简介：这是一套基于Python与深度学习技术实现的垃圾分类系统高分毕业设计源码，适合计算机相关专业学生用于毕业设计、期末大作业或课程设计参考。项目已获老师指导并通过，代码结构清晰、注释完整，对小白用户尤为友好。资源共6319个文件，主要包括1457个py源码文件、1454个pyc编译文件、1182个mo/po多语言文件以及html/js/css前端页面文件，其中py为系统核心后端代码，html/js/css构成可视化交互界面，压缩包总大小约18.98MB，目录与依赖环境组织规范，便于直接运行和二次开发。目前已有338人学习下载。压缩包内含完整的垃圾分类模型训练代码、基于深度学习的识别预测实现、Web展示界面以及配套依赖环境配置，可快速复现系统并掌握数据预处理、模型构建、训练评估与部署的基本流程，是理解图像分类技术在环保领域落地应用的便捷学习材料。
1. 这是什么东西：一个能跑通的垃圾分类模型，外加一整套课设源码
很多人第一次拿到“基于python与深度学习的垃圾分类系统设计与实现源码（高分项目）.zip”时，以为是某种神秘的高分模版。其实拆开看就是一套完整的图像分类项目：用 python 写数据加载和训练流程，用深度学习模型对垃圾图片分门别类，最后附上可以直接运行的源码和项目文档。它解决的问题很实际——毕业设计或课程设计需要“能演示、能截图、能答上参数”的完整系统。适合正在做课设的学生、想转行 AI 的开发者，以及需要一个最小可落地图像分类模板的工程师。拿到手第一件事不是解压看代码，而是先想清楚这套系统由哪几块组成、数据和模型从哪里来，否则很容易在环境阶段就卡住。
2. 先看懂系统是怎么设计的：模型选型、数据流与代码结构
2.1 为什么选深度学习的图像分类落地方案
垃圾分类在算法层面其实是一个典型的图像分类任务，输入的是一张拍摄或上传的垃圾图片，输出的是可回收物、厨余垃圾、有害垃圾、其他垃圾这粗分四类，或者进一步细分到塑料、纸张、玻璃、金属等十几个子类。早期方案有人用传统图像处理，比如基于颜色的 HSV 分割、基于形状的轮廓匹配，效果极其不稳定——换个光照，分类就翻车。深度学习方案的胜出点在于不需要手工设计特征，只要数据足够，模型自己能学到“易拉罐和玻璃瓶在纹理上的区别”。
实际项目中，常见的做法是用卷积神经网络（CNN）做特征提取，比如 ResNet、MobileNet、EfficientNet。因为这些预训练模型在 ImageNet 上已经学会了通用特征，拿到垃圾分类这种小规模数据集上做迁移学习，可以在很少的标注数据下收敛。我在课设项目里一般会选择 ResNet18 或者 MobileNetV2，理由是：ResNet18 结构简单、参数少，CPU 也能跑；MobileNetV2 更轻量，后面部署到树莓派或者手机端不吃力。如果你的机器有独显，换 ResNet50 能提一点准确率，但训练时间和显存占用会明显上升。
整个数据流可以概括为：图片读入 → 统一缩放 → 归一化 → 输入网络 → 得到每类的概率 → 取最大概率对应的类别。这个流程在任何深度学习框架里都是一套标准写法。项目的核心源码其实就是围绕这条数据流展开的，如果你手里的源码包里有 train.py、test.py、predict.py 和 dataset.py 这类文件，大概率就是按这个思路组织的。
2.2 数据从哪里来：公开数据集与本地自建数据集的组织方式
垃圾分类项目最容易被忽略的是数据。很多源码包自带了少量示例图片，但训练一个能看的模型，每类最好至少有几百张图。公开数据源里，Huawei 的垃圾分类数据集、清华大学开源的中文垃圾分类数据集、Kaggle 上的 trashnet 都可以用。这些数据集的类别定义不一定一致，落地前要先把类别映射统一。
我一般会把数据集组织成 ImageFolder 标准形式，方便 PyTorch 的datasets.ImageFolder直接读取：
data/ train/ 可回收物/ 1.jpg 2.jpg ... 有害垃圾/ ... val/ ...这种组织方式的好处是，你不用自己写解析csv的代码，框架会自动根据文件夹名生成类别索引。注意一个坑口是目录名不要用中文。虽然 Windows 和 Linux 下的 Python 3 基本支持中文路径，但在 PyTorch 的 DataLoader 多线程加载时，偶发报错或乱码很常见，浪费你半天时间。我经历的教训是：先把中文类别转成英文或拼音目录名，比如recyclable、kitchen_waste，然后维护一个label_map.json做中英文映射，界面显示时再转回中文。
