尧图网页设计 
简介压缩包提供一套基于Python的垃圾识别分类系统的完整源码面向需要完成课程设计、毕业设计或入门图像识别的Python学习者。项目围绕垃圾分类场景涵盖数据集说明、模型构建与训练、测试评估、图形界面识别预测等环节可帮助理解从数据准备到模型部署的完整流程。压缩包共28个文件大小约1.79MB以12个py脚本为主体包含CNN、MobileNet训练脚本、测试脚本及窗口识别程序同时配有项目计划书、详细设计文档、风险管理报告等Word/PDF材料以及Markdown说明与模型目录结构清晰、便于查阅。目前已有336人学习使用适合作为图像分类项目的参考模板。通过研读源码读者可掌握PIL/OpenCV等图像预处理方法、TensorFlow/Keras建模思路并对损失曲线、模型保存加载与推理调用形成直观认识。1. 垃圾识别分类系统Python源码它是什么、能干什么、适合谁一套完整的Python垃圾识别分类系统源码通常不是一个孤立的算法脚本而是把深度学习模型、训练流程、推理接口和数据组织方式打包在一起的工程压缩包。用户拿到zip后解压就能看到模型定义、训练入口、预测脚本、预训练权重以及按类别分好的图片目录。这类系统的核心任务是把一张垃圾照片塑料瓶、纸箱、电池、果皮等自动判定到对应类别多数实现采用图像分类路线复杂一点的会升级为带定位框的物体检测。它能直接解决的实际问题有两个一是课程设计和毕业设计需要一个能跑通的完整示例二是想做智能垃圾分类硬件室内分类桶、小区投放点、传送带分拣的工程师需要一个现成基线做二次开发。适合谁来用有Python基础和一点PyTorch使用经验的人拿到源码包后最快半天就能把预测命令跑起来完全零基础则建议先把环境配好再从推理脚本读起。2. 拆解垃圾识别源码分类模型与检测模型的选型逻辑2.1 先看源码用了什么模型ResNet、MobileNet还是YOLO解压zip后第一件事不是急着运行而是判断这套源码走的是哪条技术路线。因为“垃圾识别分类”这四个字在深度学习里能对应两类做法图像分类和物体检测。图像分类的经典模型是ResNet、EfficientNet、MobileNet系列输入是整张图片输出是一个类别标签适合“一个物体占画面主体”的场景比如传送带上的单个垃圾、放在桌面上的纸盒。物体检测的经典模型是YOLO、SSD、Faster-RCNN输出是若干个“矩形框加类别”的组合适合画面里同时出现饮料瓶、塑料袋、纸巾的复杂投放场景。判断源码属于哪一种看三个线索。第一模型定义目录里如果出现yolo、detect_head、anchor、bbox这些命名基本是检测路线只有resnet、mobilenet、efficientnet这样的backbone命名大概率是纯分类。第二训练脚本里标签的格式是关键分水岭分类的标签是单个整数索引检测的标签是[class_id, x_center, y_center, width, height]这样的五元组归一化之后。第三推理脚本的输出形态也能看出来分类输出predict: 可回收物检测输出则会是detect: 塑料瓶, confidence0.92, box(x1,y1,x2,y2)。我接触过的垃圾识别源码包分类路线占大多数原因很简单分类的数据集好凑、训练时间短、CPU也能跑推理交付一张静态图预测的效果图比检测模型容易得多。如果你的应用场景是“多物品混在一起需要各自框出位置”那就得选检测模型路线的源码后续投入的标注成本也会直线上升。2.2 数据流一张垃圾图片从输入到输出经历了什么无论源码最终用的是ResNet还是YOLO一条完整的预测链路都包含五个环节图像读取、预处理、模型推理、后处理和标签映射。理解这条链路比记住某一个模型的结构重要得多因为后续所有排错都发生在这五个环节里。图像读取环节最常见的是用PIL或OpenCV打开图片文件。这里埋着第一个坑PIL读进来是RGB三通道OpenCV读进来是BGR三通道如果训练时用PIL做了标准化推理时换成了OpenCV颜色通道颠倒会让预测结果明显变差。预处理环节源码里一般写的是transforms.Resize、transforms.ToTensor、transforms.Normalize的组合Resize的目标尺寸取决于模型输入常见的是224x224或256x256Normalize的均值和标准差通常沿用ImageNet的[0.485, 0.456, 0.406]因为绝大多数源码用预训练权重初始化数值分布必须对齐。模型推理环节单张图会先加一个batch维度变成[1, 3, H, W]的张量前向传播后得到未归一化的logits。后处理环节分类任务对logits做softmax得到每个类别的概率再取argmax作为预测索引检测任务则是做NMS非极大值抑制把重叠的候选框合并。标签映射环节把预测索引通过一份class list文件映射回可读的中文类别名这一步出错时系统虽然不报错但结果会张冠李戴后面专门讲这个坑。2.3 压缩包里每个目录是干嘛的按什么顺序读源码一套规范的Python深度学习项目源码目录结构大同小异。常见的顶层结构是models/放网络结构定义data/或dataset/放数据集和标签映射文件utils/放图像预处理、可视化等工具函数checkpoints/或weights/放预训练权重根目录下有一个train.py和predict.py外加requirements.txt列出依赖库。有的包还会配config.yaml统一管理超参数或者有一个run.sh把训练脚本串起来。我建议的阅读顺序是先打开README.md如果存在看作者写了什么运行说明再打开requirements.txt明确依赖版本范围接着看predict.py的main函数入口搞清楚权重路径参数怎么传、图片路径参数怎么传最后再读models/下的网络定义。不要一上来就钻网络结构的实现细节那对使用源码的人来说性价比最低。需要注意有些分享出来的zip包里面打包方式很乱根目录嵌套着多层文件夹路径里还可能带中文或空格。Windows下解压后直接跑python predict.py时常出现找不到模块的情况根源往往是当前工作目录不对。解决办法是先cd到包含train.py的目录确认pwd路径正确再执行脚本。提示拿到任何源码包先看requirements.txt的依赖清单再决定用conda还是venv建环境。不要直接在全局Python环境里装一堆库后面版本冲突时后悔药可不好找。3. 用源码跑通第一张垃圾图片预测环境配置与最小推理命令3.1 Python环境准备用conda还是venv依赖装哪些版本跑通深度学习源码第一道坎是环境。很多下载了源码包的用户卡在import报错上最常见的报错是ModuleNotFoundError: No module named torch或No module named torchvision——这不是源码问题是依赖没装齐。先确认Python版本深度学习工程建议Python 3.8到3.10太新的3.12版本可能在编译某些依赖时出兼容问题太老的3.6版本则跑不了新版本PyTorch。环境管理工具有两个常用选择conda和venv。我一般这么选如果机器上已经装了Anaconda直接用conda建独立环境最省事如果不想装Anaconda用Python自带的venv也完全够用。命令行如下# 用venv创建名为trash_env的虚拟环境 python -m venv trash_env # 激活环境Windows trash_env\Scripts\activate # 激活环境Linux/macOS source trash_env/bin/activate # 安装依赖有requirements.txt时优先用它 pip install -r requirements.txt # 没有requirements.txt时的最小依赖组合 pip install torch torchvision pip install Pillow numpy matplotlib opencv-python这组命令里的关键点是venv创建的虚拟环境会把Python库隔离在项目目录下避免污染系统全局环境。