海洋壳类生物识别：CNN迁移学习与训练调参实战

选CNN做海洋壳类生物识别，听上去是门课程设计里很常规的题目，但真要把准确率做到能看、能答辩、能拿得出手，中间要踩的坑比想象中多得多。我去年帮某高校的学弟搞过这个题目，他一开始用的还是VGG16直接硬训，数据集是网上东拼西凑的几百张图，结果验证集准确率卡在61%上不去，后来我们花了整整两个周末重做数据清洗、换网络结构、调训练策略，最后才稳定在91%左右。这篇文章把这条路线完整复盘一遍，从数据构建、模型选型、训练调参到答辩展示，每一步都写清楚为什么这么做，适合正在做课程设计、想认真做完一个完整深度学习项目的同学参考。

1. 为什么海洋壳类生物识别不能照搬通用图像分类方案

很多人拿到这类题目第一反应是：这不就是个图像分类问题吗？用CNN跑一下ImageNet的权重微调不就完了？我在帮人做这个项目之前也是这么想的，实际做下来才发现，壳类生物识别有几个非常特殊的点，直接决定项目成败，而不是单纯靠模型堆参数能解决的。

首先是类间差异小、类内差异大的问题。海洋壳类生物，比如蛤蜊、扇贝、牡蛎、海螺、螃蟹壳，它们的形状、纹路、颜色在不同种类之间有相似之处，但同一种类内部因为生长环境不同、拍摄角度不同、个体大小不同，又会出现很大差异。你想象一下，一堆灰扑扑的贝壳摆在沙滩上，纹理和颜色都接近，人眼分辨都要费点劲，更别说CNN了。这意味着不能用太浅的网络，也不能只看全局特征，还需要关注局部纹理细节。

其次是背景干扰极其严重。网上能找到的海洋生物图片，很多是带水域背景、泥沙背景、甚至人来人往的背景拍的。如果直接把这些图片扔进网络训练，模型会偷懒，它会去学背景特征而不是壳类的纹理特征。比如某一种蛤蜊的图片大多是在沙滩上拍的，另一种是在礁石上拍的，模型可能学到的是“沙滩背景=甲类”“礁石背景=乙类”，而不是真正的识别能力。这是课程设计里最常见的翻车点，很多人答辩时被问“你的模型为什么能分类？”的时候，自己都不知道模型到底学到了什么。

再者是类别数量和使用场景的界定问题。课程设计题目写的是“海洋壳类生物识别”，如果没有明确到底识别哪几类，做起来就会很迷茫，因为“壳类生物”这个概念太宽了。我们当时把范围限定在了八个常见类别：菲律宾蛤仔、中华圆田螺、扇贝、牡蛎、青蛤、贻贝、螃蟹壳、海螺壳。每一类都有明确的生物学外观特征，数据集也相对好收集。如果你题目没说清楚，一定要先自己定一个可执行的范围，然后在报告里写清楚“识别对象为常见壳类生物”，否则评审老师第一个问题就会问你这个模型能识别什么、不能识别什么。

最后是数据获取的现实约束。这毕竟是课程设计，不是科研项目，你不会有机会去海洋生物标本库拿高清数据集。最靠谱的途径是三个：公开数据集（比如一些海洋生态监测项目发布的图像集）、网上搜索爬取、自己实拍补充。但公开数据集往往类别不全，网上图片清晰度和风格参差不齐，自己实拍又是体力活。数据这条线到底怎么组，我单独开一节详细说，因为它是整个项目的地基，地基不行上层建筑全部白搭。

2. 数据准备：花三周搞数据比花三天调模型更值

2.1 数据集来源与清洗策略

我们当时的目标是每类至少250张图片，八类总共2000张左右，训练集、验证集、测试集按7:2:1划分。听起来不多，但实际操作起来工作量一点都不小，因为“能用”和“能用得好”之间隔着巨大的数据清洗成本。