如果公开数据集不够，一个偷懒但有效的自建数据方法是：用手机拍 50 张不同光照下的瓶子，再用 OpenCV 做左右翻转、随机旋转、亮度变化，扩增到 200 张。扩增代码非常简单，但要注意别做无意义的扩增，比如水平翻转对“易拉罐”有效，对“玻璃瓶”也有效，但如果你做的是“区分瓶盖方向”这类任务，翻转会破坏语义，需要谨慎。
2.3 源码里的典型代码结构与关键文件
拿到“基于python与深度学习的垃圾分类系统设计与实现源码”这种包，先看目录结构，不要急着先运行。我见过的课设源码包绝大多数都长这样：
project/ data/ # 数据集，按 train/val 分好 models/ # 网络定义，可能有使用的预训练权重 datasets.py # 数据加载逻辑 train.py # 训练入口 test.py # 在测试集上算准确率 predict.py # 单张图片推理 gui.py # 可视化界面（有的项目叫 ui.py 或 app.py） README.md # 说明文档 requirements.txt # 依赖清单train.py里的核心逻辑通常是三步：加载 ImageFolder 数据、定义模型和损失函数、跑训练循环。predict.py负责单张图片的加载、预处理、前向传播和后处理。gui.py用 tkinter 或 PyQt 实现窗口，核心就是一个“选择图片 → 显示结果”的回调函数。
我建议你把requirements.txt作为第一个阅读文件，它能告诉你这个项目依赖哪些版本。如果里面写的是torch>=1.8这种宽泛约束，那么环境安装会比较友好；如果锁了torch==1.4.0，而你的机器是新的 CUDA 环境，很可能装不上，需要手动调整。
3. 把垃圾分类模型跑起来：环境搭建与训练配置
3.1 用 Python 环境跑通训练的最小步骤
不要一上来就装一堆包。先建独立环境，再装框架和依赖。常见做法是用 Anaconda 建环境：
conda create -n garbage python=3.8 conda activate garbage pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install numpy opencv-python pillow tqdm代码逻辑是：先建一个干净的 Python 3.8 环境，防止把系统 Python 搞坏。然后安装 PyTorch 和 torchvision，这里指定了cu118的 index-url，表示用 CUDA 11.8 对应的预编译包。如果你的笔记本电脑没有 NVIDIA 显卡，就把这一行换成 CPU 版：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu参数说明：python=3.8是兼容性最好的版本，PyTorch 官方对 3.8 的支持最稳，不要用 3.12 或 3.13 去碰老源码，很多项目里的setup.py和旧代码在超新版本上会报错。cu118中的cu代表 CUDA 版本，不是任意数字都行，要先nvidia-smi看一下驱动支持的 CUDA，再挑对应的 PyTorch 包。
环境建好后，先跑一个最小训练脚本，确认数据能正确加载：
import torch from torchvision import datasets, transforms transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) dataset = datasets.ImageFolder('data/train', transform=transform) print('类别数：', len(dataset.classes)) print('图片数：', len(dataset))这段代码的作用是：把data/train下的图片统一缩放为224×224，转成 Tensor 并归一化。用于 ResNet 的归一化均值方差是 ImageNet 的固定值，直接抄就行。如果打印出的图片数是 0，大概率是目录结构不对，回去把子文件夹放好。
3.2 训练参数怎么调：batch size、学习率与 epochs
训练脚本里最容易调整也最影响效果的是 batch size、学习率和 epochs。我一般先用默认配置把流程跑通，再考虑调参。下面是经过整理的一个常见训练循环简化版：