requirements.txt里锁定的版本是作者验证过的组合优先照装如果机器上没有GPU可以先把requirements里带cu后缀的torch版本手动换成CPU版pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu。这一点不在源码说明里但实操中几乎每个人都会撞到。依赖装完后验证环境的命令是python -c import torch; print(torch.__version__)能正常打印版本号说明环境通了。如果这一行也报错先排查pip安装过程是否有红字报错再检查当前终端是否真的在虚拟环境内——命令行左边有(trash_env)前缀才算激活成功。3.2 加载预训练权重并跑通单张图片预测环境就绪后下一步是用源码内置的权重文件跑一次单图预测。大多数分类路线的源码会提供一个predict.py常见的用法是传入权重路径和图片路径两个参数。如果源码没有统一入口下面是一段可以直接替代的通用推理脚本# predict_single.py # 适用于分类路线的垃圾识别源码替换成自己的模型文件名即可 import json import torch import torchvision.transforms as transforms from PIL import Image # 1. 加载模型结构以ResNet50为例具体类名以源码models目录为准 from torchvision.models import resnet50 model resnet50(pretrainedFalse) # 不加载ImageNet权重 model.fc torch.nn.Linear(2048, 4) # 4类垃圾可回收/厨余/有害/其他 # 2. 加载训练好的权重 checkpoint torch.load(checkpoints/garbage_resnet50.pth, map_locationcpu) # 兼容不同保存格式可能是state_dict也可能是完整模型 if isinstance(checkpoint, dict) and state_dict in checkpoint: model.load_state_dict(checkpoint[state_dict]) else: model.load_state_dict(checkpoint) model.eval() # 3. 图像预处理Resize到224x224Normalize用ImageNet的均值和标准差 transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 4. 读图、预处理、加batch维度模型要求4维输入 img Image.open(test_imgs/plastic_bottle.jpg).convert(RGB) input_tensor transform(img).unsqueeze(0) # [1, 3, 224, 224] # 5. 推理与后处理 with torch.no_grad(): logits model(input_tensor) # [1, 4] prob torch.softmax(logits, dim1) # 转成概率 pred_idx torch.argmax(prob, dim1).item() # 取最大概率索引 # 6. 标签映射索引 - 中文类别 with open(data/garbage_classes.json, r, encodingutf-8) as f: classes json.load(f) print(f预测类别: {classes[pred_idx]}置信度: {prob[0][pred_idx].item():.4f})这段脚本的逻辑可以拆成三段看第一段把模型结构和参数对应上load_state_dict要求模型实例的结构和保存权重时完全一致如果源码里的模型是自己定义的类而不是torchvision.models.resnet50用我这段直接替换会报key不匹配的错误正确做法是去源码的models/目录 import 它定义的类。第二段是预处理Resize尺寸必须以模型定义里的输入大小为唯一标准不是所有模型都是224。第三段是输出处理softmax把logits归一化成概率argmax拿到类别索引最后经标签映射变成人类可读的名称。跑通这一步后检验判决标准是置信度输出。正常模型的置信度通常在0.6以上如果输出的置信度接近0.254分类的随机水平或者几个类别概率几乎相等十有八九是权重没加载成功或者预处理参数对不上。3.3 从单张预测改成摄像头实时分类改哪里、加什么单图预测通了之后很多人下一步是接USB摄像头做实时识别。这一步其实改动不大核心思路就是把“读图片文件”换成“读摄像头帧”然后在循环里逐帧调用同一个推理函数。但有两个参数必须调整一是摄像头帧率往往达不到模型推理速度需要加队列或跳帧处理二是输入尺寸如果直接传1920x1080的原图预处理Resize到224时会大幅缩放推理耗时和内存占用都可能翻倍建议抓帧后先裁剪或缩小。# webcam_predict.py 摄像头实时识别的最小实现框架 import cv2 import torch from torchvision import transforms from PIL import Image # 复用上面的model和transform定义此处省略 cap cv2.VideoCapture(0) # 0代表默认摄像头 if not cap.isOpened(): raise RuntimeError(摄像头打开失败) frame_count 0 while True: ret, frame cap.read() if not ret: break frame_count 1 if frame_count % 3 ! 0: # 跳帧每3帧推理一次降低功耗和延迟 continue # OpenCV的BGR帧转成PIL的RGB再走预处理 rgb_img cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) pil_img Image.fromarray(rgb_img) input_tensor transform(pil_img).unsqueeze(0) with torch.no_grad(): prob torch.softmax(model(input_tensor), dim1) pred_idx torch.argmax(prob).item() label f{classes[pred_idx]}: {prob[0][pred_idx].item():.2f} cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255, 0), 2) cv2.imshow(Garbage Classifier, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()这个改动里最容易被忽略的是颜色空间转换OpenCV读入的帧是BGR顺序直接转成PIL处理会和训练时的RGB数据错位。我在实际项目里见过推理准确率从0.8掉到0.4不到查了半天才发现是颜色通道问题。另外跳帧的间隔不能机械照搬它取决于推理耗时——如果单帧推理需要0.5秒跳1帧就够如果推理只要0.05秒跳3帧反而会让画面卡顿。参数按实际机器性能微调。