基于PyTorch的核桃好坏识别：从数据采集到ResNet-18训练全流程

1. 项目背景与选型思路

做了这么多年深度学习相关的项目，有一个感触特别深：很多同学做毕业设计，不是卡在模型不会写，而是卡在“不知道一个正经的深度学习项目到底应该长什么样”。核桃好坏识别这个题目，听起来好像就是“拿个模型跑一下”，实际上它是一个非常标准的图像分类全流程项目，而且由于数据集小、任务明确、落地场景清晰，特别适合用来完整展示数据采集、模型训练、调参与评估的全链路能力。

这个项目要解决的核心问题，是替代人工分拣核桃的环节。传统的人工分拣依赖老师的经验和眼力，效率低不说，标准还不统一——今天觉得这个核桃是好的，明天可能就觉得有点瑕疵。用深度学习做这件事，本质上是把“人眼判断”转化为“卷积网络自动提取特征并分类”。从技术上拆解，它就是一个标准的二分类图像任务：输入一张核桃照片，输出“好核桃”或“坏核桃”的置信度。

我在实际搭建这套系统时，整体技术栈选的是Python 3.8 + PyTorch 1.10 + OpenCV，目标检测部分用到了YOLOv5的权重做辅助定位，但核心分类网络是自己写的ResNet-18变体。为什么不用现成的预训练模型直接做特征提取然后接个分类头？原因后面会细说。但先给结论：对这个任务来说，从零训练一个小型卷积网络，或者微调一个轻量级预训练模型，效果其实差距不大，关键在数据处理和训练策略。

2. 数据采集与数据集构建

2.1 图像采集的环境与设备要求

核桃好坏识别这个任务，数据采集是一个极其容易被低估的环节。我在指导模拟项目X时发现，绝大多数同学的第一个错误，是用手机随手拍一堆照片，然后直接丢给模型训练。这样做出来的模型，训练集准确率可能很高，一到实际场景就崩，原因很简单：训练时的图像分布和实际使用时的图像分布不一致。

我建议的采集方式是固定机位、固定光源、固定背景。具体来说，用一块纯色亚克力板作为背景，用两个LED光源从左右45度方向打光，手机或摄像头固定在正上方约30厘米处。每颗核桃拍一张俯视图，确保核桃在整个画面中占比超过70%。这样做的好处有三个：一是减少了背景噪声对特征提取的干扰；二是让模型真正聚焦在核桃本身的纹理、颜色、形状特征上；三是后期的数据增强操作（如旋转、平移）更不容易产生异常样本。

2.2 数据清洗与标注规范

采集完成后，先做一轮人工筛选。模糊的、过曝的、核桃不在画面中央的图片，直接删除。这里有一个我踩过的坑：核桃表面有灰尘或者反光，会导致模型学到“反光区域”这种伪特征。所以采集时最好用干布擦拭核桃表面，或者用软毛刷清理灰尘，减少无关干扰。

标注环节，建议用LabelImg或者直接按文件夹分类。我的做法是建立train/good和train/bad两个文件夹，好核桃放到good目录，坏核桃放到bad目录。坏核桃的定义务必明确：霉变、虫蛀、开裂、果仁发黑都算坏核桃；但表面有少量泥土、颜色不均匀的不算。如果你的坏核桃样本里混入了大量“只是脏但内里完好”的核桃，模型就会在你的定义边界上产生混淆。

为了让大家直观理解，我列一个参考标注标准：

2.3 数据增强策略与样本平衡

样本不平衡是二分类任务里非常容易暴雷的问题。假设你采集了800张好核桃照片，只有200张坏核桃照片，模型训练出来的结果大概率是“看到什么都像好核桃”，因为只要全部预测为好核桃，准确率就已经有80%。解决这个问题的思路有两个方向：一是继续采数据，二是做数据增强。

