企业官网建设流程全解析

简介：面向图像分类与计算机视觉入门者的一套垃圾分类实战项目，基于TensorFlow和OpenCV构建自定义神经网络模型，覆盖从数据集准备、模型训练到预测推理的完整流程。项目实现了干垃圾、湿垃圾、可回收垃圾、有害垃圾四类识别，提供train.py与predict.py两个Python脚本：前者用于训练自定义网络，后者可加载模型并对图片预测，结果以中文直接显示在图像上。资源共包含1046个文件，其中1041张JPG图片构成分类数据集，另有2个Python脚本、1个已训练好的H5模型文件、1个操作演示MP4视频及1个说明文档，压缩包整体大小约824.68MB，目录结构清晰，便于按需查阅。目前已有1332人学习下载，非常适合深度学习新手模仿改造：既可对照完整代码理解图像分类原理，也可将本项目作为通用模板，迁移到其他多类别图像识别任务中。

1. 一个能跑通的图像分类模板：垃圾分类四分类从训练到中文标注

图像分类入门最尴尬的时刻，不是看不懂卷积原理，而是拿着原理搭工程时，卡在数据集怎么组织、训练完怎么保存、预测时怎么把结果画回图上这三段衔接上。这套基于 TensorFlow 和 OpenCV 的垃圾分类项目，恰好把三段全串在了一起：干垃圾、湿垃圾、可回收垃圾、有害垃圾四分类，附带 DIY 卷积网络、train.py 训练脚本、predict.py 预测脚本，训练好的 my_model.h5 和一批测试图都在包里，解压改下路径就能跑通。更关键的是它没用预训练模型，网络完全手动搭建，既是垃圾分类 demo，也是能套到任意图像分类任务上的通用模板。

2. 数据集与目录约定：四分类任务的样本组织与预检

一个图像分类项目能不能跑通，第一步往往不是模型结构，而是数据目录。Keras 的 flow_from_directory 有一套严格的目录约定：把每个子文件夹名当类别标签，自动读取图片并生成 one-hot 编码。这个机制对垃圾分类这种天然按类别归档的场景非常适合，但前提是你必须按它约定的规则组织文件，否则脚本会静默跳过图，或者直接报 Found 0 images。

2.1 四种垃圾类别的目录组织方式

推荐目录结构如下：

garbage_dataset/ ├── train/ │ ├── dry/ # 干垃圾 │ ├── wet/ # 湿垃圾 │ ├── recyclable/ # 可回收垃圾 │ └── harmful/ # 有害垃圾 ├── val/ │ ├── dry/ │ ├── wet/ │ ├── recyclable/ │ └── harmful/ └── test/

每个子文件夹内部的图片命名用什么前缀不重要，train.py 只认最底层文件夹名。类别名为什么用英文？因为 flow_from_directory 按 ASCII 顺序生成类别索引，中文文件夹名会引入字符编码上的不确定性，常见做法是用拼音或英文存文件夹，中文显示交给 predict.py 在画图时做映射。

这里有个容易踩的隐性点：类别的索引顺序不取决于你创建文件夹的顺序，而是按文件夹名的字母序排。上面四个文件夹按字母序是 dry、harmful、recyclable、wet，对应索引 0、1、2、3，和你直觉里的「干、有、可、湿」顺序完全对不上：

后面 predict.py 里手动映射中文标签时，必须按照这个 class_indices 的顺序来写，这是整个项目里最容易翻车的点。我一般会在训练脚本里先打印 train_generator.class_indices，确认顺序再往下走。

注意：类别索引的顺序由文件夹名的字母序决定，而不是创建顺序。train.py 打印的 class_indices 是 predict.py 映射中文标签的唯一依据。

样本数量方面，这类小项目每类 20~50 张图就能跑通流程，但类别之间要尽量均衡。四分类如果一类 50 张、另一类只有 10 张，模型会倾向于把不确定样本判给样本多的类，后期提升准确率很被动。