公开数据集这块，有些生态研究机构会发布潮间带生物监测照片集，这类图片质量较高，但数量少、类别覆盖有限。搜索引擎爬图是主力，但爬下来的图质量参差不齐，有绘画作品、示意图、摆拍装饰品、带品牌水印的，甚至还有生物学手绘图。我们需要做的事包括：去掉黑白素描图、去掉有明显文字水印遮挡的、去掉分辨率低于300x300的、去掉多目标混在一起无法判断主体的图片。

这里有一个关键操作，我建议每个做这个题目的同学都不要跳过：把所有图片统一缩放到统一尺寸后，肉眼做一遍快速筛查。因为我们最终会做数据增强，原始图片里的干扰信息如果不清理掉，增强只会放大这些干扰的影响。比如有一类蛤蜊的图片里很多都带一个明显的白色标签牌，如果不过滤，模型很可能学到“有白牌就是这种蛤蜊”，测试时你自己的实拍图里没有白牌，准确率就崩了。这是实际踩过的坑，教训非常直接。

2.2 数据增强要控制尺度，不是越多越猛

在数据量有限的情况下，数据增强是提升模型泛化能力的必要手段。但课程设计里非常容易用力过猛。我当时见过有人把旋转角度开到90度、亮度变化范围开到正负50%，结果训练集准确率死活上不去，因为这个任务本身对形态变化是敏感的：蛤蜊和扇贝的纹理方向是有意义的特征，旋转90度之后纹理方向被破坏，网络学到了错误的空间关系。

合理的增强方式应当控制在一个合理的范围内：

• 随机水平翻转（不要开垂直翻转，因为垂直翻转会颠覆“腹面朝下”这一基本空间结构）
• 小角度旋转，10度以内
• 轻微缩放和裁剪，保持在20%以内
• HSV色彩空间微调，亮度饱和度调整范围控制在10%到15%
• 加入轻微高斯噪声

当时我们用这些增强手段把训练样本量从2000张扩增到每次epoch实际看到的约8000张（也就是每个epoch随机增强后看到的图片数量），验证集准确率从78%直接拉到了85%，说明数据增强是有效果的，但要注意尺度问题，不能让增强后的样本失去原有特征。

2.3 数据集划分的坑：按图片划分还是按个体划分

这个点很多人根本不会去注意，但实际非常关键。如果你从同一个视频或同一个网页批量下载了某个物种的连续帧截图，这些图片之间高度相似，如果同时落在训练集和验证集里，就会造成数据泄漏，让你的验证集准确率虚高，答辩时一旦被要求用没见过的图片测试就露馅。

我们的做法是：按来源分组划分。比如从某个生态调查项目中下载的80张图片算作一个来源，划分时尽量让同一个来源的图片只出现在一个集合里。这一步不需要太严格，因为完全避不开同源图片，但至少要保证网络搜索时不同搜索词命中的图不被混在一起平均分配。原则很简单：不要让几乎一模一样的图既训练又验证。

3. 模型选型与结构设计：从ResNet出发而不是从零搭CNN

3.1 为什么不用自己搭的纯CNN结构

课程设计里，老师通常希望看到你“理解CNN原理”，很多学生会因此倾向于自己从零搭一个几层的简单CNN，以为这样显得更懂原理。我的建议是反过来的：自己从零搭一个浅层CNN，在2000张这种规模的数据集上，大概率只能跑到70%左右的准确率，然后你就会陷入调参的泥潭——加层、改卷积核、调学习率，折腾几周还是上不去，最后兴致全无。

更好的思路是：用预训练的ResNet18或ResNet34做迁移学习。你仍然需要在报告里完整解释卷积层、池化层、全连接层、ReLU激活函数、批归一化的原理，但模型骨架直接复用ImageNet上预训练好的参数。这样做的理由有三条：

