【限时免费】项目实战：用yolov7_ms构建一个智能垃圾分类助手，只需100行代码！...-优快云博客

项目实战：用yolov7_ms构建一个智能垃圾分类助手，只需100行代码！

【免费下载链接】yolov7_ms MindSpore版本单阶段目标检测模型yolov7预训练权重项目地址: https://gitcode.com/openMind/yolov7_ms

项目构想：我们要做什么？

随着环保意识的增强，垃圾分类已成为现代生活中的一项重要任务。然而，许多人仍然对如何正确分类垃圾感到困惑。为了解决这一问题，我们设计了一个基于yolov7_ms的智能垃圾分类助手。该应用的功能如下：

输入：用户上传一张包含垃圾的图片。
输出：识别图片中的垃圾类型（如可回收物、厨余垃圾、有害垃圾、其他垃圾），并返回分类结果。

通过这个应用，用户可以快速准确地了解垃圾的分类，从而更好地践行环保理念。

技术选型：为什么是yolov7_ms？

yolov7_ms是一个高性能的实时目标检测模型，具有以下核心亮点，非常适合实现我们的垃圾分类助手：

高精度与高速度：yolov7_ms在目标检测任务中表现出色，能够在保持高精度的同时实现实时检测，适合处理用户上传的图片。
轻量级部署：模型支持多种规模（如Tiny、L、X），可以根据实际需求选择适合的版本，确保在资源有限的设备上也能高效运行。
易于扩展：yolov7_ms支持自定义数据集训练，未来可以进一步扩展支持更多垃圾类别。

基于这些特性，yolov7_ms成为实现智能垃圾分类助手的理想选择。

核心实现逻辑

项目的核心逻辑分为以下几个步骤：

加载模型：使用yolov7_ms提供的预训练模型，加载目标检测功能。
图片预处理：将用户上传的图片转换为模型可处理的格式。
目标检测：调用模型对图片中的垃圾进行检测和分类。
结果解析：将检测结果转换为用户友好的分类标签。

Prompt设计

为了让模型更好地完成垃圾分类任务，我们需要设计一个有效的Prompt，明确告诉模型需要检测的垃圾类别。例如：

"检测图片中的垃圾类型，并分类为可回收物、厨余垃圾、有害垃圾或其他垃圾。"

代码全览与讲解

以下是完整的项目代码，关键部分已添加中文注释：

import cv2
import numpy as np
from mindspore import context, load_checkpoint, load_param_into_net
from yolov7_ms.model import YOLOv7
from yolov7_ms.utils import non_max_suppression, scale_coords

# 初始化模型
context.set_context(mode=context.GRAPH_MODE, device_target="Ascend")
model = YOLOv7()
param_dict = load_checkpoint("yolov7-tiny.ckpt")  # 加载预训练权重
load_param_into_net(model, param_dict)

# 定义垃圾类别标签
class_names = ["可回收物", "厨余垃圾", "有害垃圾", "其他垃圾"]

def classify_garbage(image_path):
    # 读取图片
    img = cv2.imread(image_path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img = cv2.resize(img, (640, 640))  # 调整图片尺寸

    # 图片预处理
    img = img.astype(np.float32) / 255.0
    img = np.transpose(img, (2, 0, 1))  # 转换为CHW格式
    img = np.expand_dims(img, axis=0)  # 添加batch维度

    # 模型推理
    outputs = model(img)
    pred = non_max_suppression(outputs, conf_thres=0.5, iou_thres=0.5)

    # 解析检测结果
    results = []
    for det in pred:
        if det is not None and len(det):
            det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img.shape).round()
            for *xyxy, conf, cls in det:
                results.append(class_names[int(cls)])

    return results

# 测试代码
if __name__ == "__main__":
    image_path = "test.jpg"  # 替换为你的图片路径
    result = classify_garbage(image_path)
    print("检测结果：", result)

代码讲解

模型加载：使用load_checkpoint加载预训练权重，并初始化yolov7_ms模型。
图片处理：将图片转换为模型所需的格式（CHW，归一化）。
推理与后处理：调用模型进行目标检测，并使用非极大值抑制（NMS）过滤冗余检测框。
结果解析：将检测到的类别ID转换为用户友好的标签。

效果展示与功能扩展

效果展示

假设用户上传一张包含塑料瓶和香蕉皮的图片，程序的输出可能如下：

检测结果： ["可回收物", "厨余垃圾"]

功能扩展

多语言支持：可以扩展支持多语言标签，方便不同地区的用户使用。
实时摄像头检测：结合摄像头输入，实现实时垃圾分类。
自定义训练：收集更多垃圾类别的数据，训练更精准的模型。