简介这份基于深度学习算法的垃圾分类图像识别毕业设计文档以垃圾分类这一现实痛点切入系统梳理了深度学习算法的原理与实现路径面向计算机视觉、环境工程等相关专业的本科生或入门研究者尤其适合用于毕业设计参考、课题调研或技术综述。内容从卷积神经网络CNN、循环神经网络RNN、生成对抗网络GAN等经典网络结构入手分别阐述它们在图像特征提取、序列处理与数据增强方面的作用并结合数据集质量、模型选择与优化方法探讨了实际落地中面临的挑战与未来方向。资源为单个doc文档共4.84MB包含中文摘要、英文摘要、正文及参考文献等完整论文结构可直接阅读或作为论文写作模板。该资源已有288人学习浏览适合需要快速了解该领域研究框架、查找相关论述或借鉴毕业设计写作思路的读者。1. 垃圾分类图像识别小数据集下的模型选型与AlexNet复现路径凌晨的垃圾回收站里分拣员一个班次要弯腰上千次小区智能分类箱前居民拿着奶茶杯研究五秒该扔哪个桶。把垃圾分类交给图像识别表面看只是把图片分到几个桶里实际动手后会发现难点根本不在“选一个多新潮的网络”而在数据量小、类别不均衡、同类物体外观差异太大。同样是塑料瓶压扁的、带标签的、沾着油污的像素差异可能比“塑料瓶”和“玻璃瓶”之间还大公开垃圾数据集又远小于 ImageNet直接把 ResNet 往深堆验证集很快会过拟合。所以这篇实践笔记选择了一条经典但不绕路的方案从自动编码器、受限玻尔兹曼机、GAN 等候选模型里选出卷积神经网络落到 AlexNet 结构再用 PyTorch 跑通从数据预处理、模型搭建到训练评估的完整流程。适合正在做垃圾分类毕设、课程设计或者第一次接触 CNN 图像分类项目的开发者可以照着代码改也能读懂每一步在做什么。2. 深度学习模型选型从自动编码器到卷积神经网络的取舍在搭建模型之前先回答一个决定后续工作量的核心问题为什么垃圾分类图像识别最终用了卷积神经网络而不是自动编码器、受限玻尔兹曼机或生成对抗网络很多毕业设计会把这几类算法从头到尾介绍一遍但在实际项目里它们各有分工承担分类主力的只有 CNN。这一章把选型逻辑说清楚同时给出可以照搬的开发环境和基线验证代码。2.1 传统图像特征方案在垃圾识别里的上限早期图像分类的主流路线是“手工特征 分类器”先用 SIFT、HOG、颜色直方图把图像转成向量再交给 SVM 或随机森林。在工厂传送带、固定光源、固定角度下这套方案能跑到很高的准确率但垃圾分类面对的是人手和摄像头随机拍摄的图像背景可能是桌子、草地、垃圾桶内部光源可能是白炽灯也可能是阳光。手工特征一旦遇到这类分布差异泛化能力会迅速下降调参成本反而比神经网络更高。深度学习则把“特征提取”和“分类”合并成一个端到端的网络由反向传播自动决定每一层该提取边缘、纹理还是物体部件。垃圾图像里最典型的难点——外卖盒上的油渍、被压扁的易拉罐、缠绕的胶带——都更适合让网络自己学习特征而不是靠人去枚举规则。这是选择深度学习的直接理由。2.2 自动编码器、受限玻尔兹曼机和GAN各自的定位在深度学习算法家族里自动编码器AE主要负责无监督特征学习它把输入压缩到隐含层再重构出来得到的压缩向量可以用于降维也可以作为有监督模型的预训练特征。变分自动编码器VAE在编码过程中引入随机采样能生成与训练数据分布相似的新图像常用于扩充少数类样本。生成对抗网络GAN通过生成器和判别器的对抗来合成非常逼真的垃圾图像也可以做图像分割但训练稳定性相对难控制。受限玻尔兹曼机RBM是无向图模型堆叠起来组成深度信念网络在图像分类任务里早已不是主流选择。模型训练方式在垃圾分类中的用途主要限制自动编码器 AE无监督特征降维、去除噪声重构不等于分类需再接分类器变分自动编码器 VAE无监督生成少数类样本、数据增强生成图像质量有限不能完全替代真实样本生成对抗网络 GAN无监督/自监督合成训练图像、图像分割训练不稳定需要较多样本和调参受限玻尔兹曼机 RBM无监督深度信念网络预训练图像分类场景已被 CNN 取代卷积神经网络 CNN有监督端到端图像分类主力需要标注数据类别不均衡需额外处理CNN 的核心优势是局部感知和参数共享。局部感知让卷积核只覆盖图像的一小片区域而不是像全连接层那样把每个像素都做一次加权参数共享又让同一组权重在整张图上滑动既减少参数量又对图像中物体平移保持一定容忍度。垃圾分类里瓶子可能出现在画面左上角也可能被扔在右下角CNN 的这种结构天然适配。2.3 开发环境与框架选型框架选型上PyTorch 比 TensorFlow 更适合这类按毕业设计节奏推进的项目动态图调试直观中途打印张量形状很方便torchvision 自带预训练模型和图像变换工具。代码和实验环境用 VS Code 加 Jupyter 就够界面开发时再用 PYQT5 装配推理模块。环境安装直接用 condaconda create -n waste_cls python3.9 -y conda activate waste_cls pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install matplotlib scikit-learn numpy pillow这段命令创建了独立的 Python 3.9 虚拟环境避免和本机其他项目冲突。--index-url指定 CUDA 11.8 对应的 PyTorch wheel 源如果显卡驱动版本较新可以换成cu121如果没有 NVIDIA GPU去掉这个参数安装 CPU 版本也能完成全部训练和推理只是时间会长不少。安装完成后用下面几行验证环境是否可用import torch print(torch.__version__) print(torch.cuda.is_available())torch.cuda.is_available()返回 True 表示 PyTorch 能调用 GPU返回 False 也不用慌垃圾分类数据集通常只有几千张图片CPU 训练只是慢一些但流程完全一致。此后的代码都按 GPU 可用的情况编写同时保留device torch.device(cuda if torch.cuda.is_available() else cpu)这种兼容写法。2.4 先用预训练模型建立基线不建议一开始就从零把 AlexNet 写完调半天。