1. 壳类生物的纹理边缘、颜色分布等基础视觉特征，与ImageNet里的通用物体特征是相通的。预训练模型已经学会了识别边缘、角点、纹理等底层特征，这些特征可以直接迁移过来。
2. 我们的数据量只有2000张，不足以从头训练深层的卷积网络，容易严重过拟合。
3. 课程设计的核心目标是“用深度学习解决问题”，而不是“发明新网络结构”，花时间理解迁移学习、微调策略，是更实用的能力。

3.2 网络结构的选择与全连接层替换

我们最终用的是ResNet18，原因很朴实：模型规模适中，参数量约1170万，单张普通显卡就能训得动；ImageNet预训练权重容易找；分类头替换和迁移学习的代码实践在互联网上有大量成熟参考，遇到问题好排查。没有用ResNet50，是因为数据量有限，ResNet50更容易过拟合，而且训练时间翻倍，收益并不明显。也没有用EfficientNet，不是因为它不好，而是因为这类网络的预训练权重兼容性偶尔会出幺蛾子，课程设计阶段没必要增加变量。

关键改动是替换最后的全连接层。原来的全连接层输出是1000类（ImageNet类别数），我们需要改成8。同时，为了抑制过拟合，在替换后的分类头里加了一层Dropout，概率设为0.5。这里有一个细节值得注意：预训练权重与自定义分类头之间的“衔接”问题是很多人忽略的。我们当时在替换全连接层时，顺便调整了前面Global Average Pooling的输出维度，确保特征向量长度和新的全连接层输入维度一致。看起来是小事，但如果你用PaddlePaddle或PyTorch加载官方权重图时结构对不上，报错的就是维度不匹配。

3.3 微调策略：冻结还是全部解冻

有一种常见做法是：把全连接层换掉后，只训练新分类头，冻结前面的全部卷积层。这个做法优点是不容易过拟合、训练速度快，但缺点是模型只学到了ImageNet的通用特征，没有针对壳类生物做足够适应，最终准确率上限不高。我们的做法是“分段解冻”：

训练的第一阶段，冻结所有卷积层，只训练新加的分类头，用较小学习率跑10个epoch，把随机初始化的分类头先训出来。第二阶段，解冻最后两层的卷积层（ResNet18的layer4），和分类头一起继续训练15个epoch。第三阶段，所有层全部解冻，用更低一个量级的学习率做全模型微调，跑10个epoch后看验证集曲线决定是否提前停止。

这套策略的好处在于：先让分类头适应当前特征，再逐步放开底层参数，既能防止一开始就大步调卷积层导致特征崩塌，又能让模型学到壳类生物特有的纹理细节。最终效果是验证集准确率比“只训分类头”高出了约11个百分点，这个差距直接决定了项目最终能不能过85%这条线。

4. 训练调参与验证中的关键细节：损失函数、优化器、学习率调度

4.1 类别不均衡处理

收集到的图片数量不太可能刚好每类250张。有的类别，比如牡蛎，因为网上图片很多，能轻松收集到400多张；有的类别，比如青蛤，图片就少很多，只有一百多张。我们最初直接用交叉熵损失训练，结果就是模型倾向于把图片预测为图片多的那一类，对图片少的类精确率和召回率都低得离谱。

处理方式有两种选择：一是通过复制少数类样本来实现简单的过采样；二是使用带类别权重的损失函数。我们选择了后者，因为过采样会导致模型对少数类样本过拟合。做法是计算出每个类别的样本数量，然后按“总样本数/（类别数×该类样本数）”的形式计算权重，将这个权重矩阵传入交叉熵损失函数。在PyTorch里就是：

import torch.nn as nn class_counts = torch.tensor([260, 310, 400, 180, 150, 220, 280, 200], dtype=torch.float32) total = class_counts.sum() weights = total / (len(class_counts) * class_counts) weights = weights / weights.sum() criterion = nn.CrossEntropyLoss(weight=weights.to(device))

加了类别权重后，模型对少数类的关注明显提升，青蛤这一类的F1值从0.52提高到了0.79，整体准确率也上升了2到3个百分点。这个操作代码量很小，但效果非常直观，答辩时如果被问到你有没有考虑类别不均衡问题，这道操作就是加分作答。