从原始照片整理成这个结构也不复杂，几行脚本就能完成：

import os import shutil # raw_photos 下先手工按类别分好：raw_photos/dry、raw_photos/wet ... raw_root = 'raw_photos' target_root = 'garbage_dataset' for cls in ['dry', 'wet', 'recyclable', 'harmful']: for subset in ['train', 'val']: os.makedirs(f'{target_root}/{subset}/{cls}', exist_ok=True) files = os.listdir(f'{raw_root}/{cls}') for i, name in enumerate(files): # 每 5 张抽 1 张进 val，其余进 train，示例用取模足够 subset = 'val' if i % 5 == 0 else 'train' shutil.copyfile( f'{raw_root}/{cls}/{name}', f'{target_root}/{subset}/{cls}/{name}' )

这段脚本做的事是：按类别建立 train/val 双层目录，然后用取模的方式做随机划分。i % 5 == 0意味着每个类约 20% 的图进验证集。真实项目里建议换成random.shuffle固定随机种子再做 split，避免每次跑结果不一致。

2.2 图像预检：用 OpenCV 扫出损坏文件与异常通道

数据集的坑都不在明面上，最典型的是网上爬下来或手机导出的图里混入了损坏文件、灰度图或带透明通道的 PNG，训练跑到一半报错，错误信息却指向不明。我一般先跑一段预检脚本：

import cv2 import imghdr from pathlib import Path data_root = Path('garbage_dataset') for subset in ['train', 'val', 'test']: subset_dir = data_root / subset if not subset_dir.exists(): continue for cls_dir in subset_dir.iterdir(): if not cls_dir.is_dir(): continue for img_path in cls_dir.iterdir(): # imghdr 按内容检测真实格式，扩展名造假骗不过它 if imghdr.what(img_path) is None: print('损坏文件:', img_path) continue # OpenCV 解不出来的一律删掉或重新导出 img = cv2.imread(str(img_path)) if img is None: print('OpenCV 无法读取:', img_path) continue h, w, c = img.shape if c != 3: print('非三通道图像:', img_path, 'shape=', (h, w, c)) if min(h, w) < 64: print('分辨率过小:', img_path, 'shape=', (h, w, c))

脚本分三层检查：imghdr 先按文件内容判断是不是真图像，能挡住改名换后缀的假文件；OpenCV 再尝试解码，解不出来的直接标记；最后检查通道数和最小边长。最小边长设成 64，比训练尺寸 224 小得多，只用来排除严重异常的图片，避免训练时读入一张 20x20 的缩略图干扰模型。灰度图（c=1）和 RGBA PNG（c=4）建议统一转成三通道 JPG 再进目录，因为网络输入层固定要求 shape=(224, 224, 3)，通道对不上时训练报错会非常隐晦。

3. DIY 网络设计：为什么手动搭卷积网络比迁移学习更适合当模板

做图像分类，不少人的第一反应是上 VGG、ResNet 预训练模型，或者直接尝鲜最新的图像分类模型结构，精度确实高。但这类方案对入门者有个致命问题：整个网络像个黑匣子，改一个参数你不知道影响什么，出了问题也不知道从哪排查。这份资源刻意选择手动搭建网络，我认为这是它最大的价值——你要学习的是图像分类的完整链路，不是调包技巧。

3.1 选型理由：小数据、四分类、可解释性优先

垃圾四分类本身不是难题，数据集体量也小，手动搭一个三层卷积的小网络完全够用。参数量控制在百万以内，普通 CPU 上一个 epoch 只需几分钟，单张图的预测在毫秒级，对新手实验来说这个反馈速度很重要。手动网络训练稳定，不依赖预训练权重下载，断网环境下也能完整复现，这是很多跑实验的从业者很在意的一点。

对比之下，迁移学习要加载几十上百 MB 的预训练权重，微调逻辑也更绕：哪些层冻结、哪些层解冻、学习率怎么分层设，每一步都在增加认知负担。作为一份用来理解和改造的模板，可解释性比极限精度重要得多。你改一个卷积核数量、加一层池化，能立刻看到参数量和训练速度的变化，这种反馈是预训练模型给不了的。

