基于PyTorch与Flask的垃圾分类系统开发部署全指南

简介：这是一套以Python为核心实现、并配有部署指南的垃圾分类系统毕业设计资源，面向计算机、通信、人工智能、自动化等相关专业学生及从业者，既可用于毕业设计、课程大作业，也适合作为从零搭建项目的进阶练习。项目源代码经过调试测试，答辩评审分达98分，具备较高的完整度与借鉴价值，基础能力较好的学习者可在此基础上调整功能、二次开发。资源包共126个文件，大小约66MB，类型覆盖后端脚本、数据探索笔记、前端页面组件、交互逻辑脚本、网页结构文件，并包含模型文件、数据库文件、容器部署配置及相关报告模板，兼顾算法实现、界面展示、环境部署与文档撰写多个环节，目录结构清晰，便于按模块查阅。目前已有103人学习下载，适合需要快速搭建垃圾分类识别原型或参考高分毕设方案的用户。

1. 基于Python的垃圾分类系统：毕业设计从0到1的完整落地路径

垃圾分类系统这个标题背后，是一套“图像识别 + Web服务 + 数据持久化”的完整工程组合，不是只把分类器训出来就完事。主线任务是把ResNet或MobileNet这类预训练模型微调成能区分可回收、有害、厨余、其他四类垃圾的分类器，再用Flask包一层HTTP接口，浏览器上传图片就能拿到分类结果和置信度。这套方案一直是毕业设计的高频选题，原因很直接：技术栈覆盖面广、演示效果好、改造成本可控。下文按一线工程师会走的路线来讲——先把模型、框架、数据三条线定下来，再落到训练代码、参数调节、Web封装和最后的部署排错，新手能按步骤跑通，熟练一点的人也能在边界条件和坑位上节省不少时间。

2. 选型与架构：模型、框架、数据三条线一次定好

2.1 分类模型的选型逻辑：别从零训练，用迁移学习

垃圾分类本质是图像分类问题，但很多人第一步就栽在“自己搭CNN”上。PyTorch教程里那个两层卷积网络在MNIST上表现尚可，换到真实拍摄的垃圾图片上，准确率通常会跌到70%以下。原因不复杂：真实照片有背景干扰、光照变化、物体遮挡、拍摄角度差异，而手写数字是高度标准化的输入。自己搭网络意味着需要更大的数据集和更长的训练周期，这和毕设的时间预算对不上。

常见的做法是用ImageNet预训练模型做主骨架做迁移学习。ResNet50和MobileNetV3是两个代表性选择。ResNet50的残差结构深、容量大，精度高，但参数量约25MB；MobileNetV3-Large用深度可分离卷积，参数量只有约5MB，CPU推理快得多。我一般建议没有独立GPU的毕设项目优先选MobileNetV3-Large，原因很实际：答辩现场大概率是拿普通笔记本插HDMI演示，CPU跑MobileNet一次推理大约150-300ms，ResNet50则要1秒以上，体验差距非常明显。

如果数据集包含的垃圾类别超过10类，比如常见的40类垃圾分类数据集，可以考虑用ResNet50保精度，代价是演示时需要在GPU或云端跑推理。就最常见的四分类来说，MobileNetV3-Large的准确率已经足够。迁移学习还有一个容易被忽略的好处：预训练权重来自ImageNet，底层特征对垃圾图片同样有效，微调时只需要让高层特征适应垃圾类别分布，收敛速度远快于从头训练。

注意一个粒度问题：不要用“垃圾分类”作为类名直接训练。常见做法是先按四级体系（可回收、有害、厨余、其他）建四个目录，每个目录下再细分具体物品。模型只负责分大类，大类下的小类由规则映射完成，这样既降低分类难度，又能在答辩时展示“多级分类”的设计思路。

2.2 数据集从哪里来：公开数据集、自建小集与类别平衡

数据集是垃圾分类系统里最大的变量，选错直接决定结果上限。目前公开可用的数据集主要有两类。一类是华为云公开的垃圾分类数据集，覆盖40多个细分类别，下载后需要自己整理成训练/验证目录。另一类是各GitHub项目里的小型四分类数据集，图片量通常在几千张级别。注意：网上的数据集偶尔会下架或改版，下载后立刻本地存档，数据来源说明保留好，答辩时评委经常会问。

