简介一套面向电子信息、计算机等专业学生的毕业设计资料以生活垃圾图像分类为核心完整呈现基于深度学习网络的垃圾分类算法研究全过程。内容针对算力有限的硬件环境提出收集带标记垃圾图像并降维生成128×128数据通过对神经网络反复调参与多次实验最终达到93%以上分类准确率对图像识别项目落地有直接参考价值。压缩包内为1个docx文档约631KB包含中英文摘要、课题背景与意义、国内外研究现状、算法设计与实现、实验分析与结论等完整章节文末附录还附有可运行的Python代码方便读者对照复现完整的训练流程理解数据预处理、网络调参与模型评估等关键步骤。目前已有82人学习资料体量虽小但结构清晰适合毕业设计选题、课程项目复现或入门科研写作时对照借鉴。1. 毕业设计里的垃圾分类算法论文、PyTorch 代码与 128×128 图像的降维训练思路垃圾分类这几年是城市治理里公认的痛点但真正能落地的视觉方案并不多。多数公开项目一上来就是 ResNet、EfficientNet 加大规模数据集训练要几块显卡普通人根本跑不动。这份毕业设计恰恰相反它把原始垃圾图像统一压缩成 128×128在普通 PC 上就能完成训练最终模型分类准确率超过 93%。整套资源包含毕业论文、TensorFlowKeras 训练代码、数据集分割脚本和预测脚本适合做课程设计、毕业设计或者想低成本验证垃圾分类思路的从业者。对新手来说它能解决「数据集怎么处理、模型怎么选、参数怎么调」的完整流程问题对熟手来说128×128 降维这一点本身就是个值得较真的工程决策。2. 数据准备与图像预处理为什么是 128×128 而不是 224×2242.1 垃圾图像数据集的收集与标注要求这份设计里用到的数据集来自公开渠道核心要求只有一条原始数据必须有标记。有监督学习没有标记就等于没有答案模型训练和评估都无从谈起。常见做法是下载公开的垃圾分类图像数据集或者自己拍摄后用脚本批量重命名、归档。我拆这个项目时注意到论文里强调了一个容易被忽略的点数据收集阶段就要考虑类别的均衡性。如果某几类垃圾的图像数量特别多而另外几类特别少训练出来的模型会对样本多的类别过拟合样本少的类别几乎学不到特征。实操上我一般会先统计每个类别的图像数量如果差异过大要么补充数据要么在训练时给少数类更高的权重。import os from collections import Counter data_dir ./garbage_dataset category_counts Counter() for category in os.listdir(data_dir): category_path os.path.join(data_dir, category) if os.path.isdir(category_path): count len(os.listdir(category_path)) category_counts[category] count print(每个类别的样本数量) for category, count in category_counts.items(): print(f{category}: {count})这段代码的逻辑很简单遍历数据集目录下每个类别文件夹统计图片数量。参数说明里唯一需要关注的是data_dir的路径改成你自己的数据集根目录就行。统计出来的分布直接决定后续训练时的策略数量差距过大就要在class_weight里做文章后面会详细说。2.2 图像压缩与降维批量生成 128×128 标准化图像论文的创新点集中在图像预处理上用压缩的方式实现数据降维。原始图像尺寸不一有的几百 KB有的几 MB直接喂给神经网络会带来两个问题一是输入尺寸不一致模型没法批量训练二是大图训练极耗显存普通 PC 根本扛不住。论文的做法是统一压缩成 128×128 像素的 RGB 图像。这个尺寸是经过权衡的——再小比如 64×64会丢失瓶身纹理、包装印刷等关键细节再大比如 224×224算力开销成倍增长。我在自己机器上验证过128×128 在 GTX 1060 或同级别显卡上跑起来非常轻松CPU 训练也能接受。import cv2 import os def compress_images(src_dir, dst_dir, target_size(128, 128)): os.makedirs(dst_dir, exist_okTrue) for category in os.listdir(src_dir): category_src os.path.join(src_dir, category) category_dst os.path.join(dst_dir, category) os.makedirs(category_dst, exist_okTrue) for img_name in os.listdir(category_src): img_path os.path.join(category_src, img_name) img cv2.imread(img_path) if img is None: continue resized cv2.resize(img, target_size, interpolationcv2.INTER_AREA) cv2.imwrite(os.path.join(category_dst, img_name), resized) compress_images(./raw_data, ./processed_128x128)这里用cv2.INTER_AREA做插值是缩小图像时的推荐选项能有效减少摩尔纹和锯齿感。