基于Python的CNN卷积神经网络实现花卉枯萎识别：从数据集到模型部署全流程

1. 从“花卉是否枯萎”这个题目说起

这两年做深度学习毕设的同学，十个里有八个会撞上图像分类，而其中“植物叶片病害识别”“花卉种类识别”又占了半壁江山。这个“基于 Python 的 CNN 卷积神经网络识别花卉是否枯萎”的题目，本质上是一个二分类图像识别任务：输入一张花卉图片，模型输出它属于“健康”还是“枯萎”。听起来简单，但真要拿它做毕设，从数据到训练再到部署，每一步都能卡住一批人。

我最初接触这个方向，是因为某高校的模拟项目X里需要做园林养护的自动化监测。当时手头有大概一万多张花卉照片，健康的和枯萎的混在一起，完全靠人工去标注、清洗、训练，前前后后折腾了一个多月。这个经历让我意识到，这类题目的核心价值并不在于“用 CNN 跑个分类”这个结果，而在于你能不能把数据处理好、模型调稳、结果解释清楚，并且把整个过程用论文和答辩 PPT 讲明白。

这篇文章我就围绕这个题目，把我自己的踩坑记录和可复现步骤完整写出来。无论你是刚接触深度学习的本科生，还是准备拿这个题目做课程设计、考研复试项目的同学，只要能跟着把环境跑通、把训练流程走完，再根据自己的数据做替换和调参，基本就能交付一个完整性很高的作品。

2. 项目整体设计与思路拆解

2.1 为什么是 CNN，而不是传统机器学习方案

拿到“识别花卉是否枯萎”这个任务，很多人第一反应是：能不能用 SVM、随机森林这些传统机器学习方法？可以，但效果会差一大截。传统方法需要人工设计特征，比如叶片颜色直方图、纹理特征、形状因子，而这些特征在面对复杂背景、光照变化、不同品种花卉时，稳定性很差。你可能在一批数据上调出了 85% 的准确率，换一批数据直接掉到 70%。

CNN 的核心优势是“端到端学习”：输入原始像素，输出分类结果，中间的特征提取由卷积层自动完成。它不需要我们手工设计“枯萎到底是什么特征”，而是通过大量样本，自己学出那些对“枯萎”有判别力的局部纹理、颜色变化和形状信息。对花卉这种外观差异大、背景干扰多的对象，CNN 的鲁棒性明显更强。

从毕设角度来说，选 CNN 还有一个非常现实的原因：可解释性好、容易画图。你可以把卷积层的特征图可视化，把池化层的降维过程画出来，把训练过程的 loss 曲线和准确率曲线展示出来，这些内容放到论文里都是很好的“工作量证明”。

2.2 方案选型对比：自己搭网络还是用预训练模型

关于模型结构，我见过两种极端做法：一种是从零手写一个三层卷积网络，另一种是直接套用 VGG16、ResNet50 这类预训练模型做迁移学习。两种各有适用场景，但就“识别花卉是否枯萎”这个任务而言，我个人的建议是：优先用轻量级 CNN 自己搭一套基线，然后再用迁移学习做对比实验。这样论文里既有“基础模型实现”，又有“优化方案对比”，逻辑会非常完整。

为什么要先搭基线？因为自己搭的网络结构简单、参数量小、训练速度快，在 CPU 上也能跑，方便你把整个数据处理、训练、评估流程先跑通。等基线能出结果了，再引入预训练模型，这时候你是在“对比优化”，而不是“一上来就抄现成模型”，答辩时也能解释得更清楚。

我给学生辅导时经常打一个比方：自己搭 CNN 就像你亲手组装一台自行车，虽然每个零件都不算高级，但你能说清楚链条怎么转、刹车怎么刹；直接用迁移学习，相当于买了一辆电动车，速度快，但内部原理对你来说可能是个黑盒。毕设老师最喜欢的，恰恰是你能把黑盒打开，说出个一二三。

2.3 数据集与任务定义

“识别花卉是否枯萎”看起来是个二分类，但里面藏着一个容易被忽略的细节：花卉的“枯萎”不等于“干枯的黄叶”。一盆花可能整体还算健康，只是底部有几片老叶发黄，这种情况如果标成“枯萎”，模型就会学到“只要有黄色区域就是枯萎”，误判率会很高。