当公开数据集与你的分类体系不一致时，自建小数据集完全可行。收集图片时有一个值得注意的点：不要只截取纯色背景的物体图。训练时全是干净背景，测试时却放一张餐桌上拍的垃圾照片，准确率会明显下滑。清洗数据建议用脚本筛掉尺寸小于200×200的图、损坏文件和非RGB格式，一个简单的批处理脚本就能避免训练中反复报错。

类别不平衡在垃圾数据集中很常见——可回收类图片往往比有害类多出好几倍。处理优先级我习惯这样排：先加权重采样减少差距；不行再做过采样（少数类复制并增强）；最后才考虑稀释多数类。验证集上坚决不做任何过采样，要保持原始分布，否则评估结果虚高。数据量方面，四分类每类500张以上是底线，1500张以上训练效果会比较稳定，再往上边际收益递减。

2.3 系统架构与请求流：浏览器到数据库的一次完整走查

整个系统的消息流可以这样描述：浏览器通过表单上传垃圾图片，Flask接收multipart请求并校验文件类型，读取图片做缩放和归一化，送入全局加载的模型推理，模型输出四类概率，服务端取最大概率值返回JSON，前端展示分类和置信度，同时向SQLite写一条预测记录。这个过程涉及两个关键设计决策：模型加载时机和异常处理边界。

模型权重通常在30-50MB级别，如果每个请求都重新加载，接口延迟会从300ms变成几十秒，所以模型实例必须在进程启动时全局加载一次，第4章会专门展开。

架构上不引入消息队列、不做异步任务，对毕设是合理取舍。唯一值得做的是图片上传后前端立即显示预览图，用原生fetch就能实现。框架选型方面，我习惯用Flask而不是Django，因为业务路由就三个，Django自带的ORM、Admin、模板体系用不上，Flask两三个文件就能组织完整个服务，答辩时讲代码也简单。

2.4 环境依赖清单：避免torch版本不匹配

训练和部署共用一套Python环境是最省事的做法。Python版本推荐3.9或3.10，PyTorch 2.x按有无GPU选择对应安装方式。下面这个清单覆盖四分类场景的常见需求：

这里想强调一个坑：torch和torchvision必须同源安装，混装很容易出现类似“undefined symbol”的运行时错误。用pip安装时让两者来自同一源站，就能避开这个问题。

3. 训练脚本与参数调节：把分类准确率从82%推到93%

3.1 冻结与微调：先固定底层特征，再解锁高层

迁移学习的典型做法分两步：先冻结预训练模型的大部分层，只训练新加的分类头，等损失稳定后再解锁部分高层特征层做整体微调。MobileNetV3-Large的features部分是特征提取主干，最后一个stage语义信息最强，分类头是三层全连接加输出层。下面是可直接抄作业的基础训练脚本：

# train.py import torch import torch.nn as nn from torchvision import datasets, transforms, models from torch.utils.data import DataLoader device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') train_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p=0.5), transforms.RandomRotation(15), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) val_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) train_data = datasets.ImageFolder('data/train', transform=train_transform) val_data = datasets.ImageFolder('data/val', transform=val_transform) train_loader = DataLoader(train_data, batch_size=32, shuffle=True, num_workers=2) val_loader = DataLoader(val_data, batch_size=32, shuffle=False, num_workers=2) # 加载MobileNetV3-Large预训练权重，替换最后一层分类器 model = models.mobilenet_v3_large() model.classifier[3] = nn.Linear(1280, 4) model.load_state_dict(torch.load('mobilenet_v3_large.pth'), strict=False) model.to(device) # 冻结前9个stage，保留最后两个stage和classifier参与训练 for name, param in model.named_parameters(): param.requires_grad = False for name, param in model.named_parameters(): if 'features.15' in name or 'features.16' in name or 'classifier' in name: param.requires_grad = True criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam( [p for p in model.parameters() if p.requires_grad], lr=1e-4) scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.5) 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() model.eval() correct = 0 with torch.no_grad(): for images, labels in val_loader: images, labels = images.to(device), labels.to(device) outputs = model(images) _, predicted = torch.max(outputs, 1) correct += (predicted == labels).sum().item() val_acc = correct / len(val_data) print(f'Epoch {epoch+1}, loss={running_loss/len(train_data):.4f}, acc={val_acc:.4f}')

