垃圾分类识别系统

垃圾分类在国内推行以来，很多人还是分不清"干垃圾"和"湿垃圾"、"可回收"和"不可回收"的区别，扔错垃圾的情况屡见不鲜。本项目做了一个拍照识别垃圾类别的 Web 应用——拍张照片上传，系统自动告诉你这是什么垃圾、属于哪一类，省去翻查分类手册的麻烦。

痛点与目的

• 问题：垃圾分类种类多、标准复杂，居民记不住也懒得查，投放错误率高
• 方案：训练图像分类模型（MobileNetV2 提特征 + SVM 分类），部署为 Flask Web 服务，用户上传垃圾图片即可获得分类结果
• 效果：支持识别纸类、金属、玻璃、塑料、纸板、其他垃圾共 6 大类

识别类别

英文	中文	示例
paper	纸类	报纸、打印纸
cardboard	纸板	快递纸箱
plastic	塑料	塑料瓶、塑料袋
glass	玻璃	玻璃瓶、碎玻璃
metal	金属	易拉罐、金属罐
trash	其他垃圾	不可回收物

技术方案

采用迁移学习 + 传统机器学习的组合方案，而不是端到端深度学习，原因是训练速度快、部署轻量：

1. 特征提取：用预训练的 MobileNetV2（去掉分类头）提取图片的 1280 维高层语义特征
2. 分类器：用提取到的特征训练 SVM 分类器（RBF 核，交叉验证调参）
3. Web 服务：Flask 框架搭建上传页面，后端加载模型实时推理

数据集样本

纸类	金属	玻璃

Web 识别界面

使用方法

安装依赖

pip install -r requirements.txt

训练模型

python train_sklearn_model.py

训练完成后会生成：

• feature_extractor.h5 — MobileNetV2 特征提取模型
• svm_model.joblib — SVM 分类器
• label_encoder.joblib — 标签编码器

启动 Web 服务

python app.py

浏览器打开 http://localhost:5000，上传垃圾图片即可查看分类结果。

项目结构

.
├── app.py                    # Flask Web 服务（主程序）
├── train_sklearn_model.py    # 模型训练脚本
├── feature_extractor.h5      # MobileNetV2 特征提取器
├── svm_model.joblib          # 训练好的 SVM 分类器
├── label_encoder.joblib      # 标签编码器
├── mymodel.keras             # Keras 端到端模型（备用）
├── templates/                # Flask HTML 模板
├── static/                   # 静态资源和上传目录
├── archive/                  # 数据集（需自行准备）
└── requirements.txt          # 依赖列表

技术栈

• Flask（Web 服务）
• TensorFlow / Keras（MobileNetV2 特征提取）
• scikit-learn（SVM 分类器）
• OpenCV / Pillow（图像处理）
• Python 3.x

许可证

MIT 许可证