简介本资源是一套基于YOLOv5实现的智能生活垃圾分类系统完整工程面向计算机、人工智能及相关专业本科生适用于毕业设计、课程设计与期末大作业等实践场景解决生活垃圾图像识别与四分类可回收物、有害垃圾、厨余垃圾、其他垃圾落地应用问题。压缩包共76个文件含40个Python源码覆盖数据预处理、模型训练/检测/部署全流程、22个YAML配置文件定义网络结构、超参与数据路径、4个Markdown文档含系统说明、环境配置与使用指南、2个Shell脚本及Docker相关文件整体仅178KB轻量易部署。已有165人学习下载项目经严格调试代码注释详尽含Flask REST API接口、摄像头实时检测、视频分析、机械控制模拟等模块配套tutorial.ipynb提供交互式学习路径目录结构清晰新手可快速上手并二次开发。1. 项目缘起从毕业设计到实用工具的跨越又到了一年一度的毕业季相信不少计算机视觉方向的同学或者对AI应用感兴趣的朋友都在为毕设选题发愁。既要体现技术深度又要有实际应用价值最好还能有完整的代码和文档方便上手——这要求听起来就让人头大。今天我想分享的就是一个曾经让我自己受益匪浅也帮助过不少学弟学妹的实战项目基于YOLOv5的智能生活垃圾分类系统。这个项目的核心就是用当下最流行的目标检测框架YOLOv5去识别摄像头画面中的垃圾并自动判断它属于可回收物、厨余垃圾、有害垃圾还是其他垃圾。听起来是不是挺有未来感的其实背后的技术栈已经非常成熟。我最初做它就是为了解决小区里垃圾分类指导员不在时大家对着几个垃圾桶“选择困难”的尴尬。后来发现这套代码和思路稍加修改就能用在智能垃圾桶、社区宣传屏、甚至是垃圾分拣流水线上实用性远超一个单纯的毕设。所以无论你是正在寻找毕设灵感的同学还是想入门计算机视觉实践的开发者亦或是社区管理者想搞点智能化的尝试这篇文章都能给你一份从零到一的“保姆级”指南。我会结合我踩过的坑、调参的经验、以及工程化部署时那些文档里不会写的细节把整个系统掰开揉碎了讲清楚。我们不止看代码怎么跑起来更要弄明白为什么这么做以及怎么做才能更稳、更好。2. 为什么选择YOLOv5作为垃圾分类的“眼睛”在开始动手之前我们得先搞清楚武器库里的王牌为什么是YOLOv5。市面上目标检测模型很多从老牌的Faster R-CNN、SSD到YOLO系列本身的v3、v4、v7、v8为什么偏偏是v5成为了众多课程设计和毕设项目的宠儿2.1 YOLOv5的独特优势平衡的艺术首先YOLOv5并非官方YOLO作者的作品而是由Ultralytics公司维护的一个项目。但这丝毫不影响它的流行因为它精准地抓住了大多数开发者的痛点在精度、速度和易用性之间取得了极佳的平衡。对于垃圾分类这个场景我们的需求非常明确实时性要求高系统最好能部署在树莓派、Jetson Nano这类边缘设备上对视频流进行实时分析延迟不能太高。精度要求适中垃圾的类别如瓶子、易拉罐、香蕉皮、电池通常尺寸适中、特征相对明显不需要像医疗影像那样极致的细微差别识别。开发门槛要低学生或初学者需要能快速上手从训练到部署的路径必须清晰、顺畅。YOLOv5完美契合了这三点。它相比YOLOv4采用了更现代的PyTorch框架代码结构清晰得像教科书相比后来的v7、v8它在中等规模数据集比如几千张垃圾图片上的表现非常稳定且社区资源教程、预训练权重、问题解答极为丰富。用一句行话来说它的“性价比”超高。2.2 解剖YOLOv5核心网络结构解读很多人把YOLOv5当黑盒调参全靠试。要真正用好它得稍微理解一下它的骨架。YOLOv5主要包含三个部分Backbone骨干网络、Neck颈部和Head头部。BackboneCSPDarknet。这是提取图像特征的核心。你可以把它想象成一个不断抽象化的过程输入一张640x640的图片经过层层卷积最终得到一系列不同尺度的特征图。这些特征图包含了从边缘、纹理到整体形状的各级信息。CSP结构减少了计算量的同时增强了梯度流让训练更高效。NeckPANetPath Aggregation Network。它的作用是把Backbone提取的不同尺度的特征图进行融合。为什么需要融合因为垃圾有大有小。一个远处的饮料瓶在图像上可能只占几十个像素需要高分辨率、细节丰富的浅层特征来识别而一个近处的纸箱可能占据大片区域需要包含高级语义信息的深层特征来确认。PANet就像是一个信息调度中心确保无论目标大小网络都能看到合适的特征。Head检测头。这是最终输出预测结果的地方。它接收来自Neck融合后的特征图在每个网格点上预测边界框Bounding Box的坐标、大小、置信度以及类别概率。YOLOv5通常有三个检测头分别对应大、中、小三种目标尺寸这也是它能良好处理多尺度目标的关键。理解了这个流程你就能明白后续很多操作的意义。比如数据增强是为了让Backbone看到更多样的特征调整网络深度和宽度如选择s, m, l, x模型本质是在调整这个三部分结构的复杂程度。2.3 版本选择与模型轻量化考量YOLOv5提供了多个预定义模型yolov5s,yolov5m,yolov5l,yolov5x。