逻辑说明：Resize((224, 224))与MobileNetV3的输入规格对齐，ResNet系列同样适用。RandomHorizontalFlip在垃圾分类场景中合理，瓶子翻转后仍是瓶子；RandomRotation控制在15度内，防止旋转过度丢失类别语义；ColorJitter模拟不同光照下的拍摄效果。Normalize使用ImageNet统计值，与预训练权重输入分布保持一致，不要换成自算的均值方差。

参数说明：batch_size=32在8GB显存或16GB内存下都能跑；学习率1e-4是微调阶段的安全起点，如果用SGD可尝试1e-3加动量0.9；StepLR每5个epoch衰减0.5，30个epoch的设置在15轮附近完成主要收敛。特别注意num_workers=2在Linux下正常，Windows下要改成0，否则DataLoader多进程模式会报BrokenPipeError，这是复现时最容易被卡住的位置之一。

3.2 数据增强管线：让每个epoch都看到不一样的图片

上一节transforms里已经包含数据增强，这里展开讲策略和翻车场景。顺序很重要：先做几何变换（Resize、翻转、旋转），再做颜色变换（ColorJitter），最后ToTensor和Normalize。位置一旦调换，比如先ToTensor再旋转，张量在通道维度上的操作会引入不必要的计算开销，语义上也偏离了真实图像分布。

另一个常见的坑是验证集里加增强。评估要看模型在真实分布上的表现，随机翻转会让同一张图在两次评估中得到不同概率，准确率变得不可复现。增强的本质是从训练集里采样出新的分布，数据集越小时作用越明显——500张图片经过增强能扩出等效几千张的多样性。

如果训练集偏少，可以考虑MixUp或CutMix。MixUp把两张图的像素按比例混合，标签按同比例线性组合，实现只要几行代码，但在小数据集上能把过拟合压得很明显。答辩时被问“怎么解决过拟合”时，在常规L2正则和早停之外多答一个MixUp，说服力会更强。

3.3 训练参数速查表与调参顺序

下面这张表的起点取值和调节方向，覆盖了垃圾分类图像分类的绝大多数情况。调参顺序我习惯是先固定batch_size和epochs，优先动学习率，验证集不再下降后再反过来调batch_size，最后才考虑改网络结构。

补充一个容易误解的点：准确率到90%以上后，每个epoch的提升会从几个百分点降到零点几个百分点，这不是模型坏了，是接近容量上限。此时优先看混淆矩阵找类别混淆模式，而不是盲目加训练轮数。

3.4 评估不只靠准确率：混淆矩阵与分类报告

四分类里，整体准确率会被样本多的类别拉高，有害垃圾识别差可能被掩盖。混淆矩阵能看到每个类别的错分方向：如果厨余总被误判成其他，说明这两类在训练数据中的区分度不足，需要补边界样本或检查标注质量。下面这个评估脚本与训练保持同一份数据加载配置：

# evaluate.py from sklearn.metrics import confusion_matrix, classification_report import torch model.eval() y_true, y_pred = [], [] 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()) class_names = ['厨余', '可回收', '有害', '其他'] # 与训练时ImageFolder的目录顺序一致 print(classification_report(y_true, y_pred, target_names=class_names)) print(confusion_matrix(y_true, y_pred))

逻辑说明：ImageFolder会按目录名的字典序确定类别索引，训练与评估必须保持同一顺序，这里直接硬编码类名列表是为了可读性。classification_report输出每个类别的precision、recall、F1和样本数，重点看recall偏低的类别——它说明该类的正样本大量漏检，是比整体准确率更值得关注的信号。混淆矩阵生成热力图后截图放进毕设文档，答辩时的说服力远强于一行“准确率93%”。

4. Flask封装与Web端：把模型变成可用的垃圾分类系统

4.1 Flask路由设计与模型全局加载

训练收敛后，把模型推理封装成HTTP接口是本阶段核心。Flask项目建议组织成两个文件：app.py放路由与视图，model.py放模型加载、预处理和推理逻辑。路由设计就三个：GET /渲染首页，POST /predict接收图片并返回预测，GET /history展示历史记录。

