深度学习毕设实战：基于CNN的花卉枯萎识别项目全解析

深度学习毕设别再卷目标检测了，花卉枯萎识别这个方向，论文好写、答辩好讲、代码量适中，关键是你能完整走完“数据-训练-调优-部署”全流程。我前前后后带过好几个做类似项目的同学，也亲手复现过不少次，今天就把这个项目从选题到落地的完整思路、参数细节和踩坑记录全给你理一遍。

先给这个项目定个性：用Python写，基于CNN卷积神经网络，做花卉是否枯萎的二分类（或者多分类，比如健康、轻度缺水、重度枯萎），数据集就是各种花朵的图片。这个任务看起来小，但它把深度学习入门需要掌握的核心环节全串起来了——图像预处理、数据增强、卷积网络结构设计、训练调参、模型评估，甚至还能接一个简单的可视化界面。作为本科毕设或者课程项目，属于性价比很高的选择。

1. 项目整体设计与思路拆解

1.1 核心任务定义与技术路线选择

“识别花卉是否枯萎”，本质是一个图像分类任务。但同样做分类，你可以用传统机器学习（HOG特征+SVM），也可以用深度学习的预训练模型直接做迁移学习，或者自己从零搭一个浅层CNN。这里我强烈建议：自己搭建CNN为主，迁移学习为辅，两者都做，形成对比。

为什么这么设计？站在毕设答辩的角度看，如果直接用现成的ResNet50做迁移学习，准确率确实能到很高，但创新点和工作量看起来就很薄。而从零开始搭CNN，你能讲清楚每一个卷积层、池化层、全连接层的作用，能展示参数调整对结果的影响，这些在论文里都是非常直观的图表素材。同时，为了证明你的模型有改进空间，可以再跑一个迁移学习的对比实验，这就是典型的“两种方案对比”，论文结构立刻丰满起来。

任务本身的核心挑战有几个：花卉叶片枯萎的表征非常多样，有的是发黄，有的是卷曲，有的是下垂，有的只是色泽暗淡；光照条件、拍摄角度、背景复杂度也会引入大量干扰；再加上数据集规模往往不大（几百到几千张），这就会牵扯出数据增强、正则化、迁移学习等一系列问题。所以这个项目虽然入门，但想做好并不简单，恰恰适合作为毕设来展现你对问题域的理解深度。

1.2 技术栈选型与版本选择

技术选型方面比较固定，但也有几个细节值得注意：

Python 3.8~3.11 PyTorch 1.10~2.x（或 TensorFlow 2.x） OpenCV 4.x（图片读取与预处理） NumPy、Pandas（数据处理与统计分析） Matplotlib（训练曲线和混淆矩阵可视化） torchvision（预训练模型与常用数据集工具）

PyTorch和TensorFlow二选一，我更推荐PyTorch。原因很实际：毕设阶段你需要频繁调试模型结构、打印中间层输出、灵活修改训练逻辑，PyTorch的动态计算图调试体验更好，而且如果你后面想加注意力机制、自定义损失函数，PyTorch的生态资料也更多。不过如果你导师的主方向是TensorFlow系，那用TensorFlow也没问题，核心思路完全一致，只是API写法差异。

开发环境建议直接用Anaconda建虚拟环境，别一股脑装进base环境，后面包冲突了哭都来不及。实测下来PyTorch的CPU版和GPU版在推理速度上差距很大，训练哪怕只是几千张图的二分类任务，有GPU还是比CPU快得多，建议先确认实验室或者自己电脑有没有可用的NVIDIA显卡。

1.3 项目文件的模块化结构

项目别写成一个大脚本，后面改起来贼痛苦。建议从一开始就按模块拆分：

flower_wilt_detection/ ├── data/ │ ├── raw/ # 原始图片 │ ├── processed/ # 划分后的训练集/验证集/测试集 │ └── augmented/ # 增强后的图片（可选） ├── src/ │ ├── dataset.py # 数据加载与预处理 │ ├── model.py # CNN模型定义 │ ├── train.py # 训练脚本 │ ├── evaluate.py # 评估与可视化 │ └── predict.py # 单张图片推理 ├── checkpoints/ # 模型权重保存 ├── logs/ # 训练日志 └── requirements.txt

