摘要
本文基于Python技术，搭建了YOLOv5s深度学习模型，并基于该模型研发了微信小程序的垃圾分类应用系统。本项目的主要工作如下：
（1）调研了移动端垃圾分类应用软件动态，并分析其优劣势；分析了深度学习在垃圾分类领域的相关应用，着重研究了YOLO系列的工作原理和YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四大模型的优缺点，最终选择了轻量级深度学习模型YOLOv5s。
（2）本文给出了一种基于深度学习的垃圾图像分类模型YOLOv5s。微信小程序端的垃圾图像分类既要考虑模型的精度，也要保证模型的轻量化，即模型的参数量不能过大，因此在模型设计时需兼顾两者。最后，本项目深度学习模型对垃圾分类的准确率达到了98.5%。
（3）最后实现了垃圾分类系统整体的设计和测试。系统采用前后端分离的方式进行设计，主要功能是通过手机拍照实现对生活垃圾的分类识别，其他功能包括相册照片识别、文字知识分享和垃圾知识图例展示等。
演示视频
https://www.bilibili.com/video/BV1dt421371v/?vd_source=c193d20a1c99f741bf1bb7b6d876ee47
论文大纲
数据集
服务器端的设计由两个主要的Python源代码文件（server.py和detector.py）和YOLOv5项目源文件组成。这种设计结构的使用使得服务器端能够有效地处理客户端的请求，并利用YOLOv5的强大功能来实现准确的目标检测。通过这种分离的设计方式，代码的可读性和可维护性得到提高，并且使系统的功能模块化，方便后续的扩展和优化。
下载链接
若您想获得博文中涉及的实现完整全部程序文件（包完整程序、数据集、开题报告、中期报告和论文等，如下图），已将所有涉及的文件同时打包到里面，点击即可运行。
完整代码下载，请关注公众号。