4. 重训一个自己的垃圾识别模型数据整理与训练参数4.1 垃圾数据集的常见来源与目录结构转换源码包里自带的demo数据集通常很小每类几十张图只够跑通流程换到真实场景就需要重训。垃圾数据集的来源主要有三个一是公开数据集比如华为云垃圾分类数据集、清华大学垃圾图像分类数据集这类数据已经按类别分好目录下载后整理成源码要求的格式就行二是自行拍摄手机或相机拍实物每类至少200张起步三是网上爬取注意版权和图片质量爬来的图片很多带水印和无关背景实际效果通常不如自行拍摄。分类模型的目录结构最标准的是ImageFolder格式根目录下每个类别一个子文件夹子文件夹里是图片目录名就是类别名。结构如下data/garbage_classify/ ├── train/ │ ├── recyclable/ # 可回收物图片 │ │ ├── img_001.jpg │ │ └── ... │ ├── kitchen/ # 厨余垃圾图片 │ ├── hazardous/ # 有害垃圾图片 │ └── other/ # 其他垃圾图片 ├── val/ │ ├── recyclable/ │ └── ... └── garbage_classes.json # 类别索引映射文件从原始图片到这种结构常见做法是写一个整理脚本按类别把散落的图片复制到对应目录并顺手做训练集和验证集划分# 建目录mkdir_data.sh mkdir -p data/garbage_classify/train/{recyclable,kitchen,hazardous,other} mkdir -p data/garbage_classify/val/{recyclable,kitchen,hazardous,other} # 把原始图片按8:2比例随机分配到train/val用bash的随机数实现 for img in raw_images/*.jpg; do if [ $((RANDOM % 10)) -lt 8 ]; then cp $img data/garbage_classify/train/kitchen/ else cp $img data/garbage_classify/val/kitchen/ fi done这个脚本里的随机划分比例8:2是经验值。需要注意的是如果原始文件夹里不同类别的图片数量不均先做类别数量统计少的类别可以复制增强旋转、裁剪、颜色抖动补到接近差别过大的类别会让训练偏向样本多的类导致小样本类别的准确率一塌糊涂。划分时要确保同一张图片的不同增强版本不会同时出现在train和val里不然验证集准确率会虚高。4.2 训练参数的取值逻辑batch size、学习率、epochs训练脚本的超参数决定模型最终能到什么水平。源码包里train.py默认的训练参数不一定适合你的数据集需要按数据量和硬件重新设定。batch size的取值逻辑显存不足就调小数据量大可以调大。显卡是8G显存resnet50 224x224输入batch size32通常能跑如果报CUDA out of memory先把batch size减到16或8。batch size过小比如2或4会导致Loss震荡明显模型难收敛解决办法是同步调低学习率。学习率的选择跟batch size挂钩这个经验公式很有用batch size翻倍学习率也翻倍。默认基础学习率0.001搭配batch size32是常见起点用预训练权重做微调时学习率可以更低1e-4到5e-4比较稳妥因为backbone已经学到通用特征学习率太大了会破坏已有权重。epochs的设定取决于收敛速度我一般先设50轮训练时观察验证集准确率曲线如果最后10轮验证准确率还在明显上升就加50轮如果连续15轮不升反降说明已经过拟合提前终止。下面是一段标准训练入口命令的参考# 训练入口具体参数名以源码train.py的argparse定义为准 python train.py \ --data data/garbage_classify \ --model resnet50 \ --pretrained \ --batch-size 32 \ --lr 0.001 \ --epochs 50 \ --gpu 0这段命令的参数说明--pretrained表示加载ImageNet预训练权重再做微调这是小数据集下最稳妥的路线--lr 0.001配合batch size32是ResNet系列的常见起点--gpu 0指定第一块显卡没有GPU就改成--gpu -1或直接去掉这个参数。训练过程中如果发现Loss在第一个epoch后就降得很慢不一定是代码问题可能是学习率相对批量大小偏低了。4.3 训练日志怎么看损失不降、准确率虚高怎么处理训练开始后要盯的关键指标不是训练集准确率而是验证集准确率和Loss曲线。这中间有很强的玄学色彩。常见的情况有三种第一种是训练Loss一直在0.5以上降不下去。排查方向数据标注是否出错、类别分布是否均衡、学习率是否过高导致震荡。如果你用的是ImageFolder加载数据可以抽取一个batch打印标签和图片一起看确认类别编号没有错乱。第二种是验证集准确率非常高比如0.98但实际单张测试很烂。这几乎是分类项目最典型的数据泄露train和val划分时有重复图片或者训练时随机增强的对象被一并放进了验证集。解决办法是重建数据集划分确保同一张图不会同时出现在两个集合中。第三种是Loss已经收敛但准确率仍然不高。说明类别间的区分度不够先看混淆矩阵confusion matrix常见的坑是两个类别互相被认错比如“塑料瓶”和“玻璃瓶”形状颜色接近。这时候思考方向是数据而非模型补样本、增加拍摄角度多样性或者换成更大的模型resnet50换成efficientnet-b4。我习惯的做法是训练期间每5个epoch保存一次checkpoint文件名带上epoch号和val_acc。这样即使训练中断或过拟合也能回溯到最佳状态不要只依赖最后一轮的权重文件那往往不是验证集上表现最好的。提示训练命令务必指定随机种子--seed 42这种固定seed能让实验可复现。不固定种子的话同样代码跑两次结果可能差异大后面排查问题根本没法对照。5. 避坑垃圾识别分类源码最常见的6个翻车现场5.1 解压后报ModuleNotFoundError路径中文背锅现象从zip解压后cd到项目目录执行python predict.py系统报错提示某个模块找不到或者路径管理混乱导致相对导入失败。原因zip包解压后生成的顶层目录名常带中文或特殊字符Windows下路径解析出问题更常见的是项目内嵌多层目录predict.py在根目录而models目录在另一个层级python运行时找不到模块。解决先把整个项目目录移到纯英文路径下比如D:\projects\garbage_sys然后进入predict.py所在目录执行命令。如果还报错用import sys; sys.path.append(os.getcwd())这种方式把根目录加进模块搜索路径。检查__init__.py是否存在于需要导包的目录中缺失会导致相对导入失败。5.2 权重文件损坏预测结果全是噪声现象明明代码和前向流程都对模型也能跑但输出的概率分布几乎接近随机分类准确率惨不忍睹。原因zip包在传输或网盘存储过程中文件损坏权重文件体积不对或哈希校验没通过。PyTorch加载时有时会静默成功但数值全是垃圾。解决拿到源码包后第一时间比对压缩包和权重文件的MD5哈希值用md5sum weights/model.pth查看哈希和发布方给的比对通常写在README里。没有参考哈希时看文件大小是否和训练记录一致resnet50在ImageNet预训练权重约98MB如果下载下来只有几十MB基本是坏的。重新下载并校验后再用。5.3 类别标签错位验证集准确率虚高实际推理全错现象训练日志显示准确率非常高但用训练集之外的真实照片预测时把“果皮”识别成“玻璃瓶”之类的离谱结果而且错误方式不一。