这种结构的好处是后期写论文、画流程图、做演示的时候想改哪里改哪里，而且显得工程化能力在线。

2. 数据集构建与预处理策略

2.1 数据来源与标注方案

数据是这种项目最大的坑。公开数据集里专门做花卉枯萎的其实不多，常用的花卉分类数据集（比如Oxford Flowers）是区分不同种类花，不是区分健康/枯萎状态。所以通常的做法是：

• 自己采集：用手机拍不同状态的花卉照片，按照健康/枯萎两个类别归档。
• 网络爬取：在开放图库按关键词检索，下载后人工筛选。
• 公开数据集合集：把多个花卉数据集中健康状态和枯萎状态比较明显的图片挑出来。

我建议一段操作下来以自采+公开混合为主，总量控制在1000~3000张比较合理。太少模型容易过拟合，太多你人工清洗的精力成本又太高。

标注这一块，二分类只需要建两个文件夹，健康放一个，枯萎放一个，省去标注工具的时间。如果你想做更细一点，可以分成三类（健康、轻度缺水、严重枯萎），这在后期做细粒度分析时内容会更丰富，但对标注一致性要求更高，容易出现边界模糊的情况。

2.2 数据清洗与图片规范化的几个细节

数据清洗往往决定项目的上限，很多同学直接跑代码，准确率上不去，回头才发现数据里一堆问题。几个必须注意的点：

尺寸统一。CNN输入要固定尺寸，常见的是224x224或者128x128。前者是标准ImageNet尺寸，便于和预训练模型对接；后者计算量更小，自己搭建的浅层网络用128x128足够了。我一般建议直接统一到224x224，虽然训练慢一点，但对比实验时的兼容性更好。

去除坏图。模糊图、纯背景图、有大量遮挡的图，训练时全是噪声。写个脚本输出所有图片的尺寸和通道数，把异常图片单独列出来手动确认。

背景干扰处理。花卉图片背景五花八门，如果全是复杂背景，模型可能会去学背景特征而不是花本身的特征。可以考虑用OpenCV做简单的背景裁剪或中心裁剪，把花朵主体放到画面主要区域，但这个操作别太狠，否则真实场景下泛化能力反而下降。

类别平衡。健康类和枯萎类数量如果悬殊太大，训练会倾向于预测多数类。简单的办法就是控制两类比例接近1:1，如果实在样本不均衡，训练时给少数类更高的损失权重，或者做针对性的数据增强。

2.3 数据增强策略

数据增强是这个项目最值得大书特书的一环，因为自采数据量通常不够。常用的完整增强策略如下：

from torchvision import transforms train_transforms = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p=0.5), transforms.RandomRotation(degrees=15), transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.05), transforms.RandomAffine(degrees=0, translate=(0.1, 0.1)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ])

这套增强配方基本覆盖了拍摄角度变化（水平翻转、旋转、平移）、光照变化（亮度、对比度、饱和度）、轻微形变等真实场景中的噪声来源。Normalize时的均值和标准差是三通道ImageNet的标准值，直接用就好，不用自己重新算。验证集就别做随机增强，只做Resize和Normalize，保证评估的稳定性。

数据增强不是越多越好。我之前试过把Rotation角度开到90度，结果模型把倒着的花也当正常输入，反而学不到关键特征。15度上下的小角度扰动足以覆盖手机拍摄时的轻微倾斜，又不至于改变花卉的语义。

3. CNN模型设计与核心参数配置

3.1 一个实用的基线网络结构

自己搭CNN时不用追求深度，重点是把结构讲清楚。这里给出一个我在类似项目里反复使用的基线结构，精度不错、训练快、显存占用低：

import torch.nn as nn class WiltCNN(nn.Module): def __init__(self, num_classes=2): super().__init__() self.features = nn.Sequential( nn.Conv2d(3, 32, kernel_size=3, padding=1), nn.BatchNorm2d(32), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(32, 64, kernel_size=3, padding=1), nn.BatchNorm2d(64), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(64, 128, kernel_size=3, padding=1), nn.BatchNorm2d(128), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(128, 256, kernel_size=3, padding=1), nn.BatchNorm2d(256), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), ) self.classifier = nn.Sequential( nn.AdaptiveAvgPool2d((1, 1)), nn.Flatten(), nn.Linear(256, 128), nn.ReLU(inplace=True), nn.Dropout(0.5), nn.Linear(128, num_classes), ) def forward(self, x): x = self.features(x) x = self.classifier(x) return x