后缀字母代表模型大小和复杂度依次增加。对于垃圾分类毕设我的经验是yolov5s小模型首推。参数量最小速度最快在自建的垃圾数据集上只要数据质量够好mAP平均精度达到85%以上并不难。这是部署到资源受限设备如树莓派4B的唯一可行选择。yolov5m中模型如果您的数据集质量非常高图片数量多、标注精准、场景多样且用于演示的电脑GPU尚可GTX 1660以上可以选择这个版本精度会有2-5个百分点的提升作为毕设的亮点。yolov5l和yolov5x大和超大模型不推荐用于毕设。它们需要大量的数据和强大的算力如V100显卡才能发挥优势训练时间长且容易在小数据集上过拟合。毕设的核心是展示完整流程和工程思维而不是盲目追求指标。注意网络上有些“高分毕设源码”为了显得高大上直接用了yolov5x但可能连训练都没完整跑完或者只是在COCO预训练权重上微调了几下实际效果存疑。我们追求的是可复现、可理解、可部署的扎实项目。3. 构建垃圾分类数据集一切智慧的起点模型决定了上限而数据决定了模型能达到的高度。构建一个高质量的数据集是整个项目最耗时但也最关键的环节。很多同学在这里踩坑导致后期训练怎么调参都没用。3.1 数据采集场景化才是王道千万别直接去网上下载一堆“垃圾”图片就开始标注。数据的场景必须与你的应用场景一致。如果你做小区垃圾桶旁的识别屏那么你的图片背景应该是小区环境垃圾可能是被人拿在手里、扔在半空、或者已经在桶边。光照条件包括白天、傍晚、阴天。如果你做智能垃圾桶的舱盖识别那么图片视角应该是俯视或斜俯视背景相对单一垃圾桶内部但垃圾的形态可能更堆积、更重叠。我的建议是自己拍。用手机在你能模拟到的各种光线、角度下拍摄至少20-30种常见垃圾物品如矿泉水瓶、易拉罐、报纸、果皮、菜叶、电池、药品板。每种物品至少从不同角度、不同背景下拍摄50-100张。这样你最终能获得一个1500-3000张图片的私有数据集虽然不大但非常“接地气”模型泛化能力会很好。3.2 数据标注细节决定成败标注工具推荐使用LabelImg或更现代的CVAT、Roboflow。标注时要注意几个核心细节类别定义要清晰且互斥例如定义plastic_bottle塑料瓶、can易拉罐、paper纸类、peel果皮、battery电池。不要出现“瓶子”和“塑料瓶”这种包含关系的类别。边界框BBox要紧贴目标框要尽可能紧密地包围住目标物体但不要切入物体内部也不要包含太多无关背景。这是影响定位精度的关键。处理遮挡与截断对于被遮挡一部分的垃圾框出可见部分即可。对于只在图片中出现一部分的垃圾截断也照样标注。标注文件的格式YOLOv5要求的是.txt文件每个文件对应一张图片每行格式为class_id x_center y_center width height。这里的坐标是归一化后的即除以图片宽高取值范围0-1。LabelImg可以直接导出这种格式。3.3 数据增强低成本提升模型鲁棒性我们自采的数据量有限需要通过数据增强来“创造”更多的训练样本防止过拟合并提升模型在复杂环境下的稳定性。YOLOv5在data/hyps/hyp.scratch-low.yaml等超参数文件中内置了增强配置但理解它们才能更好地调整。对于垃圾分类我强烈建议重点启用和调整以下几项在data/xxx.yaml或训练命令中配置HSV增强随机调整图像的色调(H)、饱和度(S)、明度(V)。这可以模拟不同天气、光照和摄像头色彩偏差非常实用。hsv_h: 0.015 # 色调抖动幅度 hsv_s: 0.7 # 饱和度增强幅度对彩色垃圾如包装袋有效 hsv_v: 0.4 # 明度增强幅度平移、缩放、旋转模拟垃圾在图像中不同位置、不同大小、不同角度的状态。Mosaic拼接将四张训练图像拼接成一张。这能让模型在一个批次内看到更多样化的背景和小目标是YOLOv5提升小目标检测能力的“神器”。Cutout/MixUp随机擦除或混合图像区域。这能强迫模型不过度依赖图像的局部特征增强泛化性。一个常见的误区是增强开得太大。如果初始数据质量差模糊、标注不准过强的增强反而会引入噪声让模型学偏。建议开始时使用YOLOv5默认的hyp.scratch-low.yaml增强强度较低训练一个基准模型再逐步尝试更强的增强策略。4. 环境搭建与模型训练从代码到模型有了数据我们就可以让模型开始学习了。这部分我会给出一个清晰、可复现的步骤并穿插我遇到的那些“坑”。4.1 一站式环境配置指南首先强烈建议使用Anaconda创建独立的Python环境避免包版本冲突。# 1. 创建并激活环境Python 3.8是一个兼容性很好的版本 conda create -n yolov5_garbage python3.8 conda activate yolov5_garbage # 2. 安装PyTorch请根据你的CUDA版本去官网选择对应命令 # 例如CUDA 11.3的安装命令如下 pip install torch1.12.1cu113 torchvision0.13.1cu113 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 # 3. 