山东大学（威海） 2018级数据科学与人工智能实验班

孙易泽 吴锦程 詹沛 徐潇涵

树莓派zero图像分类与目标检测是深度学习的研究项目，旨在通过深度学习算法，实现树莓派的实时识别与分类。

在树莓派上运行深度学习主要分为以下几个步骤：

• 首先是数据的获取及预处理，图像分类与目标检测需要大量干净且高质量的图片数据进行训练，我们需要通过不同方式，尽可能多的获取到相关的图片数据，并处理为深度学习可用的形式。
• 接下来先实现图像分类，根据深度学习领域存在的相关模型，选择适合于树莓派上运行的深度学习模型。通过Tensorflow2搭建深度学习框架，通过对模型参数不断调整，训练出正确率高且能快速运行的模型。通过对模型的不断改进，在保持模型正确率的同时，减小模型的大小。
• 目标检测模型也是一个侧重点，我们选择轻量级的深度学习模型，并使用Tensorflow2 Object Detection进行模型的训练，能够进行水果和花卉物体的准确检测，做到一张图片中正确识别多个不同物体的位置与种类。
• 最后是图像分类模型与目标检测模型分别的部署，将训练好的模型部署到树莓派中，并利用摄像头实时对数据进行处理，做到图片的实时检测。

以下是详细的说明文档：

• 1.树莓派zero图像分类与目标检测—数据获取与预处理

• 2.树莓派zero图像分类与目标检测—图像分类模型

• 3.树莓派zero图像分类与目标检测—目标检测模型

• 4.树莓派zero图像分类与目标检测—深度学习部署

除此之外，本项目还在其他平台有相关的开源资料：

知乎专栏—树莓派zero图像分类与目标检测

b站视频链接