基于OpenMV的智能交通灯系统设计

针对传统交通灯控制时间间隔固定、通行效率低的问题,设计了基于OpenMV的智能交通灯系统。系统以Arduino UNO单片机为核心处理器,使用OpenMV图像处理技术实时进行车距和流量检测,编制系统控制程序根据OpenMV计算的车流量动态控制交通灯显示,合理分配车道通行时间,实现了交通灯系统的实时自适应控制,提高了通行效率。     

城市生活垃圾分类智能引导系统设计与实现

城市生活垃圾是一种放错位置的宝物,在当前的智能化城市的发展中,对垃圾分类放置被广泛地提出来,一是提高垃圾的处理效率,二是避免所有垃圾混合丢弃,导致部分可回收垃圾被弃用。系统以实现引导垃圾分类投放为目的,通过对四种不同类型垃圾的关键字进行语音识别后,自动开启对于类型的垃圾桶盖,引导人们分类投放。系统以STM32单片机为主控芯片,由LD3320语音识别电路,WT588D语音播报电路和舵机驱动电路组成。系统工作可靠性、稳定,语音识别正确率高,实现了城市生活垃圾智能分类引导的功能。     

基于图像识别的水面垃圾智能分类清理装置

为了有效解决小型水域水面垃圾清理和分类的问题,设计了一种基于图像识别的无人驾驶水面垃圾智能分类清理装置。装置采用平衡式双船体结构,配以翻斗式垃圾收集头及可移动渔网式分类收集仓,并使用涵道式螺旋桨作为驱动;以STM32作为主控,使用OpenMV视觉模块并搭配卷积神经网络算法,实现垃圾类别的识别,并使用ESP32实现对装置的无线通讯与远程监控;基于GPS导航系统、惯性导航系统、视觉导航系统实现自动回航、自动回航等功能;同时,装置还设计有附加的水域参数测量、鱼类投喂等功能模块,以实现装置的一机多用。     

基于深度学习的生活垃圾分类

该文研究了将深度学习应用于垃圾分类,使用模型为微调后的ResNet50预训练模型,数据来源于华为开源垃圾数据集.通过对原始数据的标注、划分和增广得到该文所使用的数据集.增广方式包括几何变换、明亮度更改和添加噪声.经测试验证,本项目在测试集上的准确率能够达到87％,同时在实际场景中也有较好的泛化性.最后通过Flask、G...     

基于树莓派Raspberry Pi的智能垃圾分类设计

目前,随着人口增长与城市化推进,生活垃圾产量与清运量大幅增加,垃圾分类处理效率低且浪费大量资源,基于上述社会环境,设计垃圾分类系统具有重要意义。本文章介绍在树莓派4代B型开发板上使用垃圾分类数据集训练的Keras模型识别垃圾的过程。采用卷积神经网络,通过Python搭载神经网络来做到图像识别进l行垃圾分类,将垃圾分类数据集在LeNet-5网络模型上深度学习得到训练模型,最后通过PyQt5构建图形化的界面。运行在搭建好TensorFow框架和Opencv计算机视觉库的树莓派开发板上,树莓派4B通过载入照片识别垃圾。     

一种城市生活垃圾智能检测分类系统设计

针对目前分类垃圾桶自控能力不足、分类效果差等问题,提出一种基于深度学习的城市生活垃圾智能检测分类系统设计,利用垃圾桶入口处的摄像机进行垃圾图像采样,再通过深度学习技术识别垃圾种类,进而触发分拣设备,实现生活垃圾精准分类投放.该系统具有高效、环保、节能等特点,在资源回收利用、保护环境等方面具有一定的应用价值.     