这个网络的设计逻辑可以这样理解：卷积层逐步增加通道数（32→64→128→256），是因为浅层学边缘、纹理这些基础特征，通道数不用太多；深层学更语义化的特征，需要更多通道来承载。每层卷积后面跟BatchNorm，作用是稳定训练、加速收敛，同时能起到一定的正则化效果。池化层逐级降低特征图尺寸，减少计算量并增强平移不变性。最后用AdaptiveAvgPool2d把任意尺寸的特征图压成1x1，再接全连接层。

3.2 训练参数的参考基准

在训练参数调优上，我给大家一套可以直接上手的基准配置，在此基础上再做针对性调整：

训练的时候用一个最基本的早停策略：验证集准确率连续5个epoch不提升，就保存最优模型并停止训练。这样能避免训练后期过拟合，同时省时间。

3.3 损失函数与评估指标怎么选

二分类问题常用交叉熵损失，这没什么好说的。但评估指标不要只看准确率，特别是样本不平衡的情况下，准确率会骗人。要同时看精确率、召回率和F1分数，尤其是枯萎这个类别，漏判（枯萎的花被识别成健康）和误判（健康的花被说成枯萎）的实际代价不一样。

在代码里直接调用sklearn的classification_report就能拿到这些指标，然后配合混淆矩阵可视化，答辩时这张图非常能说明问题。我一般还会把训练过程中的train_loss、val_loss、val_acc都记录下来，画成三条曲线，论文实验部分的主图就有了。

4. 训练过程与核心环节实现

4.1 数据集加载与划分的实现

数据划分一定别用随机打乱后取前80%这种粗暴方式，容易把所有同一时间段拍的照片都分到一个集合里，导致验证集和训练集分布不一致。正确做法是按文件夹随机抽样，保证每个类别的比例在训练集和验证集中都一致。

直接PyTorch内置的ImageFolder就能按文件夹读取数据，配合random_split实现按比例划分。有一点要注意，划分时设定随机种子，保证每次运行得到相同的划分结果，这对于复现实验非常关键。

import torch from torch.utils.data import random_split from torchvision import datasets dataset = datasets.ImageFolder(root='data/processed', transform=train_transforms) train_size = int(0.7 * len(dataset)) val_size = int(0.15 * len(dataset)) test_size = len(dataset) - train_size - val_size generator = torch.Generator().manual_seed(42) train_dataset, val_dataset, test_dataset = random_split( dataset, [train_size, val_size, test_size], generator=generator )

注意ImageFolder会按照子文件夹名称自动生成类别标签，所以数据目录结构一定要清晰，比如data/processed/wilted和data/processed/fresh，别把文件夹命名搞反了。

4.2 训练主循环的骨架代码

训练主循环网上版本很多，但毕设阶段最好自己写，既加深理解，也方便自定义细节。核心骨架大概长这样：

def train_one_epoch(model, dataloader, criterion, optimizer, device): model.train() running_loss = 0.0 correct = 0 total = 0 for inputs, labels in dataloader: inputs, labels = inputs.to(device), labels.to(device) optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() * inputs.size(0) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() epoch_loss = running_loss / total epoch_acc = correct / total return epoch_loss, epoch_acc

这个循环里有个小细节，计算loss的时候乘了inputs.size(0)，即当前batch的样本数，为的是在计算整个epoch的平均loss时，每个样本的权重一致，而不是每个batch的权重一致。如果不乘batch大小，当最后一个batch数量不满时，平均loss会有轻微偏差，虽然不影响大局，但追求严谨的话还是乘上好。

4.3 迁移学习对比实验的做法

自己搭的CNN跑完一轮后，强烈建议加一组迁移学习对比实验。方法是在torchvision里加载在ImageNet上预训练好的ResNet18或ResNet50，把最后的全连接层替换成输出维度为2的新层，然后冻结前面所有层的参数，只训练新加的全连接层。

from torchvision import models import torch.nn as nn model = models.resnet18(weights=models.ResNet18_Weights.DEFAULT) num_features = model.fc.in_features model.fc = nn.Linear(num_features, 2) # 冻结除fc以外的所有参数 for param in model.parameters(): param.requires_grad = False for param in model.fc.parameters(): param.requires_grad = True