我的做法是先用图像翻转、旋转、亮度对比度调整、高斯噪声等基础操作，把坏核桃的样本量扩充到与好核桃大致相当。注意不要对坏核桃做过于激进的增强，比如随机裁剪或大幅旋转，因为坏核桃的特征本身就很细微——霉斑可能只在核桃的一小片区域，裁剪过头会把关键特征裁掉。

实际训练时，我还会用PyTorch的torchvision.transforms在加载数据时做在线增强。比如随机水平翻转、随机旋转30度、颜色抖动。这些操作增加了泛化能力，但不增加存储开销。最终数据集规模在2000张左右，划分比例为训练集:验证集:测试集 = 7:2:1，确保测试集与训练集完全无重叠。

3. 卷积网络模型设计与选型

3.1 为什么选择卷积神经网络

核桃好坏识别的本质是图像分类，而卷积神经网络（CNN）天然适合这个任务。CNN通过卷积核在图像上滑动提取局部特征，底层捕捉边缘、纹理、颜色变化，高层组合成“霉斑”“裂纹”这种语义特征。相比传统机器学习方法（比如提取颜色直方图、纹理特征后丢给SVM），CNN最大的优势是特征自动学习，不需要人工设计特征算子。

如果非要用传统方法做核桃识别也能跑通，但效果上限很低。核桃的霉斑形态千变万化，人工定义“什么是霉斑”几乎不可能覆盖所有情况。而CNN可以通过大量样本自动学到“颜色偏暗、纹理异常”的抽象特征，泛化能力要好得多。

3.2 网络结构选择：ResNet-18为主力

我对比过几类常见网络结构，结论如下表：

从项目角度来说，识别准确率是答辩时最直观的指标，所以我没有用自定义4层CNN——它的表达能力在核桃这种纹理复杂的目标上还是弱了一些。ResNet-50相比ResNet-18准确率提升只有0.5%，但训练时间几乎翻倍。考虑到这是一个毕业设计级别的项目，性价比最高的方案就是ResNet-18。另外，ResNet的残差结构解决了深层网络梯度消失问题，训练稳定性比VGG这类纯堆叠网络好很多，对新手更友好。

如果你的电脑没有GPU，MobileNetV3是个不错的选择——计算量小，准确率也在可接受范围内。NVIDIA显卡有CUDA环境的朋友，我建议直接上ResNet-18，体验一下标准CNN训练的完整流程，对理解深度学习帮助很大。

3.3 使用预训练权重还是从头训练

这是一个值得单独说的问题。对于ImageNet上预训练的ResNet-18，直接迁移学习通常能拿到不错的结果。但这里有一个潜在风险：ImageNet的数据分布和核桃图像差异很大，预训练网络提取到的底层特征（边缘、纹理）可以复用，但高层特征不一定完全匹配核桃的特性。

我的实际做法是：先加载ImageNet预训练权重，然后冻结前两层，只训练后面的层。这样训练速度更快，而且不容易过拟合。训练几个epoch之后，解冻所有层，用较小的学习率做全网络微调。这种做法兼顾了收敛速度和最终精度。如果追求代码简单，也可以直接全部参数参与训练，但需要更多的数据和更长的训练时间。

核心代码结构参考如下：

import torch.nn as nn import torchvision.models as models class WalnutClassifier(nn.Module): def __init__(self, num_classes=2): super(WalnutClassifier, self).__init__() self.backbone = models.resnet18(pretrained=True) in_features = self.backbone.fc.in_features self.backbone.fc = nn.Sequential( nn.Dropout(0.3), nn.Linear(in_features, 128), nn.ReLU(), nn.Linear(128, num_classes) ) def forward(self, x): return self.backbone(x)

这里的Dropout层很关键。在FC层前加一个0.3概率的Dropout，能有效缓解过拟合。特别是核桃数据集的规模通常只有几千张，全连接层的参数量一旦过大，非常容易把训练集“背下来”。大家对比一下：如果把最后一层直接改成Linear(512, 2)，不加任何正则，训练集准确率大概率冲上99%，但验证集可能只有90%。