基于改进Mask R-CNN的生活垃圾检测

近年来,人们对于垃圾的分类与回收越来越重视,但垃圾分类耗费了大量的人力和物力且分拣效率低下。针对基于矩形边界框的垃圾检测方法在多分类环境下效果不够理想等问题,提出了一种基于改进Mask R-CNN算法的生活垃圾检测模型。该模型摒弃了传统的ResNet,采用改进的ResNeXt101作为主干网络进行特征提取,提高了目标检测的准确率和背景边界线分割的精确度。实验结果表明,与传统的Mask R-CNN算法相比,本文模型的mAP为91.1%,提升了2.35%;与当前流行的目标检测模型进行了对比,本文模型的分类准确率和分割精确度均表现优异,表明了所提模型在垃圾检测任务中的可行性与有效性。     

智能垃圾分类系统的设计

许多城市都要求生活垃圾分类,但是目前大多数人在垃圾种类区分方面存在一定的困难。为了解决这个问题,基于深度学习的图像识别方法设计一个智能垃圾分类系统。通过TensorFlow2.3和MobileNetV2构建和训练垃圾分类模型,应用Qt Designer与Python设计一个便于用户操作的上位机图形界面。将智能垃圾分类和垃圾桶控制有机结合,利用ESP32-CAM获取需要识别的垃圾图像,通过Wi-Fi发送给上位机进行图库比对,并将识别结果通过Wi-Fi发送至ESP-8266,启动驱动控制,打开相应垃圾桶盖。系统测试结果表明,所设计的智能垃圾分类系统能够准确地识别垃圾类型,使用户能够无接触地投放垃圾。     

基于图像识别的智能垃圾分类系统设计与实现

垃圾分类是现代城市管理的重要问题之一,为了解决日益增多的生活垃圾带来的难题,提出了一种基于图像识别的智能垃圾分类系统。该系统结合最新的垃圾分类标准规范,利用百度人工智能（Artificial Intelligence,AI）框架和人工智能图像识别技术,与数据库中的数据进行对比,能够快速、准确地识别和分类垃圾。同时,通过在设计系统中加入腾讯地图的定位系统,帮助用户查询附近的垃圾回收站点和定位。该平台的搭建对提高用户的垃圾分类识别的准确性具有积极意义,对于城市管理和环境保护方面具有重要的现实意义,进一步推动了垃圾分类的发展。     

基于PP-PicoDet技术的智能垃圾分类

目前在垃圾分类目标检测上大多采用YOLOv5系列算法,该算法在相同参数量的情况下,检测精度和检测速度都相对不太高,难以满足实际应用需求。论文对基于PP-PicoDet技术的垃圾分类目标检测应用进行了研究,并将其与几种常见的垃圾分类目标检测算法进行实验对比分析;结果表明,PP-PicoDet算法能够在使用更少的参数量的情况下,实现较高的检测精度和速度,能够满足移动端部署需求。     

基于OpenMV的智能交通装备

为对智能交通系统进行研究,针对人、车及路的矛盾设计制作了一套低成本的实验室级别的智能交通系统装备.该系统包括小型城市模拟场景和智能小车,根据OpenMV的机器视觉模块,通过OV7725摄像头采集实时路况信息,以STM32单片机作为系统的控制核心,采用图像识别算法实现对智能小车行驶速度与方向的控制.通过调试验证,实现了模...     

城市生活垃圾分类计量收费设备控制装置的设计

城市生活垃圾分类计量收费是解决城市垃圾问题的有效手段。设计了一种基于单片机的垃圾分类计量控制装置,具备体积小巧、易于安装和成本低廉等优势,可推广使用。     

基于神经网络的垃圾分类箱系统设计

传统的生活垃圾人工分类方式工作量大、效果欠佳。针对当前生活垃圾人工分类效率低、效果欠佳等问题,提出了基于神经网络算法的智能垃圾分类系统设计。本设计通过K210控制摄像头读取当前垃圾图像进行图像处理,加载TensorFlow训练的CNN垃圾识别分类算法进行识别分类,由STM32F407为主控的嵌入式系统控制舵机和步进电机配合分类至对应的垃圾桶中,同时系统还支持语音识别纠偏、播放垃圾分类宣传片、垃圾桶状态检测、语音播报等。在自建的垃圾数据集上进行训练和测试结果显示,利用该方法可以准确地对垃圾种类进行识别,平均准确率达到0.99;通过测试,系统功能稳定,其误差低,具有一定的应用价值。     