更有效率的做法是先跑一个预训练模型确认“图像里确实学得到分类信息”再换成自己实现的结构。下面这段代码用 torchvision 一行替换分类头from torchvision import models import torch.nn as nn num_classes 6 model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) model.fc nn.Linear(model.fc.in_features, num_classes)resnet18在 ImageNet 上预训练得到的权重已经具备了提取边缘、纹理等通用特征的能力model.fc原本输出 1000 类这里改成 6 类对应六种垃圾类型。之后接上数据加载器训练 10 到 20 个 epoch如果验证集准确率能明显超过随机猜测——六分类的随机基线约 16.7%——说明数据组织和训练流程没有大问题核心的 AlexNet 实现也值得继续做下去。3. AlexNet卷积网络的参数拆解与垃圾分类训练实现AlexNet 虽然不是最新的网络结构但在小数据集分类项目里仍然是最好的学习模板层数刚好能展示卷积、池化、全连接、Dropout 的配合方式又不至于像 ResNet 那样堆叠大量残差块新手改参数后很难判断收敛行为。垃圾分类数据集通常只有几千到几万张图AlexNet 的容量也更容易被喂饱。3.1 网络结构各层的输出尺寸与作用AlexNet 原始结构是 5 层卷积加 3 层全连接输入为 224×224 的 RGB 三通道图像。下表列出改为 6 类输出时的完整结构和每层输出尺寸便于后面对照代码检查张量形状。层配置输出尺寸作用Conv111×11, stride4, pad2, 9655×55×96提取低层边缘、纹理MaxPool13×3, stride227×27×96降采样扩大感受野Conv25×5, pad2, 25627×27×256组合局部纹理MaxPool23×3, stride213×13×256降采样Conv33×3, pad1, 38413×13×384提取深层语义特征Conv43×3, pad1, 38413×13×384继续抽象语义特征Conv53×3, pad1, 25613×13×256特征聚合MaxPool33×3, stride2, pad16×6×256送入全连接层FC19216→4096, ReLU, Dropout0.54096特征组合FC24096→4096, ReLU, Dropout0.54096特征组合FC34096→66输出类别分数Dropout 放在全连接层之间训练时随机丢弃一半神经元强迫网络不要过度依赖单个节点。对只有几千张图像的垃圾分类数据来说Dropout 和后面会提到的 weight_decay是抑制过拟合最直接的两个开关。3.2 数据组织与预处理先把图片整理成按类别分目录的结构torchvision.datasets.ImageFolder会直接把子文件夹名当作类别标签dataset/ train/ 0_plastic/ # 塑料 1_paper/ # 纸张 2_glass/ # 玻璃 3_metal/ # 金属 4_food/ # 厨余 5_battery/ # 电池 val/ 0_plastic/ ...预处理用transforms.Compose串联多个操作训练集和验证集分别定义from torchvision import transforms transform_train transforms.Compose([ transforms.Resize(256), transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) transform_val transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])先Resize(256)保证最短边不小于 256再RandomResizedCrop(224)随机裁一块 224×224 区域模拟不同距离和角度的拍摄RandomHorizontalFlip做左右翻转增强ColorJitter调整亮度、对比度、饱和度用来模拟白天、傍晚、灯光下拍摄的垃圾照片。验证集不随机增强用CenterCrop保证每次评估结果可复现。Normalize的均值和标准差沿用 ImageNet 统计值对自然图像通用不需要针对垃圾数据集重新计算。3.3 从零实现一个AlexNet分类模型PyTorch 里从零实现的核心代码如下import torch import torch.nn as nn class AlexNet(nn.Module): def __init__(self, num_classes6): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 96, kernel_size11, stride4, padding2), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size3, stride2), nn.Conv2d(96, 256, kernel_size5, padding2), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size3, stride2), nn.Conv2d(256, 384, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.Conv2d(384, 384, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.Conv2d(384, 256, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size3, stride2, padding1), ) self.avgpool nn.AdaptiveAvgPool2d((6, 6)) self.classifier nn.Sequential( nn.Dropout(p0.5), nn.Linear(256 * 6 * 6, 4096), nn.ReLU(inplaceTrue), nn.Dropout(p0.5), nn.Linear(4096, 4096), nn.ReLU(inplaceTrue), nn.Linear(4096, num_classes), ) def forward(self, x): x self.features(x) x self.avgpool(x) x torch.flatten(x, 1) x self.classifier(x) return xself.features是五层卷积栈self.avgpool用自适应池化把最后一层特征图统一缩放到 6×6即使输入尺寸有轻微变化flatten之后的维度也不会对不上。