model = resnet18(pretrained=True) model.fc = nn.Linear(model.fc.in_features, num_classes) criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) for epoch in range(epochs): for images, labels in train_loader: outputs = model(images) loss = criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step()逻辑说明：先加载在 ImageNet 上预训练过的 ResNet18，把最后一层全连接顺滑替换成自己的类别数。因为特征抽取层已经学好，训练时只需要让新的全连接层和最后一组残差块适应垃圾图片就行。CrossEntropyLoss是分类任务的标准损失，Adam是主流优化器，新手不需要去深究里面的动量公式，先跑通再调。
参数经验值：batch size 在 16 到 32 之间比较稳。显存只有 4G 用 16，6G 以上用 32。学习率0.001是 Adam 的常见起点，如果你换用 SGD，学习率通常要设成0.01或0.005。epochs 不要一上来就设 100，垃圾分类这种中小规模数据集，30 轮以内就能看到过拟合迹象。我习惯每轮跑完后在验证集上算一次准确率，只保存最高准确率的权重。
3.3 用训练好的权重做单张图片与摄像头识别
模型训练完最终落地是“拿一张图丢进去，出来一个类别”。写预测脚本时，最关键的坑是训练时的预处理和推理时的预处理必须完全一致。很多人训练时用了Resize、Normalize，推理时忘记加，导致结果全偏。
import torch from PIL import Image from torchvision import transforms transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) model.load_state_dict(torch.load('best.pth', map_location='cpu')) model.eval() with torch.no_grad(): img = Image.open('test.jpg').convert('RGB') input_tensor = transform(img).unsqueeze(0) output = model(input_tensor) pred = output.argmax(dim=1).item()逻辑要点：model.eval()会关闭 Dropout 和 BatchNorm 的训练状态，这能避免推理时结果抖动。torch.no_grad()让 PyTorch 不保存计算图，推理速度会快不少，内存占用也低。unsqueeze(0)是为了把三维的C×H×W张量变成四维的N×C×H×W，因为网络要求输入带 batch 维。
摄像头识别是另一个常见演示需求，核心就是帧循环。我一般用 OpenCV 打开摄像头，每一帧取出来先缩小再送入模型，识别的结果绘制在画面上。注意帧率不要要求太高，CPU 上每帧处理 0.3 到 0.5 秒是正常的，观感会有点卡，但演示够用了。如果你的课设要求实时性，建议把图像分辨率降到 192×192，或者干脆用 MobileNet 替换 ResNet。
4. 踩坑与排查：新手最容易翻车的 5 个地方
4.1 数据集路径中文名导致加载失败
现象：代码在本地 IDE 里反复横跳，dataset = datasets.ImageFolder('data/train')时明明存在路径，却报FileNotFoundError或解压后运行时读到一半停了。更诡异的是同一个代码换个环境又正常。
原因：多数是数据集文件夹或图片文件名带中文，Windows 的编码和 PyTorch 的 DataLoader 多进程编码冲突。另外备注过一个常见情况：有些同学把数据集放在C:\用户\张三\桌面\垃圾分类项目\data\train，这样的路径在代码里硬编码，换到别的电脑就必然报错。