4.2 优化器选择：AdamW和SGD的取舍

很多人图省事直接用Adam，学习率设为0.001，训练结果往往徘徊在85%上下，然后便不知所措。我们是这样的：优化器我们用的AdamW，因为它比起普通Adam多了权重衰减解耦处理，参数说说更稳定，训练时也不容易突然飞掉。

但是只用AdamW是不够的。我发现AdamW收敛到一个局部不错的结果后，继续训练很久准确率也没有明显变化。这时候我们引入了一个很有效的策略：训练后期切换到SGD做细调。具体做法是把前20轮的checkpoint拿出来，加载模型后换用SGD优化器（momentum=0.9），学习率调整为0.001，再跑5个epoch。这是一个经验性很强的招数，对当时的情况很管用——验证集准确率从这里开始突破91%。

需要说明的是：AdamW和SGD混用不是常规操作，每篇教材里也不一定会写，但在数据量有限的时候确实很有效果。原因在于AdamW前期能快速探索参数空间，而SGD后半段用固定的动量方向做精修，能找到更平坦的极小值区域，泛化能力更好。这种情况在很多小数据集项目里都能复现，值得一试。

4.3 学习率预热与余弦退火

学习率的设定一开始就折腾了我们几个晚上。按常规做法直接跑，损失值前5个epoch波动非常大，尤其是第一阶段从头训练随机初始化的分类头，误差很大，梯度下降的方向也不稳定。后来参考了Transformer训练中常用的预热策略，迁移到CNN上：头5个epoch从1e-4线性升至5e-4，之后按余弦退火函数在30个epoch内逐渐降到几乎为零。

预热的效果是让训练初期的参数更新幅度不要太冲，避免一开始就走错方向，后面再想拉回来就很难。余弦退火的用意是让学习率在后半程呈平滑下降，配合随机增强带来的数据扰动，更容易在验证集上找到稳定的谷底。

这里给出我们当时的PyTorch实现思路，注意用到了torch.optim.lr_scheduler中的LambdaLR，可以自己定义预热和退火的调度逻辑：

import math from torch.optim.lr_scheduler import LambdaLR def cosine_with_warmup(epoch, warmup_epochs=5, total_epochs=30): if epoch < warmup_epochs: return (epoch + 1) / warmup_epochs progress = (epoch - warmup_epochs) / max(1, total_epochs - warmup_epochs) return 0.5 * (1 + math.cos(math.pi * progress)) scheduler = LambdaLR(optimizer, lr_lambda=cosine_with_warmup)

如果你的框架不同，比如用PaddlePaddle或MindSpore，也可以自己写类似的回调函数，核心逻辑一模一样。

4.4 训练过程监控：不只是看准确率，还要看混淆矩阵

训练过程中我习惯每个epoch结束后记录三个指标：训练集损失、验证集损失、验证集准确率。但只看这三项还不够，因为壳类生物识别这个场景里，全局准确率会掩盖很多问题。比如模型可能在曲别针似的交错纹理面前完全分不清A和B，但A和B各自的数量都不算多，整体准确率看着还在90%左右，实际上这两类的F1值已经掉得没法看了。

所以我强烈建议每个epoch结束后同时输出混淆矩阵，至少要在模型保存之前看一眼最终混淆矩阵。我们当时用的方式是sklearn里的confusion_matrix，再配合seaborn画热力图，存下来直接在报告里展示。最终模型最大的混淆集中在“菲律宾蛤仔”和“青蛤”之间，这两类的外形和颜色确实太像了，单纯靠RGB图像特征难以区分。这也是壳类识别任务本身的特性，可以放到论文的“局限与展望”部分去讨论，反而显得你有思考深度。

