 됩 니 다.
모델 을 만 든 후에 우 리 는 모델 의 검증 을 해서 정확성 을 확보 해 야 한다.

여기까지 우리 의 모델 링 예측 은 이미 대충 완성 되 었 다.좋 은 모델 은 받 아들 일 수 있 는 정도 에 이 를 때 까지 끊임없이 최적화 하고 정확 도 를 높이 는 등 지표 요 구 를 해 야 한다.
이 최 적 화 된 과정 을 우 리 는 여기 서 먼저 깊이 토론 하지 않 고 나중에 계속 할 것 이다.
총화
특히 방법 적 으로 실현 가능 하지만 실제 작업 에 서 는 더욱 복잡 해 야 한다.특히 정밀도 에 대한 요구 가 높다.
그리고 한 사진 에 여러 가지 쓰레기 종류 가 포함 되 어 있 으 면 우리 의 분류 모델 개발 도 복잡 해 지고 어려움 을 증가 시 킬 수 있다.
예 를 들 어 우 리 는 밀 크 티 한 잔 에 쓰레기 를 분류 하고 싶 습 니 다.사진 에는 여러 개의 쓰레기 종류 가 포함 되 어 있 는데 이것 은 머리 가 큽 니 다.이것 은 단일 한 유형 에 속 하지 않 기 때 문 입 니 다.
앞길 의 어려움 은 분명 있 을 것 이다.하지만 이곳 의 나 눔 이 벽돌 을 던 져 옥 을 끌 어 올 리 는 출발점 이 라 고 생각 하 자.
결국 이 백도"긴 바람 과 파 도 는 때때로 구름 돛 을 달 고 창 해 를 제출한다"고 말 했다.
이상 이 바로 본 고의 모든 내용 입 니 다.여러분 의 학습 에 도움 이 되 고 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.