如何用Python快速实现一个垃圾分类APP【附带微信小程序】

嗨害大家好鸭！我是小熊猫❤

今天这篇文章主要介绍的是：

如何利用现有的工具来实现一个垃圾分类的应用

有什么python相关报错解答自己不会的、或者源码资料/模块安装/女装大佬精通技巧 都可以来这里：（https://jq.qq.com/?_wv=1027&k=2Q3YTfym）或者+V：python5180问我

要想垃圾分类，首先，自我定位明确：

言归正传

主要做了三个核心内容：

• 对比现有垃圾分类服务，挑选一个合适并编码实现
• 开发桌面版垃圾分类APP
• 开发垃圾分类微信小程序

上面这三部分第一部分是后端的活儿，

其他两部分都是前端的活儿，

所以，我在这三块没有太多经验，

基本上是面向搜索引擎编程。

先看效果图，PC版：

小程序：

需领取完整源码跟Python学习资料可点击这行字体

那么，接下来我们进入到具体的细节是如何做的。

其实垃圾分类已经开始很长一段时间了，肯定会有一些服务商把垃圾分类的能力通过API的方式开放出来，供大家调用。我找了3家简单对比下供大家参考：

聚合数据（www.juhe.cn）：提供文本、图像、语音分类。免费调用20次，定价不灵活只能批量购买

天行数据（www.tianapi.com）：提供文本、图像、语音分类。文本分类5000次，其他50次，定价按量计费

京东AI开放平台：提供文本、图像、语音分类。免费，每日5000次

简单对比了图像分类情况，聚合和天行数据明显更好，再综合定价因素最终我决定用天行数据。

下面就来编写代码，将API接口封装成我们需要的服务，以文本（垃圾名称）分类接口为例，请求的接口如下

http://api.tianapi.com/txapi/lajifenlei/index?key=APIKEY&word=眼镜

APIKEY需要到天行网站注册来获取，返回的结果如下：

{
    
    
  "code":200,
  "msg":"success",
  "newslist":[
    {
    
    
      "name":"隐形眼镜",
      "type":3,
      "aipre":0,
      "explain":"干垃圾即其它垃圾，指除可回收物、有害垃圾、厨余垃圾（湿垃圾）以外的其它生活废弃物。",
      "contain":"常见包括砖瓦陶瓷、渣土、卫生间废纸、猫砂、污损塑料、毛发、硬壳、一次性制品、灰土、瓷器碎片等难以回收的废弃物",
      "tip":"尽量沥干水分；难以辨识类别的生活垃圾都可以投入干垃圾容器内"
    },
    {
    
    
      "name":"眼镜",
      "type":3,
      "aipre":0,
      "explain":"干垃圾即其它垃圾，指除可回收物、有害垃圾、厨余垃圾（湿垃圾）以外的其它生活废弃物。",
      "contain":"常见包括砖瓦陶瓷、渣土、卫生间废纸、猫砂、污损塑料、毛发、硬壳、一次性制品、灰土、瓷器碎片等难以回收的废弃物",
      "tip":"尽量沥干水分；难以辨识类别的生活垃圾都可以投入干垃圾容器内"
    },
  ]
}

接口的字段说明大家可以看官网文档，这里我就不再赘述了。

下面来编写请求文本分类接口的代码：

import base64
import requests
 
 
class TxApiService:
    def __init__(self):
        self.appkey = 'xxx'  # 需要换成自己的
        self.text_cls_url_root = 'https://api.tianapi.com/txapi/lajifenlei/index?key=%s&word=%s'
        self.img_cls_url_root = 'https://api.tianapi.com/txapi/imglajifenlei/index'
 
    def get_text_cls_res(self, garbage_name):
        url = self.text_cls_url_root % (self.appkey, garbage_name)
        response = requests.get(url)
 
        res = []
        if response.status_code == 200:
            res_json = response.json()
            if res_json.get('newslist'):
                new_list_json = res_json['newslist']
                for item in new_list_json:
                    name = item.get('name')
                    cat = self.garbage_id_to_name(item.get('type'))
                    tip = item.get('tip')
                    ai_pre = item.get('aipre')
                    pre_type = 'None'
                    if ai_pre == 0:
                        pre_type = '正常结果'
                    if ai_pre == 1:
                        pre_type = '预判结果'
                    item_dict = {
    
    'name': name, 'type': cat, 'tip': tip, 'pre_type': pre_type}
                    res.append(item_dict)
                return res
            else:
                return None
        return None
 
    def garbage_id_to_name(self, id):
        if id == 0:
            return '可回收物'
        if id == 1:
            return '有害垃圾'
        if id == 2:
            return '厨余垃圾'
        if id == 3:
            return '其他垃圾'
        return None

代码比较简单，用Python的requests库请求垃圾分类接口，

并对返回的数据格式化。下面再来编写请求图像分类的接口

def get_img_cls_res(self, img_base64):
    headers = {
    
    
        'Content-Type': 'application/x-www-form-urlencoded'
    }
    body = {
    
    
        'key': self.appkey,
        "img": img_base64,
    }
    response = requests.post(self.img_cls_url_root, headers=headers, data=body)
 
    res = []
    if response.status_code == 200:
        res_json = response.json()
        if res_json.get('newslist'):
            new_list_json = res_json['newslist']
            for item in new_list_json:
                name = item.get('name')
                cat = self.garbage_id_to_name(item.get('lajitype'))
                tip = item.get('lajitip')
                trust = item.get('trust')
                if trust <= 80:
                    continue
                item_dict = {
    
