基于深度学习的垃圾分类系统：从模型训练到部署的完整工程实践

简介：这份资源是面向高校Python课程学习者与深度学习入门者的垃圾分类系统大作业完整方案，基于卷积神经网络实现垃圾图像的自动识别与分类，覆盖数据采集、预处理、特征提取、分类输出等完整流程，适合作为课程设计、期末大作业或入门实战项目参考。压缩包共134个文件，约75.59MB，包含20个py源码、13个ipynb实验笔记、12个vue与14个js前端页面、19个png效果图，以及部署指南、参考报告、答辩ppt、sqlite3数据库和onnx模型等文档与配置，结构完整、模块清晰。项目源码均经本地编译调试，可稳定运行，评审分达95分以上，难度适中，内容经助教老师审定。已有89人学习下载，读者可据此快速复现系统、理解模型训练与前后端联调思路，并直接参考报告与演示文稿完成课程提交。

1. 从一份课程大作业说起：垃圾分类系统到底难在哪

很多人第一次看到「基于深度学习的垃圾分类系统」这个题目，第一反应是：不就是个图像分类吗，拿 ResNet 跑一遍完事。真动手才发现，翻车点根本不在模型结构上。垃圾图像本身类间差异极小——一个揉皱的纸巾和一块用过的厨房纸，在 224×224 的输入下几乎一模一样；而类内差异又极大——同一个「可回收物」标签下，矿泉水瓶、纸箱、易拉罐的外观分布完全不同。这才是这个题目真正卡人的地方。

这份课程大作业通常包含源码、部署指南、报告 PPT 和全部文档，本质上是一个完整的工程闭环：数据采集与清洗、模型选型与训练、推理服务封装、前端交互、以及最后的报告呈现。它适合两类人：一是正在做 Python 课程设计、需要一套能跑通且能讲清楚的学生；二是想用一个小型视觉项目把深度学习从「调包」推进到「部署」的入门工程师。接下来我按实际落地的顺序，把这条链路拆开讲。

2. 数据与模型选型：为什么不用现成数据集直接开跑

2.1 垃圾分类数据集的三个现实约束

公开的垃圾分类数据集不是没有，但直接拿来用通常会遇到三个问题。第一，类别定义不统一。有的数据集分四类（可回收、厨余、有害、其他），有的分六类甚至四十多类，而课程报告里往往要求按本地标准来。第二，图像来源单一。很多数据集是从电商白底图爬的，模型学到的是「白底 + 居中物体」这个捷径，一到真实拍摄的杂乱背景就崩。第三，样本不均衡。有害垃圾的样本量通常只有可回收垃圾的十分之一，直接训练会让模型倾向于预测多数类。

我一般的做法是：以公开数据集为底，自己补拍 200～300 张真实场景图，重点补有害垃圾和厨余垃圾。补拍时故意制造背景干扰——放在桌面上、拿在手里、放在垃圾桶旁边各拍几张。这样做的代价是标注工作量增加，但换来的泛化能力提升在答辩演示时非常明显。

数据划分建议按 7:1.5:1.5 切分训练、验证、测试集，并且按「拍摄批次」划分而不是随机划分。如果同一批拍的照片同时出现在训练集和测试集里，测试准确率会虚高好几个百分点，这是血泪经验。

2.2 模型选型：MobileNetV3 还是 ResNet18

课程大作业的算力预算通常有限，要么是实验室的一张消费级显卡，要么是 Colab 免费额度。在这个约束下，模型选型要在精度和推理速度之间做权衡。

如果只是课程作业，我建议从 MobileNetV3-Large 起步。它的预训练权重在 ImageNet 上表现稳定，迁移到垃圾分类这种细粒度任务上，通常用 30～50 个 epoch 就能收敛到一个可接受的水平。ResNet18 不是不能用，但在样本量不足一万张的情况下，过拟合风险明显更高，需要更强的正则化。

