現在是7月，大家壹定都被最近的壹項新政策折磨過，那就是垃圾分類。《上海市生活垃圾管理條例》已經正式實施，相信也將
但是有很多朋友和我壹樣，還沒有完全搞清楚哪些應該扔哪個類別。感覺每天都在學習垃圾分類，真的很令人陶醉。
聽說壹杯沒喝完的泡泡茶要這樣扔。
1.首先要把沒喝完的奶茶倒進池子裏。
2、將珍珠、水果等殘渣倒入濕垃圾中。
3.把杯子扔進幹燥的垃圾裏。
4.然後就是蓋子。如果是帶蓋的熱飲(比如大部分熱飲)，塑料蓋可以歸類為可回收垃圾。
看到這裏，是不是大家都突然不想喝奶茶了，哈哈。不過沒關系，雖然要進行垃圾分類，但是奶茶也可以喝。
所以，這裏我們想討論壹下，人工智能和數據科學的方法是否能幫助我們更好地對垃圾進行分類。這樣我們就不用擔心不知道該扔哪個垃圾了。
擔心垃圾箱。
2個想法
解決這個問題的方法可能不止壹種。這裏我只是拋磚引玉，提供壹些簡單的看法。
第壹種方案，可以把垃圾信息做成表格數據，然後用傳統的機器學習方法。
第二種方案，把所有的垃圾分類信息做成知識圖譜，每次查詢都像在字典裏查信息。
第三種方案可以借助當前的深度學習方法對垃圾進行識別和分類。我們每次給垃圾的圖片，都讓模型識別它屬於哪壹類。
類別:有害垃圾中的幹垃圾、濕垃圾、可回收垃圾。
3圖像分類
圖像分類是深度學習的經典應用。它的輸入是壹張圖片，然後經過壹些處理，進入壹個深度學習模型，它會返回這張圖片。
房子裏的垃圾種類。這裏我們考慮四類:幹垃圾、濕垃圾、有害垃圾或可回收垃圾。
(報紙:可回收垃圾)
(電池:有害廢物)
(壹次性飯盒:幹垃圾)
我們對圖片中的物體進行分類，這屬於圖像處理和識別領域。卷積神經網絡(CNN)就是在人工智能中提出來解決這類問題的。
我將使用keras包和Tensorflow後端來構建模型。由於訓練集暫時缺少樣本，這裏只能給出壹組思路和代碼。培訓模型工作
做之前還有壹波數據收集。
相關推薦:Python視頻教程
我們先來看看代碼是什麽樣子的。
先導入壹些必要的包。
再做壹些準備工作。
上面，我們初始化了壹些變量，批量大小是128；Num_classes = 4，因為要分類的數量是4，包括幹垃圾、濕垃圾和有害垃圾。
赫克
回收垃圾的四個類別。Epochs是我們必須訓練的次數。接下來，img_rows，img_cols = 28，28我們給出圖片的緯度。
英寸reshape(60000，28，28，1)，60000是圖片數量(變量)，28是圖片大小(可調)，1表示通道，通道= 1？
指的是黑白照片。對於來說也是如此。整形(10000，28，28，1)，除了圖片數量是10000。
在最後兩行中，我們將目標變量的值轉換為二進制分類，用向量(矩陣)表示。例如，幹垃圾，
意思是濕垃圾之類的。
接下來是建模部分。
我們添加了卷積層和池層進入模型。激活函數是relu，幾乎廣泛應用於卷積神經網絡和深度學習。我們在各層之間。
還增加了下降以減少過度擬合。密集層用於類別預測。
建立模型後，我們需要對模型進行在線驗證，以確保準確性。
至此，我們的建模和預測已經大致完成。壹個好的模型，要不斷優化它，提高精度等指標，直到達到可以接受的程度。
這裏不深入討論這個優化過程，後面繼續。
4摘要
值得壹提的是，該方法雖然可以實現，但在實際操作中肯定是比較復雜的，尤其是對精度的要求很高。
而且當壹張圖片包含幾種垃圾的時候，會讓我們的分類模型的開發變得非常復雜，增加難度。
比如我們要對壹杯奶茶的垃圾進行分類。照片裏的垃圾種類很多，挺大的，因為不屬於單壹類別。
前面肯定會有困難，但請將這裏的分享作為壹個起點。
畢竟，李白也說過，“總有壹天，我要乘風破浪，揚帆直上，跨過深深的大海”。