冻结参数训练，速度和显存占用都低，而且因为预训练模型的特征提取能力已经很强，只训一个全连接层也能拿到很高的准确率。这样对比实验就能说明两个问题：自建CNN在参数数量少很多的情况下能获得可比精度；而迁移学习则展示了引入外部知识带来的性能增益。论文里的讨论部分就有话写了。

如果时间充裕，还可以尝试微调策略：不冻结所有层，而是以很小的学习率（比如0.0001）训练全部参数，通常准确率还能再涨2~3个百分点。

4.4 训练过程中的观察与早停

实操中我习惯每训练完一个epoch就把训练日志打印出来，同时实时更新TensorBoard或者matplotlib绘图。观察训练曲线有个重要经验：如果训练loss持续下降但验证loss先降后升，这就是过拟合的信号，早停在这个节点就很重要。另外一个常见情况是训练loss下降很慢甚至不降，这时不要盲目调大学习率，先检查数据有没有问题，比如Normalize参数写错、标签错位、数据增强过度导致图片失真等等，这些问题我后面专门列一节。

5. 模型评估与可视化

5.1 测试集上的指标解读

训练完成后，在划分好的测试集上做最终评估。注意测试集的数据划分要在训练前就确定好，并且中间不能动，否则评估结果就不可信了。测试集评估的代码不多，但整理输出的时候要用心，把每类别的精确率、召回率、F1值都打出来。

实际经验是，如果测试集准确率比验证集准确率低很多，多半是数据划分出了问题，比如同一批图片部分进了验证集部分进了测试集，或者测试集和训练集分布差异太大。遇到这种情况首先检查划分逻辑和数据清洗。

5.2 混淆矩阵与训练曲线可视化

混淆矩阵可以直接用sklearn的ConfusionMatrixDisplay，省得自己用matplotlib画。这个图在答辩时非常直观，能看出模型具体在哪些样本上产生混淆。

训练曲线的绘制要注意把训练、验证的信息分开画在同一个图里，横轴为epoch，纵轴分别画loss和accuracy，两张子图。保存成高分辨率的PNG放进毕业论文里，这比任何文字描述都有力。下面是一个简单的绘制骨架：

import matplotlib.pyplot as plt plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(train_losses, label='Train Loss') plt.plot(val_losses, label='Val Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend() plt.subplot(1, 2, 2) plt.plot(train_accs, label='Train Acc') plt.plot(val_accs, label='Val Acc') plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.legend() plt.tight_layout() plt.savefig('logs/training_curves.png', dpi=300)

5.3 单张图片推理与可视化展示

我建议写一个predict.py脚本，能从命令行传入一张图片，输出该图片属于哪个类别以及置信度。更直观的做法是把预测结果画在图片上，比如在图片顶部加一行文字“健康，置信度95.3%”或“枯萎，置信度88.1%”。

这个功能看似简单，实际在最终项目演示时非常加分，因为它直接向非专业的人展示了模型的效果。演示的时候可以现场拍一张花的照片扔进去看结果，比对着终端输出有意思多了。

6. 常见问题与排查技巧实录

我在实际指导过程中，这个项目踩过的坑，基本集中在数据、训练、环境三个层面。

6.1 训练准确率一直不涨

先说最常见的：模型训练了十几个epoch，准确率还在50%上下徘徊（二分类的随机水平）。不用慌，按顺序排查几个点。先检查数据标签有没有错乱，比如ImageFolder读取时类别顺序和你预期不一致，可以用dataset.classes打印确认。然后检查学习率是不是太大导致loss震荡，把学习率降到0.0001试一下。还要看数据增强有没有过于激进，有时旋转角度太大、颜色抖动太强，模型根本学不到有效特征，甚至图都变得人不人鬼不鬼，先关掉增强跑一个baseline作为对照。最后一招是把模型初始化改成固定随机种子，确保每次跑的结果可复现。

6.2 过拟合

如果训练集准确率很高但验证集低，就是说模型把训练集背下来了。解决办法优先级是：增加数据量（多用数据增强）→ 增强正则化（加大Dropout比例）→ 减小模型容量（减少卷积层的通道数或去掉一层卷积）→ 用迁移学习代替从头训练。一般来说对于1000张左右的小数据集，把Dropout从0.3提到0.5，配合早停，过拟合能压下来不少。