5. 训练中真实踩过的坑：完整排查链路

写这类文章，光讲正确做法不够，把踩坑的过程写出来才对后来人更有价值。这一节我给出一条完整的排查链路，是我们当时验证集准确率莫名其妙掉到50%左右、然后一步步定位到根因的记录。

5.1 现象描述与初步怀疑

训练跑到第14个epoch时，验证集准确率从前一天的78%突然掉到53%，训练集准确率却一直在98%以上。这是一个典型的过拟合信号——训练集准确率极高，验证集骤降，说明模型开始死记训练集样本。理论上此时应该检查数据泄露和数据分布。我们第一个怀疑的是数据增强出了问题，检查代码之后发现没有异常，翻转、旋转的边界都是对的。然后怀疑学习率太高导致参数跳出了較好的区域，于是把学习率从5e-4降到1e-4，重新训练了两轮，结果更差，验证集精准度和召回率同时下降。

5.2 逐步排查：从数据到代码再到数据

顺着“先查数据，再查模型，再查数据”的思路，我们先检查验证集图片是否在增强时引入了过多噪声，结论是没有问题。接着检查了标签映射表，发现有一类图片在读入时因为文件名排序问题，训练集的标签整体向后错了一位。也就是说，模型看到的“菲律宾蛤仔”图片实际上对应的label是“青蛤”，重点来了——错位不是全部错，而是从某一类之后整体错位。这比全部错位更隐蔽，因为模型表面上还是能拟合到一定的映射关系，准确率曲线也会正常下降，但后期就会卡住上不去。

这个bug的根因在数据读取阶段：我们按照文件夹顺序遍历图片然后给每张图分配label，使用的映射字典是以文件夹名称作为key的，但Python读取目录时并不保证顺序，所以有一次运行环境不同，目录顺序变化了，文件夹和label的对应关系被部分打乱。修复方式很简单：不让代码依赖目录顺序，而是显式地把文件名和label写在一个CSV清单里，程序只认这份清单。

这里我没有用图片演示，但这背后藏着一个特别有价值的实战经验：做图像分类项目时，永远不要依靠文件名顺序、目录顺序来确定标签，一定要单独维护一份文件名到标签的映射表。看似不起眼的一步，能帮你省下好几个下午的排查时间。

5.3 排查结论与验证

修复标签错位后，同样的训练配置重新跑了一遍，验证集准确率在第20个epoch达到87%。这个数字并不比之前高太多，但模型的混淆矩阵明显已经从“乱猜”状态变回“虽然没有很好，但类间确实是按内容在区分”。随后我们把数据增强中旋转角度的上限从10度降到6度，又做了一次训练，最终验证集准确率稳定在91%。

整个排查过程下来，我们最大的感受是：准确率骤降的问题，先不要去动网络结构，先把数据链路完整走一遍——从图片路径到图变换到数据集划分到标签读取，每一步都打日志验证一遍，往往bug不在网络里，而在数据处理线上。这也是“工程素养”的一部分，评委老师最爱问这种细节，你答得出来，说明是真的自己做过。

6. 结果评估与答辩前的自检清单

6.1 只看准确率远远不够

这可能是整篇文章里最想强调的一点。做课程设计，很多人把验证集准确率当作唯一KPI，只要超过90%就觉得万事大吉。但实际上，在答辩或项目报告评审时，老师很可能会翻开你的混淆矩阵，问几个非常基础但答不好就会扣分的问题：

• “你的模型对哪些类别容易混淆？为什么？”
• “你用了哪些手段缓解类别不均衡？”
• “你的数据集中有没有重复或近重复的图片？”
• “如果你增加某一类的训练数据，你预计模型表现会怎么变？给出你的判断依据。”

如果这些问题的答案你没有提前梳理过，即使准确率跑到了91%，在答辩时的表现也可能不如一个准确率只有85%但把每个细节都讲清楚的同学。所以我建议做完项目后，一定留出时间做一个“自检清单”：