网络尺寸上，我的经验是滤波器通道数按 16 → 32 → 64 递增：

通道递增有讲究：浅层学边缘和颜色块，深层需要学「像塑料袋还是像电池」这种语义概念，特征容量必须逐层放大。反过来第一层就用 128 通道，小数据集很快就过拟合，训练集准确率很高、验证集一塌糊涂。

3.2 Keras 网络结构代码与参数说明

手动搭网络我用 Keras Sequential，每一层就是一行，改起来直观：

from tensorflow.keras import Sequential from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout model = Sequential([ Conv2D(16, (3, 3), activation='relu', input_shape=(224, 224, 3)), MaxPooling2D((2, 2)), Conv2D(32, (3, 3), activation='relu'), MaxPooling2D((2, 2)), Conv2D(64, (3, 3), activation='relu'), MaxPooling2D((2, 2)), Flatten(), Dense(64, activation='relu'), Dropout(0.5), Dense(4, activation='softmax') ]) model.summary()

这套结构有三个参数需要重点说明。input_shape=(224, 224, 3) 里的 224 必须和 train.py 里 flow_from_directory 的 target_size 完全一致，否则模型输入和实际喂进来的数据对不上，预测阶段 resize 也要按同一尺寸。Dropout(0.5) 插在第一个全连接层之后，训练时随机扔掉一半神经元，这是小数据集防过拟合性价比最高的一招；它只在训练时生效，预测时自动关闭，predict.py 里不需要额外处理。最后 Dense(4, activation='softmax') 的 4 是类别数，之后改成自己的任务时，这个数字必须跟着标签数量变，改错会在训练时报 shape 不匹配。

4. train.py 详解：数据增强、训练配置与 my_model.h5 的导出

train.py 是这份资源的主训练入口，做的事情无非三件：把第 2 章的目录结构转成数据流、把第 3 章的网络真正跑起来、把结果存成 my_model.h5。环境上只需要 tensorflow、opencv-python、Pillow 三个库，装好就能跑。三个环节在脚本里对应三段代码，拆开看不复杂。

4.1 ImageDataGenerator 与数据流构造

数据读取用 Keras 的 ImageDataGenerator 是最省事的方案。它把读图、缩放、增强、打包 batch、生成标签全封装了，避免手写数据管道时在文件路径和 one-hot 编码上反复出错。

from tensorflow.keras.preprocessing.image import ImageDataGenerator # 训练集带数据增强，验证集只做缩放，不做扰动 train_datagen = ImageDataGenerator( rescale=1.0 / 255, rotation_range=10, width_shift_range=0.1, height_shift_range=0.1, zoom_range=0.1, horizontal_flip=True, fill_mode='nearest' ) val_datagen = ImageDataGenerator(rescale=1.0 / 255) train_generator = train_datagen.flow_from_directory( 'garbage_dataset/train', target_size=(224, 224), # 与模型 input_shape 严格一致 batch_size=16, class_mode='categorical', # 输出四维 one-hot 标签 shuffle=True ) val_generator = val_datagen.flow_from_directory( 'garbage_dataset/val', target_size=(224, 224), batch_size=16, class_mode='categorical', shuffle=False # 验证集打乱会破坏每个 epoch 的可比性 ) print('训练集类别索引:', train_generator.class_indices) print('训练集样本数:', train_generator.samples)

rescale=1.0/255 是把像素值从 0~255 归一化到 0~1，直接决定了网络能否收敛。rotation_range=10 表示随机旋转正负 10 度，width_shift_range=0.1 表示水平平移最多 10% 的图宽，zoom_range=0.1 是随机缩放到 90%~110%，这些小扰动让模型见到更多变体，缓解样本不足。batch_size=16 在显存有限时比较稳妥，显存充裕可以调到 32，加快训练但会增加内存占用。class_mode='categorical' 输出四维 one-hot 标签，对应最后一层 softmax 的 4 个输出；如果改成 'sparse' 或 'binary'，损失函数和输出层都要跟着调整。验证集不增强、不 shuffle，是为了让每个 epoch 的验证指标在同一批数据上做对比。