原因训练数据目录的顺序和模型输出的类别索引不对应。ImageFolder按字母序排列子目录假设你的目录名是kitchen, hazardous, other, recyclable模型输出的索引0对应哪个类别由目录排序决定不是由你写的类别顺序决定。如果garbage_classes.json里的映射顺序和目录排序不一致标签就错位了。解决训练完成后不要用准确率数字逆向反推类别对应关系直接在推理脚本里打印每个索引对应的中文标签和目录结构逐一核对。更稳妥的做法是训练前就把类别列表按目录结构的排序方式输出确认无误后再开训# 验证数据集加载的类别顺序 python -c from torchvision.datasets import ImageFolder d ImageFolder(data/garbage_classify/train) print(d.class_to_idx) 这段命令会打印类似{hazardous: 0, kitchen: 1, other: 2, recyclable: 3}的映射写标签文件时照这个顺序抄就不会错位。5.4 图片尺寸和通道不一致导致的预测崩溃现象训练集图片一切正常但推理时某些照片要么报错要么结果极差更有意思的是OpenCV读图和PIL读图结果不一样。原因垃圾分类的数据来源混杂有的图是RGB有的是灰度图还有的是RGBA四通道PNG。预处理流程用PIL的Image.open读入灰度图和RGBA图不会自动转成RGB三通道模型前向就报维度错误或数值错乱。Resize尺寸若不是模型的预期大小模型也能跑PyTorch的卷积对输入尺寸不完全受限但后续全连接层可能报维度不匹配。标准做法是统一转换。解决在图像读取环节显式convert(RGB)并检查模型的输入尺寸和预处理Resize是否一致img Image.open(img_path).convert(RGB) # 统一转三通道 if img.mode ! RGB: img img.convert(RGB)若源码里的transform用的是Resize((256, 256))而模型定义里输入是224中间缺了CenterCrop或Resize用的等比缩放而非固定尺寸都会导致训练和推理不一致。把两个参数整体对齐。5.5 GPU显存不足batch size调不下来时的替代做法现象训练脚本启动即报CUDA out of memory把batch size从32降到16仍报错降到4能跑但训练速度极慢Loss波动也大。原因机器显存有限加上源码默认加载全精度float32参数模型和中间激活值占满显存。一个小容量显存显卡载入resnet50 256x256输入 batch size32就是会超限不是代码bug。解决除了调小batch size还可以用混合精度训练。源码如果有--amp参数直接启用没有的话在训练脚本里加一条自动混合精度配置# train.py中开启AMP自动混合精度 from torch.cuda.amp import autocast, GradScaler scaler GradScaler() for imgs, labels in train_loader: imgs, labels imgs.to(device), labels.to(device) with autocast(): outputs model(imgs) loss criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()AMP会把部分运算降到float16显存几乎减半在支持半精度的显卡上效果明显。此外把输入尺寸从256降到224如果你的模型允许也能省掉约25%的激活值占用。这两件事做完仍不足的再用batch size8配合梯度累积等效大batch效果。5.6 实时推理耗时严重摄像头画面帧率极低现象摄像头画面卡成幻灯片帧率不到5FPS实际运行时总是跟不上拍摄速度。原因源码默认图参加载到CPU推理没有调用GPU或者模型太大ResNet152、EfficientNet-b5这类在普通CPU上单帧推理耗时以秒计。解决先确认推理设备torch.cuda.is_available()为真且显存足够时代码中的map_location和.to(device)都应指向GPU。模型层面换轻量模型是立竿见影的MobileNetV3和EfficientNet-lite在CPU上的单帧推理通常在100ms以内准确率损失控制在可接受范围。输出显示上不要每一帧都做完整的前处理和模型推理用第3章的跳帧方案把推理频率降到3~5Hz即可满足多数场景。6. 从源码到可用系统模型导出与部署到小机箱6.1 把PyTorch模型导出ONNX并验证输出一致性源码跑通、模型重训完成接下来是要去现场部署。不能直接把.pth文件扔给现场设备因为PyTorch在无GPU环境的依赖和版本要求太多。通用做法是导出为ONNX格式然后在部署端用ONNX Runtime做推理。# export_onnx.py import torch import torch.onnx # 恢复模型并加载训练好的权重 model torchvision.models.resnet50(pretrainedFalse) model.fc torch.nn.Linear(2048, 4) model.load_state_dict(torch.load(checkpoints/best_model.pth, map_locationcpu)) model.eval() # 申明ONNX导出动态batch使运行时可以自由调整批量大小 dummy_input torch.randn(1, 3, 224, 224) torch.onnx.export( model, dummy_input, garbage_model.onnx, input_names[input], output_names[output], dynamic_axes{input: {0: batch}, output: {0: batch}}, opset_version11 )ONNX导出后做一步输出一致性验证用同一张图片分别通过PyTorch和ONNX Runtime推理比对两者的预测结果和softmax概率分布差异在1e-4以内就说明导出成功如果差异大通常是代码里有部分算子不支持ONNX导出需要换实现或用opset更高版本。验证代码不用另写直接写一个简短的python脚本加载模型和onnx文件各跑一次。6.2 在边缘盒子上做推理加速的普遍做法部署到现场设备树莓派、Jetson Nano、工控机这种后推理加速有三板斧第一量化。把float32权重转成int8量化模型体积缩小4倍CPU推理速度通常能提升2到3倍代价是准确率下降1%到3%左右。垃圾分类这种粗粒度分类场景这个损失完全可接受。第二换推理框架。同样跑ONNX模型ONNX Runtime比PyTorch在CPU上快而OpenVINO针对Intel CPU和TensorRT针对NVIDIA GPU能在架构层面做算子融合速度又能上一个台阶。现场是什么硬件就换什么推理后端。第三限制输入范围。摄像头固定在垃圾桶上方时画面里真正需要识别的区域只有桶口附近把ROI区域固定住只对裁剪后的区域做推理比在整张1920x1080画面上缩放要省得多。这半年跟垃圾分类项目打交道下来我的习惯是把验证脚本和推理脚本彻底分离——训练能跑、部署能跑这是两层验收中间隔着一个完整的环境差异。任何一个中间环节的产出权重、类别映射、预处理参数都不信任口头传递全部用脚本固定下来。这样才能保证今天调通的东西三个月后换个机器还能稳定复现。希望这些被坑过踩过的细节帮你在自己的垃圾识别分类系统上少走一段弯路。本文还有配套的精品资源点击获取 垃圾识别分类系统Python源码解析：从训练到部署