self.classifier第一个线性层的输入是 256×6×6与前面的池化输出严格对应。Dropout(p0.5)只在训练时生效model.eval()之后会自动关闭所以验证和测试前必须切换到 eval 模式。3.4 训练循环与超参数选择模型定义好后训练代码按“数据加载、损失函数、优化器、循环”四段式写from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder train_dataset ImageFolder(dataset/train, transformtransform_train) val_dataset ImageFolder(dataset/val, transformtransform_val) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers4, pin_memoryTrue) device torch.device(cuda if torch.cuda.is_available() else cpu) model AlexNet(num_classes6).to(device) criterion nn.CrossEntropyLoss() optimizer torch.optim.SGD(model.parameters(), lr0.01, momentum0.9, weight_decay5e-4) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size10, gamma0.1) for epoch in range(30): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) scheduler.step() print(fepoch {epoch 1}, train_loss: {running_loss / len(train_dataset):.4f})batch_size32在 6GB 以上显存都能跑SGD加momentum0.9是 AlexNet 原论文的配置比 Adam 更容易让这个结构收敛到更平缓的极值点。weight_decay5e-4是权重衰减等价于 L2 正则与 Dropout 配合抑制过拟合。StepLR每 10 个 epoch 把学习率乘以 0.1前期大步探索、后期小步精调。损失函数用CrossEntropyLoss它内部对网络输出的 logits 做 softmax 再计算负对数似然不需要在最后一层手动接 Softmax。参数建议值调整方向batch_size32显存不足时降到 16 或 8初始学习率0.01使用预训练权重时降到 0.001训练轮数30配合早停保存验证集最优权重输入尺寸224可降到 160 加速测试类别数6按实际垃圾种类修改4. 垃圾分类识别系统实战评估指标、推理部署与踩坑排查模型训练只是前半场。垃圾分类这类需要落地的场景里训练集准确率超过 95% 而验证集只有 70% 的情况经常出现所以评估流程、推理封装和问题排查必须一并跑通模型才算真正可用。4.1 用损失曲线判断训练状态建议在训练过程中把每个 epoch 的训练损失和验证损失分别记录到列表训练结束后用 matplotlib 画在同一张图上import matplotlib.pyplot as plt plt.plot(train_losses, labeltrain_loss) plt.plot(val_losses, labelval_loss) plt.xlabel(epoch) plt.ylabel(loss) plt.legend() plt.savefig(loss_curve.png)如果验证损失先降后升、训练损失一直下降说明模型开始死记训练图没有泛化到新垃圾图片。此时优先确认 Dropout 已生效、数据增强是否充分其次减小模型容量或加大 weight_decay。反过来如果两个损失都停在较高水平多数原因是学习率太大或标签与图像没有对齐先用print(outputs.shape, labels.shape)检查张量维度。4.2 用混淆矩阵和F1看模型真实能力垃圾分类常用的整体准确率在类别不平衡时会严重误导判断。比如“可回收物”占 60%“有害垃圾”只占 5%即使模型完全学不会有害垃圾整体准确率也可能停在 60% 以上。因此每次评估都要同时打印 precision、recall、F1 和混淆矩阵from sklearn.metrics import classification_report, confusion_matrix y_true, y_pred [], [] model.eval() with torch.no_grad(): for images, labels in val_loader: images images.to(device) outputs model(images) _, predicted torch.max(outputs, 1) y_true.extend(labels.cpu().numpy()) y_pred.extend(predicted.cpu().numpy()) print(classification_report(y_true, y_pred, target_nameslist(train_dataset.classes))) print(confusion_matrix(y_true, y_pred))classification_report按类别给出精确率和召回率confusion_matrix的每一行是真实类别、每一列是预测类别。