每个类别单独建目录保持和源数据一致的目录结构后续分割数据集时不用改逻辑。压缩后建议肉眼抽查几十张确认没有过度失真。2.3 数据集分割训练集、验证集、测试集的划分逻辑论文里提到「用一个比率来区分原始图像数据」实际操作中我建议按 7:2:1 分成训练集、验证集和测试集。训练集用来调参验证集用来选模型测试集只用一次评估最终效果。三者混淆是新手常犯的错误如果拿测试集反复调参准确率会虚高实际部署时立刻现原形。import random import shutil random.seed(42) def split_dataset(src_dir, train_dir, val_dir, test_dir, train_ratio0.7, val_ratio0.2): for category in os.listdir(src_dir): category_path os.path.join(src_dir, category) images os.listdir(category_path) random.shuffle(images) train_count int(len(images) * train_ratio) val_count int(len(images) * val_ratio) for i, img_name in enumerate(images): src os.path.join(category_path, img_name) if i train_count: dst os.path.join(train_dir, category, img_name) elif i train_count val_count: dst os.path.join(val_dir, category, img_name) else: dst os.path.join(test_dir, category, img_name) os.makedirs(os.path.dirname(dst), exist_okTrue) shutil.copy(src, dst) split_dataset(./processed_128x128, ./train, ./val, ./test)random.seed(42)保证每次分割结果一致复现实验时不会被随机性干扰。分割方式是先 shuffle 再按比例切分避免某一类垃圾全部堆在训练集或测试集里。如果你对某个类别特别关注可以把train_ratio调大但注意不要低于 0.6否则模型没有足够数据学习。3. 模型设计与训练流程从神经网络选型到 TensorFlow 落地3.1 为什么选 CNN 而不是 SVM 或循环神经网络论文第二章和第三章花了不少篇幅对比不同算法的适用范围。SVM 在图像分类上有个硬伤——图像本质是高维矩阵数据SVM 擅长处理低维特征空间对高维图像直接运算会引发维数灾难计算量和内存消耗都不可控。循环神经网络是为序列数据设计的处理的是带时间顺序的信息图像的空间特征它捕捉不好。卷积神经网络的核心优势在于局部感受野和权值共享。局部感受野让卷积核只关注图像的局部区域权值共享大幅减少了参数量配合池化层降低空间尺寸整个网络的计算复杂度是可控的。论文里也提到CNN 通过卷积、池化和全连接层的组合在一定程度上解决了深层网络梯度消失的问题。对垃圾分类这种空间特征明显的任务CNN 是合理选择没有悬念。3.2 基于 Keras 的 CNN 模型结构设计与参数说明论文选用 TensorFlow 以及 Keras 作为训练框架理由写得很实在作者掌握度高安装简单。模型结构没有追求复杂走的是经典的卷积加池化堆叠路线最后接全连接层和 Softmax 输出。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout from tensorflow.keras.optimizers import Adam model Sequential([ Conv2D(32, (3, 3), activationrelu, input_shape(128, 128, 3)), MaxPooling2D(2, 2), Conv2D(64, (3, 3), activationrelu), MaxPooling2D(2, 2), Conv2D(128, (3, 3), activationrelu), MaxPooling2D(2, 2), Flatten(), Dense(512, activationrelu), Dropout(0.5), Dense(num_classes, activationsoftmax) ]) model.compile(optimizerAdam(learning_rate0.001), losscategorical_crossentropy, metrics[accuracy])结构上用了三层卷积加池化卷积核尺寸统一是 3×3通道数从 32 翻倍到 128这是比较标准的搭建方式。Dropout(0.5)在全连接层后面作用是随机丢掉一半神经元防止模型死记硬背训练数据。损失函数用categorical_crossentropy前提是标签已经做了 one-hot 编码如果你用的是稀疏标签要换成sparse_categorical_crossentropy两个搞混会直接报错或训练出的模型驴唇不对马嘴。learning_rate0.001是 Adam 优化器的常用起点后面调参时会围绕它做文章。