2.3 用迁移学习跑通第一个 baseline

下面这段代码是一个最小可运行的训练脚本，基于 PyTorch 和 torchvision，假设数据已经按ImageFolder格式组织好。

import torch import torch.nn as nn from torchvision import datasets, models, transforms from torch.utils.data import DataLoader # 数据增强：训练集用较强的增强，验证集只做 resize 和归一化 train_tf = transforms.Compose([ transforms.RandomResizedCrop(224, scale=(0.7, 1.0)), transforms.RandomHorizontalFlip(), transforms.ColorJitter(0.2, 0.2, 0.2), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) val_tf = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) train_ds = datasets.ImageFolder('data/train', transform=train_tf) val_ds = datasets.ImageFolder('data/val', transform=val_tf) train_loader = DataLoader(train_ds, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_ds, batch_size=32, shuffle=False, num_workers=4) # 加载预训练 MobileNetV3-Large，替换分类头 model = models.mobilenet_v3_large(weights=models.MobileNet_V3_Large_Weights.DEFAULT) num_classes = len(train_ds.classes) model.classifier[3] = nn.Linear(model.classifier[3].in_features, num_classes) model = model.cuda() criterion = nn.CrossEntropyLoss() optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=30) for epoch in range(30): model.train() for imgs, labels in train_loader: imgs, labels = imgs.cuda(), labels.cuda() optimizer.zero_grad() loss = criterion(model(imgs), labels) loss.backward() optimizer.step() scheduler.step() # 每个 epoch 后在验证集上评估 model.eval() correct = total = 0 with torch.no_grad(): for imgs, labels in val_loader: imgs, labels = imgs.cuda(), labels.cuda() pred = model(imgs).argmax(dim=1) correct += (pred == labels).sum().item() total += labels.size(0) print(f'epoch {epoch+1}, val_acc={correct/total:.4f}')

逻辑说明：这段脚本做了三件事——构建带增强的数据管道、加载预训练模型并替换分类头、用余弦退火学习率跑训练循环。关键参数有三个：batch_size=32在 8GB 显存下比较稳妥，显存不够就降到 16；lr=1e-3是 AdamW 在迁移学习场景下的常用起点，如果 loss 震荡明显可以降到 5e-4；T_max=30要和总 epoch 数一致，否则学习率调度会提前结束。

跑完这个 baseline，如果验证集准确率卡在 70% 以下，先别急着换模型，大概率是数据问题——检查一下类别是否均衡、有没有标注错误、训练集和验证集是否来自同一分布。

3. 推理服务与前端交互：把模型变成能演示的系统

3.1 用 FastAPI 封装推理接口

课程作业的演示环节，老师通常不会看你训练脚本跑得怎么样，而是直接打开一个页面，上传一张图片，看系统能不能给出分类结果。所以推理服务的封装是必须做的。

from fastapi import FastAPI, UploadFile, File from PIL import Image import torch, io from torchvision import transforms app = FastAPI() model = torch.load('best_model.pth', map_location='cpu') model.eval() tf = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) classes = ['可回收物', '厨余垃圾', '有害垃圾', '其他垃圾'] @app.post('/predict') async def predict(file: UploadFile = File(...)): img = Image.open(io.BytesIO(await file.read())).convert('RGB') tensor = tf(img).unsqueeze(0) with torch.no_grad(): logits = model(tensor) prob = torch.softmax(logits, dim=1) conf, idx = prob.max(dim=1) return {'class': classes[idx.item()], 'confidence': round(conf.item(), 4)}

逻辑说明：接口接收上传的图片，做和验证集一致的预处理，然后前向推理取最大概率类别。参数上，map_location='cpu'是为了在没有 GPU 的演示机上也能跑；unsqueeze(0)是补上 batch 维度。返回结果里带上置信度，演示时可以展示「系统有多确定」，比只返回一个类别更有说服力。

3.2 前端页面与部署指南的关键步骤

前端不需要多复杂，一个 HTML 页面加一段 JavaScript 就够了。核心逻辑是：用户选图片 → 预览 → 点击按钮 → fetch 调用/predict→ 展示结果。

async function predict() { const fileInput = document.getElementById('file'); const formData = new FormData(); formData.append('file', fileInput.files[0]); const res = await fetch('/predict', { method: 'POST', body: formData }); const data = await res.json(); document.getElementById('result').innerText = `分类结果：${data.class}，置信度：${data.confidence}`; }

部署指南里最容易漏掉的一步是跨域和静态文件挂载。如果前端和后端不在同一个端口，浏览器会拦截请求。最简单的做法是用 FastAPI 的StaticFiles把前端页面挂到同一个服务下，这样就不存在跨域问题。

pip install fastapi uvicorn python-multipart pillow torch torchvision uvicorn main:app --host 0.0.0.0 --port 8000

启动后访问http://localhost:8000就能看到页面。如果部署到服务器上，把--host改成0.0.0.0让外部可访问，端口按需调整。注意python-multipart这个包必须装，否则文件上传接口会直接报错，这个坑我踩过不止一次。

3.3 报告 PPT 里该放什么、不该放什么

课程大作业的 PPT 和工程文档是两回事。PPT 的核心不是展示你调了多少参数，而是讲清楚三件事：问题定义（为什么垃圾分类值得做）、技术方案（你选了什么模型、为什么）、结果验证（准确率、混淆矩阵、实际演示截图）。