克隆YOLOv5官方仓库 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 4. 安装依赖 pip install -r requirements.txt这里有几个关键点PyTorch版本不必追求最新。YOLOv5代码库对较新的PyTorch版本如2.0可能有兼容性问题。我长期使用torch 1.12.*和torchvision 0.13.*组合非常稳定。CUDA与cuDNN如果使用GPU训练确保系统安装了与PyTorch版本匹配的CUDA和cuDNN。可以通过nvidia-smi查看CUDA版本。其他依赖requirements.txt里的opencv-python、pillow、matplotlib等都很重要确保安装成功。4.2 数据配置文件准备在yolov5目录下你需要按照其规范组织数据和配置文件。创建数据集目录结构datasets/garbage/ ├── images/ │ ├── train/ # 存放训练图片 │ └── val/ # 存放验证图片 └── labels/ ├── train/ # 存放训练标签txt文件 └── val/ # 存放验证标签txt文件创建数据集配置文件garbage.yaml放在yolov5/data/目录下# 数据集路径相对于yolov5根目录 path: ../datasets/garbage train: images/train val: images/val # 类别数 nc: 6 # 例如塑料瓶、易拉罐、纸张、果皮、电池、其他 # 类别名称列表必须和标注时的class_id顺序对应 names: [plastic_bottle, can, paper, peel, battery, others]4.3 启动训练与超参数解读训练命令看起来复杂但拆解后很简单python train.py --img 640 --batch 16 --epochs 100 --data data/garbage.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name garbage_detection--img 640: 输入图像尺寸。YOLOv5训练时会自动缩放到此尺寸。更大的尺寸如1280可能提升精度但会显著增加显存消耗和训练时间。640是速度和精度的良好折衷。--batch 16: 批次大小。取决于你的GPU显存。RTX 306012GB可以跑到16-32。如果爆显存OOM就降低batch或减小--img。--epochs 100: 训练轮数。对于小型数据集100-150轮通常足够。可以观察验证集损失不再明显下降时提前停止。--data: 指向我们刚创建的数据集配置文件。--cfg: 模型结构配置文件。选择yolov5s.yaml。--weights yolov5s.pt:关键加载COCO预训练权重。这是迁移学习能极大加速收敛并提升最终性能。千万不要从零开始训练--weights 那需要海量数据。--name: 本次训练运行的名称用于在runs/train/下创建结果目录。训练开始后控制台会输出日志更重要的是你可以使用TensorBoard来可视化训练过程tensorboard --logdir runs/train然后在浏览器打开localhost:6006。重点关注以下几个曲线train/box_loss,train/obj_loss,train/cls_loss训练集边界框、目标置信度、分类损失。应稳步下降。val/box_loss,val/obj_loss,val/cls_loss验证集损失。应随训练下降并最终趋于平稳。如果验证损失开始上升说明过拟合了。metrics/mAP_0.5和metrics/mAP_0.5:0.95最重要的精度指标。前者是IoU阈值为0.5时的平均精度后者是多个IoU阈值下的平均值。我们主要看mAP_0.5它能稳定在0.85以上就算非常成功。4.4 训练过程中的常见“坑”与对策Loss为NaN或突然爆炸通常是学习率--lr0设置过高。YOLOv5有自适应学习率调度默认的0.01对于微调任务通常安全。如果出现问题可以尝试降低到0.001。也可能是数据标注有严重错误如坐标超出0-1范围。mAP一直很低0.5检查数据用utils/plots.py脚本可视化你的训练数据看看图片和标注框是否加载正确。检查类别不平衡如果某个类别的样本数远少于其他模型会难以学习。需要收集更多该类别数据或使用类别权重。确认预训练权重确保下载的yolov5s.pt是完整的。过拟合训练集损失持续下降但验证集损失早早就停止下降甚至上升。解决方案增加数据增强强度在hyp文件中调整、使用早停--patience参数、或者对模型进行剪枝但毕设阶段通常不需要这么复杂。显存不足CUDA out of memory减小--batch-size减小--img-size或者使用梯度累积--accumulate参数如设置为2相当于有效批次翻倍但显存占用不变。