我当时的处理思路是：定义“枯萎”为整体萎蔫、花瓣卷曲变色、大面积黄叶枯叶且失去光泽，而“健康”则允许存在少量生理性黄叶。这个定义必须在数据集标注之前写清楚，最好做成一份标注规范文档，分发给帮助标注的人。否则每个人对“枯萎”的理解不一样，标出来的数据就会打架，模型训练出来结果也是乱的。

另外需要提醒的是：不要只找那种明显枯萎、叶片全黄的极端照片。真实场景里，花卉枯萎往往是一个渐变过程，你需要覆盖“刚开始发蔫”“部分黄叶”“严重枯萎”等多个状态。样本多样性决定了模型的泛化能力，这比单纯追求样本数量更重要。

3. 数据集准备与预处理实战

3.1 数据采集与标注规范

数据来源一般有三种：公开数据集、自己拍摄、爬取网络图片。公开数据集方面，常见的有牛津花卉数据集、PlantVillage 等，但 PlantVillage 主要针对叶片病害，和“整体枯萎”这个定义不完全匹配。我建议以自采数据为主、公开数据为辅，这样数据版权问题也更容易规避。

自己拍摄时，要注意覆盖不同品种、不同光照、不同角度。我当初用手机在不同时间段拍了约 8000 张，加上从公开来源补充的 4000 张，最终筛选出约 10000 张可用图片。筛选标准是：图片清晰度不低于 640x640、主体花卉占比超过 50%、没有严重过曝或欠曝。

标注工具用 LabelImg 或在线标注平台都可以。如果只是做图像分类的整图标签，不一定需要画框，直接用文件夹结构区分是最省事的。我常用的目录结构是这样：

dataset/ ├── train/ │ ├── healthy/ │ │ ├── 001.jpg │ │ └── ... │ └── wilted/ │ ├── 001.jpg │ └── ... ├── val/ │ ├── healthy/ │ └── wilted/ └── test/ ├── healthy/ └── wilted/

用文件夹名作为标签，配合 PyTorch 的ImageFolder或者 TensorFlow 的image_dataset_from_directory读取，连标注文件都不用写，非常省事。

3.2 图像增强策略

花卉图片的数据增强是提高模型泛化能力最有效的手段之一。常见的增强操作包括随机水平翻转、随机旋转、随机裁剪、色彩抖动等。我常用的增强组合是：

• 随机水平翻转（概率 0.5）
• 随机旋转 15 度
• 随机裁剪后缩放到 224x224
• 亮度、对比度、饱和度随机调整（幅度 0.2 以内）
• 归一化到 [0,1] 区间

有一点要特别留意：色彩增强的幅度不能太大。花卉枯萎的判别很大程度依赖叶片的颜色变化，如果你把饱和度或者色调调得太狠，原本健康的绿叶看起来像黄叶，模型就会被带偏。我一开始把色彩抖动的幅度设成 0.5，结果训练出来的模型在真实图片上误判率很高，后来降到了 0.2 才恢复稳定。

验证集和测试集不要做随机裁剪和数据增强，只需要 resize 到固定尺寸并归一化。这一点很多人会漏掉，导致验证集评估结果失真。

3.3 数据集划分与不均衡处理

我最终拍了 10000 张图片，健康 6000 张、枯萎 4000 张，这个比例算是轻微不均衡。针对这种程度的不均衡，我建议先按 8:1:1 划分训练集、验证集、测试集，然后做两件事：一是给少数类（枯萎）在损失函数上加大权重，二是使用加权采样器让每个 batch 里健康与枯萎的数量接近。

PyTorch 里实现加权采样并不复杂：

from torch.utils.data import WeightedRandomSampler labels = [0 if 'healthy' in p else 1 for p in train_paths] class_counts = [labels.count(0), labels.count(1)] weights = [1.0 / class_counts[label] for label in labels] sampler = WeightedRandomSampler(weights, num_samples=len(weights), replacement=True)

这里weights是每个样本的采样权重，少数类样本权重更高，所以每个 epoch 里模型看到的两类样本基本平衡。这个方法比单纯复制少数类图片更省存储，也不会引入重复数据导致过拟合。