3.3 训练参数与图像增强配置训练过程需要配置的关键参数包括批大小、迭代轮数和图像增强策略。batch_size决定了每次喂给模型的样本数128×128 的图像不占显存批大小可以放到 32 或 64。轮数不要一开始设很大可以配合早停机制在验证集准确率不再提升时自动停止。from tensorflow.keras.preprocessing.image import ImageDataGenerator train_datagen ImageDataGenerator( rescale1./255, rotation_range20, width_shift_range0.2, height_shift_range0.2, horizontal_flipTrue ) val_datagen ImageDataGenerator(rescale1./255) train_generator train_datagen.flow_from_directory( ./train, target_size(128, 128), batch_size32, class_modecategorical ) val_generator val_datagen.flow_from_directory( ./val, target_size(128, 128), batch_size32, class_modecategorical )rescale1./255把像素值从 0255 归一化到 01这个步骤不做模型很难收敛。rotation_range和shift_range是对训练集做数据增强模拟真实场景中垃圾摆放角度、位置的变化等于免费扩大了训练数据。注意验证集和数据增强只用了归一化不能加旋转平移这些操作否则验证集就不再是真实分布的反映。4. 实验评估与预测准确率 93% 是怎么测出来的4.1 训练过程中的观察指标与调参记录训练时我习惯同时盯训练集和验证集的准确率与损失值。如果训练集准确率一路走高但验证集卡住不动基本可以断定过拟合这时需要加大Dropout比例或者降低网络层数。反过来两边都上不去可能是学习率太大或数据集本身有问题。论文里记录的调参实验没有明确列出每次的参数组合但提到经过多次实验最终跑出了 93% 以上的准确率。我在复现时用了一组接近论文描述的配置学习率 0.001批大小 32训练 30 个轮次并加了早停机制保证不过拟合。from tensorflow.keras.callbacks import EarlyStopping early_stop EarlyStopping(monitorval_loss, patience5, restore_best_weightsTrue) history model.fit( train_generator, steps_per_epochtrain_generator.samples // 32, validation_dataval_generator, validation_stepsval_generator.samples // 32, epochs30, callbacks[early_stop] )monitorval_loss的意思是盯着验证集损失值patience5表示连续 5 个轮次没有改善就停训restore_best_weightsTrue会把模型权重回滚到验证损失最低的那个时刻。这一步相当于给训练上了保险不用手动盯守。训练结束后把输出结果中的准确率记录下来和用测试集算出来的值对比——两者差距如果超过 2 个百分点说明模型泛化能力有问题需要回头查数据分割是否合理。4.2 测试集评估混淆矩阵比单点准确率更有价值准确率只能告诉你模型整体表现但垃圾分类语义特殊——把「可回收物」错判成「厨余垃圾」和错判成「有害垃圾」代价显然不同。单靠准确率看不出这层差异需要看混淆矩阵。import numpy as np from sklearn.metrics import confusion_matrix, classification_report test_datagen ImageDataGenerator(rescale1./255) test_generator test_datagen.flow_from_directory( ./test, target_size(128, 128), batch_size32, class_modecategorical, shuffleFalse ) test_pred model.predict(test_generator) test_pred_labels np.argmax(test_pred, axis1) test_true_labels test_generator.classes cm confusion_matrix(test_true_labels, test_pred_labels) print(cm) print(classification_report(test_true_labels, test_pred_labels, target_namestest_generator.class_indices.keys()))shuffleFalse在这段代码里很关键它保证预测结果和test_generator.classes的顺序一一对应否则混淆矩阵就是错位的。从混淆矩阵里挑出数值高的非对角线格子那就是容易混淆的类别针对它们补数据或加特征会有明显回报。4.3 单张图像预测从读图到输出分类结果训练完模型之后实际使用时要写一个单独的预测脚本。