训练完成后最好的模型权重会保存在runs/train/garbage_detection/weights/best.pt。这个文件就是你智慧的结晶。5. 从模型到应用系统集成与部署实战训练出一个.pt文件只是第一步如何让它变成一个可以交互的“系统”才是毕设展示的亮点。5.1 核心检测模块开发我们可以基于YOLOv5提供的detect.py脚本进行二次开发构建一个GarbageDetector类。下面是一个高度简化的核心逻辑示例import cv2 import torch import numpy as np from pathlib import Path import sys # 将YOLOv5路径加入系统路径 ROOT Path(__file__).parent / yolov5 # 假设你的代码在yolov5同级目录 sys.path.append(str(ROOT)) from models.common import DetectMultiBackend from utils.general import (non_max_suppression, scale_boxes, check_img_size) from utils.augmentations import letterbox from utils.torch_utils import select_device class GarbageDetector: def __init__(self, weights_pathruns/train/garbage_detection/weights/best.pt, devicecpu): 初始化检测器 Args: weights_path: 训练好的模型权重路径 device: 推理设备cpu 或 cuda:0 self.device select_device(device) # 加载模型 self.model DetectMultiBackend(weights_path, deviceself.device, dnnFalse, dataNone, fp16False) self.stride self.model.stride self.names self.model.names # 获取类别名称字典 self.imgsz check_img_size((640, 640), sself.stride) # 检查图像尺寸是否符合步长要求 # 预热模型第一次推理较慢 if self.device.type ! cpu: self.model(torch.zeros(1, 3, *self.imgsz).to(self.device).type_as(next(self.model.parameters()))) def preprocess(self, img): 图像预处理缩放、填充、归一化、转换维度 # letterbox: 保持长宽比resize并用灰色填充边缘 img_resized letterbox(img, new_shapeself.imgsz, autoFalse, strideself.stride)[0] # HWC to CHW, BGR to RGB, 归一化 [0,255] - [0,1] img_processed img_resized.transpose((2, 0, 1))[::-1] img_processed np.ascontiguousarray(img_processed) img_tensor torch.from_numpy(img_processed).to(self.device) img_tensor img_tensor.float() / 255.0 if img_tensor.ndimension() 3: img_tensor img_tensor.unsqueeze(0) # 增加批次维度 return img_tensor, img_resized def detect(self, img): 执行检测 Args: img: 输入图像 (numpy array, BGR格式) Returns: results: 列表每个元素为 [x1, y1, x2, y2, confidence, class_id] annotated_img: 绘制了检测框的图像 # 1. 预处理 img_tensor, img_resized self.preprocess(img) original_shape img.shape[:2] # 原始图像高宽 (H, W) # 2. 推理 pred self.model(img_tensor, augmentFalse, visualizeFalse) # 3. 