如果两类的数量差距超过 5 倍，那就需要认真考虑使用数据增强扩充少数类，或者换用 Focal Loss 这类处理类别不均衡的损失函数了。好在这个任务通常不会出现那么极端的不均衡情况。

4. 模型搭建与训练参数详解

4.1 轻量级 CNN 基线模型结构

我自己搭的基线模型结构并不复杂，四个卷积块加两个全连接层，参数量大概在 300 万左右，在 CPU 上训练一个 epoch 也就几分钟。具体结构如下：

选择 3x3 卷积核是参考了 VGG 的设计思路：小卷积核堆叠能在保持相同感受野的同时减少参数量。两层 3x3 卷积叠加的感受野等于一层 5x5 卷积，但参数量更少，非线性表达能力也更强。

每个卷积块我都加了批归一化（Batch Normalization）。批归一化的作用不只是加速收敛，更重要的是它能稳定网络内部的数据分布，让我可以放心地用比较大的学习率，而不用担心梯度爆炸或者梯度消失。

4.2 损失函数与优化器选择

二分类任务最常用的是交叉熵损失。PyTorch 里的nn.CrossEntropyLoss自带 Softmax，所以你不需要在模型最后一层单独加 Softmax。如果要处理轻微类别不均衡，可以给损失函数传一个weight参数：

criterion = nn.CrossEntropyLoss(weight=torch.tensor([0.8, 1.2]))

这个权重表示：健康类（0 类）的损失惩罚乘以 0.8，枯萎类（1 类）的损失惩罚乘以 1.2。因为枯萎类样本少，把它的惩罚加大，模型就会更重视对枯萎样本的分类正确性。权重的具体数值可以按“样本数量的反比再归一化”来算，也可以像我这样手动调。

优化器我推荐 Adam，初始学习率设成 1e-3，这基本是图像分类任务最稳妥的组合。Adam 自适应调整每个参数的学习率，对新手非常友好，不需要手动做太多学习率调度。不过我建议配合一个学习率衰减策略，比如每 10 个 epoch 把学习率乘以 0.6，这样后期收敛会更稳。如果不做衰减，训练到后期容易出现 loss 在某个平台期来回震荡、精度上不去的现象。

4.3 核心训练代码框架

我用 PyTorch 实现，训练主循环的核心部分如下：

from torch.utils.data import DataLoader, random_split from torchvision import datasets, transforms transform_train = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomCrop((224, 224)), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) full_dataset = datasets.ImageFolder(root='dataset/train', transform=transform_train) train_size = int(0.8 * len(full_dataset)) val_size = len(full_dataset) - train_size train_dataset, val_dataset = random_split(full_dataset, [train_size, val_size]) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False, num_workers=4)

这里有个细节：先 resize 到 256，再随机裁剪到 224，相当于做了轻微的数据扩充，同时保留了主要的花卉区域。如果直接把 224 的图用于训练，模型容易对花卉在画面中的位置过拟合，换到真实场景里花卉位置偏离中心，准确率就会下降。

训练循环我就不全文贴了，核心就三件事：前向传播计算损失、反向传播更新梯度、每轮迭代记录 loss 和准确率。要注意的是，验证集的评估必须用torch.no_grad()包裹，并且要调用model.eval()切换到推理模式，否则 dropout 和批归一化的行为会不一致，导致验证结果偏高或者偏低。

4.4 Batch Size 与输入尺寸的权衡

Batch Size 选多少，对训练速度和稳定性影响很大。我用 32 是因为这个值在 CPU 上不至于太慢，在 GPU 上也能跑满一小批。如果显存够大，调成 64 或 128 理论上也能用，但要注意：Batch Size 越大，梯度的方差越小，训练曲线越平滑，但不代表最终精度一定更高。有时候大 Batch Size 会把模型带进一个比较差的局部最优解。

输入尺寸 224x224 是 ImageNet 的标准尺寸，绝大多数预训练模型都是以这个尺寸作为输入。如果你后续要对比 ResNet50 等预训练模型，那么统一用 224x224 可以省去调整网络输入层的麻烦。如果数据量不大，也可以考虑用 128x128，训练速度会快不少，但精度通常会略有下降，不太推荐。