简介压缩包提供一套基于Python的垃圾识别分类系统的完整源码面向需要完成课程设计、毕业设计或入门图像识别的Python学习者。项目围绕垃圾分类场景涵盖数据集说明、模型构建与训练、测试评估、图形界面识别预测等环节可帮助理解从数据准备到模型部署的完整流程。压缩包共28个文件大小约1.79MB以12个py脚本为主体包含CNN、MobileNet训练脚本、测试脚本及窗口识别程序同时配有项目计划书、详细设计文档、风险管理报告等Word/PDF材料以及Markdown说明与模型目录结构清晰、便于查阅。目前已有336人学习使用适合作为图像分类项目的参考模板。通过研读源码读者可掌握PIL/OpenCV等图像预处理方法、TensorFlow/Keras建模思路并对损失曲线、模型保存加载与推理调用形成直观认识。1. 垃圾识别分类系统Python源码它是什么、能干什么、适合谁一套完整的Python垃圾识别分类系统源码通常不是一个孤立的算法脚本而是把深度学习模型、训练流程、推理接口和数据组织方式打包在一起的工程压缩包。用户拿到zip后解压就能看到模型定义、训练入口、预测脚本、预训练权重以及按类别分好的图片目录。这类系统的核心任务是把一张垃圾照片塑料瓶、纸箱、电池、果皮等自动判定到对应类别多数实现采用图像分类路线复杂一点的会升级为带定位框的物体检测。它能直接解决的实际问题有两个一是课程设计和毕业设计需要一个能跑通的完整示例二是想做智能垃圾分类硬件室内分类桶、小区投放点、传送带分拣的工程师需要一个现成基线做二次开发。适合谁来用有Python基础和一点PyTorch使用经验的人拿到源码包后最快半天就能把预测命令跑起来完全零基础则建议先把环境配好再从推理脚本读起。2. 拆解垃圾识别源码分类模型与检测模型的选型逻辑2.1 先看源码用了什么模型ResNet、MobileNet还是YOLO解压zip后第一件事不是急着运行而是判断这套源码走的是哪条技术路线。因为“垃圾识别分类”这四个字在深度学习里能对应两类做法图像分类和物体检测。图像分类的经典模型是ResNet、EfficientNet、MobileNet系列输入是整张图片输出是一个类别标签适合“一个物体占画面主体”的场景比如传送带上的单个垃圾、放在桌面上的纸盒。物体检测的经典模型是YOLO、SSD、Faster-RCNN输出是若干个“矩形框加类别”的组合适合画面里同时出现饮料瓶、塑料袋、纸巾的复杂投放场景。判断源码属于哪一种看三个线索。第一模型定义目录里如果出现yolo、detect_head、anchor、bbox这些命名基本是检测路线只有resnet、mobilenet、efficientnet这样的backbone命名大概率是纯分类。第二训练脚本里标签的格式是关键分水岭分类的标签是单个整数索引检测的标签是[class_id, x_center, y_center, width, height]这样的五元组归一化之后。第三推理脚本的输出形态也能看出来分类输出predict: 可回收物检测输出则会是detect: 塑料瓶, confidence0.92, box(x1,y1,x2,y2)。我接触过的垃圾识别源码包分类路线占大多数原因很简单分类的数据集好凑、训练时间短、CPU也能跑推理交付一张静态图预测的效果图比检测模型容易得多。如果你的应用场景是“多物品混在一起需要各自框出位置”那就得选检测模型路线的源码后续投入的标注成本也会直线上升。2.2 数据流一张垃圾图片从输入到输出经历了什么无论源码最终用的是ResNet还是YOLO一条完整的预测链路都包含五个环节图像读取、预处理、模型推理、后处理和标签映射。理解这条链路比记住某一个模型的结构重要得多因为后续所有排错都发生在这五个环节里。图像读取环节最常见的是用PIL或OpenCV打开图片文件。这里埋着第一个坑PIL读进来是RGB三通道OpenCV读进来是BGR三通道如果训练时用PIL做了标准化推理时换成了OpenCV颜色通道颠倒会让预测结果明显变差。预处理环节源码里一般写的是transforms.Resize、transforms.ToTensor、transforms.Normalize的组合Resize的目标尺寸取决于模型输入常见的是224x224或256x256Normalize的均值和标准差通常沿用ImageNet的[0.485, 0.456, 0.406]因为绝大多数源码用预训练权重初始化数值分布必须对齐。模型推理环节单张图会先加一个batch维度变成[1, 3, H, W]的张量前向传播后得到未归一化的logits。后处理环节分类任务对logits做softmax得到每个类别的概率再取argmax作为预测索引检测任务则是做NMS非极大值抑制把重叠的候选框合并。标签映射环节把预测索引通过一份class list文件映射回可读的中文类别名这一步出错时系统虽然不报错但结果会张冠李戴后面专门讲这个坑。2.3 压缩包里每个目录是干嘛的按什么顺序读源码一套规范的Python深度学习项目源码目录结构大同小异。常见的顶层结构是models/放网络结构定义data/或dataset/放数据集和标签映射文件utils/放图像预处理、可视化等工具函数checkpoints/或weights/放预训练权重根目录下有一个train.py和predict.py外加requirements.txt列出依赖库。有的包还会配config.yaml统一管理超参数或者有一个run.sh把训练脚本串起来。我建议的阅读顺序是先打开README.md如果存在看作者写了什么运行说明再打开requirements.txt明确依赖版本范围接着看predict.py的main函数入口搞清楚权重路径参数怎么传、图片路径参数怎么传最后再读models/下的网络定义。不要一上来就钻网络结构的实现细节那对使用源码的人来说性价比最低。需要注意有些分享出来的zip包里面打包方式很乱根目录嵌套着多层文件夹路径里还可能带中文或空格。Windows下解压后直接跑python predict.py时常出现找不到模块的情况根源往往是当前工作目录不对。解决办法是先cd到包含train.py的目录确认pwd路径正确再执行脚本。提示拿到任何源码包先看requirements.txt的依赖清单再决定用conda还是venv建环境。不要直接在全局Python环境里装一堆库后面版本冲突时后悔药可不好找。3. 用源码跑通第一张垃圾图片预测环境配置与最小推理命令3.1 Python环境准备用conda还是venv依赖装哪些版本跑通深度学习源码第一道坎是环境。很多下载了源码包的用户卡在import报错上最常见的报错是ModuleNotFoundError: No module named torch或No module named torchvision——这不是源码问题是依赖没装齐。先确认Python版本深度学习工程建议Python 3.8到3.10太新的3.12版本可能在编译某些依赖时出兼容问题太老的3.6版本则跑不了新版本PyTorch。环境管理工具有两个常用选择conda和venv。我一般这么选如果机器上已经装了Anaconda直接用conda建独立环境最省事如果不想装Anaconda用Python自带的venv也完全够用。命令行如下# 用venv创建名为trash_env的虚拟环境 python -m venv trash_env # 激活环境Windows trash_env\Scripts\activate # 激活环境Linux/macOS source trash_env/bin/activate # 安装依赖有requirements.txt时优先用它 pip install -r requirements.txt # 没有requirements.txt时的最小依赖组合 pip install torch torchvision pip install Pillow numpy matplotlib opencv-python这组命令里的关键点是venv创建的虚拟环境会把Python库隔离在项目目录下避免污染系统全局环境。