    'name': name, 'type': cat, 'tip': tip, 'pre_score': trust}
                res.append(item_dict)
            return res
        else:
            return None
    return None

函数的参数是图像的base64编码，请求方式是POST请求，

返回值字段与文本分类略有不同，但思路是一样的。

这两部分内容其实比简单，这里我就不再过多解释了。

有了数据服务，下面我们就来开发GUI，

这里我用的是tkinter，用它编写的APP可以运行在Linux、Windows和Mac系统，

关于tkinter的使用这里我不做过多介绍，

不了解的朋友可以翻一翻我之前的文章，

首选，创建GarbageClassificationApp类，来定义用到的各种组件

import base64
import tkinter
 
from tkinter import *
import hashlib
import time
from tkinter import filedialog
 
from TxApiService import TxApiService
 
class GarbageClassificationApp:
    def __init__(self, tk):
        """
        初始化各个组件
        :param tk:
        """
        self.tk = tk
 
        # 第一行定义文本分类相关的组件
        self.text_cls_label = Label(self.tk, text="垃圾名：")
        self.garbage_name_text = Entry(self.tk)
        self.text_cls_button = \
            Button(self.tk, text="垃圾名分类", bg="lightblue", width=10, height=1, command=self.garbage_name_cls)
 
        # 第二行定义图像分类相关的组件
        self.img_cls_label = Label(self.tk, text="垃圾图片：")
        self.select_file_button = Button(self.tk, text='选择图片', command=self.select_pic)
        self.img_cls_button = \
            Button(self.tk, text="图片分类", bg="lightblue", width=10, height=1, command=self.garbage_img_cls)
        self.img_name_text = Text(self.tk, height=2)
        self.img_name_text.insert(1.0, '未选择图片：')
        self.img_name_text['state'] = DISABLED
 
        # 第三行定义输出结果相关的组件
        self.cls_result_label = Label(self.tk, text="分类结果：")
        self.output_cls_result_list_box = Listbox(self.tk, width=100, height=30)
 
        # 初始化 api 服务
        self.api_service = TxApiService()
 
        self.set_init_window()

再来创建set_init_window函数对各个组件进行布局

# 各组件布局
def set_init_window(self):
    self.tk.title("垃圾分类")
    self.tk.geometry('1068x681+350+200')  # 1068x681为窗口大小，+100 +100 定义窗口弹出时的默认展示位置
 
    # 第一行文本分类各组件的布局
    self.text_cls_label.grid(row=0, column=0, sticky=E)
    self.garbage_name_text.grid(row=0, column=1)
    self.text_cls_button.grid(row=0, column=2, padx=10)
 
    # 第二行图像分类各组件的布局
    self.img_cls_label.grid(row=1, column=0, sticky=E)
    self.select_file_button.grid(row=1, column=1)
    self.img_cls_button.grid(row=1, column=2, padx=10)
    self.img_name_text.grid(row=1, column=3, padx=10)
 
    # 第三行输出结果各组件的布局
    self.cls_result_label.grid(row=2, column=0, rowspan=2, sticky=E)
    self.output_cls_result_list_box.grid(row=4, column=1, columnspan=10, pady=10, sticky=E)

这样，界面就完成了。

上面定义的一些组件中会有一些事件处理逻辑，比如一个按钮Button被按下时，它就会调用commond属性指定的函数。

以文本分类Button为例（text_cls_button），用户按下该按钮后，程序就会执行garbage_name_cls函数，

在该函数中我们就可以请求文本分类服务，并将返回的数据显示到界面上。

代码如下：

def garbage_name_cls(self):
    garbage_name = self.garbage_name_text.get()
    cat_arr = self.api_service.get_text_cls_res(garbage_name)
    self.output_cls_result_list_box.delete(0, END)
 
    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名称: %s' % item.get('name', 'None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾类别: %s' % item.get('type', 'None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '预判类型: %s' % item.get('pre_type', 'None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip', 'None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1
 
            self.output_cls_result_list_box.insert(i, '')
            i += 1

其他事件处理逻辑类似，代码如下

def select_pic(self):
    """
    单选图片
    :return:
    """
    file_name = filedialog.askopenfilename(
        filetypes=[('图片', ('.png', '.jpg', '.jpeg'))])
    if file_name:
        self.img_name_text['state'] = NORMAL
        self.img_name_text.delete(1.0, END)
        self.img_name_text.insert(1.0, '已选择图片：%s' % file_name)
        self.img_name_text['state'] = DISABLED
 
def garbage_img_cls(self):
    img_name_text = self.img_name_text.get(1.0, END)
    if img_name_text.startswith('已选择图片：'):
        file_path = img_name_text[6:].strip()
    else:
        return
    with open(file_path, 'rb') as f:
        base64_data = base64.b64encode(f.read())
        img_base64 = base64_data.decode()
    cat_arr = self.api_service.get_img_cls_res(img_base64)
    self.output_cls_result_list_box.delete(0, END)
 
    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名称: %s' % item.get('name', 'None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾类别: %s' % item.get('type', 'None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '预测得分: %s' % item.get('pre_score', 'None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip', 'None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1
 
            self.output_cls_result_list_box.insert(i, '')
            i += 1

至此，PC端桌面APP就开发完成，这里我们没有实现语音分类服务，但思路是一样的，大家可以尝试一下。

今天的学习目标完成了吗？

报错解答、源码资料可以点击文末名片一起来交流~

我是小熊猫，咱下篇文章再见啦(✿◡‿◡)