5. 训练过程监控与调参经验

5.1 训练曲线的正确解读方式

我见过很多同学训练完只贴出一张最终精度表，完全不管训练过程曲线，这样其实丢失了大量有价值的信息。正确的做法是同时记录训练集 loss、验证集 loss、训练集准确率、验证集准确率四个指标，每训练完一个 epoch 就画出来看。

这里面最关键的是对比训练集 loss 和验证集 loss 的走势。如果训练 loss 不断下降，但验证 loss 开始上升，就是典型的过拟合信号；如果训练 loss 和验证 loss 都降不下去，那就是模型容量不够或者学习率有问题；如果训练 loss 剧烈震荡，可能是 Batch Size 太小或者学习率太大。

我自己训练时的判断标准很简单：验证集 loss 在连续 5 个 epoch 内不再下降，就停止训练，保存验证 loss 最低的那一份模型参数。用验证集而不是训练集的指标来选模型，因为我们要的是模型在没见过的数据上的表现，而不是它在训练数据上的背诵能力。

5.2 过拟合的三种对策

花卉图像分类这个任务，过拟合几乎是必然会遇到的，特别是在数据集只有几千张的情况下。我遇到过最典型的情况是：训练了 20 个 epoch 后，训练准确率已经到了 98%，验证准确率却卡在 84% 上不去。这就是过拟合。

解决手段我按优先级排序如下：

首先是加 Dropout。我在全连接层前加了 Dropout(0.5)，随机丢弃一半的神经元连接，迫使网络不要过度依赖某几个特征。这个改动通常能直接让验证准确率提升 2 到 3 个百分点。

其次是数据增强。前面提到的翻转、裁剪、色彩抖动都是降低过拟合的有效手段。如果数据增强加上之后验证准确率还是没有明显变化，那基本可以判断是数据分布本身存在问题，比如训练集和验证集来源不一致，而不是模型过拟合。

最后是 Early Stopping。在验证 loss 连续多个 epoch 不降低时提前终止训练。这个手段最实用，可以在不改变模型结构的情况下避免过拟合继续加重。不过 Early Stopping 需要配合模型保存逻辑，每次验证 loss 降低都保存一次当前参数，最后取最低点的参数作为最终模型。

5.3 迁移学习对比实验的做法

基线模型跑通之后，强烈建议再做一个迁移学习对比实验。方法就是把网络换成 ImageNet 预训练的 ResNet18 或者 ResNet50，冻结前几层卷积层的参数，只训练最后几层和全连接分类头。

ResNet18 相对轻量，参数量约 1100 万，训练速度快，最适合用来做对比实验。实现上的核心代码：

import torchvision.models as models model = models.resnet18(pretrained=True) for param in model.parameters(): param.requires_grad = False num_ftrs = model.fc.in_features model.fc = nn.Linear(num_ftrs, 2) for param in model.fc.parameters(): param.requires_grad = True

这段代码先把所有参数冻结，再把最后一层全连接替换成输出 2 类的结构，并且只对这层设置requires_grad = True。训练时，只有最后一层参数会被更新，其他层相当于一个固定的特征提取器。这种迁移学习方式在小数据集上非常有效，因为它借助了 ImageNet 上学到的通用视觉特征，比如边缘、纹理、颜色分布等，不用从头学习。

做完之后，把迁移学习的验证准确率和基线模型的做对比，通常迁移学习会高出 3 到 8 个百分点。这个结果写进论文里，就是一条清晰的优化路线。

5.4 超参数调参速查表

调参是最难被量化讲清楚的部分，我根据自己的实验记录整理了一个速查表，供参考：

调参的基本原则是每次只改一个变量，改完观察 5 到 10 个 epoch 的效果，确认后再改下一个。如果你一次性同时改了学习率和网络结构，出了问题就很难判断是哪个变量导致的。

6. 模型评估与可视化分析

6.1 评估指标：不要只盯准确率

二分类任务最常见的问题是：准确率在类别不均衡时会“骗人”。如果你的测试集里健康占 80%、枯萎占 20%，那么一个“永远预测健康”的模型准确率也有 80%，但这显然不是我们要的结果。所以除了准确率，我还会同时计算精确率（Precision）、召回率（Recall）和 F1 Score。

