随着国家对旧衣回收分类再利用的重点关注,以及“互联网+回收”和智能回收等回收新模式的出现,传统的人工分类方式将面临很大的挑战。针对传统人工分类方式成本高、费时费力等缺点,本文设计了基于树莓派的服装识别与出入库管理系统,本系统的核心思想是使用机器自动识别服装的技术代替人工分拣。本文选择14类常见的服装类型作为识别对象,采用迁移学习的方法对服装数据集进行微调,并将训练好的模型移植到树莓派端,以实现树莓派端的服装识别与出入库管理。由于本系统使用的树莓派为资源有限的嵌入式开发板,所以,本文在研究谷歌提出的两种轻量级深度学习算法Mobilenetv1和Mobilenetv2的基础上,对端到端目标检测SSD算法进行修改,使用网络Mobilenetv1和Mobilenetv2替换VGG16,得到两种新的轻量级物体检测模型SSD-Mobilenetv1和SSD-Mobilenetv2。在Tensor Flow深度学习框架下,本文使用宽度乘数{1.0、0.75、0.5、0.25}与分辨率乘数{224、128}组合的方式训练14类服装数据,分析三种模型SSD-Mobilenetv1、SSD-Mobilenetv2和SSD-VGG16的服装识别正确率,发现乘数组合为{1.0、224}的SSD-Mobilenetv2模型的识别效果最好,可达97.50%,且该模型的大小仅有16.1MB。根据实验结果,本文确定SSD-Mobilenetv2模型作为本系统的服装识别模型,并将该模型保存成pb格式。本系统主要由服装图像采集功能、服装识别与入库功能、语音服装出库功能和服装数据管理功能组成,其中,服装识别为本系统的核心功能。首先,使用树莓派专用摄像头采集待分类的服装图像并传输给树莓派主控模块,再由树莓派加载服装识别模型识别服装类型,并根据服装类别位置关系表获取服装存放位置,最后将服装类别和存放位置等信息通过语音和文字的方式告知工作人员,并根据系统的默认设置自动将类别、存放位置、入库数量和时间等信息写入入库表,以便工作人员管理在库服装。在旧衣捐赠等再利用方面,本文采用智能语音对话的方式获取待出库服装的信息,并由系统自动将服装类型、出库位置、出库数量和时间等信息写入出库表。当其他功能出现故障时或者需要临时出入库服装时,使用服装数据管理功能,手动登记需要出入库的服装信息和检索服装信息。本设计在树莓派平台的测试结果表明,该系统能够正常工作且运行流畅。本文的内容可以为智能回收等回收模式提供一定帮助。