6.3 数据不平衡问题

如果数据比例失衡，比如健康图片800张、枯萎图片200张，模型可能会走捷径，全猜健康也能到80%准确率。有个简单的诊断方法：打印测试集上的混淆矩阵，看模型是否把大部分样本都预测成了多数类。解决办法可以直接用WeightedRandomSampler，给少数类样本更高的采样概率，这样每个epoch里两类数据基本平衡：

from torch.utils.data import WeightedRandomSampler labels = [dataset.targets[i] for i in range(len(dataset))] class_counts = torch.bincount(torch.tensor(labels)) weights = 1.0 / class_counts[labels] sampler = WeightedRandomSampler(weights, num_samples=len(dataset), replacement=True)

还有一种损失函数层面的做法，把CrossEntropyLoss的weight参数设成和类别数量成反比，也能改善不平衡的影响。

6.4 显存不足或训练太慢

显存不足主要靠调小batch size和输入尺寸。如果输入尺寸从224降到160，显存占用能小一半左右，速度也上来了。不过尺寸变小后，特征图分辨率也变低，可能需要稍微增加卷积层通道数来弥补。训练太慢的另一个常见原因是没走GPU，代码里.contiguous()或.cuda()的写法如果有问题，模型很可能还在CPU上跑。检查一下nvidia-smi看显存占用情况，或者打印model.device确认。

6.5 验证集准确率忽高忽低

这是我在多个项目里都见过的现象，尤其是数据集比较小的时。前面几轮的验证准确率大幅跳来跳去，不要急着下结论。解决办法是把batch size调大一点，让每个batch的数据分布更接近整体分布；同时把验证放在每个epoch结束时做，用全部验证集数据评估，不要只取一部分。如果波动还是太大，可以用滑动平均的方式平滑曲线，论文里画出来的图也更好看。

6.6 环境依赖与跨平台运行

这部分虽然不算是算法问题，但非常磨人。PyTorch的CPU版和GPU版安装命令不一样，Anaconda里装的时候一定注意看是cuda版本还是cpu版本。代码里用GPU时要写成：

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

这样在没有GPU的机器上也能运行，只是慢。另外，整个项目打包提交给导师或者同学复现时，requirements.txt是必须的，最好再配一个README，把数据集结构、训练命令、推理命令都写清楚。我在实际答辩中看到不少同学项目代码很好，但别人拿到手跑不起来，这就是工程化意识不够，容易被追问。

7. 进一步扩展的空间

做完基础版之后，可以根据自己的时间精力做扩展。方向大概有四个，都不难，而且都能写进论文的展望部分。

多分类升级。从“枯萎/健康”二分类升级到“健康/轻度缺水/严重枯萎”三分类。多分类不只是换一个输出节点数，还要考虑类别间其实是“有序”的，可以用更平滑的标签编码方式，或者把问题建模成回归来预测枯萎程度指数。

网页端部署。用Flask写一个极简的网页，上传照片，后端调用训练好的模型推理，前端展示结果。这一套流程虽然只是工业部署的微缩版，但足以体现模型的实用价值，答辩演示效果极佳。

注意力机制可视化。用Grad-CAM生成热力图，展示模型关注的是花朵的哪个部位。这个可视化对解释性极强，也是论文的加分项。Grad-CAM的实现不复杂，torchvision里有现成的工具类可以调用。

细粒度分类研究。如果数据集比较大，可以实验不同模型（VGG、ResNet、EfficientNet）在花卉枯萎识别上的表现差异，形成一个小型的benchmark对比，这也是论文实验部分很好的内容。

我个人在实际操作中的体会是，这个项目之所以值得推荐，是因为它的“门槛低、上限高”：新手能在一个月内跑通全流程，而追求优秀的同学可以在同一个框架下不断填充更精致的内容。它不像目标检测那样需要理解锚框、NMS等一堆复杂概念，也不像文本生成那样面临评价指标难定义的问题，它就是一个干净、明确、工程链路完整的视觉分类项目，非常适合作为深度学习入门的毕业设计选题。

如果你想选这个方向，不要急着写代码，先花一两天把数据规范化做好，再动手搭网络。训练调试过程中记得把每个实验结果都记录下来，哪怕是失败的实验也有价值——答辩时候，展示你如何分析问题、如何尝试解决、如何在对比中找到更优方案，这才是整个毕设最值钱的部分。