拿“识别花卉枯萎”这个场景来说，召回率尤其重要。如果模型把枯萎的花漏判成健康，养护人员就不会去处理，花卉可能会进一步枯萎甚至死亡。而如果把健康的花误判成枯萎，最多是浪费一次检查精力。两种错误的代价不一样，所以要通过混淆矩阵看清楚模型到底在哪种错误上犯得多。

Sklearn 里一行代码就能输出分类报告：

from sklearn.metrics import classification_report, confusion_matrix print(classification_report(y_true, y_pred, target_names=['healthy', 'wilted'])) print(confusion_matrix(y_true, y_pred))

6.2 混淆矩阵与典型误判分析

我跑出来的一个典型混淆矩阵如下：

从这个矩阵可以算出：健康类召回率约 95.3%，枯萎类召回率约 91.9%。枯萎类召回率比健康类低，这符合预期，毕竟枯萎样本本身较少。但真正有价值的是去翻看那 54 张“枯萎被误判为健康”的图片，看看它们长什么样。

我翻了之后发现，这批误判图片里有一类非常典型：花卉整体已经明显枯萎，但照片背景里恰好有大量绿色植物。模型可能把绿色背景当成了健康叶片，导致误判。这说明模型学到的判别特征里，“绿色占比”的权重可能过高，真实的花卉枯萎细节反而没有被充分关注。针对这个问题，我增加了更多背景复杂的枯萎样本，同时适当增加了裁剪增强的比例，让模型的注意力更集中在花卉本身上。

6.3 特征图可视化

特征图可视化是论文里非常加分的展示内容。做法很简单：把一张测试图片输入模型，在某个卷积层之后把输出特征图截取出来，画成热力图，就能看到模型关注的是图像的哪些区域。

PyTorch 里可以用 hook 机制来获取中间层输出。以第一个卷积层的输出为例：

activation = {} def hook_fn(module, input, output): activation['conv1'] = output model.conv1.register_forward_hook(hook_fn) with torch.no_grad(): output = model(img_tensor.unsqueeze(0)) features = activation['conv1'][0] # shape: [32, 224, 224]

第一层卷积特征图通常是各种边缘和颜色梯度信息，比较难解释。更有价值的是后面层的可视化，比如 Grad-CAM 类激活热力图，它能画出模型在做出判断时重点关注了图像上的哪些像素区域。如果热力图高亮区域集中在枯萎的叶片上，说明模型学到了合理的特征；如果高亮区域分散在背景里，那就要警惕模型可能是在“抄捷径”。

7. 常见问题与排查技巧实录

7.1 数据集类常见坑

症状一：训练 loss 异常低，但模型实际表现很差

这种情况多半是标签和图片不对应。比如你把文件夹里的图片重新排序，但标签没有同步更新。我犯过的一个低级错误是：在读取图片时用了os.listdir()，而它的返回顺序是随机的，结果标签列表跟图片列表错位了。排查方法是随机抽 20 张训练图片，把图片和标签打印出来人工核对一遍。

症状二：训练集和验证集分布不一致

如果训练集里全是室内拍摄、背景干净的花卉照片，而验证集里全是户外复杂背景的照片，模型在训练集上表现好、验证集上崩溃就非常正常。解决方法是做数据集划分之前，先把所有图片按来源打乱，确保不同来源的图片均匀分布到训练集、验证集和测试集中，而不是按文件夹一刀切。

症状三：明显异常图片没有过滤

模糊图、纯色背景图、带水印的图、花卉只占画面百分之五的图，这些都应该在标注阶段直接删除。我当时写的筛选脚本会计算每张图片的方差和清晰度，方差过低的就自动标记出来人工检查。这里的道理很简单：模型训练数据质量比数量重要得多。

7.2 训练过程常见坑与排查路线

问题一：loss 变成 NaN

常见原因有学习率过大导致梯度爆炸、数据里存在异常值。排查顺序是：先降低学习率到 1e-5 试试，如果还出现 NaN，就检查输入数据有没有包含 NaN 像素或加载错误导致的空张量。我的经验中，90% 的 NaN 问题可以通过降低学习率解决。

