项目实战：垃圾分类模型选择

艾文教编程

领域专家: 大数据技术领域

2023-01-12 21:54:17

课时名称	课时知识点
项目实战：垃圾分类模型选择	项目实战：垃圾分类模型选择

...全文

80 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本系统主要实现对厨余垃圾、其他垃圾、可回收垃圾、有毒有害四类垃圾进行分类。部署简单，容易上手，一键使用……

本次实战是「纯离线、轻量化、无网络依赖」的AR垃圾分类识别最优解，精准解决垃圾分类的核心痛点：居民对细分垃圾品类识别不准、户外投放点无网络、移动端/浏览器轻量化部署、识别结果直观可视化。整套方案是全链路闭环：基于YOLO26（2026最新轻量化YOLO）训练垃圾分类专属模型 → 转换为TFLite（谷歌轻量化离线推理格式，移动端/浏览器原生支持） → 结合Three.js（纯前端3D/AR引擎）实现「垃圾目标实时识别+AR三维标签精准叠加」，全程无网络、无后端、无第三方SDK依赖，可直接在手机浏览器/

你是否遇到过这样的困境：训练好的YOLOv8垃圾分类模型在PC上表现出色，但部署到树莓派时却因内存不足频繁崩溃？边缘设备算力有限与深度学习模型资源需求之间的矛盾，已成为垃圾分类AI应用落地的主要障碍。本文将系统讲解如何通过模型压缩技术，将40类垃圾检测模型从200+MB优化至25MB以下，在树莓派4B上实现实时推理（FPS≥5），同时保持90%以上的检测精度。 ## 一、模型压缩前的现状分析 ...

转载地址：https://bbs.huaweicloud.com/forum/thread-92959-1-1.html 作者：小呆瓶看了大佬的文章分享，就用昇腾环境复现了端侧的应用开发实战，收获满满呀！本案例是基于MindSpore框架预置的图像分类预训练模型，用垃圾分类数据集在昇腾芯片上进行迁移学习训练；然后用训练好的模型文件基于MindSpore Lite部署到手机上实现垃圾分类应用，将分类图片进一步分类成可回收物、干垃圾、有害垃圾和湿垃圾四大类。通过这个例子，能快速了解如何利用Mind

Python基于卷积神经网络分类模型(ResNet50分类算法)实现生活垃圾分类项目实战

艾文的课程社区_NO_1

2

社区成员

301

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章