摘要：由于生活水平的提高，人们每天都需要产生大量垃圾。生活垃圾因为种类繁多，详细分类缺乏统一标准，大多人在实际操作时会“选择困难”，人工进行分类将会浪费大量人力财力，成本高，效率低。而使用机器进行大规模自动分类则存在一系列问题。近年来，人工智能潮流的兴起，让使用机器进行大规模自动分类成为可能。本系统使用了Flask web框架，采用B/S架构，前端使用HTML和jQuery实现web页面，服务端使用TensorFlow和Keras技术进行图像分类，构建卷积神经网络（Convolutional Neural Networks, CNN），以监督学习的方式，使用大量相关图片数据训练神经网络模型，获取达到要求的权值。使用深度学习技术建立准确的分类模型，利用技术手段改善垃圾分类的自动化效率以及人力成本，还人们一个良好的居住环境。

关键词：卷积神经网络; 深度学习; 图像分类

目录

摘要

ABSTRACT

第一章-绪论-1

1.1 研究背景-1

1.2 现状和发展趋势-1

1.3 研究意义与价值-2

1.4 课题主要研究内容-2

第二章-相关技术-3

2.1 机器学习-3

2.1.1 机器学习简介-3

2.1.2 机器学习发展-3

2.2 深度学习-3

2.2.1 深度学习简介-3

2.2.2 深度学习发展-3

2.3 图像识别分类-4

2.4 Flask Web框架-5

2.4.1 Flask框架简介-5

2.4.2 Flask框架的基本模式-5

2.4.3 Flask的特点-6

2.5 TensorFlow-6

2.5.1 TensorFlow简介-6

2.5.2 TensorFlow结构分析-6

2.6 Keras-7

2.6.1 Keras简介-7

2.6.2 Keras的神经网络API-7

2.7 卷积神经网络-9

2.7.1 卷积神经网络简介-9

2.7.2 基本网络结构-9

第三章-系统设计-12

3.1 系统架构设计-12

3.2 系统流程设计-12

3.3 神经网络模型架构设计-13

第四章-系统实现-16

4.1 系统的运行环境-16

4.2 系统总体构架分析-16

4.3 主要功能实现-17

4.3.1 图像文件上传以及页面实现-17

4.3.2 图像数据预处理-18

4.3.3 对垃圾图片进行分类-18

第五章 实验与结果-24

5.1 实验数据集分析-24

5.2 相关参数与函数-24

5.2 实验结果分析-25

第六章 系统测试与评价-26

6.1 测试环境-26

6.2 测试过程-26

6.3 系统评价-27

第七章 总结与展望-28

7.1 遇到的问题及解决-28

7.2 系统的不足及待完善之处-28

7.3 总结-28

参考文献-30

致  谢-31