1. 每一类的最小验证集样本数是否足够支撑一次有统计意义的效果评估？
2. 混淆矩阵中混淆最严重的类别组合，能不能在外观特征上给出合理解释？
3. 是否对验证集中错误分类的图片做了逐张目检，确认错误模式？

6.2 错误模式分析：哪些错误是合理的

我们最终测试集总共约400张图，错误分类了40张左右。逐一翻看这些图片后发现，错误集中在这几类情况：

一是图片主体过小。比如有的图片中蛤蜊只占画面四分之一，四周全是岩石和泥沙背景，模型把背景当成了主体特征，判断就偏了。这提示我们，后续迭代时可以用目标检测模型先把壳类位置框出来再做分类，也就是“检测+分类”的二阶段方法，但课程设计中不必做到这一步，能分析出这个规律并在报告里提出改进方向，已经是高分思维了。

二是活体与标本差异。网上图片里有的牡蛎是去壳后的肉与壳混合的样子，有的是只拍壳面的，模型对这两种子模式学出了矛盾的内部表示。这个问题其实没法通过调参解决，只能通过规范数据集定义——在报告里明确说本项目识别的是“壳面特征”，对于带肉的图片统一清理掉。这个整理过程虽然费时，但对最终泛化能力的贡献是实打实的。

6.3 一张真正好看的效果分析图应该包含什么

做课程设计的展示材料，图比文字更占便宜。我建议除了训练曲线和混淆矩阵之外，一定要做一张“错误样例分析图”：把测试集中每个错误分类的图片按“预测置信度从高到低”排列展示，配上真实类别和预测类别的对比。

这张图的好处在于：它直接解释清楚了模型“自信地犯错”的场景，让评审老师直观地看到模型的能力边界。比如我们会发现置信度最高的错误样本集中在“青蛤”被预测成“菲律宾蛤仔”的情况，两张图放在一起肉眼都难分，那这个错就是可以理解的。而另一张置信度很低的正确预测则说明模型虽然猜对了，但本身也不确定，这类是边缘样本，后续可以靠增加数据来解决。

7. 训练环境配置与可复现性的建议

讲完模型和调参策略，还有一些工程上的细节值得从课程设计的角度单独聊一聊。很多同学的代码都是在自己的笔记本上跑起来的，环境配置五花八门，到答辩演示的时候突然显存不够或版本不兼容，就很影响状态。我自己通常建议课程设计项目遵循“最小依赖”原则，不要过度引入一堆库，能让别人快速复现的项目才是好项目。

环境方面我们用到了PyTorch 1.13配合torchvision 0.14，Python版本3.9，GPU是某实验室的一张入门级显卡。如果你手头只有CPU，也完全可以把这个问题跑起来，无非是把批量大小降到16，图像缩放尺寸从224降到160，训练时间从3小时变成6到8小时。一个2000张图片规模的图像分类项目，并未需要多高端的硬件，反而是那些动不动就上超大批次的代码，在课程设计阶段容易把自己卡死。

代码组织上，我把所有逻辑分成四个文件：数据读取与增强定义、模型定义与权重加载、训练循环与验证循环、测试评估与可视化。训练超参数写在一个config字典里，方便统一调整。这样写的好处一是自己调试方便，二是写进报告的附录时结构清晰。如果老师要求提交源码，这个可读性会让代码质量分上一个台阶。

对于PyTorch训练的随机性，这里提示一下：设随机种子并不能完全保证结果可复现，因为GPU的某些算子本身就是非确定性的。为了让答辩时复现出的数字接近论文里的数值，最好固定所有能固定的随机源，同时把最终的模型参数保存下来，答辩时直接加载跑一次推理就行，不必现场重新训练。这件事虽然不起眼，但是“项目完成度”的体现。

8. 数据标注与半自动化的提高效率技巧

回到很多课程设计团队最容易耗时间的环节：标注数据。2000张图说多不多，说少不少，如果一张张人工分类整理，几个小时就没了。我们的做法是写了一个非常粗糙的半自动辅助筛选脚本：先用一个现成的预训练模型（在ImageNet上训练的通用分类网络）对收集到的图片做一次聚类预标签，生成按“相近视觉特征”分组的候选文件夹，然后再人工逐批确认和打标。