有个建议养成的习惯：打印 class_indices 和 samples。前者确认标签顺序，后者确认每个子目录真的被读进来了，某个文件夹命名不规范出现 0 样本时，这里会立刻露出马脚。

4.2 训练参数、模型保存与 class_indices 固化

网络搭好后，编译和训练参数是决定模型能不能学到东西的关键。我常用的配置如下：

from tensorflow.keras.optimizers import Adam # 四分类用 categorical_crossentropy，学习率宁小勿大 model.compile( optimizer=Adam(learning_rate=1e-4), loss='categorical_crossentropy', metrics=['accuracy'] ) # steps_per_epoch 取整，防止一个 epoch 重复取到同一批数据 steps_per_epoch = train_generator.samples // train_generator.batch_size validation_steps = val_generator.samples // val_generator.batch_size history = model.fit( train_generator, steps_per_epoch=steps_per_epoch, epochs=30, validation_data=val_generator, validation_steps=validation_steps ) # 保存完整模型，预测时 load_model 一步恢复网络和权重 model.save('my_model.h5')

learning_rate 从 1e-4 起步是我在小数据集上的经验值。学习率调大到 1e-2，loss 会震荡甚至直接发散，典型表现是 accuracy 卡在 0.25 附近——四分类的随机猜测概率就是 0.25，模型等于没学。epochs=30 对这种小数据集足够看到趋势，loss 还在持续下降就往后加，不用死守这个值。

提示：model.save('my_model.h5') 保存的是完整模型，predict 时 load_model 一步到位；model.save_weights 只存权重，使用前必须重新搭一遍网络结构，新手不建议走这条路。

还有一个容易忽略的点：class_indices 的映射关系不会写进 h5 文件。模型记住的是「索引 0 对应 dry」这种训练时的顺序，这个顺序由 flow_from_directory 按文件夹字母序生成。所以 train.py 里打印的那行 class_indices，最好原样抄进 predict.py 的标签列表，两边保持一致，模型输出才不会张冠李戴。我第一次跑这个项目时就是没做这一步，预测时把可回收垃圾显示成了有害垃圾，排查半天才发现是标签顺序对不上，这步最玄学也最容易被忽略。

5. 垃圾分类项目避坑清单：训练与预测阶段的五个黑匣子

这类项目的坑高度集中在两处：训练阶段的数据读取，预测阶段的预处理一致性。下面五条都是实际跑的时候翻过车的，按「现象 → 原因 → 解决」写清楚，照着排查能省半天时间。

5.1 训练阶段的两个高频坑

坑 1：训练准确率长期卡在 0.25 附近，loss 几乎不降。 现象：accuracy 在 0.2~0.3 之间波动，怎么看都不像在学。 原因：四分类随机猜对的概率是 0.25，准确率卡在这个值，说明模型完全没学到特征。最常见是学习率过大导致 loss 震荡不收敛，或者 ImageDataGenerator 里漏写 rescale，像素值 0~255 直接喂进网络，梯度被放大后无法正常优化。 解决：把学习率降到 1e-4 重新训练，并确认 train_datagen 里写了 rescale=1.0/255。如果仍不降，打印几个 batch 的标签，检查四类样本是否都在数据流里。

坑 2：flow_from_directory 报错 Found 0 images，或者 class_indices 里缺类。 现象：生成器能创建但 samples 为 0，打印 class_indices 发现某个类别消失。 原因：目录层级不对。常见的是把图片直接放 garbage_dataset/train 下面，而不是 train/dry 这种两级结构；另一种是文件夹里混入了 .DS_Store、缩略图缓存等非图像文件，旧版本 Keras 解析时会被干扰。 解决：严格按第 2 章的层级放图片，train 下一层必须是类别文件夹，再下一层才是图片。跑一遍预检脚本清掉非图像文件，再打印 class_indices 核对类别数。