requirements.txt里锁定的版本是作者验证过的组合优先照装如果机器上没有GPU可以先把requirements里带cu后缀的torch版本手动换成CPU版pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu。这一点不在源码说明里但实操中几乎每个人都会撞到。依赖装完后验证环境的命令是python -c import torch; print(torch.__version__)能正常打印版本号说明环境通了。如果这一行也报错先排查pip安装过程是否有红字报错再检查当前终端是否真的在虚拟环境内——命令行左边有(trash_env)前缀才算激活成功。3.2 加载预训练权重并跑通单张图片预测环境就绪后下一步是用源码内置的权重文件跑一次单图预测。大多数分类路线的源码会提供一个predict.py常见的用法是传入权重路径和图片路径两个参数。如果源码没有统一入口下面是一段可以直接替代的通用推理脚本# predict_single.py # 适用于分类路线的垃圾识别源码替换成自己的模型文件名即可 import json import torch import torchvision.transforms as transforms from PIL import Image # 1. 加载模型结构以ResNet50为例具体类名以源码models目录为准 from torchvision.models import resnet50 model resnet50(pretrainedFalse) # 不加载ImageNet权重 model.fc torch.nn.Linear(2048, 4) # 4类垃圾可回收/厨余/有害/其他 # 2. 加载训练好的权重 checkpoint torch.load(checkpoints/garbage_resnet50.pth, map_locationcpu) # 兼容不同保存格式可能是state_dict也可能是完整模型 if isinstance(checkpoint, dict) and state_dict in checkpoint: model.load_state_dict(checkpoint[state_dict]) else: model.load_state_dict(checkpoint) model.eval() # 3. 图像预处理Resize到224x224Normalize用ImageNet的均值和标准差 transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 4. 读图、预处理、加batch维度模型要求4维输入 img Image.open(test_imgs/plastic_bottle.jpg).convert(RGB) input_tensor transform(img).unsqueeze(0) # [1, 3, 224, 224] # 5. 推理与后处理 with torch.no_grad(): logits model(input_tensor) # [1, 4] prob torch.softmax(logits, dim1) # 转成概率 pred_idx torch.argmax(prob, dim1).item() # 取最大概率索引 # 6. 标签映射索引 - 中文类别 with open(data/garbage_classes.json, r, encodingutf-8) as f: classes json.load(f) print(f预测类别: {classes[pred_idx]}置信度: {prob[0][pred_idx].item():.4f})这段脚本的逻辑可以拆成三段看第一段把模型结构和参数对应上load_state_dict要求模型实例的结构和保存权重时完全一致如果源码里的模型是自己定义的类而不是torchvision.models.resnet50用我这段直接替换会报key不匹配的错误正确做法是去源码的models/目录 import 它定义的类。第二段是预处理Resize尺寸必须以模型定义里的输入大小为唯一标准不是所有模型都是224。第三段是输出处理softmax把logits归一化成概率argmax拿到类别索引最后经标签映射变成人类可读的名称。跑通这一步后检验判决标准是置信度输出。正常模型的置信度通常在0.6以上如果输出的置信度接近0.254分类的随机水平或者几个类别概率几乎相等十有八九是权重没加载成功或者预处理参数对不上。3.3 从单张预测改成摄像头实时分类改哪里、加什么单图预测通了之后很多人下一步是接USB摄像头做实时识别。这一步其实改动不大核心思路就是把“读图片文件”换成“读摄像头帧”然后在循环里逐帧调用同一个推理函数。但有两个参数必须调整一是摄像头帧率往往达不到模型推理速度需要加队列或跳帧处理二是输入尺寸如果直接传1920x1080的原图预处理Resize到224时会大幅缩放推理耗时和内存占用都可能翻倍建议抓帧后先裁剪或缩小。# webcam_predict.py 摄像头实时识别的最小实现框架 import cv2 import torch from torchvision import transforms from PIL import Image # 复用上面的model和transform定义此处省略 cap cv2.VideoCapture(0) # 0代表默认摄像头 if not cap.isOpened(): raise RuntimeError(摄像头打开失败) frame_count 0 while True: ret, frame cap.read() if not ret: break frame_count 1 if frame_count % 3 ! 0: # 跳帧每3帧推理一次降低功耗和延迟 continue # OpenCV的BGR帧转成PIL的RGB再走预处理 rgb_img cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) pil_img Image.fromarray(rgb_img) input_tensor transform(pil_img).unsqueeze(0) with torch.no_grad(): prob torch.softmax(model(input_tensor), dim1) pred_idx torch.argmax(prob).item() label f{classes[pred_idx]}: {prob[0][pred_idx].item():.2f} cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255, 0), 2) cv2.imshow(Garbage Classifier, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()这个改动里最容易被忽略的是颜色空间转换OpenCV读入的帧是BGR顺序直接转成PIL处理会和训练时的RGB数据错位。我在实际项目里见过推理准确率从0.8掉到0.4不到查了半天才发现是颜色通道问题。另外跳帧的间隔不能机械照搬它取决于推理耗时——如果单帧推理需要0.5秒跳1帧就够如果推理只要0.05秒跳3帧反而会让画面卡顿。