4. 训练配置与调参实战

4.1 超参数配置逻辑

训练参数的设定直接决定了模型最终的效果。我在这类项目上常用的配置如下：

batch_size = 32 learning_rate = 0.001 epochs = 30 optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs)

batch size = 32是一个折中方案。对于ResNet-18，batch太小会导致梯度更新方向抖动剧烈，batch太大会占用过多显存，尤其在显存只有6GB左右的环境里。实际测试下来，32在训练速度和梯度的稳定性上平衡得最好。

学习率0.001是Adam优化器的经典默认值。如果你用的是SGD，建议设置0.01，并配合momentum=0.9。但Adam整体对新手友好很多——内置自适应学习率机制，不用频繁手动调整。

weight_decay（L2正则化）我习惯设置成1e-4，它相当于给每个权重加了一个“惩罚项”，迫使模型权重不会变得过大，从而降低过拟合风险。CosineAnnealingLR是余弦退火学习率调度器，它让学习率在训练过程中从初始值逐渐衰减到接近0，这样前期能快速收敛到较好的区域，后期能精细逼近最优点。

4.2 损失函数选择

二分类任务，首选交叉熵损失（CrossEntropyLoss）。PyTorch里可以直接这样用：

criterion = nn.CrossEntropyLoss()

需要注意的是，CrossEntropyLoss内部已经包含了Softmax操作，所以模型的最后一层不需要额外接Softmax。如果你的数据存在轻微不平衡，可以给损失函数加权重。比如坏核桃样本较少，可以设置：

criterion = nn.CrossEntropyLoss(weight=torch.tensor([1.0, 1.5]))

这里的意思是：类别0（好核桃）的损失权重是1.0，类别1（坏核桃）的损失权重是1.5。相当于惩罚模型“把坏核桃错分成好核桃”的力度更大，引导训练过程更关注少数类。不过这里有一个注意点：加权重会让模型倾向于预测少数类，可能带来误报率的上升，所以只能在轻微不平衡时使用，差异超过1:3时优先考虑数据增强。

4.3 训练脚本与日志监控

训练脚本的写法对排查问题很有帮助。我的习惯是每个epoch记录训练损失、训练准确率、验证损失、验证准确率，并且同时打印出来。这样可以实时观察模型是收敛还是发散。

for epoch in range(epochs): model.train() train_loss = 0.0 train_correct = 0 total = 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() train_loss += loss.item() * images.size(0) _, predicted = torch.max(outputs, 1) train_correct += (predicted == labels).sum().item() total += labels.size(0) avg_train_loss = train_loss / total train_acc = 100.0 * train_correct / total print(f"Epoch [{epoch+1}/{epochs}] train_loss: {avg_train_loss:.4f} train_acc: {train_acc:.2f}%")

这里我要特别强调模型训练模式和评估模式的切换：

model.eval() with torch.no_grad(): # 验证集推理代码

model.eval()会关闭Dropout和BatchNorm的统计更新，如果不调用它，验证时的结果会因为Dropout随机丢弃神经元而不稳定，BatchNorm也会使用不正确的均值和方差。with torch.no_grad()是关闭梯度计算，一方面省内存，另一方面显著提升推理速度。很多新手在这两个地方出问题，导致验证结果忽高忽低，误以为模型训练有问题。

4.4 过拟合的识别与应对

训练时最常遇到的情况是：训练损失持续下降，验证损失先降后升。这就是典型的过拟合信号。应对手段优先级我排一下：

第一，增加数据增强强度。比如把随机旋转从15度提升到30度，随机亮度调整范围增大。第二，提高weight_decay从1e-4到5e-4。第三，减小模型容量，删掉FC层的中间隐藏层，直接用Linear(512, 2)。第四，Early Stopping——当验证集准确率连续5个epoch没有提升时，停止训练并保存最佳模型。

