目錄
0 環(huán)境
1 引言
2 思路
3 圖像分類
4 總結(jié)

0 環(huán)境

Python版本：3.6.8

系統(tǒng)版本：macOS Mojave

Python Jupyter Notebook

1 引言

七月了，大家最近一定被一項(xiàng)新的政策給折磨的焦頭爛額，那就是垃圾分類。《上海市生活垃圾管理?xiàng)l例》已經(jīng)正式實(shí)施了，相信還是有很多的小伙伴和我一樣，還沒有完全搞清楚哪些應(yīng)該扔在哪個(gè)類別里。感覺每天都在學(xué)習(xí)一遍垃圾分類，真令人頭大。

聽說一杯沒有喝完的珍珠奶茶應(yīng)該這么扔
1、首先，沒喝完的奶茶水要倒在水池里
2、珍珠，水果肉等殘?jiān)胚M(jìn)濕垃圾
3、把杯子要丟入干垃圾
4、接下來是蓋子，如果是帶蓋子帶熱飲（比如大部分的熱飲），塑料蓋是可以歸到可回收垃圾的嗷

看到這里，是不是大家突然都不想喝奶茶了呢，哈哈。不過不要緊，垃圾分類雖然要執(zhí)行，但是奶茶也可以照喝。

那么，這里我們想討論一下，人工智能和數(shù)據(jù)科學(xué)的方法能不能幫助我們進(jìn)行更好的垃圾分類？這樣我們不用為了不知道要扔哪個(gè)垃圾箱而煩惱。

2 思路

這問題的解決思路或許不止一條。這里只是拋磚引玉一下，提供一些淺顯的見解。

第一種方案，可以把垃圾的信息制成表格化數(shù)據(jù)，然后用傳統(tǒng)的機(jī)器學(xué)習(xí)方法。

第二種方案，把所有的垃圾分類信息做成知識(shí)圖譜，每一次的查詢就好像是在翻字典一樣查閱信息。

第三種方案，可以借助現(xiàn)在的深度學(xué)習(xí)方法，來對垃圾進(jìn)行識(shí)別和分類。每次我們給一張垃圾的圖片，讓模型識(shí)別出這是屬于哪一種類別的：干垃圾，濕垃圾，有害垃圾還是可回收垃圾。

3 圖像分類

圖像分類是深度學(xué)習(xí)的一個(gè)經(jīng)典應(yīng)用。它的輸入是一張圖片, 然后經(jīng)過一些處理，進(jìn)入一個(gè)深度學(xué)習(xí)的模型，該模型會(huì)返回這個(gè)圖片里垃圾的類別。這里我們考慮四個(gè)類別：干垃圾，濕垃圾，有害垃圾還是可回收垃圾。

（報(bào)紙 ：可回收垃圾 ）

（電池 ：有害垃圾 ）

（一次性餐盒 ：干垃圾 ）

我們對圖片里的物品進(jìn)行分類，這是圖像處理和識(shí)別的領(lǐng)域。人工智能里提出了使用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）來解決這一類問題。

我會(huì)用keras包和Tensorflow后端來建立模型。 由于訓(xùn)練集的樣本暫時(shí)比較缺乏，所以這里只能先給一套思路和代碼。訓(xùn)練模型的工作之前還得進(jìn)行一波數(shù)據(jù)收集。

我們就先來看看代碼大致長什么樣吧

先導(dǎo)入一些必要的包。

再做一下準(zhǔn)備工作。

在上面，我們初始化了一些變量，batch size是128； num_classes = 4，因?yàn)樾枰诸惖臄?shù)量是4，有干垃圾，濕垃圾，有害垃圾和可回收垃圾這四個(gè)種類。epochs 是我們要訓(xùn)練的次數(shù)。接下來，img_rows, img_cols = 28, 28 我們給了圖片的緯度大小。

在 .reshape(60000,28,28,1)中 , 60000 是圖片的數(shù)量（可變）, 28是圖片的大小（可調(diào)），并且1是channel的意思，channel = 1 是指黑白照片。 .reshape(10000,28,28,1)也是同理，只是圖片數(shù)量是10000。

到了最后兩行，我們是把我們目標(biāo)變量的值轉(zhuǎn)化成一個(gè)二分類， 是用一個(gè)向量（矩陣）來表示。比如 [1,0,0,0] 是指干垃圾，[0,1,0,0]是指濕垃圾等等。

接下來是建模的部分。

我們加了卷積層和池化層進(jìn)入模型。激活函數(shù)是 relu，relu函數(shù)幾乎被廣泛地使用在了卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。我們在層與層之間也加了dropout來減少過擬合。Dense layer是用來做類別預(yù)測的。

建完模型后，我們要進(jìn)行模型的驗(yàn)證，保證準(zhǔn)確性在線。

到這里，我們的建模預(yù)測已經(jīng)大概完成了。一個(gè)好的模型，要不斷地去優(yōu)化它，提高精確度等指標(biāo)要求，直到達(dá)到可以接受的程度。

這優(yōu)化的過程，我們在這里就先不深入討論了，以后繼續(xù)。

4 總結(jié)

值得一提的是，盡管方法上是有實(shí)現(xiàn)的可能，但是實(shí)際操作中肯定要更復(fù)雜的多，尤其是對精度有著很高的要求。

而且當(dāng)一個(gè)圖片里面包含著好幾種垃圾種類，這也會(huì)讓我們的分類模型開發(fā)變得很復(fù)雜，增加了難度。

比如，我們想要對一杯奶茶進(jìn)行垃圾分類，照片里面是包含了多個(gè)垃圾的種類，這就比較頭大了，因?yàn)檫@并不是屬于單一的類別。

前路的困難肯定是有的，不過就當(dāng)這里的分享是個(gè)拋磚引玉的起點(diǎn)吧。

畢竟李白也說了，“長風(fēng)破浪會(huì)有時(shí)，直掛云帆濟(jì)滄?！薄?

關(guān)注公眾號(hào)「 Python專欄 」，后臺(tái)回復(fù)「 垃圾分類2 」獲取本文全套代碼。更多有意思的python等著你