后处理非极大值抑制 (NMS) pred non_max_suppression(pred, conf_thres0.25, iou_thres0.45, classesNone, agnosticFalse, max_det1000) results [] annotated_img img.copy() # 4. 处理检测结果 for det in pred: # 每张图片的检测结果 if len(det): # 将检测框坐标从预处理后的尺寸映射回原始图像尺寸 det[:, :4] scale_boxes(img_resized.shape, det[:, :4], original_shape).round() for *xyxy, conf, cls in det: # 转换为整数坐标 x1, y1, x2, y2 map(int, xyxy) class_id int(cls) class_name self.names[class_id] confidence float(conf) results.append([x1, y1, x2, y2, confidence, class_id, class_name]) # 在原始图像上绘制框和标签 (可选用于可视化) label f{class_name} {confidence:.2f} cv2.rectangle(annotated_img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(annotated_img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) return results, annotated_img # 使用示例 if __name__ __main__: detector GarbageDetector(devicecuda:0 if torch.cuda.is_available() else cpu) img cv2.imread(test.jpg) results, annotated_img detector.detect(img) for r in results: print(f检测到 {r[6]}, 置信度 {r[4]:.2f}, 位置 {r[0:4]}) cv2.imshow(Detection, annotated_img) cv2.waitKey(0)这个类封装了加载模型、预处理、推理、后处理NMS和结果可视化的完整流程。你可以在此基础上添加垃圾分类规则根据class_name映射到“可回收”、“厨余”等、计数、日志记录等功能。5.2 构建一个简单的Web演示系统要让毕设“动起来”一个带有Web界面的演示系统非常加分。这里我们用最轻量的Flask框架来实现。# app.py from flask import Flask, render_template, request, jsonify, Response import cv2 from detector import GarbageDetector # 导入上面写的检测器类 import threading import time app Flask(__name__) detector GarbageDetector(weights_pathbest.pt, devicecpu) # 初始化检测器 # 模拟一个全局状态存储最新的检测结果和图像 latest_data {results: [], frame: None} lock threading.Lock() def generate_frames(): 视频流生成器用于实时摄像头页面 camera cv2.VideoCapture(0) # 打开默认摄像头 while True: success, frame camera.read() if not success: break else: with lock: # 执行检测 results, annotated_frame detector.detect(frame) latest_data[results] results latest_data[frame] annotated_frame # 将帧编码为JPEG ret, buffer cv2.imencode(.jpg, annotated_frame) frame_bytes buffer.tobytes() yield (b--frame\r\n bContent-Type: image/jpeg\r\n\r\n frame_bytes b\r\n) time.sleep(0.03) # 控制一下帧率大约30FPS camera.release() app.route(/) def index(): 主页上传图片进行检测 return render_template(index.html) app.route(/video_feed) def video_feed(): 视频流路由 return