摘要：随着人类生产力的不断上升，商品的产量不断增加。而随着商品产量的上升，垃圾产量也日益增多，人工分拣垃圾的方式逐渐捉襟见肘。人们需要一套新的更加高效的垃圾分拣方式。随着算法技术的不断更新，使机器具有类似于人类的视觉识别能力变动可能。设计的这个垃圾识别系统已安卓应用程序作为依托，利用谷歌的TensorFlow框架训练机器视觉的权重。使用Android studio作为应用程序的开发工具，链接上由Python语言所编写的算法训练出来的权重数据。应用程序部分包含了摄像，内部文件系统图片读取，识别界面等子模块。训练权重时使用了卷积神经网络算法进行回归计算，通过Tensorboard提供的图形化显示界面显示训练结果。整套系统设计到最后，经过各个模块的链接，最终完成了一个完整的垃圾识别系统软件。

关键词：Android studio   TensorFlow   CNN

目录

摘要

Abstract

1 引 言-1

1.1 课题研究背景及意义-1

1.1.1研究背景-1

1.1.2.研究意义-1

1.2 课题研究现状-1

2 开发工具介绍-3

2.1 Android studio介绍-3

2.1.1.概述-3

2.1.2.Android APP设计具体流程结构-4

2.2 TensorFlow框架介绍-5

2.2.1.概述-5

2.2.2.神经网络的特点-5

2.2.3.开发工具以及运行环境-6

3 APP框架构建-7

3.1 需求分析-7

3.1.1理解需求-7

3.1.3 系统流程-7

4  利用TensorFlow实现对图像的识别-9

4.1 概述-9

4.2 TensorFlow结构图-9

4.3 TensorFlow API结构图-10

4.3设定处理方式-10

4.3.1 CNN卷积神经网络优势-10

4.3.2 数据读取实现与返回-11

4.3.3 判断所读数据格式-11

4.3.4 调整格式-11

4.2.5 向量向阵转化-12

4.2.6 卷积神经网络算法实现-12

4.2.7训练模型信息-14

4.4本章小结-15

5 部分设计代码-15

5.1训练权重的调用-15

5.2训练权重的代码-18

5.3本章小结-19

结语-20

参考文献-21

致谢-23