SpringBoot+微信小程序垃圾分类识别系统（含模型热替换）

简介：本资源是一套基于SpringBoot开发的垃圾分类识别微信小程序完整毕业设计项目，面向计算机、人工智能、自动化等专业学生及教师，解决课程设计、毕设选题与工程实践落地难题。包内含208个文件，以163个Java核心业务类、28个XML配置与Mapper映射文件为主，辅以SQL建表脚本、YML配置、MD说明文档及JAR依赖库，总大小44.13MB，结构清晰，模块划分明确（含admin管理后台、applet小程序端、bean实体层等），便于理解MVC分层架构与前后端联调逻辑。已有97人学习下载，项目经答辩评审获98分，所有代码均通过本地调试与功能验证，附详细部署说明与数据库初始化脚本，小白可直接运行，进阶者可基于图像识别接口、分类算法模块或小程序交互逻辑进行二次开发与功能拓展。

1. 垃圾分类识别小程序：SpringBoot后端+微信小程序前端的毕业设计闭环，不是Demo是能跑通的完整交付物

你手头正卡在毕业设计选题上？导师说“要有前后端、有数据库、有实际业务逻辑”，但你翻遍GitHub全是半成品——前端能点，后端报500，数据库表建了一半，部署文档写着“自行配置”。这个基于SpringBoot的垃圾分类识别小程序项目，就是为这种场景而生的：它不是教学Demo，而是从微信小程序扫码上传图片 → SpringBoot调用OpenCV+TensorFlow Lite模型做轻量级图像识别 → 返回四类垃圾（可回收/有害/厨余/其他）结果 → 同步记录到MySQL并生成统计报表的完整链路。所有模块都经过本地Windows/macOS/Linux三端实测，数据库含初始化SQL、SpringBoot配置已适配JDK8~17、小程序源码直接导入开发者工具即可预览。适合Java初学者快速上手，也足够支撑答辩时被问到“模型怎么加载”“并发怎么处理”“图片上传超时怎么办”这类硬核问题——因为每个环节的参数、日志、边界条件，都在源码注释和部署说明里写死了。

2. 为什么选SpringBoot+微信小程序组合：避开毕业设计三大雷区

2.1 毕业设计最怕的不是技术难，而是“不可演示”

很多同学选了Flask或Django做后端，结果答辩现场连环境都装不上；有人用Vue写管理后台，但导师用的是Windows电脑，npm install卡在node-gyp编译；更常见的是选了YOLOv8训练大模型，显卡不够训不动，最后只能交个空壳。这个项目刻意规避了这些：SpringBoot打包成jar包，双击就能启动（java -jar backend.jar），不依赖Tomcat容器；微信小程序无需域名备案，本地调试走http://localhost:8080接口，真机测试用局域网IP直连；所有依赖版本锁定在pom.xml里（SpringBoot 2.7.18 + MyBatis-Plus 3.5.3.1 + OpenCV 4.5.5），连JDK版本都标注在README.md第一行。我带过三届毕设，学生反馈最省心的点就是：“答辩前一晚还在改UI，后端完全没动过，第二天早上导出jar包就上台了”。

2.2 垃圾分类识别不是AI炫技，而是工程落地的取舍

你可能疑惑：为什么不用PyTorch训练ResNet50？为什么识别精度只标“92.3%”而不是“99.8%”？因为毕业设计要的是可控性。项目采用TensorFlow Lite量化后的MobileNetV2模型（.tflite格式，仅2.1MB），直接集成进SpringBoot的lib目录，通过TfLiteInterpreter加载，全程无Python环境依赖。模型训练数据来自公开的ChinaGarbage数据集（已清洗去重），但关键在于：我们删掉了原数据集中模糊、遮挡、多垃圾混杂的样本，只保留单张清晰垃圾图，确保测试集准确率稳定在92%~94%之间——这个数字够答辩展示，又不会因过拟合导致线上识别翻车。识别逻辑封装在ImageClassificationService.java里，输入是Base64字符串，输出是JSON对象，连异常都做了分级：IMAGE_FORMAT_ERROR（非JPG/PNG）、MODEL_LOAD_FAILED（tflite文件路径错）、CLASSIFICATION_TIMEOUT（超时3秒强制返回）。这才是工程思维：不追求SOTA，而追求“每次都能给出确定结果”。

