简介：这份资源是面向高校学生与机器学习初学者的课程设计级项目源码，围绕Python垃圾分类系统展开，帮助读者在真实场景中理解监督学习从数据到部署的完整链路。压缩包共32个文件，约2.26MB，以jpg、jpeg、png图像样本与xml标注为主，辅以4个py脚本、xls评估结果及iml工程配置，覆盖数据、训练与结果记录各环节。项目涉及scikit-learn、numpy、pandas、OpenCV等库，内容涵盖图像预处理、颜色与纹理特征工程、PCA降维、决策树/随机森林/SVM/KNN及MobileNet迁移学习等模型训练，并通过准确率、召回率、F1分数与混淆矩阵完成评估，最终借助Web框架实现图片上传识别。已有772人学习，适合作为课程设计参考或机器学习入门实战模板，便于快速复现与二次开发。
1. 从一份「机器学习课程设计」说起：Python 垃圾分类系统到底在做什么
期末周前两周，实验室里最常见的一幕是：有人抱着「机器学习课程设计」的题目发愁，选题写着「Python 垃圾分类系统源码.zip」，打开一看要么跑不起来，要么准确率惨不忍睹，要么干脆只有一堆.py文件没有权重。这个标题背后其实是一个很典型的落地任务——用 Python 搭一套能识别垃圾类别的图像分类系统，输入一张照片，输出「可回收物 / 厨余垃圾 / 有害垃圾 / 其他垃圾」四类中的一类。它解决的不是「垃圾分类」这个社会问题本身，而是让你在有限时间内跑通一条完整的机器学习流水线：数据准备、模型训练、推理封装、界面展示。适合谁？适合正在做机器学习课程设计、想拿一个能演示能答辩的项目、又不想从零造轮子的同学，也适合刚入门想找一个端到端小项目练手的开发者。下面我按自己踩过的路，把这条流水线拆开讲清楚。
2. 先想清楚技术选型：为什么是迁移学习而不是从零训 CNN
2.1 四分类任务的真实难度与数据规模
垃圾分类图像分类看着简单，实际有几个坑：类间差异小（比如用过的纸巾到底算厨余还是其他，各地标准还不一样），类内差异大（一个塑料瓶可以是完整的、压扁的、带标签的），背景杂乱（拍摄环境从桌面到垃圾桶都有）。如果你打算从零训练一个 CNN，至少需要每类几千张标注图，还要调很久。课程设计的时间通常只有一到两周，自己爬数据、清洗、标注根本来不及。所以主流做法是迁移学习：拿一个在 ImageNet 上预训练好的骨干网络，冻结大部分层，只训练最后的分类头。常见选择是 ResNet18/50、MobileNetV3、EfficientNet-B0。ResNet18 参数量约 11M，单张 1080Ti 上推理几毫秒，课程设计够用；MobileNetV3 更轻，适合后面要部署到树莓派或手机的场景。
2.2 数据集从哪来：公开集 + 自采的混合策略
公开的垃圾分类数据集质量参差，常见的有 TrashNet（6 类约 2500 张）、华为云垃圾分类大赛数据、以及一些 Kaggle 上的中文垃圾数据集。我的建议是：先用公开集把流程跑通，再补拍 200～300 张自己场景的图做微调。目录结构按ImageFolder的约定来，这是最省事的：
dataset/ ├── train/ │ ├── recyclable/ # 可回收物 │ ├── kitchen/ # 厨余垃圾 │ ├── hazardous/ # 有害垃圾 │ └── other/ # 其他垃圾 └── val/ ├── recyclable/ ├── kitchen/ ├── hazardous/ └── other/每个类别文件夹名就是标签名，torchvision.datasets.ImageFolder会自动按文件夹名映射成 0/1/2/3。注意类别顺序是按文件夹名字母序排的，hazardous会排在kitchen前面，后面写推理代码时标签列表必须和这个顺序一致，否则会出现「模型说可回收、界面显示有害」的玄学 bug。
2.3 训练脚本：冻结骨干 + 替换分类头的最小实现
下面这段是能直接跑的核心训练代码，基于 PyTorch。关键点是加载预训练权重、替换fc层、只优化分类头参数。
import torch import torch.nn as nn from torchvision import datasets, models, transforms from torch.utils.data import DataLoader # 数据增强：训练集用随机裁剪翻转，验证集只做 resize 和归一化 train_tf = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) val_tf = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) train_ds = datasets.ImageFolder('dataset/train', transform=train_tf) val_ds = datasets.ImageFolder('dataset/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 ResNet18，替换最后的全连接层为 4 分类 model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) for param in model.parameters(): param.requires_grad = False # 先冻结全部 model.fc = nn.Linear(model.fc.in_features, 4) # 新层默认 requires_grad=True device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) criterion = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-3) for epoch in range(15): model.train() for imgs, labels in train_loader: imgs, labels = imgs.to(device), labels.to(device) optimizer.zero_grad() loss = criterion(model(imgs), labels) loss.backward() optimizer.step() # 每轮验证 model.eval() correct = total = 0 with torch.no_grad(): for imgs, labels in val_loader: imgs, labels = imgs.to(device), labels.to(device) pred = model(imgs).argmax(1) correct += (pred == labels).sum().item() total += labels.size(0) print(f'epoch {epoch}, val_acc={correct/total:.4f}') torch.save(model.state_dict(), 'trash_resnet18.pth')逻辑说明：requires_grad=False冻结骨干，只有新fc层参与训练，这样 15 轮就能收敛，显存占用也小。lr=1e-3是分类头常用的起点，如果验证准确率震荡就降到 3e-4。batch_size=32在 8G 显存上跑 224×224 没问题，显存不够就降到 16。归一化用的均值方差是 ImageNet 的标准值，别自己乱改，否则预训练权重的特征分布对不上，准确率会掉一截。训练完保存的是state_dict，推理时要先重建同样的网络结构再load_state_dict。
3. 推理封装与界面：让答辩现场能点一下就跑
3.1 单张图片推理函数与标签顺序对齐
训练完只是第一步，答辩时老师要看的是「我传一张图，它告诉我是什么垃圾」。推理脚本要处理好三件事：模型结构重建、权重加载、标签顺序。下面这个函数可以直接复用：
import torch from torchvision import models, transforms from PIL import Image # 标签顺序必须和 ImageFolder 的字母序一致 CLASSES = ['hazardous', 'kitchen', 'other', 'recyclable'] CN_NAME = { 'hazardous': '有害垃圾', 'kitchen': '厨余垃圾', 'other': '其他垃圾', 'recyclable': '可回收物', } def load_model(weight_path='trash_resnet18.pth'): model = models.resnet18(weights=None) model.fc = torch.nn.Linear(model.fc.in_features, 4) model.load_state_dict(torch.load(weight_path, map_location='cpu')) model.eval() return model def predict(img_path, model): tf = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) img = Image.open(img_path).convert('RGB') x = tf(img).unsqueeze(0) # 加 batch 维度 with torch.no_grad(): prob = torch.softmax(model(x), dim=1)[0] idx = prob.argmax().item() return CN_NAME[CLASSES[idx]], prob[idx].item() if __name__ == '__main__': m = load_model() label, score = predict('test.jpg', m) print(f'预测：{label}，置信度 {score:.3f}')CLASSES的顺序是血泪经验：如果你训练时文件夹叫recyclable/kitchen/hazardous/other，字母序排出来是hazardous, kitchen, other, recyclable，推理时标签列表写错，模型明明预测对了，显示出来却是错的，这种 bug 能查一下午。map_location='cpu'是为了在没有 GPU 的答辩电脑上也能加载。unsqueeze(0)补上 batch 维度，因为模型 forward 期望输入是[N, C, H, W]。
3.2 用 Gradio 三行代码搭一个能演示的界面
课程设计答辩最忌讳只给命令行。用 Gradio 可以几分钟做出一个网页界面，老师扫码就能玩：
import gradio as gr model = load_model() def classify(img): # Gradio 传进来的是 numpy 数组，转成 PIL from PIL import Image pil = Image.fromarray(img) tf = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), ]) x = tf(pil).unsqueeze(0) with torch.no_grad(): prob = torch.softmax(model(x), dim=1)[0] idx = prob.argmax().item() return {CN_NAME[CLASSES[i]]: float(prob[i]) for i in range(4)} gr.Interface(fn=classify, inputs=gr.Image(), outputs=gr.Label(num_top_classes=4), title='垃圾分类识别').launch()gr.Label输出的是各类别概率字典，界面上会显示成条形图，比单纯打印一个类别更有说服力。launch()默认起在127.0.0.1:7860，答辩时本机打开浏览器即可。如果要在局域网内让老师用手机访问，加server_name='0.0.0.0'，但注意别在公网环境随便开。
3.3 准确率上不去的三个调参方向