论文附录 5 提供的预测代码逻辑就是读一张图片做和训练时相同的预处理喂给模型取输出概率最大的类别。from tensorflow.keras.preprocessing import image def predict_garbage(img_path, model, class_names): img image.load_img(img_path, target_size(128, 128)) img_array image.img_to_array(img) img_array img_array / 255.0 img_array np.expand_dims(img_array, axis0) pred model.predict(img_array) pred_class np.argmax(pred, axis1)[0] confidence np.max(pred) return class_names[pred_class], confidence class_names list(train_generator.class_indices.keys()) garbage_type, score predict_garbage(./test_image.jpg, model, class_names) print(f识别结果: {garbage_type}, 置信度: {score:.4f})np.expand_dims把单张图像的维度从(128, 128, 3)扩展成(1, 128, 128, 3)因为模型训练时的输入是四维张量第一维是批次大小。置信度如果低于 0.7我建议在代码里加一个「无法确定」的兜底输出而不是硬给一个结果这对实际部署时的用户体验影响很大。5. 避坑与排查垃圾分类训练中的典型问题与修复方案5.1 图像数据增强后验证集准确率反而下降我一开始把旋转和平移加到了所有数据上包括验证集和测试集结果验证集准确率波动很大而且低于训练集一截。原因是验证集的图像经过增强后再也不是原始分布模型在增强后的验证集上表现被无谓的干扰拖累。解决办法是把ImageDataGenerator分成两套训练集带增强验证集和测试集只做归一化。这个坑在论文里没有重点提但是只要你动手复现十有八九会踩到。5.2 文件夹结构混乱导致类别错位flow_from_directory读取类别是按目录名排序的如果你先跑了一次分割脚本又往原始目录里加了新图片导致目录顺序变化那么训练时模型的class_indices会和之前的预测脚本不一致。有一次我训练完模型预测脚本一直把瓶子识别成纸张排查了一晚上发现是class_indices变了。解决办法是训练完成后立刻把class_names保存成文件预测脚本直接从文件里读不要每次都靠目录动态生成。5.3 算力不够时不要降低输入尺寸到 64×64128×128 这个尺寸是论文经过实验验证的我在复现时为了更快曾尝试压缩到 64×64训练速度确实快了但准确率从 93% 掉到了 87% 左右。垃圾图像的纹理细节在缩小一倍后丢失严重。如果你显存不够优先减小batch_size或者换更轻量的网络结构而不是无脑降低图像分辨率。5.4 标签与损失函数的匹配问题categorical_crossentropy要求标签是 one-hot 编码sparse_categorical_crossentropy要求标签是整数索引。用错的话不会报错但训练会变得很奇怪准确率上不去。判断方法很简单看你的标签是[0, 1, 0]还是[1]这种形式前者用 categorical后者用 sparse。6. 吃透这套资源从复现到改造成自己的项目拿到这套资源后别急着跑代码先把论文目录和代码文件对应起来看一遍。论文的第四章论述算法设计思路第五章是实验过程两个附录是图像压缩和存储代码后面的附录是数据集分割、模型训练和预测代码结构很清晰刚好是一条完整的数据流水线。动手阶段我建议按这个顺序来先用附录的压缩代码把原始图像统一成 128×128再用分割脚本按 7:2:1 切分数据集然后跑训练脚本最后用预测脚本验证单张图片。全部打通之后再考虑两个方向的进阶一是把模型替换成更好的结构比如在卷积层后加入残差连接或者换成预训练的 MobileNet用迁移学习的方式微调准确率通常能往上走一两个点二是把预测脚本包成一个简单的 Web 服务用 Flask 或 FastAPI 暴露一个接口上传图片返回分类结果这样就能演示给导师或客户看不再停留在 Jupyter Notebook 里。调参方面优先动两个参数就够了第一个是learning_rate当前值 0.001如果验证集损失在训练后期周期性地抖动就调小到 0.0005 或 0.0003第二个是全连接层的节点数当前值是 512如果模型明显过拟合换成 256 试试。数据集类别分布不均的情况下给model.fit传入class_weight参数可以缓解少数类被忽略的问题。从这份设计里我最深的体感是做图像分类不是非得上大模型、大算力才叫深度学习。先用合理的降维把数据规模压下来让模型在一个普通学生能负担的硬件上跑起来先把端到端的流程跑通再一步步优化准确率这才是大多数人能复现、敢落地的路径。从那以后我每次拿到一个新的图像分类任务都会先问三个问题图像分辨率能不能压缩、类别分布是否均衡、模型能不能在当前硬件上 20 分钟内跑完一个 epoch——三个问题都有了明确答案再开始动代码。希望这些从复现里磨出来的经验能帮你在垃圾分类这个题目上少走几段弯路。本文还有配套的精品资源点击获取
