博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

1、2026年计算机专业毕业设计选题大全（建议收藏）✅

2、大数据、计算机专业选题（Python/Java/大数据/深度学习/机器学习）（建议收藏）✅

1、项目介绍

技术栈：Python语言、YOLOv8模型、深度学习、PyQt5界面、保存数据、导出数据

研究背景：
随着环保意识的提升和垃圾分类政策的推行，垃圾分类成为社会发展的重要方向。然而，许多垃圾分类系统仍然依赖人工分类，效率低、精度差，且难以应对多样化和复杂的垃圾类型。传统方法无法满足高效、准确分类的需求，尤其是在大规模的垃圾处理场所。

研究意义：
本系统采用深度学习中的YOLOv8算法，结合PyQt5框架，设计了一个简约且高效的垃圾分类平台。系统前端使用PyQt5开发用户界面，支持视频和图片文件的垃圾检测；后端通过YOLOv8模型对垃圾进行实时检测与分类。数据库采用本地存储数据，用户可查看分类结果，并导出相应的检测数据。系统能够准确检测并分类多种垃圾类型，包括可回收物、厨余垃圾、有害垃圾和其他垃圾。系统支持多目标实时检测，且允许用户选择感兴趣的目标进行分类。

关键词：Python；深度学习；YOLOv8；垃圾分类；PyQt5

---

2、项目界面

---

3、项目说明

摘要

随着环保意识的提升和垃圾分类政策的推行，垃圾分类成为社会发展的重要方向。然而，许多垃圾分类系统仍然依赖人工分类，效率低、精度差，且难以应对多样化和复杂的垃圾类型。传统方法无法满足高效、准确分类的需求，尤其是在大规模的垃圾处理场所。

本系统采用深度学习中的YOLOv8算法，结合PyQt5框架，设计了一个简约且高效的垃圾分类平台。系统前端使用PyQt5开发用户界面，支持视频和图片文件的垃圾检测；后端通过YOLOv8模型对垃圾进行实时检测与分类。数据库采用本地存储数据，用户可查看分类结果，并导出相应的检测数据。系统能够准确检测并分类多种垃圾类型，包括可回收物、厨余垃圾、有害垃圾和其他垃圾。系统支持多目标实时检测，且允许用户选择感兴趣的目标进行分类。

关键词：Python；深度学习；YOLOv8；垃圾分类；PyQt5

1. 垃圾分类类别

1.1 可回收物

• 电源银行（Power bank）
• 袋子（Bag）
• 化妆品用品（Toiletries）
• 塑料玩具（Plastic toys）
• 塑料餐具（Plastic dishes）
• 塑料衣架（Plastic hangers）
• 玻璃餐具（Glass dishes）
• 金属餐具（Metal dishes）
• 快递袋（Express delivery bag）
• 插头和电线（Plug and wire）
• 旧衣服（Old clothes）
• 铝罐（Aluminum can）
• 枕头（Pillow）
• 毛绒玩具（Plush toy）
• 鞋子（Shoes）
• 切菜板（Cutting board）
• 纸板盒子（Cardboard box）
• 调料瓶（Seasoning bottle）
• 酒瓶（Wine bottle）
• 金属食品罐（Metal food cans）
• 金属厨具（Metal kitchenware）
• 锅（Pot）
• 食用油桶（Edible oil barrel）
• 饮料瓶（Beverage bottle）
• 书纸（Book paper）
• 垃圾桶（Trash bin）
• 塑料厨具（Plastic kitchenware）
• 毛巾（Towel）
• 纸袋（Paper bag）
• 饮料纸盒（Beverage carton）

1.2 厨余垃圾

• 剩饭剩菜（Leftover food）
• 大骨头（Large bone）
• 水果皮和果肉（Fruit peel and flesh）
• 茶渣（Tea residue）
• 蔬菜茎叶（Vegetable stalks and leaves）
• 蛋壳（Eggshell）
• 鱼骨（Fish bones）

1.3 有害垃圾

• 干电池（Dry battery）
• 药膏（Ointment）
• 过期药物（Expired medicine）

1.4 其他垃圾

• 快餐盒（Fast food container）
• 受污染的塑料（Contaminated plastic）
• 烟蒂（Cigarette butt）
• 牙签（Toothpick）
• 花盆（Flower pot）
• 陶瓷餐具（Ceramic dishes）
• 筷子（Chopsticks）
• 受污染的纸张（Contaminated paper）

---

4、核心代码

from ultralytics import YOLO
# 1. 加载预训练模型
model = YOLO("yolov8n.pt")  # 加载YOLOv8预训练模型
# 2. 准备数据集并开始训练
# coco128.yaml 是自定义的数据集配置文件，包含了垃圾分类的标注信息
model.train(data="coco128.yaml", epochs=3)  # 在数据集上训练模型
# 3. 验证模型效果
metrics = model.val()  # 在验证集上评估模型性能
# 4. 对新图像进行预测
results = model("https://ultralytics.com/images/bus.jpg")  # 对图像进行垃圾分类预测
# 5. 导出训练好的模型为ONNX格式
success = model.export(format="onnx")  # 将模型导出为ONNX格式，便于部署

训练过程解释：
- `YOLO("yolov8n.pt")`：加载YOLOv8的预训练权重模型。这是基于YOLOv8的“nano”模型，如果需要更高精度，可以选择更大的模型。
- `model.train(data="coco128.yaml", epochs=3)`：指定数据集配置文件（`coco128.yaml`），并设置训练的轮数为3。实际应用中可能需要更多轮数以达到更高精度。
- `model.val()`：对训练后的模型进行验证，评估其在验证集上的表现，输出的`metrics`包含准确率、精度等指标。
- `model.export(format="onnx")`：将训练好的模型导出为ONNX格式，这样可以在其他平台或设备上使用。

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目编程以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，拉到文章底部即可看到个人联系方式。🍅

点赞、收藏、关注，不迷路，下方查看👇🏻获取联系方式👇🏻