# app.py from flask import Flask, request, jsonify, render_template import os import uuid from model import GarbageClassifier app = Flask(__name__) app.config['UPLOAD_FOLDER'] = 'uploads' app.config['MAX_CONTENT_LENGTH'] = 8 * 1024 * 1024 # 限制8MB上传 classifier = GarbageClassifier() # 全局单例，启动时加载一次模型 @app.route('/') def index(): return render_template('index.html') @app.route('/predict', methods=['POST']) def predict(): if 'image' not in request.files: return jsonify({'error': 'no file field'}), 400 file = request.files['image'] if not file.filename.lower().endswith(('.jpg', '.jpeg', '.png')): return jsonify({'error': 'unsupported format'}), 400 filename = str(uuid.uuid4()) + os.path.splitext(file.filename)[1] save_path = os.path.join(app.config['UPLOAD_FOLDER'], filename) file.save(save_path) try: result = classifier.predict(save_path) return jsonify(result) except Exception as e: return jsonify({'error': str(e)}), 500 if __name__ == '__main__': os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True) app.run(host='0.0.0.0', port=5000, debug=False)

逻辑说明：文件类型校验放在模型推理之前，扩展名和8MB大小双重控制，既避免非图片文件进入Pillow解析报错，也防止大文件拖垮演示流程。保存文件名用uuid避免中文文件名和重名问题。debug=False在演示模式下调成True可以看到实时日志，但正式部署时必须关闭。

model.py的推理封装建议独立成类，换backbone时只改一处：

# model.py import torch import torch.nn.functional as F from torchvision import models, transforms from PIL import Image CLASS_NAMES = ['厨余', '可回收', '有害', '其他'] class GarbageClassifier: def __init__(self, weights_path='best_model.pth'): self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = models.mobilenet_v3_large() model.classifier[3] = torch.nn.Linear(1280, len(CLASS_NAMES)) model.load_state_dict(torch.load(weights_path, map_location=self.device)) model.eval() self.model = model.to(self.device) self.transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) def predict(self, image_path): img = Image.open(image_path).convert('RGB') tensor = self.transform(img).unsqueeze(0).to(self.device) with torch.no_grad(): logits = self.model(tensor) prob = F.softmax(logits, dim=1)[0] conf, idx = torch.max(prob, dim=0) return {'category': CLASS_NAMES[idx.item()], 'confidence': round(conf.item(), 4)}

参数说明：torch.load的map_location参数保证GPU训练出的权重能在无GPU机器上加载，这是环境差异排错的关键一行。model.eval()会关闭Dropout和BatchNorm的统计更新，推理阶段必须调用。softmax把logits归一化成概率分布，取最大索引与CLASS_NAMES对齐。推理时只用基础transform、不做随机增强，单张图片输出可复现，这也是检查预处理链路是否与训练一致的一个依据。

4.2 数据库与历史记录：一套SQLite方案

预测历史用SQLite就够，无需引入MySQL。建表语句放在Flask启动时执行，核心字段是图片路径、预测类别、置信度和创建时间。

CREATE TABLE IF NOT EXISTS history ( id INTEGER PRIMARY KEY AUTOINCREMENT, image_path TEXT NOT NULL, category TEXT NOT NULL, confidence REAL NOT NULL, created_at TEXT DEFAULT (datetime('now', 'localtime')) );

写入逻辑在predict接口返回JSON前完成，查询时按时间倒序取最近20条渲染到前端，这个“识别记录列表”放在答辩演示中非常直观。注意SQLite在多进程部署下偶发database is locked，毕设单进程跑不会触发，但若用gunicorn多worker压测就要换PostgreSQL或加写入队列，这个取舍在答辩被问到时可以主动讲。

4.3 前端页面与上传交互：原生fetch就够了

前端不需要框架，一个页面包含上传表单、图片预览、结果展示三块。核心是FormData上传和fetch响应：

<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>垃圾分类识别系统</title> </head> <body> <h1>上传垃圾图片，识别所属类别</h1> <form id="uf" enctype="multipart/form-data"> <input type="file" name="image" accept="image/jpeg,image/png" required> <button type="submit">识别</button> </form> <img id="preview" style="max-width:300px; display:none;" alt=""> <p id="result"></p> <script> const f = document.getElementById('uf'); const img = document.getElementById('preview'); const p = document.getElementById('result'); f.querySelector('input').addEventListener('change', e => { const url = URL.createObjectURL(e.target.files[0]); img.src = url; img.style.display = 'block'; }); f.addEventListener('submit', async e => { e.preventDefault(); p.textContent = '识别中...'; const resp = await fetch('/predict', { method: 'POST', body: new FormData(f) }); const data = await resp.json(); if (data.error) p.textContent = '错误: ' + data.error; else p.textContent = data.category + ' (置信度 ' + (data.confidence * 100).toFixed(1) + '%)'; }); </script> </body> </html>

