项目概述
第一次把深度学习带进实际项目：在算力受限的 Jetson Nano 上落地垃圾四分类实时识别，并联动投放机构自动投入对应桶位。
演示
技术栈
Jetson Nano（主控）+ YOLO 目标检测 + OpenCV + 投放机构控制；PC 端负责数据采集与模型训练
我做了什么
- 任务：赛项要求从自制的智能垃圾桶投放口投入垃圾，机器人需自主识别垃圾种类（可回收、有害、厨余、其他），并控制投放机构将其投入对应桶位。
- 深度学习首次落地：选择 Jetson Nano 作为主控平台，从学习 YOLO 目标检测框架开始，在 PC 端完成数据集采集与模型训练，再针对边缘设备的算力限制做模型轻量化优化，最终部署到 Jetson Nano 上实现实时识别。
- 收获：对嵌入式系统的认识从「单纯的硬件控制」扩展到「边缘智能」，也第一次直面算法精度与运行效率之间的取舍。
关键结果
赛事成绩湖北赛区 省二等奖
平台Jetson Nano 边缘端实时识别