问题二：每次训练结果相差很大

如果固定随机种子之后，多次训练结果仍然不稳定，需要检查是不是训练/验证集划分是随机的，导致每次划分结果不一样。这种问题会直接影响论文里实验数据的可信度。解决方法是固定划分时的随机种子，或者直接使用固定划分的数据集文件。

问题三：GPU 显存不够

如果你用的预训练模型是 ResNet50，输入尺度 224x224，默认 Batch Size 32 可能超过显存上限。最简单的办法是把 Batch Size 降到 8 或者 16，同时适当调低学习率，因为 Batch Size 减小后梯度估计的噪声变大了。另一个选择是用梯度累积，把多个小 Batch 的梯度累加后再更新参数，等效于大 Batch Size。

7.3 推理部署阶段容易踩的坑

模型训练好了，最后还要写一个推理脚本让模型对新图片进行预测。这里最容易犯的错误是：推理时忘记做和数据预处理完全一致的操作。训练时图片是 resize 到 256 再 center crop 到 224，推理时如果只 resize 到 224 就直接输入，图片的尺度就和训练时不匹配，精度会下降。

我当时写的推理函数是：

def predict(image_path, model, device): transform = transforms.Compose([ transforms.Resize((256, 256)), transforms.CenterCrop((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) img = Image.open(image_path).convert('RGB') img = transform(img).unsqueeze(0).to(device) with torch.no_grad(): logits = model(img) prob = torch.softmax(logits, dim=1) return prob.cpu().numpy()[0]

顺便提醒一句：Image.open打开某些 RGBA 格式图片时会报错，加一个.convert('RGB')是保险做法。

8. 从毕设到完整项目的扩展方向

8.1 加一个 Flask 接口变身 Web 应用

训练完模型之后，如果只停留在控制台输出准确率，答辩展示效果非常单调。我当时抽了一天时间用 Flask 写了个简单的 Web 页面，上传一张图片，后台调用训练好的模型，返回“健康”或“枯萎”的概率，页面还显示出置信度条。

核心代码非常少：

from flask import Flask, request, jsonify from PIL import Image import torch app = Flask(__name__) model = load_model() # 加载你训练好的模型 @app.route('/predict', methods=['POST']) def predict(): file = request.files['image'] img = Image.open(file.stream).convert('RGB') # 预处理 + 推理，代码同上面的 predict 函数 probs = predict(img, model, device) label = 'healthy' if probs[0] > probs[1] else 'wilted' return jsonify({'label': label, 'confidence': float(max(probs))})

这样一个接口，配合前端页面，就能在答辩现场演示“上传图片实时识别”的效果，比只在 Jupyter Notebook 里跑几个单元格直观得多。

8.2 用可视化模块提升展示效果

如果你编程基础还可以，建议加一个 Matplotlib 绘制的预测概率分布图，或者把单元测试图片的预测结果和热力图可视化集中展示在一个报表图里。我用 GridSpec 做了个四宫格展示：原图、真实标签、预测标签、置信度热力图。这一页放在论文实验结果部分，视觉效果非常好，答辩老师看到这种图通常会认为你确实把整个流程做了扎实。

8.3 数据再扩充：引入多类别任务

如果你想把这个项目再升级，可以考虑把“健康/枯萎”二分类扩展成“健康/轻度枯萎/重度枯萎”三分类，或者增加一个“其他物体”类别，让模型能区分“这张图里没有花卉”。这会让问题的难度和复杂度上升，但也能展示你对多分类问题、细粒度图像识别的理解，毕设的层次一下就拉开了。

我个人在实操中体会到，这类图像分类项目最重要的不是模型有多花哨，而是流程是否完整、问题是否被定义清楚、结果是否经得起推敲。把数据、训练、评估、部署这条链路踏踏实实走通，哪怕用的是一个轻量级 CNN，也足以呈现一份优秀的毕设作品。

最后再分享一个小技巧：项目开始前先把环境固定好，用 requirements.txt 记录所有依赖包的版本，千万别等到答辩前一天发现某个包升级了导致代码跑不起来。这个习惯能帮你省掉很多无谓的心力消耗。