解决：把整个项目路径改成纯英文，比如D:\garbage_project\data\train；把中文类别目录改成英文目录，维护一个映射表；路径不要写绝对路径，统一用相对路径。具体做法是在项目根目录下建一个config.yaml或者直接在train.py顶部用BASE_DIR = Path(__file__).parent获取项目根目录，再拼数据路径，这样无论别人解压到哪里都能跑。
4.2 图片尺寸不一致导致训练崩溃
现象：训练到中途RuntimeError: stack expects each tensor to be equal size，或者某个 batch 直接失败，提示Expected tensor to be a CPU tensor这类很抽象的信息。看日志会发现前几轮没问题，后面换了一批图就崩。
原因：数据集里有不同宽高比的图片。虽然transforms.Compose里有Resize((224, 224))，但如果有些源码用的是transforms.Resize(224)，这个操作只会把短边缩放到 224，长边保持比例不变，最终得到的图片尺寸不一致，PyTorch 在组成 batch 时无法堆叠。
解决：统一用Resize((224, 224))确实能避免尺寸不一致，但会拉伸图片造成变形。更好的做法是先用Resize(256)把短边统一，再用CenterCrop(224)，这样裁剪出来的内容更自然，而且尺寸一定是 224。如果你手里的源码是两种预处理混用，建议直接改成一个固定的 transform。
transform_train = transforms.Compose([ transforms.Resize((256, 256)), transforms.CenterCrop(224), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])参数说明：这里先缩放到 256，再中心裁剪到 224，是为了保留一定的随机裁切空间，也兼容不同尺寸的原图。RandomHorizontalFlip是常用的数据增强，对垃圾分类这类方向无关的任务安全。
4.3 CUDA 与 PyTorch 版本不匹配导致训练时黑匣子报错
现象：安装完 torch 后运行torch.cuda.is_available()返回 False，或者训练一使用.cuda()就报CUDA runtime error: invalid device function。
原因：最常见的是 PyTorch 官方包要求的 CUDA 版本和你机器显卡驱动支持的最高版本不一致，或者你装了 CPU 版 torch 又幻想能用 GPU。还有一种情况是在一个环境里混装了torch和torchvision的不同版本，二者 ABI 不兼容。
解决：先跑三行命令确认环境：
python -c "import torch; print(torch.__version__)" python -c "import torch; print(torch.cuda.is_available())" nvidia-smi第一步看 torch 版本，第二步看 GPU 可用性，第三步看驱动支持的 CUDA 版本。如果第三步显示的比你安装的 PyTorch 对应版本低，就去官网换一个更低的cu包。如果第二步是 False，而你确认驱动没问题，说明装的是 CPU 包，卸载重装：
pip uninstall torch torchvision pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121注意：CUDA 版本要匹配，不是越高越好。比如你的显卡驱动只支持 CUDA 11.8，强行装 cu121 的包，程序启动时报错也很麻烦。做课设没有 GPU 就老实跑 CPU，垃圾图片量不大，ResNet18 在 CPU 上 30 轮也就几小时。
4.4 Loss 不下降的常见原因
现象：loss 一直在 2.3 左右徘徊，每轮结束都是同样数值，准确率上不去。
原因：如果你的类别数是四类，随机乱猜的损失的 log(4)=1.39 附近。loss 卡在 2.3 说明输出概率分布极端，通常是学习率太大导致梯度震荡，或者数据归一化有问题。更常见的一个低级错误是model.train()和model.eval()状态没切换，训练时使用了 BatchNorm 的训练状态，测试时效果全无。
