基于keras框架的MobileNet深度学习神经网络垃圾识别分类系统源码

AI街潜水的八角2026-01-07 12:26

第一步：准备数据

三种垃圾数据：厨房垃圾，危害性垃圾，可回收垃圾，总共10162张图片

第二步：搭建模型

本文选择MobileNe，其网络结构如下：

由于是三分类问题，直接套用网络肯定是不行，因此会在全连接部分做手脚，参考代码如下：

python 复制代码

    x = base_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dense(64)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dense(class_num)(x)
    predictions = Activation('softmax')(x)

    # for layer in base_model.layers:
    #     layer.trainable = True

    model = Model(inputs=base_model.input, outputs=predictions)
    return model

第三步：训练代码

1）损失函数为：交叉熵损失函数

2）MobileNet可以从头训练或者利用预训练模型进行训练：

python 复制代码

def MobileNet_model(width, height, class_num):
    w = 1
    if w:
        base_model = MobileNet(weights='imagenet', include_top=False, input_shape=(width, height, 3))
    else:
        base_model = MobileNet(weights=None, include_top=False, input_shape=(width, height, 3))
    for layer in base_model.layers:
        layer.trainable = True

第四步：统计正确率

|----------------------------------------------------------------------------------|
| |

正确率高达94.1%

第五步：搭建GUI界面

第六步：整个工程的内容

有训练代码和训练好的模型以及训练过程，提供数据，提供GUI界面代码，主要使用方法可以参考里面的"文档说明_必看.docx"

项目完整文件下载请见演示与介绍视频的简介处给出：➷➷➷

https://www.bilibili.com/video/BV1Y2UaYrEMj/