看对角线以外的非零值能快速定位哪两类相互混淆实际项目里最常见的是“纸张”和“纸盒”、“塑料瓶”和“玻璃瓶”混在一起说明模型过度依赖颜色和反光需要补充更多形态差异明显的样本。4.3 把模型封装成推理模块训练结束后用torch.save(model.state_dict(), best_model.pth)保存权重再单独写一个推理脚本不要在交互式笔记本里完成全部工作model.load_state_dict(torch.load(best_model.pth, map_locationdevice)) model.eval() def predict_image(image_path, model, transform, devicecpu): from PIL import Image img Image.open(image_path).convert(RGB) img transform(img).unsqueeze(0).to(device) with torch.no_grad(): scores model(img) prob torch.softmax(scores, dim1) cls_id torch.argmax(prob, dim1).item() return cls_id, prob[0][cls_id].item()unsqueeze(0)给单张图片增加 batch 维度torch.softmax把 logits 转成概率。返回值同时给出类别编号和置信度这样在 PYQT5 界面里把按钮的 clicked 信号连接到这个函数一个 QLabel 显示图片、另一个 QLabel 显示“类别 5置信度 92%”桌面演示程序就搭起来了。如果要部署到边缘设备或 Web 服务可以先torch.onnx.export(model, dummy_input, garbage.onnx, opset_version11)导出 ONNX再交给 ONNX Runtime 或 OpenVINO 推理速度比直接跑 PyTorch 快不少。4.4 高频踩坑排查表复现过程中最常遇到的问题集中在以下位置现象常见原因处理方式加载权重报 unexpected key预训练模型类别数与当前不一致只加载 features 部分或重新初始化 fc 层CUDA out of memorybatch_size 过大或输入图像尺寸大调小 batch_size、关闭多余进程、用 float16训练 loss 为 nan学习率过大、数据里存在 NaN降低学习率检查归一化和标签文件验证准确率接近随机train/val 划分存在同源图片按图片名或采集时间划分不随机切分训练和验证准确率差距大过拟合增加数据增强、Dropout、weight_decay5. 类别不均衡下的可复现调优技巧加权损失与混淆矩阵验证垃圾分类数据集里类别不均衡几乎是必然的易拉罐、塑料瓶这类可回收物容易收集废旧电池、油漆桶这类有害垃圾往往数量很少。直接训练时网络会把少数类样本当成噪声在验证集上遇到“电池”图片时倾向于输出多数类。这里给出一个改动最小、效果最容易验证的调优技巧使用加权交叉熵损失再用混淆矩阵判断每一类的变化。5.1 根据样本数量计算类别权重加权损失的核心是让数量少的类别在 loss 中获得更大的梯度。权重按“总样本数 /类别数 × 该类样本数”计算样本越少权重越高import numpy as np train_labels [s[1] for s in train_dataset.samples] counts np.bincount(train_labels) total len(train_labels) weights total / (num_classes * counts 1e-6) class_weights torch.tensor(weights, dtypetorch.float32).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)如果五类样本数分别是 2000、1500、800、300、100计算后的权重大约在 0.56、0.75、1.4、3.75、11.25。CrossEntropyLoss内部先对 logits 做 softmax再逐位置乘上weight少数类单样本的 loss 被放大梯度更新时不再被多数类淹没。代码里加1e-6是为了防止某个类样本数为 0 时除零。更稳妥的做法是把权重上限限制在 5 以内避免个别样本主导整个训练过程。5.2 用加权后的混淆矩阵做验证调优后仍然在验证集上执行前面出现过的 classification_report 命令比较加权前后的混淆矩阵。观察对角线会发现加权后“电池”“油漆桶”这类少数类别的召回率会明显提升但“可回收物”这类多数类可能掉 2 到 3 个百分点。这是正常现象此时不要只看整体准确率而应打印 macro-F1macro-F1 提升说明模型对不同类别的均衡能力更强对实际投放场景更有价值。from sklearn.metrics import f1_score print(macro-F1:, f1_score(y_true, y_pred, averagemacro))加了类别权重后整体梯度尺度会变大学习率最好同步调小。常见做法是把初始学习率从 0.01 降到 0.008再观察前 5 个 epoch 的 val_loss 是否稳步下降。如果某个少数类仍被分错下一步再用WeightedRandomSampler从采样侧做二次纠正与加权损失叠加使用时权重不建议再加倍否则训练过程会很不稳定。提示下一次调整类别权重时优先把权重范围控制在 0.5 到 3 之间并同时打印每类 F1而不是只看整体准确率。本文还有配套的精品资源点击获取