Response(generate_frames(), mimetypemultipart/x-mixed-replace; boundaryframe) app.route(/detect, methods[POST]) def detect_image(): 处理图片上传检测 if file not in request.files: return jsonify({error: No file uploaded}), 400 file request.files[file] if file.filename : return jsonify({error: No file selected}), 400 # 读取图片 file_bytes file.read() nparr np.frombuffer(file_bytes, np.uint8) img cv2.imdecode(nparr, cv2.IMREAD_COLOR) # 执行检测 results, annotated_img detector.detect(img) # 将标注后的图片转换为base64返回给前端显示 _, buffer cv2.imencode(.jpg, annotated_img) img_base64 base64.b64encode(buffer).decode(utf-8) # 整理检测结果 detections [] for r in results: detections.append({ class: r[6], confidence: round(r[4], 2), bbox: r[0:4] }) return jsonify({ image: fdata:image/jpeg;base64,{img_base64}, detections: detections }) app.route(/latest_result) def get_latest_result(): 获取最新的检测结果用于实时页面 with lock: results latest_data[results] detections [{class: r[6], confidence: round(r[4], 2), bbox: r[0:4]} for r in results] return jsonify({detections: detections}) if __name__ __main__: app.run(host0.0.0.0, port5000, debugTrue)对应的HTML模板templates/index.html可以包含一个文件上传表单和一个显示结果的区域以及一个跳转到实时摄像头页面的链接。再创建一个video.html页面通过img src{{ url_for(video_feed) }}来显示实时视频流并通过JavaScript定期调用/latest_result接口更新侧边栏的检测结果列表。这样一个具备图片检测和实时视频检测功能的Web系统就搭建起来了。它结构清晰易于扩展完全能满足毕设演示的需求。5.3 模型轻量化与边缘部署尝试如果想让项目更有深度可以探索模型轻量化部署。训练出的.pt模型是PyTorch格式在资源丰富的服务器上运行没问题但要放到树莓派或手机端就需要转换和优化。导出为ONNX格式ONNX是一种开放的模型交换格式。python export.py --weights runs/train/garbage_detection/weights/best.pt --include onnx --img 640 --batch 1这会生成一个best.onnx文件。--batch 1指定了批处理大小为1更适合单张图片推理的部署场景。使用ONNX Runtime进行推理相比完整的PyTorchONNX Runtime通常有更快的推理速度和更小的内存占用。你可以写一个简单的脚本用ONNX Runtime加载best.onnx进行推理并与原版PyTorch推理结果对比验证精度损失通常极小。进一步量化可选对于极端资源受限的环境可以考虑将FP32的模型量化为INT8能大幅减少模型体积和提升速度但可能会带来一定的精度下降。可以使用TensorRT或OpenVINO等工具链完成。在毕设报告中你可以将“模型从PyTorch到ONNX的转换与性能对比”作为一个独立的章节展示你对部署流程的思考和实践。6. 项目文档与报告撰写将代码转化为思考一份优秀的毕设文档或报告是你整个项目思考过程的结晶。它不应该只是代码的罗列而应该讲述一个“发现问题-分析问题-解决问题-验证效果-总结反思”的完整故事。6.1 技术文档的核心要素除了常规的摘要、绪论、国内外研究现状外你的技术方案部分应该重点阐述系统总体设计画一张清晰的系统架构图可以用Draw.io等工具说明前端Web界面/摄像头、后端Flask服务、核心算法模块YOLOv5检测器、数据库如果需要之间的关系和数据流。数据集构建详述数据来源与采集方法。数据标注规范与工具。数据集统计分析各类别图片数量分布直方图图片尺寸分布等。