参数按实际机器性能微调。4. 重训一个自己的垃圾识别模型数据整理与训练参数4.1 垃圾数据集的常见来源与目录结构转换源码包里自带的demo数据集通常很小每类几十张图只够跑通流程换到真实场景就需要重训。垃圾数据集的来源主要有三个一是公开数据集比如华为云垃圾分类数据集、清华大学垃圾图像分类数据集这类数据已经按类别分好目录下载后整理成源码要求的格式就行二是自行拍摄手机或相机拍实物每类至少200张起步三是网上爬取注意版权和图片质量爬来的图片很多带水印和无关背景实际效果通常不如自行拍摄。分类模型的目录结构最标准的是ImageFolder格式根目录下每个类别一个子文件夹子文件夹里是图片目录名就是类别名。结构如下data/garbage_classify/ ├── train/ │ ├── recyclable/ # 可回收物图片 │ │ ├── img_001.jpg │ │ └── ... │ ├── kitchen/ # 厨余垃圾图片 │ ├── hazardous/ # 有害垃圾图片 │ └── other/ # 其他垃圾图片 ├── val/ │ ├── recyclable/ │ └── ... └── garbage_classes.json # 类别索引映射文件从原始图片到这种结构常见做法是写一个整理脚本按类别把散落的图片复制到对应目录并顺手做训练集和验证集划分# 建目录mkdir_data.sh mkdir -p data/garbage_classify/train/{recyclable,kitchen,hazardous,other} mkdir -p data/garbage_classify/val/{recyclable,kitchen,hazardous,other} # 把原始图片按8:2比例随机分配到train/val用bash的随机数实现 for img in raw_images/*.jpg; do if [ $((RANDOM % 10)) -lt 8 ]; then cp $img data/garbage_classify/train/kitchen/ else cp $img data/garbage_classify/val/kitchen/ fi done这个脚本里的随机划分比例8:2是经验值。需要注意的是如果原始文件夹里不同类别的图片数量不均先做类别数量统计少的类别可以复制增强旋转、裁剪、颜色抖动补到接近差别过大的类别会让训练偏向样本多的类导致小样本类别的准确率一塌糊涂。划分时要确保同一张图片的不同增强版本不会同时出现在train和val里不然验证集准确率会虚高。4.2 训练参数的取值逻辑batch size、学习率、epochs训练脚本的超参数决定模型最终能到什么水平。源码包里train.py默认的训练参数不一定适合你的数据集需要按数据量和硬件重新设定。batch size的取值逻辑显存不足就调小数据量大可以调大。显卡是8G显存resnet50 224x224输入batch size32通常能跑如果报CUDA out of memory先把batch size减到16或8。batch size过小比如2或4会导致Loss震荡明显模型难收敛解决办法是同步调低学习率。学习率的选择跟batch size挂钩这个经验公式很有用batch size翻倍学习率也翻倍。默认基础学习率0.001搭配batch size32是常见起点用预训练权重做微调时学习率可以更低1e-4到5e-4比较稳妥因为backbone已经学到通用特征学习率太大了会破坏已有权重。epochs的设定取决于收敛速度我一般先设50轮训练时观察验证集准确率曲线如果最后10轮验证准确率还在明显上升就加50轮如果连续15轮不升反降说明已经过拟合提前终止。下面是一段标准训练入口命令的参考# 训练入口具体参数名以源码train.py的argparse定义为准 python train.py \ --data data/garbage_classify \ --model resnet50 \ --pretrained \ --batch-size 32 \ --lr 0.001 \ --epochs 50 \ --gpu 0这段命令的参数说明--pretrained表示加载ImageNet预训练权重再做微调这是小数据集下最稳妥的路线--lr 0.001配合batch size32是ResNet系列的常见起点--gpu 0指定第一块显卡没有GPU就改成--gpu -1或直接去掉这个参数。训练过程中如果发现Loss在第一个epoch后就降得很慢不一定是代码问题可能是学习率相对批量大小偏低了。4.3 训练日志怎么看损失不降、准确率虚高怎么处理训练开始后要盯的关键指标不是训练集准确率而是验证集准确率和Loss曲线。这中间有很强的玄学色彩。常见的情况有三种第一种是训练Loss一直在0.5以上降不下去。排查方向数据标注是否出错、类别分布是否均衡、学习率是否过高导致震荡。如果你用的是ImageFolder加载数据可以抽取一个batch打印标签和图片一起看确认类别编号没有错乱。第二种是验证集准确率非常高比如0.98但实际单张测试很烂。这几乎是分类项目最典型的数据泄露train和val划分时有重复图片或者训练时随机增强的对象被一并放进了验证集。解决办法是重建数据集划分确保同一张图不会同时出现在两个集合中。第三种是Loss已经收敛但准确率仍然不高。说明类别间的区分度不够先看混淆矩阵confusion matrix常见的坑是两个类别互相被认错比如“塑料瓶”和“玻璃瓶”形状颜色接近。这时候思考方向是数据而非模型补样本、增加拍摄角度多样性或者换成更大的模型resnet50换成efficientnet-b4。我习惯的做法是训练期间每5个epoch保存一次checkpoint文件名带上epoch号和val_acc。这样即使训练中断或过拟合也能回溯到最佳状态不要只依赖最后一轮的权重文件那往往不是验证集上表现最好的。提示训练命令务必指定随机种子--seed 42这种固定seed能让实验可复现。不固定种子的话同样代码跑两次结果可能差异大后面排查问题根本没法对照。5. 避坑垃圾识别分类源码最常见的6个翻车现场5.1 解压后报ModuleNotFoundError路径中文背锅现象从zip解压后cd到项目目录执行python predict.py系统报错提示某个模块找不到或者路径管理混乱导致相对导入失败。原因zip包解压后生成的顶层目录名常带中文或特殊字符Windows下路径解析出问题更常见的是项目内嵌多层目录predict.py在根目录而models目录在另一个层级python运行时找不到模块。解决先把整个项目目录移到纯英文路径下比如D:\projects\garbage_sys然后进入predict.py所在目录执行命令。如果还报错用import sys; sys.path.append(os.getcwd())这种方式把根目录加进模块搜索路径。检查__init__.py是否存在于需要导包的目录中缺失会导致相对导入失败。5.2 权重文件损坏预测结果全是噪声现象明明代码和前向流程都对模型也能跑但输出的概率分布几乎接近随机分类准确率惨不忍睹。原因zip包在传输或网盘存储过程中文件损坏权重文件体积不对或哈希校验没通过。PyTorch加载时有时会静默成功但数值全是垃圾。解决拿到源码包后第一时间比对压缩包和权重文件的MD5哈希值用md5sum weights/model.pth查看哈希和发布方给的比对通常写在README里。没有参考哈希时看文件大小是否和训练记录一致resnet50在ImageNet预训练权重约98MB如果下载下来只有几十MB基本是坏的。重新下载并校验后再用。5.3 类别标签错位验证集准确率虚高实际推理全错现象训练日志显示准确率非常高但用训练集之外的真实照片预测时把“果皮”识别成“玻璃瓶”之类的离谱结果而且错误方式不一。