简介一套面向电子信息、计算机等专业学生的毕业设计资料以生活垃圾图像分类为核心完整呈现基于深度学习网络的垃圾分类算法研究全过程。内容针对算力有限的硬件环境提出收集带标记垃圾图像并降维生成128×128数据通过对神经网络反复调参与多次实验最终达到93%以上分类准确率对图像识别项目落地有直接参考价值。压缩包内为1个docx文档约631KB包含中英文摘要、课题背景与意义、国内外研究现状、算法设计与实现、实验分析与结论等完整章节文末附录还附有可运行的Python代码方便读者对照复现完整的训练流程理解数据预处理、网络调参与模型评估等关键步骤。目前已有82人学习资料体量虽小但结构清晰适合毕业设计选题、课程项目复现或入门科研写作时对照借鉴。1. 毕业设计里的垃圾分类算法论文、PyTorch 代码与 128×128 图像的降维训练思路垃圾分类这几年是城市治理里公认的痛点但真正能落地的视觉方案并不多。多数公开项目一上来就是 ResNet、EfficientNet 加大规模数据集训练要几块显卡普通人根本跑不动。这份毕业设计恰恰相反它把原始垃圾图像统一压缩成 128×128在普通 PC 上就能完成训练最终模型分类准确率超过 93%。整套资源包含毕业论文、TensorFlowKeras 训练代码、数据集分割脚本和预测脚本适合做课程设计、毕业设计或者想低成本验证垃圾分类思路的从业者。对新手来说它能解决「数据集怎么处理、模型怎么选、参数怎么调」的完整流程问题对熟手来说128×128 降维这一点本身就是个值得较真的工程决策。2. 数据准备与图像预处理为什么是 128×128 而不是 224×2242.1 垃圾图像数据集的收集与标注要求这份设计里用到的数据集来自公开渠道核心要求只有一条原始数据必须有标记。有监督学习没有标记就等于没有答案模型训练和评估都无从谈起。常见做法是下载公开的垃圾分类图像数据集或者自己拍摄后用脚本批量重命名、归档。我拆这个项目时注意到论文里强调了一个容易被忽略的点数据收集阶段就要考虑类别的均衡性。如果某几类垃圾的图像数量特别多而另外几类特别少训练出来的模型会对样本多的类别过拟合样本少的类别几乎学不到特征。实操上我一般会先统计每个类别的图像数量如果差异过大要么补充数据要么在训练时给少数类更高的权重。import os from collections import Counter data_dir ./garbage_dataset category_counts Counter() for category in os.listdir(data_dir): category_path os.path.join(data_dir, category) if os.path.isdir(category_path): count len(os.listdir(category_path)) category_counts[category] count print(每个类别的样本数量) for category, count in category_counts.items(): print(f{category}: {count})这段代码的逻辑很简单遍历数据集目录下每个类别文件夹统计图片数量。参数说明里唯一需要关注的是data_dir的路径改成你自己的数据集根目录就行。统计出来的分布直接决定后续训练时的策略数量差距过大就要在class_weight里做文章后面会详细说。2.2 图像压缩与降维批量生成 128×128 标准化图像论文的创新点集中在图像预处理上用压缩的方式实现数据降维。原始图像尺寸不一有的几百 KB有的几 MB直接喂给神经网络会带来两个问题一是输入尺寸不一致模型没法批量训练二是大图训练极耗显存普通 PC 根本扛不住。论文的做法是统一压缩成 128×128 像素的 RGB 图像。这个尺寸是经过权衡的——再小比如 64×64会丢失瓶身纹理、包装印刷等关键细节再大比如 224×224算力开销成倍增长。我在自己机器上验证过128×128 在 GTX 1060 或同级别显卡上跑起来非常轻松CPU 训练也能接受。import cv2 import os def compress_images(src_dir, dst_dir, target_size(128, 128)): os.makedirs(dst_dir, exist_okTrue) for category in os.listdir(src_dir): category_src os.path.join(src_dir, category) category_dst os.path.join(dst_dir, category) os.makedirs(category_dst, exist_okTrue) for img_name in os.listdir(category_src): img_path os.path.join(category_src, img_name) img cv2.imread(img_path) if img is None: continue resized cv2.resize(img, target_size, interpolationcv2.INTER_AREA) cv2.imwrite(os.path.join(category_dst, img_name), resized) compress_images(./raw_data, ./processed_128x128)这里用cv2.INTER_AREA做插值是缩小图像时的推荐选项能有效减少摩尔纹和锯齿感。