这能体现你的工作量和对数据质量的把控。数据增强策略的具体参数与选择理由。模型训练细节完整的实验环境配置GPU型号、CUDA版本、Python及主要库版本。超参数设置表学习率、批次大小、优化器、损失函数等并解释重要参数的选择依据。训练过程可视化分析附上TensorBoard的Loss曲线和mAP曲线图并分析模型收敛情况。消融实验如果篇幅允许对比使用预训练权重和不使用的效果对比不同数据增强策略的效果甚至对比YOLOv5s和YOLOv5m在本数据集上的表现。这能极大提升报告的技术深度。系统实现与测试核心模块的代码结构说明。系统功能测试针对图片上传、实时视频、不同光照条件、不同垃圾类别进行测试用表格展示识别准确率、召回率、F1分数。性能测试在服务器和边缘设备如树莓派上的推理速度FPS、内存占用情况。6.2 避坑指南与心得总结这是最能体现你个人思考和经验价值的部分。不要写空话就写你真实遇到的问题和解决办法。例如坑1标注坐标错误导致训练Loss异常。现象是训练初期Loss就极高且不下降。排查后发现是标注工具导出YOLO格式时有的标签文件坐标值大于1。解决写了一个简单的Python脚本遍历所有标签文件检查并修正坐标值。坑2某一类垃圾识别率始终很低。发现是“电池”这类样本太少且形状颜色多变。解决除了补充数据还在数据增强中特意增加了针对小目标电池相对较小的增强如随机复制粘贴小目标到图像中YOLOv5自带类似功能需配置。坑3Web端实时视频流卡顿。发现是每帧都进行高分辨率检测导致的。解决采用了“跳帧检测”策略每3帧进行一次完整检测中间帧复用上一帧的结果并在前端用JavaScript平滑更新检测框位置流畅度大幅提升。心得对于此类应用型项目数据的质量远比模型的复杂度重要。花60%的时间在数据采集、清洗和增强上往往比换一个更大的模型收益高得多。另外工程部署时的细节如图像预处理与后处理的速度、多线程/异步处理往往是决定系统能否真正“可用”的关键而这部分在学术论文中常常被忽略。6.3 源码组织与提交清晰的代码结构能让评审老师或后续开发者一眼看懂你的工作。建议的目录结构如下智能垃圾分类系统/ ├── README.md # 项目总述快速开始指南 ├── requirements.txt # 项目依赖 ├── data/ # 数据相关 │ ├── garbage.yaml # 数据集配置文件 │ └── ... # (可选)样例图片/标签 ├── datasets/ # 数据集目录按YOLOv5要求组织通常.gitignore ├── models/ # 模型定义文件从YOLOv5官方拷贝 ├── utils/ # 工具脚本从YOLOv5官方拷贝 ├── weights/ # 存放训练好的模型权重 .pt文件 ├── train.py # 模型训练脚本基于官方修改参数 ├── detect.py # 图像/视频检测脚本基于官方修改 ├── core/ # 核心模块 │ ├── __init__.py │ ├── detector.py # 封装的检测器类如上面的GarbageDetector │ └── garbage_classifier.py # 垃圾分类规则映射模块 ├── web_app/ # Web应用 │ ├── app.py # Flask主应用 │ ├── static/ # 静态资源 │ └── templates/ # HTML模板 │ ├── index.html │ └── video.html ├── scripts/ # 实用脚本 │ ├── data_check.py # 数据校验脚本 │ ├── export_onnx.py # 模型导出脚本 │ └── ... └── docs/ # 项目文档 ├── 系统设计文档.pdf ├── 用户使用手册.md └── 答辩PPT.pptx在README.md中务必写明如何安装环境、如何准备数据、如何训练、如何运行Web应用。做到让一个有一定基础的同学能按照你的步骤复现出绝大部分结果。回过头看这个项目贯穿了深度学习项目从选题、数据准备、模型训练调优、到应用开发和部署展示的全流程。它不只是一个算法demo而是一个完整的工程实践。无论最终你的答辩评分如何在这个过程中锻炼出的解决实际问题的能力、查阅文档的能力、调试代码的耐心才是比分数更宝贵的财富。希望这份超详细的拆解能帮你少走弯路更高效地完成一个让你自己满意的作品。本文还有配套的精品资源点击获取
基于YOLOv5的智能垃圾分类系统：从数据标注到Web部署全流程实战