如果验证准确率卡在 70% 左右上不去，按这个顺序排查：第一，检查数据本身，用ImageFolder打印每类样本数，如果某类只有几十张，先补数据或做类别加权；第二，解冻骨干的后几层一起微调，把layer4的requires_grad设为True，学习率降到 1e-4，通常能涨 5～10 个点；第三，换更强的数据增强，比如RandomResizedCrop、ColorJitter，模拟拍摄时的光照和角度变化。别一上来就换模型，ResNet18 在几千张图上足够，换大模型反而容易过拟合。
4. 避坑与排查：那些让课程设计翻车的细节
4.1 现象：训练 loss 一直不降，准确率等于随机猜
原因通常是标签和输入没对上，或者归一化参数写错。ImageFolder的标签是按文件夹名字母序生成的，如果你手动写了个label_map又和它不一致，模型学到的就是错位的映射。解决：训练前打印train_ds.classes和train_ds.class_to_idx，确认顺序，推理时直接用这个class_to_idx反查，别自己手写列表。
4.2 现象：验证准确率很高，但自己拍的照片全错
这是典型的域偏移。公开数据集多是白底、单物体、正面拍摄，你自己拍的是桌面杂乱背景、侧面、有阴影。原因在于模型学到了背景特征而不是物体特征。解决：补拍 200 张自己场景的图加入训练集，或者用RandomResizedCrop加ColorJitter做更强的增强，逼模型关注物体本身。另一个技巧是推理时先做一次简单的中心裁剪，去掉边缘干扰。
4.3 现象：CUDA out of memory或者训练到一半卡死
batch_size太大或者num_workers设太高。8G 显存跑 ResNet18 + 224×224，batch_size=32是安全线，batch_size=64就可能爆。num_workers在 Windows 上设大于 0 有时会卡在第一个 epoch，设成 0 最稳，Linux 上设 4 没问题。解决：先降batch_size到 16，num_workers设 0，跑通再往上加。
4.4 现象：保存的模型加载时报Missing key(s) in state_dict
保存和加载的网络结构不一致。常见于训练时用了models.resnet18(weights=...)，推理时用了models.resnet18(weights=None)但忘了替换fc层，或者反过来多包了一层nn.DataParallel。解决：保存时存model.state_dict()而不是整个model，加载时先构建完全相同的结构再load_state_dict。如果训练用了DataParallel，保存的 key 会带module.前缀，加载时用{k.replace('module.', ''): v for k, v in sd.items()}去掉。
4.5 现象：Gradio 界面传图后报Expected 4D input
Gradio 的gr.Image()默认传进来是 numpy 数组，形状是[H, W, C]，而模型要的是[N, C, H, W]。解决：先Image.fromarray转 PIL，再走transforms，最后unsqueeze(0)。别直接把 numpy 数组喂给transforms.ToTensor()，它虽然也能处理，但通道顺序容易出问题。
5. 进阶技巧：把课程设计做成能写进简历的项目
课程设计如果只停在「跑通」，答辩完就忘了。想让它变成简历上能讲的东西，有两个方向可以加。第一个是模型量化与部署：用torch.quantization.quantize_dynamic把模型转成 int8，体积缩小到原来的四分之一，推理速度提升两三倍，然后写一个 Flask 接口，用requests压测一下 QPS。这个过程中你会真正理解「训练」和「推理」是两回事。第二个是错误分析：把验证集里预测错的图挑出来，按类别统计混淆矩阵，看看模型到底把「厨余」错认成「其他」还是「可回收」。我一般会写一段脚本把错分图存到errors/目录，按真实标签和预测标签命名，翻一遍就能发现数据里的标注噪声——有些图我自己都分不清，模型错了不冤。
# 混淆矩阵 + 错分图导出 from sklearn.metrics import confusion_matrix import numpy as np, os from PIL import Image model.eval() y_true, y_pred = [], [] os.makedirs('errors', exist_ok=True) with torch.no_grad(): for imgs, labels in val_loader: preds = model(imgs.to(device)).argmax(1).cpu() for i in range(len(labels)): y_true.append(labels[i].item()) y_pred.append(preds[i].item()) if labels[i] != preds[i]: # 保存错分图，文件名带真实和预测标签 img = imgs[i].permute(1, 2, 0).numpy() img = (img * [0.229, 0.224, 0.225] + [0.485, 0.456, 0.406]) * 255 Image.fromarray(img.astype('uint8')).save( f'errors/true{labels[i]}_pred{preds[i]}_{i}.jpg') print(confusion_matrix(y_true, y_pred))这段代码跑完，你会得到一张 4×4 的混淆矩阵和一堆错分图。混淆矩阵告诉你哪两类最容易混，错分图告诉你为什么混。我自己的经验是，厨余和其他这两类永远是重灾区，因为「用过的纸巾」「沾油的塑料盒」这种边界样本，人工标注都不一致。与其死磕模型，不如回头把这类样本单独拎出来，要么统一标注标准，要么在训练时给它们更高的损失权重。做完这一步，你的课程设计就不只是「调了个包」，而是有数据洞察的项目，答辩时老师问「你觉得哪里还能改进」，你就有话说了。
最后一个习惯：每次改完参数，把val_acc、lr、batch_size、是否解冻骨干记到一个experiments.md里。课程设计周期短，很容易改着改着忘了哪组参数最好，回头想复现都找不到。这个习惯我保持到现在，希望帮到你。
本文还有配套的精品资源，点击获取