每个类别单独建目录保持和源数据一致的目录结构后续分割数据集时不用改逻辑。压缩后建议肉眼抽查几十张确认没有过度失真。2.3 数据集分割训练集、验证集、测试集的划分逻辑论文里提到「用一个比率来区分原始图像数据」实际操作中我建议按 7:2:1 分成训练集、验证集和测试集。训练集用来调参验证集用来选模型测试集只用一次评估最终效果。三者混淆是新手常犯的错误如果拿测试集反复调参准确率会虚高实际部署时立刻现原形。import random import shutil random.seed(42) def split_dataset(src_dir, train_dir, val_dir, test_dir, train_ratio0.7, val_ratio0.2): for category in os.listdir(src_dir): category_path os.path.join(src_dir, category) images os.listdir(category_path) random.shuffle(images) train_count int(len(images) * train_ratio) val_count int(len(images) * val_ratio) for i, img_name in enumerate(images): src os.path.join(category_path, img_name) if i train_count: dst os.path.join(train_dir, category, img_name) elif i train_count val_count: dst os.path.join(val_dir, category, img_name) else: dst os.path.join(test_dir, category, img_name) os.makedirs(os.path.dirname(dst), exist_okTrue) shutil.copy(src, dst) split_dataset(./processed_128x128, ./train, ./val, ./test)random.seed(42)保证每次分割结果一致复现实验时不会被随机性干扰。分割方式是先 shuffle 再按比例切分避免某一类垃圾全部堆在训练集或测试集里。如果你对某个类别特别关注可以把train_ratio调大但注意不要低于 0.6否则模型没有足够数据学习。3. 模型设计与训练流程从神经网络选型到 TensorFlow 落地3.1 为什么选 CNN 而不是 SVM 或循环神经网络论文第二章和第三章花了不少篇幅对比不同算法的适用范围。SVM 在图像分类上有个硬伤——图像本质是高维矩阵数据SVM 擅长处理低维特征空间对高维图像直接运算会引发维数灾难计算量和内存消耗都不可控。循环神经网络是为序列数据设计的处理的是带时间顺序的信息图像的空间特征它捕捉不好。卷积神经网络的核心优势在于局部感受野和权值共享。局部感受野让卷积核只关注图像的局部区域权值共享大幅减少了参数量配合池化层降低空间尺寸整个网络的计算复杂度是可控的。论文里也提到CNN 通过卷积、池化和全连接层的组合在一定程度上解决了深层网络梯度消失的问题。对垃圾分类这种空间特征明显的任务CNN 是合理选择没有悬念。3.2 基于 Keras 的 CNN 模型结构设计与参数说明论文选用 TensorFlow 以及 Keras 作为训练框架理由写得很实在作者掌握度高安装简单。模型结构没有追求复杂走的是经典的卷积加池化堆叠路线最后接全连接层和 Softmax 输出。from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout from tensorflow.keras.optimizers import Adam model Sequential([ Conv2D(32, (3, 3), activationrelu, input_shape(128, 128, 3)), MaxPooling2D(2, 2), Conv2D(64, (3, 3), activationrelu), MaxPooling2D(2, 2), Conv2D(128, (3, 3), activationrelu), MaxPooling2D(2, 2), Flatten(), Dense(512, activationrelu), Dropout(0.5), Dense(num_classes, activationsoftmax) ]) model.compile(optimizerAdam(learning_rate0.001), losscategorical_crossentropy, metrics[accuracy])结构上用了三层卷积加池化卷积核尺寸统一是 3×3通道数从 32 翻倍到 128这是比较标准的搭建方式。Dropout(0.5)在全连接层后面作用是随机丢掉一半神经元防止模型死记硬背训练数据。损失函数用categorical_crossentropy前提是标签已经做了 one-hot 编码如果你用的是稀疏标签要换成sparse_categorical_crossentropy两个搞混会直接报错或训练出的模型驴唇不对马嘴。learning_rate0.001是 Adam 优化器的常用起点后面调参时会围绕它做文章。