5.2 预测阶段的坑

坑 3：训练准确率 90% 以上，预测单张图却全错。 现象：训练指标正常，拿 val 里某张图测，类别差得离谱，且每次错的类还不一样。 原因：预测预处理和训练预处理不一致。最常见是训练做了 rescale=1.0/255，预测时直接用原图像素矩阵喂进去；或者训练读的是 RGB，预测用 cv2.imread 读出来是 BGR，通道顺序反过来，颜色语义全乱。 解决：在 predict.py 里严格复刻训练的预处理链：先转 RGB，再 resize 到 (224, 224)，再除以 255，最后 np.expand_dims 加 batch 维度。建议把预处理写成独立函数，训练和预测共用同一套逻辑，从根上杜绝两边漂移。

坑 4：图片上中文标签显示成方框或乱码。 现象：cv2.putText 画上去的「干垃圾」变成「???」或一排方框。 原因：OpenCV 的 putText 底层不支持中文，它只认 ASCII 字符集，汉字传进去直接被丢弃或替换。这是 OpenCV 做图像处理时绕不开的编码坑。 解决：中文绘制改用 PIL。思路是把 OpenCV 的 BGR 图转成 PIL 的 RGB 图，用 ImageDraw 配合中文字体文件（比如 msyh.ttc 微软雅黑或思源黑体）绘制文字，画完再转回 BGR 输出。顺手把矩形象底框也一起画，文字在复杂背景上才看得清。

坑 5：load_model('my_model.h5') 报错，提示 Unknown layer 或 h5py 相关问题。 现象：模型文件在训练环境能加载，换台机器或换个环境就报错。 原因：TensorFlow/Keras 版本差异。Keras 2.4 和 TensorFlow 2.6+ 对优化器配置和 h5 解析的处理有区别，旧版本保存的权重文件在新版本加载时兼容性出问题。 解决：优先保证训练和预测环境的 tensorflow 版本一致；还是搞不定就直接用当前环境重训一遍再保存，比花时间逆向排查底层兼容快得多。

6. 进阶验证：把垃圾分类模板拆成你自己的图像分类任务

四分类只是这套模板的第一个应用。换成任意图像分类任务，比如木材纹理分类、车型识别、PCB 缺陷分类，需要改动的只有三处：类别文件夹、predict.py 里的标签列表、最后的全连接输出数。把 garbage_dataset/train 下的子文件夹换成你的类别名，class_labels 换成对应的中文显示名，最后一层 Dense(4) 改成 Dense(N)，其中 N 是新的类别数。数据流、训练参数、保存与加载逻辑全部不用动，这套模板的边界就在这里：网络、数据流、训练流程是通用的，你要改的是数据目录、标签映射和输出维度这三处。

改完怎么验证模板没被改坏？我最常做的验证方式是全量自检：把 val 目录里每一张图都传进 predict 函数，统计预测标签和文件所在文件夹名是否一致，打印整体准确率。

from pathlib import Path val_root = Path('garbage_dataset/val') correct = total = 0 for cls_dir in val_root.iterdir(): if not cls_dir.is_dir(): continue for img_path in cls_dir.iterdir(): label, prob = predict_image(str(img_path)) total += 1 if label == cls_dir.name: correct += 1 else: print('误判:', img_path, '->', label) print('验证准确率: %.2f%%' % (correct / total * 100))

这段代码直接复用 predict_image，等于用真实图片反向检验目录组织、标签映射、预处理一致性三处有没有同步改对。如果验证准确率和训练时的 val accuracy 差距在 5 个百分点以内，说明模板衔接正常；差距过大，优先查预处理的归一化和通道顺序，而不是急着调网络结构。

从那以后，我每接手一个图像分类模板，都强制走一遍「目录预检 → 打印 class_indices → 预处理写成共用函数 → 全量验证集自检」这条流水线，四步走完再谈调参，翻车概率低了很多。这个模板最值得借鉴的正是这种「每一步输入输出都看得见」的结构，改成自己任务时能立刻定位该动哪里。希望帮到你。

本文还有配套的精品资源，点击获取