个人卖家：
月下独酌
创建于：2025-08-17
| 使用环境 | 垃圾分拣，主要由于分类流程复杂、公众意识薄弱。传统人工分拣效率低且成本高，而人工智能技术（尤其是计算机视觉）可显著提升分类自动化水平 |
|---|---|
| 使用对象 | 生活垃圾（多类：烟蒂、塑料瓶、易拉罐、玻璃瓶、菜叶、塑料袋） |
| 使用目的 | 1. 单目标分类（CNN） 2. 多目标实时检测（YOLOv5） |
| 输入数据 | 1920×1200 RGB图像（8bit/pixe-）单目标：2000张/类RGB图像（自建数据集） - 多目标：PASCAL VOC格式标注数据（2000张） |
| 输出数据 | 1. 分类结果（类别+置信度） 2. 检测结果 |
| 硬件配置 | NVIDIA Jetson AGX Xavier（32GB显存）、部署：Jetson Xavier NX（嵌入式） |
| 样本获取 | 1. 公开数据集（TrashNet） 2. 自采集数据（标注工具：LabelImg） |
| 测试结果 | - CNN分类准确率：ResNet50（95.2%） - YOLOv5 mAP@0.5：89.7% |
| 执行速度 | - CNN推理：15ms/图（CPU） - YOLOv5：30FPS（GPU） |
| 资源消耗 | - 训练：GPU显存≥16GB - 部署：RAM占用<2GB（量化后） |
| 源码类型 | Python训练代码 |
| 文件大小 | - 模型权重：CNN（200MB）、YOLOv5（27MB） - 完整代码：根据数据集定 |
| 相关备注 | 特殊处理：在议 |
| 买家 | 规格或版本 | 评分 | 评价 | 时间 |