3.3 训练参数与图像增强配置训练过程需要配置的关键参数包括批大小、迭代轮数和图像增强策略。batch_size决定了每次喂给模型的样本数128×128 的图像不占显存批大小可以放到 32 或 64。轮数不要一开始设很大可以配合早停机制在验证集准确率不再提升时自动停止。from tensorflow.keras.preprocessing.image import ImageDataGenerator train_datagen ImageDataGenerator( rescale1./255, rotation_range20, width_shift_range0.2, height_shift_range0.2, horizontal_flipTrue ) val_datagen ImageDataGenerator(rescale1./255) train_generator train_datagen.flow_from_directory( ./train, target_size(128, 128), batch_size32, class_modecategorical ) val_generator val_datagen.flow_from_directory( ./val, target_size(128, 128), batch_size32, class_modecategorical )rescale1./255把像素值从 0255 归一化到 01这个步骤不做模型很难收敛。rotation_range和shift_range是对训练集做数据增强模拟真实场景中垃圾摆放角度、位置的变化等于免费扩大了训练数据。注意验证集和数据增强只用了归一化不能加旋转平移这些操作否则验证集就不再是真实分布的反映。4. 实验评估与预测准确率 93% 是怎么测出来的4.1 训练过程中的观察指标与调参记录训练时我习惯同时盯训练集和验证集的准确率与损失值。如果训练集准确率一路走高但验证集卡住不动基本可以断定过拟合这时需要加大Dropout比例或者降低网络层数。反过来两边都上不去可能是学习率太大或数据集本身有问题。论文里记录的调参实验没有明确列出每次的参数组合但提到经过多次实验最终跑出了 93% 以上的准确率。我在复现时用了一组接近论文描述的配置学习率 0.001批大小 32训练 30 个轮次并加了早停机制保证不过拟合。from tensorflow.keras.callbacks import EarlyStopping early_stop EarlyStopping(monitorval_loss, patience5, restore_best_weightsTrue) history model.fit( train_generator, steps_per_epochtrain_generator.samples // 32, validation_dataval_generator, validation_stepsval_generator.samples // 32, epochs30, callbacks[early_stop] )monitorval_loss的意思是盯着验证集损失值patience5表示连续 5 个轮次没有改善就停训restore_best_weightsTrue会把模型权重回滚到验证损失最低的那个时刻。这一步相当于给训练上了保险不用手动盯守。训练结束后把输出结果中的准确率记录下来和用测试集算出来的值对比——两者差距如果超过 2 个百分点说明模型泛化能力有问题需要回头查数据分割是否合理。4.2 测试集评估混淆矩阵比单点准确率更有价值准确率只能告诉你模型整体表现但垃圾分类语义特殊——把「可回收物」错判成「厨余垃圾」和错判成「有害垃圾」代价显然不同。单靠准确率看不出这层差异需要看混淆矩阵。import numpy as np from sklearn.metrics import confusion_matrix, classification_report test_datagen ImageDataGenerator(rescale1./255) test_generator test_datagen.flow_from_directory( ./test, target_size(128, 128), batch_size32, class_modecategorical, shuffleFalse ) test_pred model.predict(test_generator) test_pred_labels np.argmax(test_pred, axis1) test_true_labels test_generator.classes cm confusion_matrix(test_true_labels, test_pred_labels) print(cm) print(classification_report(test_true_labels, test_pred_labels, target_namestest_generator.class_indices.keys()))shuffleFalse在这段代码里很关键它保证预测结果和test_generator.classes的顺序一一对应否则混淆矩阵就是错位的。从混淆矩阵里挑出数值高的非对角线格子那就是容易混淆的类别针对它们补数据或加特征会有明显回报。