我的实操中，验证集准确率通常在epoch 12到18之间达到峰值，之后会缓慢下降或震荡。因此Early Stopping的patience设置为5是一个合理选择。模型保存策略上，不要保存最后一个epoch的权重，而是保存验证集准确率最高时的权重：

if val_acc > best_acc: best_acc = val_acc torch.save(model.state_dict(), "best_walnut_model.pth")

5. 模型评估与推理部署

5.1 分类指标与混淆矩阵分析

训练结束后，最重要的事情不是看“验证集准确率有多高”，而是把测试集的混淆矩阵打出来。因为准确率会掩盖类别不平衡的问题——如果测试集里90%是好核桃，那么你全预测成好核桃也有90%准确率，看起来挺好，实际上一无是处。

以我的项目为例，测试集160张图片（80张好核桃、80张坏核桃），最终模型的混淆矩阵如下：

整体准确率 = (77+75)/160 = 95%。精确率（Precision）和召回率（Recall）分别计算一下：好核桃的精确率是77/(77+3)=96.25%，召回率是77/(77+5)=93.90%。坏核桃的精确率是75/(75+5)=93.75%，召回率是75/(75+3)=96.15%。这两个类别在关键指标上相差不大，说明模型没有严重偏向某一类，训练策略是有效的。

用scikit-learn几行代码就能输出完整报告：

from sklearn.metrics import classification_report, confusion_matrix y_pred = [] y_true = [] model.eval() with torch.no_grad(): for images, labels in test_loader: images = images.to(device) outputs = model(images) _, predicted = torch.max(outputs, 1) y_pred.extend(predicted.cpu().numpy()) y_true.extend(labels.numpy()) print(confusion_matrix(y_true, y_pred)) print(classification_report(y_true, y_pred, target_names=["bad", "good"]))

5.2 推理代码与单张图片预测

为了在答辩演示的时候能实时展示识别效果，我额外做了一个简易的推理脚本。输入一张核桃图片，输出该图片属于好核桃和坏核桃的概率值。核心代码如下：

import torch from PIL import Image import torchvision.transforms as transforms def predict_image(image_path, model, device): 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]) ]) image = Image.open(image_path).convert("RGB") image = transform(image).unsqueeze(0).to(device) model.eval() with torch.no_grad(): outputs = model(image) probabilities = torch.softmax(outputs, dim=1) _, predicted = torch.max(outputs, 1) return predicted.item(), probabilities.cpu().numpy()

标准化用的mean和std必须和训练时完全一致，否则推理结果会偏移。这个问题我在最初做部署时踩过，大家务必注意：保存的模型权重本身不包含transforms信息，推理时必须手动复现训练时的预处理流程。如果训练时用了Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])，推理时却用了ImageNet的标准化参数，模型预测结果会变得一塌糊涂。

5.3 界面化展示方案

纯粹的命令行预测虽然能用，但在毕业设计答辩时略显单薄。我在这个项目里用一个简单的Gradio界面封装了推理逻辑，这样评委老师可以直接上传一张核桃图片，立刻看到分类结果和置信度。Gradio的代码非常简洁：

import gradio as gr def classify(image): pred, prob = predict_image(image, model, device) return {"good": float(prob[0][1]), "bad": float(prob[0][0])} gr.Interface( fn=classify, inputs=gr.Image(type="pil"), outputs=gr.Label(num_top_classes=2), title="核桃好坏识别系统" ).launch()

这里有一个细节：gradio的Image组件默认会把图片转成PIL格式，但如果type设为"numpy"，你需要确保后续的预处理流程兼容numpy数组格式，否则会遇到类型不匹配的报错。另外，launch()默认会启动本地服务器，如果你想在答辩时给手机端演示，可以加server_name="0.0.0.0"参数。

