基于CNN的垃圾识别与分类GUI【新界面】
有需要可直接联系我，基本都在在线，能秒回！可加我看演示视频，不懂可以远程教学
1.此项目设计包括两份完整的源代码，有GUI界面的代码和无GUI界面系统的代码。
（以下部分展示的是最终有GUI界面的垃圾分类）
2.完整图片数据集
包括四类垃圾：可回收、有害、厨余和其他垃圾，每类垃圾各2000张左右的图片数据集，在训练模型的时候，总共就用了1万多张的数据图片集去进行训练。
（先展示最终效果）
------------------------------------------------------------------------------------------------------------------------------
一、 研究背景及部分程序图像数据集
垃圾分类和治理已经成为了当今社会中一个非常重要的问题，随着人民生活水平和消费水平的提高，在大量消耗资源，提高生产规模的同时，日常垃圾的产生也变得越来越多，垃圾种类也变得越来越多，材质及外形各异而且在不同场景下的类别划分的差异也很大。
二、 相关技术及研究流程图
2.1卷积神经网络
CNN由多个层组成，主要有卷积层、池化层、全连接层，信息在这些层之间传递。卷积层与池化层主要负责特征的识别与提取，而全连接层则将这些特征转化为不同类别的概率。一般来说，大部分的层是将输入图像转换为一组特征，最后几层使用这些特征执行分类。
2.2 程序的研究流程
三、 训练过程及程序实现效果展示
3.1CNN神经网络训练
训练的过程中可以同步看到准确度和损失值曲线的变化，准确度会越来越高，损失值会越来月底！随着悬链迭代步数的增加，准确率曲线呈现明显的上升趋势，准确度趋于91%，损失值随着准确度的增加呈现明显的下降趋势，本次训练耗时非常长！由准确度曲线可知，本研究自定义网络的识别率达到了91%。
3.2程序的实验过程及结果
以下将一一展示GUI界面的垃圾分类实验的结果：
首先是加载网络，导入设置好的卷积网络
接下来将准备好的1万多张垃圾数据集载入到系统中，包括可回收，其他，厨余和有害，所有图片载入，为网络训练做准备！
经过长时间的训练之后，模型将自动生成，并保存到同一个文件夹里面！
-----------------------------------接下来开始最终的实验测试---------------------------------
-----以上为基于卷积神经网络的垃圾分类系统的程序的展示。