逻辑说明：URL.createObjectURL生成临时本地URL用于预览，不占服务器流量。fetch的body直接传FormData对象，浏览器会自动加multipart/form-data的Content-Type，不要手动设置，否则分界线丢失会导致服务端读不到文件。accept属性只影响文件选择器，服务端的扩展名校验仍然必须保留。

4.4 模型加载与并发：单例模式和CPU推理的取舍

第2章埋了“模型全局加载”的伏笔，这里讲透。如果在predict内部实例化模型，每来一个请求就重新加载权重、重建计算图，响应时间会从毫秒级变成几十秒。全局单例是标准解法——GarbageClassifier()在模块导入时执行一次，之后所有请求共享同一个模型实例，配合model.eval()，BatchNorm层不会因并发请求产生状态错乱。

并发边界要知道：Flask开发服务器是单进程多线程的，CNN推理是CPU密集任务，GIL会限制多线程加速。用dev server跑，大约能扛5-10个同时请求，演示现场完全够用。如果上gunicorn，worker数量建议设为CPU核数，否则多个worker同时做推理会直接把内存打满。演示机器只有4GB内存时维持单worker反而最稳——ModelNetV3部署后约占200MB内存，多复制几个进程会触发swap，延迟不降反升。

5. 部署指南：从源码到可运行的完整步骤与进阶加速

5.1 建环境、拉依赖、跑起来的完整命令

部署是毕业设计交付里最容易“明明代码没问题却跑不起来”的环节。下面这套流程适用于Linux服务器和Windows WSL，macOS同理：

conda create -n garbage python=3.10 -y conda activate garbage pip install torch torchvision flask pillow scikit-learn requests onnxruntime # 有NVIDIA GPU时，改用官方CUDA源 # pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 cd garbage_project python train.py # 训练并保存 best_model.pth python app.py # 启动Web服务

启动后浏览器访问 http://127.0.0.1:5000。如果5024类似的报错先看端口占用，换一句话是确认5000端口没被其他进程占用，被占就从app.py里改port参数。整个目录结构（data、uploads、app.py、model.py、best_model.pth）拷贝到另一台机器时，只需重装依赖，不需要重新训练。

5.2 三个高频排错点

第一个是Windows下DataLoader的num_workers报错，把num_workers设为0即可。第二个是上传图片后接口返回500且日志是Pillow异常，原因通常是WebP、BMP等非标准格式，服务端统一用convert('RGB')处理后再推理，对带透明通道的图片先填充白底。第三个是torch.load在GPU和CPU环境间不兼容，报错类似Invalid device string: 'cuda'，加载权重时固定写map_location='cpu'，就能在两类环境中通用。

5.3 用curl和测试图片验收接口

部署完后用接口测试代替肉眼观察，确认交付的是稳定服务：

curl -X POST http://127.0.0.1:5000/predict \ -F "image=@test_banana_peel.jpg" \ -H "Content-Type: multipart/form-data"

正常返回格式为{"category": "厨余", "confidence": 0.941}。confidence低于0.9时优先怀疑预处理路径与训练不一致，重点检查是否漏了Normalize或Resize。换多张同类图片观察置信度分布，比单张结果更能暴露问题。

5.4 ONNX导出与CPU推理加速的一个小技巧

部署时一个容易见效的优化，是把模型导出为ONNX Runtime版本，CPU推理通常能快2-4倍，后续想推到Jetson这类边缘设备也更方便。关键操作是固定输入尺寸后导出一次：

torch.onnx.export(clf.model, torch.randn(1, 3, 224, 224), 'garbage_cnn.onnx', input_names=['input'], output_names=['output'])

推理侧换成onnxruntime加载：

import onnxruntime as ort sess = ort.InferenceSession('garbage_cnn.onnx', providers=['CPUExecutionProvider'])

逻辑说明：torch.randn(1, 3, 224, 224)作为输入模板，与训练的输入尺寸严格一致；图像预处理（resize、归一化）仍留在Python侧完成，ONNX里只装推理网络。答辩前先用同一批测试图片对比PyTorch与ONNX的输出，置信度误差在0.001级别属于正常，若差异明显，优先检查导出时模型是否处于eval模式。PyTorch版本留着做演示调试，ONNX版本放进交付物作为优化项，两种来源预测结果对齐后再讲性能提升，这种对照本身就是毕业设计里比较扎实的工程论据。

本文还有配套的精品资源，点击获取