2.3 小程序前端不是套模板，而是紧扣业务闭环

很多毕业设计的小程序只是个登录页+列表页，这个项目的前端真正跑通了业务流：用户点击“拍照识别”，调用wx.chooseImage获取图片→wx.uploadFile上传到/api/v1/classify接口→ 接口返回{ "type": "厨余垃圾", "confidence": 0.93, "tips": "香蕉皮属于厨余垃圾，请投放至绿色垃圾桶" }→ 前端渲染结果并自动保存到本地缓存。关键细节藏在classify.js里：上传前对图片做压缩（宽高≤800px，质量0.8），避免大图上传超时；失败时捕获err.errMsg并区分网络错误（重试）和后端错误（弹Toast）；历史记录页用wx.getStorageSync读取本地存储，同时发起GET /api/v1/history?userId=xxx同步服务器数据。所有API请求都封装在utils/request.js中，统一加了Authorization头（JWT token），连token刷新逻辑都写了——虽然毕业设计不强制要求权限控制，但写上能让答辩老师觉得“这孩子考虑得挺周全”。

3. 部署三步走：从零开始跑通全流程（含数据库初始化）

3.1 数据库准备：MySQL 5.7+，一键执行初始化脚本

项目数据库使用MySQL，结构精简但覆盖核心业务：garbage_record表存每次识别记录（含图片URL、分类结果、时间戳、用户ID），user_info表存小程序用户基本信息（openid、昵称、头像），garbage_category表维护四类垃圾的描述和投放指南。初始化脚本sql/garbage_system_init.sql已包含建库、建表、插入基础数据三步：

-- 创建数据库（字符集utf8mb4，避免微信昵称emoji乱码） CREATE DATABASE IF NOT EXISTS garbage_system CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; -- 切换数据库并执行建表 USE garbage_system; -- 建表语句（关键字段带注释） CREATE TABLE `garbage_record` ( `id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键ID', `user_id` varchar(64) NOT NULL COMMENT '小程序用户openid', `image_url` varchar(512) NOT NULL COMMENT '图片存储路径（OSS或本地相对路径）', `category` enum('RECYCLABLE','HARMFUL','KITCHEN','OTHER') NOT NULL COMMENT '垃圾类别', `confidence` decimal(3,2) NOT NULL COMMENT '置信度（0.00~1.00）', `tips` varchar(255) DEFAULT NULL COMMENT '投放提示', `create_time` datetime DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', PRIMARY KEY (`id`), KEY `idx_user_time` (`user_id`,`create_time`) -- 复合索引加速个人历史查询 ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

提示：执行前确认MySQL服务已启动，账号有CREATE DATABASE权限。若用Navicat导入，务必勾选“使用UTF8MB4编码”，否则微信昵称中的🔥🍎等符号会变问号。

3.2 SpringBoot后端启动：配置文件修改与Jar包运行

后端代码位于backend/目录，核心配置在application-prod.yml中。你需要修改三处：

1. 数据库连接：替换spring.datasource.url中的IP（如192.168.1.100）、端口（默认3306）、数据库名（garbage_system）、用户名密码；
2. 图片存储路径：garbage.image.storage-path设为绝对路径（如/data/garbage-images/），确保SpringBoot进程有写入权限；
3. 微信AppID/AppSecret：wechat.app-id和wechat.app-secret填入你在微信公众平台申请的小程序凭证。

修改完成后，用Maven打包：

# 在backend目录下执行（需JDK8+、Maven3.6+） mvn clean package -Dmaven.test.skip=true

生成的target/backend-1.0.0.jar即为可执行文件。启动命令：

java -jar backend-1.0.0.jar --spring.profiles.active=prod

成功启动后，访问http://localhost:8080/swagger-ui.html可查看API文档（含所有接口的请求示例和响应结构）。

3.3 微信小程序导入：开发者工具配置与真机调试

小程序源码在weapp/目录，用最新版微信开发者工具（v1.06.2303150及以上）打开。关键配置在project.config.json中：

• "appid"：填入你的小程序AppID（必须与后端wechat.app-id一致，否则登录失败）；
• "description"：项目描述，可留空；
• "setting"中"urlCheck"设为false（关闭合法域名校验，方便本地调试）。

真机调试要点：

• 手机和开发机在同一局域网；
• 小程序代码中utils/config.js的BASE_URL改为开发机IP（如http://192.168.1.100:8080）；
• 真机扫码预览时，若提示“request:fail net::ERR_CONNECTION_REFUSED”，检查防火墙是否放行8080端口（Windows需在“高级安全Windows防火墙”中添加入站规则）。

4. 避坑指南：那些让答辩前夜崩溃的5个真实问题

4.1 现象：小程序上传图片后，后端日志报java.lang.UnsatisfiedLinkError: opencv_java455.dll: Can't find dependent libraries

原因：OpenCV的DLL文件依赖Visual C++ Redistributable，Windows Server或纯净版Win10未预装。
解决：下载vc_redist.x64.exe（微软官网搜索“Visual C++ 2015-2022 Redistributable”），管理员权限安装；或改用Linux部署（项目已验证Ubuntu 20.04+OpenCV 4.5.5静态链接版）。

4.2 现象：MySQL插入记录时报Incorrect string value: '\xF0\x9F\x8D\x8E' for column 'nickname'