这个方法的原理是ImageNet预训练模型在最后一层卷积输出的特征表达里，已经包含了很多底层结构信息，类似的壳类图片在特征空间里会互相靠近。用它做预聚类比纯按文件名猜归类高效得多。实际用下来，原本一个下午能整理150张图，用这个流程能整理到400张左右。

如果你不想写得这么复杂，还有更朴素的办法：先按来源或网址分类整理成初始文件夹，再用批量重命名工具把同类的文件统一命名加前缀，最后人工确认一遍。千万不要把几百张图片全部扔到一个目录里再手工重命名，那样既容易漏，更会产生前面提到的标签错位风险。

标注质量这块我还想多提醒一句：肉眼判断时不要依赖文件名，直接看图分类，文件名经常是误导来源。我们当时从某个网站上抓了一批图，文件名里全都写着“scallop”，但点开看里边混了三种不同的贝壳，如果不逐张看，这一批图直接标成扇贝，就会给模型喂错误样本。

9. 一个供参考的最小训练配置总览

这里把我们最终跑通并保存下来的关键配置整理成一张表格，方便做课程设计的同学直接照着一个基础版本起步。这个配置不保证在你自己的数据集上百发百中，但作为基线是足够稳定的：

另外，模型的保存和加载有一个容易被忽略的细节：只保存模型参数而不保存优化器状态，恢复训练时会丢momentum状态，导致学习率调度不对称。课程设计的模型训练本来就短，所以遇到这种情况直接从头再训也不是不行。但如果答辩前你自己想要在保存的checkpoint上继续微调，就要把优化器状态一起保存下来：

checkpoint = { 'model_state_dict': model.state_dict(), 'optimizer_state_dict': optimizer.state_dict(), 'scheduler_state_dict': scheduler.state_dict(), 'epoch': epoch, 'best_acc': best_acc } torch.save(checkpoint, 'best_model.pth')

恢复时用torch.load加载后分别load_state_dict即可。

我做这个项目的过程中，有好几次因为换环境、重新装依赖导致模型加载报错，最后查下来都是“版本字段序列化不兼容”的问题。所以如果你要把代码发给其他同学复现，最好在代码里注明依赖版本，并把模型重新测试一遍再交出去。这些事看起来不涉及核心算法，但课程设计评审时，这些都算“系统完整度”的一环。

10. 后续可能的改进方向与实际使用体会

如果你做完基线之后还有余力，以下几个方向是按性价比排序的：目标检测+分类的两阶段方案、壳类区域分割后再分类、使用更大的预训练模型配更强正则、以及引入注意力模块让网络关注壳面核心区域而不是背景。它们都属于同一思路：把模型从“看图猜类别”变成“找到壳面，分析壳面特征，再决定类别”。后者才是更接近人类识别行为的路径。

还有一个容易被忽略的方向：贝壳年龄与磨损程度对识别的影响。同一物种的幼体和成体壳面纹理差异不小，我们样本里幼体图片较少，模型对幼体分类的置信度普遍偏低。瓶颈不在模型容量上，而在数据分布覆盖度上。在报告里把这个分析讲清楚，比尝试堆模型参数更能体现你的系统性理解。

最后分享一个个人体会：这类课程设计项目，最核心的价值不是把准确率刷到多少分，而是让你的实践链路走通一圈。从问题定义、数据工程、模型训练、评估分析到改进方向，是一套完整的机器学习项目思考方式。只要你认真做完这整个过程，答辩时聊起你的踩坑和排查链路，那种底气是临时背解释的说辞根本比不了的。希望这篇复盘对你做海洋壳类生物识别项目有用，也欢迎在实践中遇到问题按着这篇文章的排查思路自己过一遍，往往会有意外收获。