基于图像识别技术的垃圾智能分类

现阶段,如何有效处理日渐增多的生产和生活垃圾已经成为我国亟需解决的问题.为了有效应对垃圾问题,一种以YOLOv5 s网络为依托的智能垃圾分类模型逐渐受到相关研究人员的重视,并且通过一系列实验证明其在垃圾分类过程中的合理应用,能够在很大程度上提升垃圾分类处理的有效性.鉴于此,将在简要分析图像识别技术及其过程的基础上,展示...     

智能垃圾分类装置硬件设计

针对当前日益严峻的环境问题,为了进一步将垃圾分类落到实处,设计了一款智能垃圾分类装置。首先对系统的整体方案进行设计,然后从电控和机械两部分对其中的主要模块进行详细设计,最后对硬件进行组装和调试。经过多次实物测试发现,系统运行稳定、响应速度快,且具有较高的准确率。     

基于改进Faster-RCNN的生活垃圾分类研究

随着人口的增长,生活垃圾分类问题日益突出。文章提出了一种基于改进快速的区域卷积神经网络（Faster-Region Convolutional Neural Network,Faster-RCNN）的生活垃圾分类方法,将特征提取网络改为ResNet50网络,并在区域推荐网络（Region Proposal Network,RPN）中使用K-means聚类算法。结果表明,基于改进Faster-RCNN的网络模型的准确率达到94.5%,具有较高的准确率和较快的分类速度,可为解决生活垃圾分类提供一种有效的技术手段。     

基于Resnet50的垃圾分类系统

伴随着人们生活水平的进步,如果将所有垃圾都堆在一起,不仅影响垃圾处理的进程,增加垃圾处理的压力,也会对环境造成很大的污染,很多垃圾都是可以进行回收利用的,如果不加分类的丢弃,在垃圾处理过程中会增添很多麻烦的程序。基于Resnet50的垃圾分类系统是在手机等Android系统上运行的APP。这个系统通过图像处理,利用神经网络对垃圾进行分析,卷积神经网路与数据库连接实现垃圾的识别与分类。     

基于交互体验的校园垃圾分类投放系统设计

为助力校园垃圾分类工作,提出了一种基于交互体验的垃圾分类投放系统设计方案。以STM32单片机和Jetson Nano作为系统控制核心,硬件模块搭配软件编程,利用卷积神经网络算法和QT界面,实现系统的人脸识别、垃圾分类和人机交互等功能。学生通过人脸识别登录系统,根据界面提示完成垃圾分类投放,系统运行卷积神经网络算法自动识别用户所判断投放的垃圾分类是否正确并给予用户奖励积分。投放完毕后系统还会在用户小程序端或者系统登录界面给出用户所投放的垃圾种类。该系统有利于培养大学生垃圾分类意识,减轻环卫工人工作负担。     

基于OpenMV的智能跟踪小车设计

针对目前市场上的跟踪小车跟随效果不理想、应用场所有限、智能程度低等问题,设计了一款能够自主跟随标记物的智能跟踪小车。小车以Arduino为主控制器,综合了视觉模块、超声波模块和电机、舵机等外围设备。借助OpenMV IDE软件和OpenCV库,采用二维码识别、数字图像处理、PID控制等关键技术和方法,实现了实时跟踪、避障等功能。使用二维码识别和解码技术代替传统的图像识别技术,降低了算法复杂度,减少了锁定目标消耗的时间。同时,使用超声波测距模块辅助调整电机速度和舵机方向,不仅提高了跟踪效果,还增强了小车在突发情况下的避障能力。经实验测试,实现了小车在距标记物0.30 m-0.45 m范围内对移动目标的稳定跟踪和自主规避道路所有障碍的功能,且跟踪距离不受限制。