功能描述
ClassifyingRubbish可以对图片中的物品垃圾进行分类,并给出具体的物品名称。
前提条件
请确保您已开通图像识别服务,若未开通服务请立即开通。
图片限制
- 图片类型:JPEG、JPG、PNG。
- 图片大小:图片小于等于3M。
- 图片分辨率:不限制图片分辨率,但图片分辨率太高可能会导致API识别超时,超时时间为5秒。
URL地址中不能包含中文字符。
调试
在OpenAPI Explorer中直接运行该接口。
示例代码
#!/usr/bin/env python
#coding=utf-8
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdkimagerecog.request.v20190930.ClassifyingRubbishRequest import ClassifyingRubbishRequest
client = AcsClient('<accessKeyId>', '<accessSecret>', 'cn-shanghai')
request = ClassifyingRubbishRequest()
request.set_accept_format('json')
request.set_ImageURL("http://viapi-test.oss-cn-shanghai.aliyuncs.com/demo-center/imagerecog/ClassifyingRubbish2.jpg")
response = client.do_action_with_exception(request)
# python2: print(response)
print(str(response, encoding='utf-8'))
请求参数
ImageURL String 图片URL地址
常见垃圾输出列举值如下:
1.可回收物
废纸张:纸板箱、报纸、废弃书本、快递纸袋、打印纸、信封、广告单、纸塑铝复合包装(利乐包)。
废塑料:食品与日用品塑料瓶罐及瓶盖(饮料瓶、奶瓶、洗发水瓶、乳液罐)、食用油桶、塑料碗(盆)、塑料盒子(食品保鲜盒、收纳盒)、塑料玩具(塑料积木、塑料模型)、塑料衣架、施工安全帽、PE塑料、pvc、亚克力板、塑料卡片、密胺餐具、kt板、泡沫(泡沫塑料、水果网套)。
废玻璃制品:食品及日用品玻璃瓶罐(调料瓶、酒瓶、化妆品瓶)、玻璃杯、窗玻璃、玻璃制品(放大镜、玻璃摆件)、碎玻璃。
废金属:金属瓶罐(易拉罐、食品罐/桶)、金属厨具(菜刀、锅)、金属工具(刀片、指甲剪、螺丝刀)、金属制品(铁钉、铁皮、铝箔)。
废织物:旧衣服、床单、枕头、棉被、皮鞋、毛绒玩具(布偶)、棉袄、包、皮带、丝绸制品。
其它:电路板(主板、内存条)、充电宝、电线、插头、木制品(积木、砧板)。
2.有害垃圾
废镍镉电池和废氧化汞电池:充电电池、镉镍电池、铅酸电池、蓄电池、纽扣电池。
废荧光灯管:荧光(日光)灯管、卤素灯。
废药品及其包装物:过期药物、药物胶囊、药片、药品内包装。
废油漆和溶剂及其包装物:废油漆桶、染发剂壳、过期的指甲油、洗甲水。
废矿物油及其包装物。
废含汞温度计、废含汞血压计:水银血压计、水银体温计、水银温度计。
废杀虫剂及其包装:老鼠药(毒鼠强)、杀虫喷雾罐。
废胶片及废相纸:x光片等感光胶片、相片底片。
3.厨余垃圾(湿垃圾)
食材废料:谷物及其加工食品(米、米饭、面、面包、豆类)、肉蛋及其加工食品(鸡、鸭、猪、牛、羊肉、蛋、动物内脏、腊肉、午餐肉、蛋壳)、水产及其加工食品(鱼、鱼鳞、虾、虾壳、鱿鱼)、蔬菜(绿叶菜、根茎蔬菜、菌菇)、调料、酱料。
剩菜剩饭:火锅汤底(沥干后的固体废弃物)、鱼骨、碎骨、茶叶渣、咖啡渣。
过期食品:糕饼、糖果、风干食品(肉干、红枣、中药材)、粉末类食品(冲泡饮料、面粉)、宠物饲料。
瓜皮果核:水果果肉(椰子肉)、水果果皮(西瓜皮、桔子皮、苹果皮)、水果茎枝(葡萄枝)、果实(西瓜籽)。
花卉植物:家养绿植、花卉、花瓣、枝叶。
中药药渣。
4.其他垃圾(干垃圾)
餐巾纸、卫生间用纸、尿不湿、猫砂、狗尿垫、污损纸张、烟蒂、干燥剂、污损塑料、尼龙制品、编织袋、防碎气泡膜、大骨头、硬贝壳、硬果壳(椰子壳、榴莲壳、核桃壳、玉米衣、甘蔗皮)、硬果实(榴莲核、菠萝蜜核)、毛发、灰土、炉渣、橡皮泥、太空沙、带胶制品(胶水、胶带)、花盆、毛巾、一次性餐具、镜子、陶瓷制品、竹制品(竹篮、竹筷、牙签)、成分复杂的制品(伞、笔、眼镜、打火机)。
在线调试实例
至于下面这个药品。这个嘛?算法看来还待优化~