npcproject_ppt_outline

NPC 垃圾分类器项目汇报 PPT 大纲

封面

• 标题：NPC 垃圾分类器项目汇报
• 副标题：基于 Next.js + TensorFlow.js 的浏览器端垃圾分类系统
• 可补充信息：姓名、学号、课程名称、日期

1. 项目背景与目标

• 垃圾分类在日常生活中越来越重要，但很多用户对具体投放类别判断不清楚。
• 传统查询方式步骤多、效率低，缺少直观的智能辅助工具。
• 本项目目标是开发一个网页端垃圾分类识别系统，让用户通过图片即可快速获得分类建议。
• 项目希望兼顾实用性、易用性和可扩展性。

2. 项目简介

• 项目名称：NPC 垃圾分类器
• 项目定位：负责前端推理与识别结果展示的 Web 应用
• 核心用途：帮助用户根据垃圾图片判断所属分类
• 主要功能：
  • 拍照识别
  • 本地上传识别
  • URL 图片识别
  • 剪贴板粘贴识别
  • Top3 预测结果展示
  • 五大垃圾类别聚合展示
  • 中韩双语支持
  • 管理页日志筛选与 CSV 导出

3. 需求与问题分析

• 用户需要一种更便捷的垃圾分类辅助方式。
• 系统需要支持多种图片输入来源，降低使用门槛。
• 模型推理结果不能只停留在原始类别，还需要转化成用户更容易理解的五大垃圾类别。
• 系统不仅要展示结果，还要支持后续效果分析与日志管理。

4. 整体解决方案

• 用户上传或拍摄垃圾图片。
• 前端页面对图片进行预览和处理。
• 浏览器端加载 TensorFlow.js 模型进行推理。
• 输出原始分类结果和置信度。
• 将原始类别自动映射为五大垃圾分类。
• 页面展示最终分类建议、Top3 结果和原因提示。

5. 技术架构

• 前端框架：Next.js
• 页面开发：React
• 模型推理：TensorFlow.js
• 接口层：Next.js API Route
• 数据存储：浏览器 localStorage
• 国际化：中文 / 韩文
• 架构特点：
  • 前后端一体化开发
  • 推理运行在浏览器端
  • 降低服务器端计算压力
  • 方便部署和演示

6. 核心功能模块

6.1 图片输入模块

• 支持本地文件上传
• 支持调用摄像头拍照
• 支持输入远程图片 URL
• 支持从剪贴板直接粘贴图片

6.2 模型推理模块

• 前端动态加载模型文件和标签文件
• 对输入图片进行尺寸适配和张量处理
• 输出预测分数并进行归一化处理

6.3 结果展示模块

• 展示 Top1 分类结果
• 展示 Top3 候选结果及置信度
• 展示原始类别名称
• 输出五大垃圾类别的最终建议
• 对低置信度或背景类结果标记为不可判定

6.4 管理与分析模块

• 本地记录推理日志
• 支持按来源筛选日志
• 支持仅查看低置信度结果
• 支持统计平均延迟、总记录数
• 支持 CSV 导出

7. 项目亮点

• 浏览器端直接推理，不依赖服务端识别图片。
• 支持多种输入方式，交互体验更完整。
• 能将原始细分类别聚合为用户更易理解的五大垃圾类别。
• 针对低置信度结果设置不可判定机制，提高结果可靠性。
• 支持中韩双语，提升应用适用范围。
• 提供日志记录和导出能力，方便后续分析和优化。

8. 关键实现细节

• 模型文件存放在 public/model/ 目录下。
• 通过版本号参数控制模型缓存更新。
• labels.txt 与模型输出类别顺序保持一致。
• 当前系统支持“细分类别 -> 五大类”的自动映射逻辑。
• 通过图片代理接口处理部分远程图片跨域加载问题。
• 日志记录内容包括：
  • 推理时间
  • 输入来源
  • 延迟时间
  • Top1 分类
  • 置信度
  • 是否不可判定

9. 项目成果

• 已完成网页端垃圾分类识别原型开发。
• 已实现模型加载、图片输入、推理和结果展示的完整流程。
• 已支持动态类别与五大类映射展示。
• 已实现中韩双语切换。
• 已实现本地日志管理与 CSV 导出。
• 项目具备进一步优化和产品化扩展基础。

10. 存在的问题与不足

• 模型识别准确率仍受训练数据规模和质量影响。
• 浏览器端推理性能会受到设备硬件条件限制。
• 复杂背景、模糊图片可能导致低置信度结果。
• 远程图片仍可能受到目标站点访问限制。
• 当前日志保存在本地，暂未实现统一后台管理。

11. 后续优化方向

• 扩充训练数据集，提高类别覆盖率和准确率。
• 优化模型结构，降低前端加载时间和推理延迟。
• 增加更多语言支持，提升国际化能力。
• 接入服务端日志系统，形成完整的数据分析闭环。
• 增加垃圾投放说明和分类科普内容。
• 进一步适配移动端或小程序场景。

12. 总结

• 本项目实现了一个可运行的智能垃圾分类网页应用原型。
• 项目将前端交互与 AI 图像分类技术结合，具备较强的实践意义。
• 在功能实现之外，还考虑了可用性、可解释性和后续优化空间。
• 该项目适合作为课程设计、项目展示或阶段性成果汇报内容。