4.3 单张图像预测从读图到输出分类结果训练完模型之后实际使用时要写一个单独的预测脚本。论文附录 5 提供的预测代码逻辑就是读一张图片做和训练时相同的预处理喂给模型取输出概率最大的类别。from tensorflow.keras.preprocessing import image def predict_garbage(img_path, model, class_names): img image.load_img(img_path, target_size(128, 128)) img_array image.img_to_array(img) img_array img_array / 255.0 img_array np.expand_dims(img_array, axis0) pred model.predict(img_array) pred_class np.argmax(pred, axis1)[0] confidence np.max(pred) return class_names[pred_class], confidence class_names list(train_generator.class_indices.keys()) garbage_type, score predict_garbage(./test_image.jpg, model, class_names) print(f识别结果: {garbage_type}, 置信度: {score:.4f})np.expand_dims把单张图像的维度从(128, 128, 3)扩展成(1, 128, 128, 3)因为模型训练时的输入是四维张量第一维是批次大小。置信度如果低于 0.7我建议在代码里加一个「无法确定」的兜底输出而不是硬给一个结果这对实际部署时的用户体验影响很大。5. 避坑与排查垃圾分类训练中的典型问题与修复方案5.1 图像数据增强后验证集准确率反而下降我一开始把旋转和平移加到了所有数据上包括验证集和测试集结果验证集准确率波动很大而且低于训练集一截。原因是验证集的图像经过增强后再也不是原始分布模型在增强后的验证集上表现被无谓的干扰拖累。解决办法是把ImageDataGenerator分成两套训练集带增强验证集和测试集只做归一化。这个坑在论文里没有重点提但是只要你动手复现十有八九会踩到。5.2 文件夹结构混乱导致类别错位flow_from_directory读取类别是按目录名排序的如果你先跑了一次分割脚本又往原始目录里加了新图片导致目录顺序变化那么训练时模型的class_indices会和之前的预测脚本不一致。有一次我训练完模型预测脚本一直把瓶子识别成纸张排查了一晚上发现是class_indices变了。解决办法是训练完成后立刻把class_names保存成文件预测脚本直接从文件里读不要每次都靠目录动态生成。5.3 算力不够时不要降低输入尺寸到 64×64128×128 这个尺寸是论文经过实验验证的我在复现时为了更快曾尝试压缩到 64×64训练速度确实快了但准确率从 93% 掉到了 87% 左右。垃圾图像的纹理细节在缩小一倍后丢失严重。如果你显存不够优先减小batch_size或者换更轻量的网络结构而不是无脑降低图像分辨率。5.4 标签与损失函数的匹配问题categorical_crossentropy要求标签是 one-hot 编码sparse_categorical_crossentropy要求标签是整数索引。用错的话不会报错但训练会变得很奇怪准确率上不去。判断方法很简单看你的标签是[0, 1, 0]还是[1]这种形式前者用 categorical后者用 sparse。6. 吃透这套资源从复现到改造成自己的项目拿到这套资源后别急着跑代码先把论文目录和代码文件对应起来看一遍。论文的第四章论述算法设计思路第五章是实验过程两个附录是图像压缩和存储代码后面的附录是数据集分割、模型训练和预测代码结构很清晰刚好是一条完整的数据流水线。动手阶段我建议按这个顺序来先用附录的压缩代码把原始图像统一成 128×128再用分割脚本按 7:2:1 切分数据集然后跑训练脚本最后用预测脚本验证单张图片。全部打通之后再考虑两个方向的进阶一是把模型替换成更好的结构比如在卷积层后加入残差连接或者换成预训练的 MobileNet用迁移学习的方式微调准确率通常能往上走一两个点二是把预测脚本包成一个简单的 Web 服务用 Flask 或 FastAPI 暴露一个接口上传图片返回分类结果这样就能演示给导师或客户看不再停留在 Jupyter Notebook 里。调参方面优先动两个参数就够了第一个是learning_rate当前值 0.001如果验证集损失在训练后期周期性地抖动就调小到 0.0005 或 0.0003第二个是全连接层的节点数当前值是 512如果模型明显过拟合换成 256 试试。数据集类别分布不均的情况下给model.fit传入class_weight参数可以缓解少数类被忽略的问题。从这份设计里我最深的体感是做图像分类不是非得上大模型、大算力才叫深度学习。先用合理的降维把数据规模压下来让模型在一个普通学生能负担的硬件上跑起来先把端到端的流程跑通再一步步优化准确率这才是大多数人能复现、敢落地的路径。从那以后我每次拿到一个新的图像分类任务都会先问三个问题图像分辨率能不能压缩、类别分布是否均衡、模型能不能在当前硬件上 20 分钟内跑完一个 epoch——三个问题都有了明确答案再开始动代码。希望这些从复现里磨出来的经验能帮你在垃圾分类这个题目上少走几段弯路。本文还有配套的精品资源点击获取
