el reconocimiento de basura Frambuesa Pi tensorflow

https://gitee.com/likecy/garbage-raspi

 

 

Listas de materiales

1. Frambuesa Pi 1

2. pca9685 16 servo placa de accionamiento un pasaje

3. Una pantalla táctil de 7 pulgadas

4. MG996R servo 4

5. 4 de basura

6. controlador de la cámara USB libre 1

7. Frambuesa Pi GPIO mensajes tarjeta de expansión a su vez una

8. aeronave varios modelo de alambre de silicona

necesidades ambientales

1. Entorno de Desarrollo

estructuras de redes neuronales -python dependen tensorflow, Keras

formación Huawei Fuente Nube 2019 del concurso proporcionado basura

La formación de imágenes Dirección: https://developer.huaweicloud.com/hero/forum.php?mod=viewthread&tid=24106

Descargar los archivos de imágenes se descomprima los archivos en la cobertura de basura garbage_classify - directorio de formación / raíz local

El código abierto modelo de red neuronal --- resnet50

Catálogo de modelos modelos necesitan manualmente archivos de descarga en resnet50

Nombre del archivo de modelo resnet50: resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5

Baidu se pueden encontrar para descargar el puesto: https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5

2. Entorno de Desarrollo Run

Introduzca "basura - la formación local" directorio

inicialización Medio Ambiente

• python3
• Montaje matraz marcopip3 install flask
• tensorflow instalación, que se basan en Keras

• pip3 install tensorflow==1.13.1
• pip3 install keras==2.3.1

corrida

• 1. comando python3 train.pya la formación abierta
• 2. Dominio python3 predict_local.pyde entrada abierta imágenes de prueba

 

3. Formación despliegue modelo de servicio

Introduzca "basura - la implementación del servicio" directorio

1. output_model directorio se almacena en un tren local para completar la exportación del archivo de modelo h5

2. Catálogo de modelos modelos necesitan manualmente archivos de descarga en resnet50

   Nombre del archivo de modelo resnet50: resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5

   Baidu se pueden encontrar para descargar el puesto: https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5

inicialización Medio Ambiente

• Montaje matraz marcopip3 install flask
• tensorflow instalación, que se basan en Keras

• pip3 install tensorflow==1.13.1
• pip3 install keras==2.3.1

corrida

• 1. comando python3 run.pypara abrir una ventana para la depuración local
• 2. Comando python3 flask_sever.pydespliegue de servicios abiertos
• 3. El comando sh ./start.shpara abrir el despliegue de servicios que se ejecutan en segundo plano

interfaz de acumulación 4. Frambuesa Pi

Basado nodejs electrones vue

CNPM se recomienda instalar las bibliotecas nodejs

Entra en el directorio "fin Frambuesa Pi / garbage_desktop"

Para su instalación depende

CNPM instalar

modelo de desarrollo

CNPM plazo dev

Embalado y puesto en libertad

CNPM plazo de construcción

El extremo de la frambuesa Pi operación interfaz de hardware matraz de api

Entrar "en el" fin / garbage_app_sever "directorio" Frambuesa Pi

Nota Después de Frambuesa Pi debe abrir I2C, pca9685 modo I2C para garantizar el acceso a la dirección de visualización

Comando: i2cdetect -y 1

A ver si la entrada de dirección 0x40 tiene acceso Frambuesa Pi

Ejecutar python3 app_sever.py iniciar o start.sh sh

Si se le solicita que faltan Dependencia:

1. PIP3 instalar adafruit- pca9685
2. PIP3 instalar frasco