柚子相机案例--垃圾分类

来自江苏常州武进实验小学时小明老师柚子相机评测--创新案例分享《垃圾分类》

一．功能介绍

1. 使用柚子相机作为图像识别工具，对商品进行识别

2. 根据柚子相机识别到的商品返回数据，显示该物品为哪种垃圾类目

二．硬件清单

1. 柚子相机

2. 舵机转接

3. 舵机

4. 连接线若干

三．制作步骤

1. 模型训练

使用的是Maixhub在线模型训练平台，https://maixhub.com/

登录平台，进入模型训练

新建训练，输入训练项目的名称和类型（类型分为图像分类和图像检测，分类只需要创建不同类物体的文件夹，检测需要对图片添加标注，检测不仅可以识别到物体的种类，也能返回在图像中的坐标位置等信息），这边选择的是图像分类。

创建数据，上传数据集，这边使用柚子相机拍摄了可回收物，有害垃圾，厨余垃圾，其他垃圾的图片，训练图片上传了1097张，验证图片122张（要求每个图片不低于50张，不超过3000张）

图像标注，对上传的图片进行标注，也就是框选出图片中可回收物，有害垃圾，厨余垃圾，其他垃圾的位置，并打上标签，这边recyclable代表的是可回收物，hazardous waste代表的是有害垃圾，kitchen waste代表的是厨余垃圾，other waste代表的是其他垃圾。

创建训练任务，设置训练参数，柚子相机选择awnn模型，图像增强这边选择了随机模糊，商品图片不能镜像和旋转，迭代次数这边选择的100次，理论上迭代次数和识别成功率成正比，但是迭代次数越多训练时间越长，而且达到一定次数后损失率会达到峰值，不会再收敛。

参数设置完成以后可以开始训练，平台端会显示训练的进度，所需时间取决于当前训练的人数和数据集的大小。训练完成后，会生成awnn的模型和main.py主程序，可在线下载，下载完成后将程序和模型拷贝到柚子相机的app文件夹下。

2. 程序设计

首先是柚子相机的图像识别的程序，模型训练完成后会生成一个main.py的文件，需对程序进行修改.

Esp32编程这边使用的是mind+编程

定义串口1是连接柚子相机的，波特率和柚子相机波特率一致115200.

硬件连接：

柚子相机连接拓展板

拓展板：P8P9和P15P16连接舵机

3. 外观绘制

使用激光切割和描线，完成绘制

黑色为切割线：红色为浅描线

4. 连接方式

将舵机按照图中的方向放置，依次放置为可回收物；有害垃圾；其他垃圾；厨余垃圾

前面两个舵机为一组插在同一个舵机转接上面，后面两个舵机插在同一个舵机转接上

使用8p连接线将柚子相机和拓展板连接（如图所示）

在将舵机转接使用10cm4p连接线连接在p15p16和p8p9管脚上

将线藏在垃圾箱内，最后封顶，完成作品

5. 整体展示