基于深度学习R-CNN模型的环境污染分类方法设计.pdf
湖南商务职业技术学院毕业设计
目录
1引言1
1.1项目背景和意义1
1.2项目的目的和目标1
2相关技术与工具介绍1
2.1数据采集技术1
2.2深度学习模型概述2
2.3目标检测技术介绍3
2.3.1Web框架技术（TKinter）3
2.3.2Python简介3
2.3.3第三方库简介3
2.3.4Keras简介3
3方法设计与实现4
3.1数据集收集与预处理4
3.1.2数据集的获取4
3.1.2数据集预处理5
3.2深度学习模型选择与设计5
3.2.1深度学习模型的选择5
3.2.2模型的设计6
3.3模型的编译与训练7
3.4模型的评估与优化7
3.4.1模型的评估7
前端设计与实现9
系统前端设计9
设计效果展示及分析11
5小结13
参考资料14
I
湖南商务职业技术学院毕业设计
基于R-CNN模型的环境污染分类方法设计
1引言
1.1项目背景和意义
环境污染分类的背景和意义是为了更好了解环境污染问题。环境污染对我
们的生活和健康产生了严重的影响，包括空气污染，水源污染，土壤污染，等
各色污染。通过对各式各样的环境污染进行分类和监测，可以更准确地了解污
染物的来源、特性和影响并对污染物采取对应的治理措施。
1.2项目的目的和目标
本项目目的是对环境是否污染进行判断，并且对于已经受到污染的环境进
行污染类型的判断。首先，项目会通过卷积神经网络进行环境污染图片的训练。
输入图片，判断图片里面的环境是否环境污染；如果存在环境污染，则判断污
染类型，并且对污染类型进行分类输出；如果没有存在环境污染，则输出环境
良好。通过以上的方式，来实现本次项目的目标：环境污染的分类。
2相关技术与工具介绍
2.1数据采集技术
通过网络爬虫技术，在对应的网站进行数据的爬取，并且采集一些环境污
染有关的照片和图片，网络爬取网站的页面，如下图2-1所示。
图2-1数据采集来源网站示意图
1
湖南商务职业技术学院毕业设计
网络爬虫技术是一种可以在网页上自动获取界面上的信息，并且对获得的
信息进行针对性的采集的技术，本次项目使用网络爬虫技术，对于训练所需要
用到的图片进行获取和采集，网络爬虫代码关键部分，如下图2-2所示。
图2-2网络爬虫代码示意图
2.2深度学习模型概述
R-NN模型是一种目标检查深度学习模型。R-CNN的目标是在图片中准确地
识别和定位出多个不同的目标。该模型使用深度卷积神经网络（CNN）来提取图
片中的特征，并将这些特征输入到后续的分类器中，模型如下图2-3所示。
图2-3R-CNN模型示意图