我见过太多 PPT 把训练 loss 曲线放了三页，但老师最关心的其实是「你的系统和现有方案比，好在哪」。所以建议留一页做对比：比如你的模型在自建测试集上的准确率，和直接用公开数据集训练的模型对比，差距在哪里，为什么。这一页往往决定了答辩的分数上限。

混淆矩阵是必须放的。垃圾分类的混淆矩阵通常会在「厨余垃圾」和「其他垃圾」之间出现明显误判，把这个现象解释清楚——比如「因为剩饭剩菜和污染纸巾在视觉上高度相似」——比单纯报一个准确率数字更能体现你对问题的理解。

4. 避坑与排查：那些让系统跑不起来的细节

4.1 现象：训练准确率很高，但演示时识别全错

原因：训练集和演示时的输入分布不一致。训练用的是公开数据集的白底图，演示时用的是手机拍的杂乱背景图，模型没学过这种分布。解决：在训练集中混入至少 20% 的真实场景图，并且做更强的颜色抖动和随机裁剪增强。

4.2 现象：推理接口返回 500，日志显示缺少 multipart

原因：FastAPI 处理文件上传依赖python-multipart，这个包不会随 FastAPI 自动安装。解决：pip install python-multipart，然后重启服务。如果用的是 requirements.txt，记得把它写进去，否则换一台机器部署时又会复现。

4.3 现象：模型文件加载报错，提示缺少某个模块

原因：保存模型时用了torch.save(model)保存整个模型对象，而不是torch.save(model.state_dict())。前者会把模型类的路径也序列化进去，换一个目录或换一台机器就找不到类定义。解决：训练时只保存state_dict，推理时先实例化模型结构再加载权重。这是一个典型的「当时省事、后面翻车」的操作。

4.4 现象：验证集准确率波动很大，每次跑结果都不一样

原因：小数据集加上随机划分，导致验证集本身不具有代表性。另外，如果num_workers设置过大而磁盘 IO 跟不上，数据加载顺序也会引入额外随机性。解决：固定随机种子（torch.manual_seed(42)），并且用 K 折交叉验证代替单次划分，至少跑三次取平均。

4.5 现象：部署到服务器后，第一次推理特别慢

原因：模型在 CPU 上第一次前向传播时需要做算子初始化，加上如果用了torch.load懒加载，第一次调用会触发实际加载。解决：在服务启动时先跑一次 dummy 推理，把初始化开销提前消化掉。这个技巧在演示前特别有用，避免老师等半天才出结果。

5. 进阶技巧：用混淆矩阵反推数据问题

最后一章讲一个我反复用到的技巧：不要只看准确率，把混淆矩阵当成数据诊断工具。

训练完模型后，在测试集上跑一遍，用 sklearn 输出混淆矩阵：

from sklearn.metrics import confusion_matrix, classification_report import seaborn as sns import matplotlib.pyplot as plt all_preds, all_labels = [], [] model.eval() with torch.no_grad(): for imgs, labels in test_loader: preds = model(imgs.cuda()).argmax(dim=1).cpu() all_preds.extend(preds.tolist()) all_labels.extend(labels.tolist()) cm = confusion_matrix(all_labels, all_preds) sns.heatmap(cm, annot=True, fmt='d', xticklabels=classes, yticklabels=classes) plt.savefig('confusion_matrix.png') print(classification_report(all_labels, all_preds, target_names=classes))

拿到混淆矩阵后，重点看两件事。第一，哪两个类别之间的误判最多。如果「厨余垃圾」被大量预测成「其他垃圾」，说明这两类的视觉边界在你的数据里不够清晰，需要补充区分性更强的样本，比如带汤水的厨余 vs 干燥的纸巾。第二，看每一类的召回率。如果「有害垃圾」的召回率明显低于其他类，说明样本量不足，需要针对性补数据，而不是调模型。

这个技巧的价值在于：它把「模型效果不好」这个模糊的问题，转化成了「哪两类之间的数据需要补充」这个具体行动。我一般会在训练完第一版模型后，先看混淆矩阵，再决定第二轮是补数据还是调参。大多数情况下，补数据的收益远大于调参。

还有一个细节：报告 PPT 里的混淆矩阵最好用百分比归一化后的版本，而不是原始计数。因为类别不均衡时，原始计数会让小类别的误判看起来不明显，而归一化后每一类的误判比例一目了然，答辩时也更好讲。

最后说一个习惯：每次训练完，把模型文件、混淆矩阵、分类报告、以及当次使用的超参数一起存到一个以日期命名的文件夹里。课程作业往往要反复迭代好几版，没有这个习惯，过两天就分不清哪个模型是哪个版本了。这个习惯看起来笨，但省下来的时间远超那点存储成本。希望帮到你。

本文还有配套的精品资源，点击获取