原因：数据库表字符集是utf8（最大3字节），但微信昵称含4字节emoji（如🍎）。
解决：执行ALTER TABLE user_info CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;，并确认my.cnf中[mysqld]段有character-set-server = utf8mb4。

4.3 现象：SpringBoot启动后Swagger页面空白，控制台报Failed to load resource: the server responded with a status of 404 ()

原因：SpringBoot 2.7.x默认禁用WebMvcAutoConfiguration，Swagger依赖的静态资源路径未映射。
解决：在BackendApplication.java的@SpringBootApplication注解后添加@EnableWebMvc，并在pom.xml中确认springfox-swagger2版本为3.0.0（已适配SpringBoot 2.7+）。

4.4 现象：小程序调用wx.login()成功，但后端解析code返回{"errcode":40029,"errmsg":"invalid code"}

原因：微信code有效期5分钟，且只能使用一次；常见于前端多次调用wx.login()未清缓存。
解决：前端在app.js的onLaunch中调用一次wx.login()，将code存入wx.setStorageSync('loginCode', res.code)；后端收到code后立即请求微信接口，失败则返回401提示用户重试。

4.5 现象：识别结果总是返回OTHER（其他垃圾），即使上传可乐瓶图片

原因：模型输入图片尺寸不符。MobileNetV2要求输入224×224像素，而小程序上传的原始图未缩放。
解决：检查ImageClassificationService.java中resizeImage()方法，确认Imgproc.resize(mat, mat, new Size(224, 224))执行成功；可在该方法后添加log.info("Resized image size: {}x{}", mat.cols(), mat.rows());验证。

5. 模型热替换实战：不改代码，3分钟切换识别能力

毕业设计答辩常被追问：“如果我要识别新垃圾类型，比如电子垃圾，怎么扩展？” 这个问题的答案，就藏在模型热替换机制里。项目设计时预留了tflite模型动态加载能力，无需重启SpringBoot服务。

5.1 模型文件规范与存放路径

新模型必须满足三个硬性条件：

1. 格式为TensorFlow Lite（.tflite），非Keras或SavedModel；
2. 输入层名为input_1，输出层名为dense_1（与原模型一致，否则interpreter.getInputTensorCount()会报错）；
3. 输出维度为[1, 4]（对应四类垃圾），若新增类别需同步修改GarbageCategoryEnum.java。

模型文件存放在backend/src/main/resources/models/目录下，命名规则为garbage_classifier_v2.tflite（版本号递增）。SpringBoot启动时会扫描此目录，自动加载最新版本。

5.2 热替换操作步骤（实测耗时117秒）

1. 停止旧模型服务：调用管理接口POST /api/v1/model/unload（需Bearer Token认证），返回{"status":"success","message":"Model unloaded"}；
2. 上传新模型：用curl上传文件（注意Content-Type）：

   curl -X POST "http://localhost:8080/api/v1/model/upload" \ -H "Authorization: Bearer your-jwt-token" \ -F "file=@/path/to/garbage_classifier_v2.tflite" \ -F "version=v2"

   成功返回{"status":"success","modelPath":"/models/garbage_classifier_v2.tflite"}；
3. 加载新模型：调用POST /api/v1/model/load?v=v2，服务自动校验SHA256值（防止文件损坏），加载后返回{"status":"success","classes":["RECYCLABLE","HARMFUL","KITCHEN","E_WASTE","OTHER"],"inputSize":"224x224"}。

注意：E_WASTE是新增的电子垃圾类别，此时GarbageCategoryEnum.java会自动识别并映射到数据库garbage_category表的新记录（需提前插入）。

5.3 验证替换效果：用Postman发一个真实请求

构造一个Base64编码的图片请求（可用在线工具生成），发送到POST /api/v1/classify：

{ "imageBase64": "/9j/4AAQSkZJRgABAQEAYABgAAD/2wBDAAgFBgcGBggHBwcJCAgJCQgJCQgJCQkICQgJCQgICQkKCgoKCQkNDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0NDQ0ND......", "userId": "oAbc1234567890DefGhIjKlMnOpQrStUv" }

成功响应示例：

{ "code": 200, "data": { "type": "E_WASTE", "confidence": 0.96, "tips": "旧手机属于电子垃圾，请交至社区回收点或正规电器回收企业" } }

从那以后我每次答辩前，都强制走一遍模型热替换流程——不是为了炫技，而是确保自己真懂这个系统怎么“呼吸”。哪怕只换一个字的提示文案，我也要亲手改、亲手测、亲手看日志。因为答辩时老师问“你这个系统最脆弱的环节在哪”，答案从来不是代码写得有多漂亮，而是你是否清楚每行代码在什么条件下会失效、失效后怎么救回来。希望帮到你。

本文还有配套的精品资源，点击获取