解决：检查学习率，Adam直接从0.001降到0.0005试试；检查输入图片是否真的做了归一化，很多项目中忘了调transforms.Normalize，像素范围还在 0 到 255 之间，网络前端会被撑坏；检查数据打乱，DataLoader里设置shuffle=True，否则每轮都是相同批次顺序，优化方向单调。修复后再训练，loss 一般会在前 5 轮有肉眼可见下降，如果还没有，就把模型换小，从 ResNet18 换成两层卷积的自定义小网络，定位问题是不是在数据。
4.5 摄像头识别卡顿与 UI 线程卡死
现象：用 PyQt 或 tkinter 写界面，点击“打开摄像头”后窗口直接无响应，过几秒后弹出“Not Responding”。或者摄像头画面实时预览流畅，但一按识别按钮，画面冻结。
原因：这是典型的把耗时操作放在 UI 主线程的问题。PyQt 的窗口消息循环被模型前向推理阻塞，界面自然卡死。OpenCV 摄像头视频流本身是独立线程，推理占 CPU 太高，会导致预览线程拿不到帧。
解决：在 PyQt 里用QThread单独开推理线程，摄像头采集和模型推理分离。一个简化版本是这样的：
class InferenceThread(QThread): result_ready = pyqtSignal(str) def run(self): while not self.stop: ok, frame = cap.read() if ok: label = predict(frame) self.result_ready.emit(label)逻辑说明：QThread的子类负责摄像头读取和推理，通过pyqtSignal把结果发回主线程更新界面，主线程只负责画界面，永远不阻塞。参数上要注意cap.read()设置cv2.CAP_PROP_BUFFERSIZE为 1，减小缓冲区堆积，否则推理速度慢时画面延迟越来越严重。
5. 把项目包装成高分课设：界面、文档与演示
5.1 用 PyQt 搭一个能演示的垃圾分类窗口
很多源码包里的 GUI 是用 tkinter 写的，虽然能用，但答辩观感一般。如果你有多余时间，我会建议换成 PyQt 或者干脆加一个 Gradio 网页界面，效果非常加分。Gradio 代码特别短，很适合做现场演示：
import gradio as gr def classify(image): result = predict(image) return f"垃圾分类结果：{result}" gr.Interface(fn=classify, inputs=gr.Image(type="pil"), outputs="text").launch()关键点是inputs=gr.Image(type="pil")，这样 Gradio 会把上传的图片转换成 PIL Image 对象，直接和你的predict函数对接。launch()默认启动一个本地网页，答辩时可以提前打开浏览器，现场拖图片进去就能看结果。Gradio 的优点是零界面代码，缺点是打包成 exe 会麻烦一点。如果你想交一个独立可执行文件，还是老老实实用 PyQt。
5.2 说明文档里必须写清楚的三张表
高分项目和普通项目的差别通常在文档。除了常规的系统架构图和功能截图，我建议你额外做三张表：
第一张是“模型对比表”，列出不同模型在相同验证集上的准确率、参数量、推理耗时。可以用现成的权重快速跑一遍，比如 ResNet18、ResNet50、MobileNetV2。这张表能证明你做过选型分析，不是随手抄一个网络。
第二张是“类别识别效果表”，每一类垃圾统计精确率、召回率和 F1-score。这张表能暴露你对类不均衡问题的理解，比如“金属类识别好但塑料瓶和玻璃瓶经常混淆”，然后你在文档里写一句“后续用难例挖掘解决”，这就是加分项。
第三张是“参数配置表”，记录学习率、batch size、优化器、数据增强操作。不要写成“参数设置如下”，而是写上“为什么这样设置”。老师问到你的时候，你能说出依据，比任何华丽的界面都管用。
5.3 现场演示的细节准备
演示最容易翻车的不是模型，而是环境。我参加过不少答辩现场，最常见的情况是投影仪分辨率到不了界面预设的大小，窗口显示不全；或者是演示机器上没有安装摄像头驱动；或者是现场网络不稳定，Gradio 打开后黑屏。
解决办法是准备两套演示路径：一套是本地图片识别，预先在项目根目录放 10 张不同类型垃圾的测试图，双击就能出结果；另一套是摄像头实时识别，但要在自己电脑上提前测通。如果你的模型对摄像头拍的照片分类效果明显不如单反拍的测试图，原因在于训练集里缺少手机拍摄的模糊、暗光、强曝光图片，答辩前补拍几张放进训练集并重训几轮也是值得做的。