6. 项目打包与毕业设计答辩要点

6.1 项目目录结构与内容组织

答辩时，老师大概率会检查你的项目文件结构是否规范。一个清晰的项目目录会让老师觉得你工程素养不错。我的推荐目录结构如下：

walnut_classifier/ ├── data/ │ ├── raw/ # 原始采集图像 │ ├── processed/ # 清洗筛选后的图像 │ ├── train/ # 训练集 │ │ ├── good/ │ │ └── bad/ │ ├── val/ # 验证集 │ └── test/ # 测试集 ├── models/ │ ├── resnet18_walnut.py │ └── best_walnut_model.pth ├── utils/ │ ├── dataset.py # 自定义数据集类 │ ├── train.py # 训练脚本 │ └── predict.py # 推理脚本 ├── docs/ │ ├── 需求说明.md │ ├── 实验记录.md │ └── 答辩PPT素材.md ├── requirements.txt └── README.md

6.2 答辩展示的核心内容

答辩时间通常只有10到15分钟，你不应该把时间花在读代码上，而是重点说明三个方面：

第一，为什么用深度学习方法解决核桃识别问题。可以结合人工分拣的痛点，讲清楚深度学习自动学习特征的优势，以及与传统图像处理（阈值分割、边缘检测）的对比。第二，数据是怎么处理的。讲你的采集环境标准、清洗流程、增强策略，以及这些操作如何影响最终效果。第三，训练过程中做了哪些调优。这个最容易被忽略但也最加分——比如提一下早期出现过拟合，你是通过增加Dropout和正则化系数把验证集准确率从91%提升到95%的，这种真实经历远比背结论有说服力。

6.3 常见问题与排查技巧

在实际运行项目时，我遇到并解决过的几个典型问题，整理成一个速查表供大家参考：

6.4 项目的进一步扩展方向

核桃识别只是一个起点。我在完成模拟项目X之后发现，同样的技术栈可以轻松迁移到其他农产品检测场景，比如花生霉变检测、大米品质分级、苹果表面瑕疵检测等。只需要更换数据集和微调模型结构即可，因为底层核心还是“图像特征提取 + 分类器”。

另一条扩展路径是引入目标检测算法。比如先用YOLOv5定位画面中的核桃（属于哪颗核桃），再对每个核桃截取图像块输入到分类网络判断好坏。这样做可以让系统适应复杂背景，而不仅仅是固定拍摄台面。如果未来要面向工业场景落地，这是必不可少的一步。

我还试过把这个项目的关键结构改成MobileNetV3后部署到手机端，推理时间从几十毫秒增加到约两百毫秒，但精度损失极小。这说明这类模型完全有潜力做成一个嵌入式的核桃分拣系统，通过树莓派加摄像头加舵机实现自动分拣。这个方向如果展开，可以直接变成一个硬件与算法结合的毕业设计，含金量会进一步提升。

7. 实操总结与个人经验分享

核桃好坏识别这个项目做下来，我的整体感受是：它看起来是一个“小而美”的题目，但麻雀虽小五脏俱全。从数据采集到模型部署，每一个环节都会遇到真实的工程问题，而这些问题的解决过程就是毕业设计最核心的价值所在。

我个人在实际操作中的体会是，最容易出彩的环节不在于模型的trick，而在于数据制作的认真程度。很多同学花大量时间调整网络结构，却发现效果不如隔壁同学随便跑的预训练模型，原因往往就是数据处理粗糙。一颗核桃在画面里的位置偏了、角度奇了、光线暗了，都会对结果造成巨大影响。

最后再分享一个小技巧：模型训练时一定要记录每次实验的超参数和对应结果，哪怕只是保存在一个Excel表里。这样答辩的时候，你能拿出“学习率从0.01降到0.001后准确率提升了3%”这样的真实数据，这比说任何理论都更有说服力。项目的技术栈、代码逻辑和部署方案都是可以复用的，如果有朋友想拿这个项目练手，直接从本文的数据采集标准和训练配置开始，会少走很多弯路。