原因训练数据目录的顺序和模型输出的类别索引不对应。ImageFolder按字母序排列子目录假设你的目录名是kitchen, hazardous, other, recyclable模型输出的索引0对应哪个类别由目录排序决定不是由你写的类别顺序决定。如果garbage_classes.json里的映射顺序和目录排序不一致标签就错位了。解决训练完成后不要用准确率数字逆向反推类别对应关系直接在推理脚本里打印每个索引对应的中文标签和目录结构逐一核对。更稳妥的做法是训练前就把类别列表按目录结构的排序方式输出确认无误后再开训# 验证数据集加载的类别顺序 python -c from torchvision.datasets import ImageFolder d ImageFolder(data/garbage_classify/train) print(d.class_to_idx) 这段命令会打印类似{hazardous: 0, kitchen: 1, other: 2, recyclable: 3}的映射写标签文件时照这个顺序抄就不会错位。5.4 图片尺寸和通道不一致导致的预测崩溃现象训练集图片一切正常但推理时某些照片要么报错要么结果极差更有意思的是OpenCV读图和PIL读图结果不一样。原因垃圾分类的数据来源混杂有的图是RGB有的是灰度图还有的是RGBA四通道PNG。预处理流程用PIL的Image.open读入灰度图和RGBA图不会自动转成RGB三通道模型前向就报维度错误或数值错乱。Resize尺寸若不是模型的预期大小模型也能跑PyTorch的卷积对输入尺寸不完全受限但后续全连接层可能报维度不匹配。标准做法是统一转换。解决在图像读取环节显式convert(RGB)并检查模型的输入尺寸和预处理Resize是否一致img Image.open(img_path).convert(RGB) # 统一转三通道 if img.mode ! RGB: img img.convert(RGB)若源码里的transform用的是Resize((256, 256))而模型定义里输入是224中间缺了CenterCrop或Resize用的等比缩放而非固定尺寸都会导致训练和推理不一致。把两个参数整体对齐。5.5 GPU显存不足batch size调不下来时的替代做法现象训练脚本启动即报CUDA out of memory把batch size从32降到16仍报错降到4能跑但训练速度极慢Loss波动也大。原因机器显存有限加上源码默认加载全精度float32参数模型和中间激活值占满显存。一个小容量显存显卡载入resnet50 256x256输入 batch size32就是会超限不是代码bug。解决除了调小batch size还可以用混合精度训练。源码如果有--amp参数直接启用没有的话在训练脚本里加一条自动混合精度配置# train.py中开启AMP自动混合精度 from torch.cuda.amp import autocast, GradScaler scaler GradScaler() for imgs, labels in train_loader: imgs, labels imgs.to(device), labels.to(device) with autocast(): outputs model(imgs) loss criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()AMP会把部分运算降到float16显存几乎减半在支持半精度的显卡上效果明显。此外把输入尺寸从256降到224如果你的模型允许也能省掉约25%的激活值占用。这两件事做完仍不足的再用batch size8配合梯度累积等效大batch效果。5.6 实时推理耗时严重摄像头画面帧率极低现象摄像头画面卡成幻灯片帧率不到5FPS实际运行时总是跟不上拍摄速度。原因源码默认图参加载到CPU推理没有调用GPU或者模型太大ResNet152、EfficientNet-b5这类在普通CPU上单帧推理耗时以秒计。解决先确认推理设备torch.cuda.is_available()为真且显存足够时代码中的map_location和.to(device)都应指向GPU。模型层面换轻量模型是立竿见影的MobileNetV3和EfficientNet-lite在CPU上的单帧推理通常在100ms以内准确率损失控制在可接受范围。输出显示上不要每一帧都做完整的前处理和模型推理用第3章的跳帧方案把推理频率降到3~5Hz即可满足多数场景。6. 从源码到可用系统模型导出与部署到小机箱6.1 把PyTorch模型导出ONNX并验证输出一致性源码跑通、模型重训完成接下来是要去现场部署。不能直接把.pth文件扔给现场设备因为PyTorch在无GPU环境的依赖和版本要求太多。通用做法是导出为ONNX格式然后在部署端用ONNX Runtime做推理。# export_onnx.py import torch import torch.onnx # 恢复模型并加载训练好的权重 model torchvision.models.resnet50(pretrainedFalse) model.fc torch.nn.Linear(2048, 4) model.load_state_dict(torch.load(checkpoints/best_model.pth, map_locationcpu)) model.eval() # 申明ONNX导出动态batch使运行时可以自由调整批量大小 dummy_input torch.randn(1, 3, 224, 224) torch.onnx.export( model, dummy_input, garbage_model.onnx, input_names[input], output_names[output], dynamic_axes{input: {0: batch}, output: {0: batch}}, opset_version11 )ONNX导出后做一步输出一致性验证用同一张图片分别通过PyTorch和ONNX Runtime推理比对两者的预测结果和softmax概率分布差异在1e-4以内就说明导出成功如果差异大通常是代码里有部分算子不支持ONNX导出需要换实现或用opset更高版本。验证代码不用另写直接写一个简短的python脚本加载模型和onnx文件各跑一次。6.2 在边缘盒子上做推理加速的普遍做法部署到现场设备树莓派、Jetson Nano、工控机这种后推理加速有三板斧第一量化。把float32权重转成int8量化模型体积缩小4倍CPU推理速度通常能提升2到3倍代价是准确率下降1%到3%左右。垃圾分类这种粗粒度分类场景这个损失完全可接受。第二换推理框架。同样跑ONNX模型ONNX Runtime比PyTorch在CPU上快而OpenVINO针对Intel CPU和TensorRT针对NVIDIA GPU能在架构层面做算子融合速度又能上一个台阶。现场是什么硬件就换什么推理后端。第三限制输入范围。摄像头固定在垃圾桶上方时画面里真正需要识别的区域只有桶口附近把ROI区域固定住只对裁剪后的区域做推理比在整张1920x1080画面上缩放要省得多。这半年跟垃圾分类项目打交道下来我的习惯是把验证脚本和推理脚本彻底分离——训练能跑、部署能跑这是两层验收中间隔着一个完整的环境差异。任何一个中间环节的产出权重、类别映射、预处理参数都不信任口头传递全部用脚本固定下来。这样才能保证今天调通的东西三个月后换个机器还能稳定复现。希望这些被坑过踩过的细节帮你在自己的垃圾识别分类系统上少走一段弯路。本文还有配套的精品资源点击获取