另外，提前把predict.py改成命令行接收入参的形式，演示时可以直接在终端输入python predict.py --image bottle1.jpg，比鼠标点按钮更快、更不容易卡顿。老师看到你连给的图都能跑出正确类别，印象分会好很多。
6. 进阶技巧：把固定模型变成可扩展的分类服务
6.1 用 JSON 配置文件管理类别映射
训练好模型后，类别序号和中文名的映射关系经常是硬编码在代码里的，比如0:'可回收物', 1:'有害垃圾'。这种写法最怕重新训练，一旦数据集的类别顺序变化，你得去核对着改。我通常会抽出label_map.json：
{ "0": "可回收物", "1": "有害垃圾", "2": "厨余垃圾", "3": "其他垃圾" }然后在代码里用json.load读进来，任何地方都不再直接写字面量。这样以后想增加“金属瓶、纸箱”新类别，只需要扩展数据集并在 JSON 里补一项，训练和预测代码一行不用改。
6.2 加一个简单的置信度阈值与二次判别
模型输出的 softmax 概率并不总是可靠，实际里你会发现“纸箱”和“塑料瓶”很像的时候，模型会给很低置信度，但 argmax 依然选出一个答案。为了避免现场演示时丢人，我给预测函数加一个置信度阈值：
softmax = torch.nn.functional.softmax(output, dim=1) score, index = torch.max(softmax, dim=1) if score.item() < 0.6: print("置信度不足，请更换角度或重新拍摄") else: print(label_map[str(index.item())])参数说明：0.6 是个经验值。如果类别之间很模糊，可以调到 0.7；如果模型准确率不高，调高了会导致大量图片识别不了，反而尴尬。要处理效果不佳时，一个常见做法是在低置信度时对图片做中心放大和水平翻转两次推理，取平均概率。这个“测试时数据增强”能稳定提高指标，代码也很短。
6.3 把模型导出成 ONNX 并用 CPU 推理提速
如果最终交付不希望装 PyTorch 全套依赖，或者需要在纯 CPU 机器上以更低延迟运行，可以把模型导出成 ONNX，再用 ONNX Runtime 推理。导出的命令很简单：
import torch.onnx model.load_state_dict(torch.load('best.pth', map_location='cpu')) model.eval() dummy_input = torch.randn(1, 3, 224, 224) torch.onnx.export(model, dummy_input, 'garbage.onnx', input_names=['input'], output_names=['output'], dynamic_axes={'input': {0: 'batch'}, 'output': {0: 'batch'}})注意dynamic_axes里的{0: 'batch'}表示 batch 维度是动态的，这样处理单张或多张图片都行。ONNX 模型比 PyTorch 原模型占内存少，推理速度在 CPU 上能提升约两成。真正跑起来时，用 onnxruntime 的代码比 PyTorch 更简洁：
import onnxruntime as ort sess = ort.InferenceSession('garbage.onnx', providers=['CPUExecutionProvider']) output = sess.run(None, {'input': input_tensor.numpy()})这里providers参数直接指定 CPU，避免 Windows 上找不齐 CUDA 的 DLL 导致报错。如果后续想用 GPU，把providers改成['CUDAExecutionProvider']就行，前提是安装的 onnxruntime-gpu 版本与 CUDA 匹配。
做垃圾分类项目做多了，我养成的习惯是每换一次数据，就重新推一遍同样代码，确认不是“换张图就炸”。真正让项目高分的不是那个 zip 名字，而是你亲手调参、踩坑、排错的过程。导出 ONNX 这个技巧可能不常用，但多花半小时做一次，面试或答辩时你能多讲一个别人讲不了的细节。希望这个方向的落地步骤能帮到你，动手跑通之后，你会发现图像分类的通用套路也就这么多，剩下的路都是数据。
本文还有配套的精品资源，点击获取