简介本资源是一套基于YOLOv5实现的智能生活垃圾分类系统完整工程面向计算机、人工智能及相关专业本科生适用于毕业设计、课程设计与期末大作业等实践场景解决生活垃圾图像识别与四分类可回收物、有害垃圾、厨余垃圾、其他垃圾落地应用问题。压缩包共76个文件含40个Python源码覆盖数据预处理、模型训练/检测/部署全流程、22个YAML配置文件定义网络结构、超参与数据路径、4个Markdown文档含系统说明、环境配置与使用指南、2个Shell脚本及Docker相关文件整体仅178KB轻量易部署。已有165人学习下载项目经严格调试代码注释详尽含Flask REST API接口、摄像头实时检测、视频分析、机械控制模拟等模块配套tutorial.ipynb提供交互式学习路径目录结构清晰新手可快速上手并二次开发。1. 项目缘起从毕业设计到实用工具的跨越又到了一年一度的毕业季相信不少计算机视觉方向的同学或者对AI应用感兴趣的朋友都在为毕设选题发愁。既要体现技术深度又要有实际应用价值最好还能有完整的代码和文档方便上手——这要求听起来就让人头大。今天我想分享的就是一个曾经让我自己受益匪浅也帮助过不少学弟学妹的实战项目基于YOLOv5的智能生活垃圾分类系统。这个项目的核心就是用当下最流行的目标检测框架YOLOv5去识别摄像头画面中的垃圾并自动判断它属于可回收物、厨余垃圾、有害垃圾还是其他垃圾。听起来是不是挺有未来感的其实背后的技术栈已经非常成熟。我最初做它就是为了解决小区里垃圾分类指导员不在时大家对着几个垃圾桶“选择困难”的尴尬。后来发现这套代码和思路稍加修改就能用在智能垃圾桶、社区宣传屏、甚至是垃圾分拣流水线上实用性远超一个单纯的毕设。所以无论你是正在寻找毕设灵感的同学还是想入门计算机视觉实践的开发者亦或是社区管理者想搞点智能化的尝试这篇文章都能给你一份从零到一的“保姆级”指南。我会结合我踩过的坑、调参的经验、以及工程化部署时那些文档里不会写的细节把整个系统掰开揉碎了讲清楚。我们不止看代码怎么跑起来更要弄明白为什么这么做以及怎么做才能更稳、更好。2. 为什么选择YOLOv5作为垃圾分类的“眼睛”在开始动手之前我们得先搞清楚武器库里的王牌为什么是YOLOv5。市面上目标检测模型很多从老牌的Faster R-CNN、SSD到YOLO系列本身的v3、v4、v7、v8为什么偏偏是v5成为了众多课程设计和毕设项目的宠儿2.1 YOLOv5的独特优势平衡的艺术首先YOLOv5并非官方YOLO作者的作品而是由Ultralytics公司维护的一个项目。但这丝毫不影响它的流行因为它精准地抓住了大多数开发者的痛点在精度、速度和易用性之间取得了极佳的平衡。对于垃圾分类这个场景我们的需求非常明确实时性要求高系统最好能部署在树莓派、Jetson Nano这类边缘设备上对视频流进行实时分析延迟不能太高。精度要求适中垃圾的类别如瓶子、易拉罐、香蕉皮、电池通常尺寸适中、特征相对明显不需要像医疗影像那样极致的细微差别识别。开发门槛要低学生或初学者需要能快速上手从训练到部署的路径必须清晰、顺畅。YOLOv5完美契合了这三点。它相比YOLOv4采用了更现代的PyTorch框架代码结构清晰得像教科书相比后来的v7、v8它在中等规模数据集比如几千张垃圾图片上的表现非常稳定且社区资源教程、预训练权重、问题解答极为丰富。用一句行话来说它的“性价比”超高。2.2 解剖YOLOv5核心网络结构解读很多人把YOLOv5当黑盒调参全靠试。要真正用好它得稍微理解一下它的骨架。YOLOv5主要包含三个部分Backbone骨干网络、Neck颈部和Head头部。BackboneCSPDarknet。这是提取图像特征的核心。你可以把它想象成一个不断抽象化的过程输入一张640x640的图片经过层层卷积最终得到一系列不同尺度的特征图。这些特征图包含了从边缘、纹理到整体形状的各级信息。CSP结构减少了计算量的同时增强了梯度流让训练更高效。NeckPANetPath Aggregation Network。它的作用是把Backbone提取的不同尺度的特征图进行融合。为什么需要融合因为垃圾有大有小。一个远处的饮料瓶在图像上可能只占几十个像素需要高分辨率、细节丰富的浅层特征来识别而一个近处的纸箱可能占据大片区域需要包含高级语义信息的深层特征来确认。PANet就像是一个信息调度中心确保无论目标大小网络都能看到合适的特征。Head检测头。这是最终输出预测结果的地方。它接收来自Neck融合后的特征图在每个网格点上预测边界框Bounding Box的坐标、大小、置信度以及类别概率。YOLOv5通常有三个检测头分别对应大、中、小三种目标尺寸这也是它能良好处理多尺度目标的关键。理解了这个流程你就能明白后续很多操作的意义。比如数据增强是为了让Backbone看到更多样的特征调整网络深度和宽度如选择s, m, l, x模型本质是在调整这个三部分结构的复杂程度。2.3 版本选择与模型轻量化考量YOLOv5提供了多个预定义模型yolov5s,yolov5m,yolov5l,yolov5x。后缀字母代表模型大小和复杂度依次增加。对于垃圾分类毕设我的经验是yolov5s小模型首推。参数量最小速度最快在自建的垃圾数据集上只要数据质量够好mAP平均精度达到85%以上并不难。这是部署到资源受限设备如树莓派4B的唯一可行选择。yolov5m中模型如果您的数据集质量非常高图片数量多、标注精准、场景多样且用于演示的电脑GPU尚可GTX 1660以上可以选择这个版本精度会有2-5个百分点的提升作为毕设的亮点。yolov5l和yolov5x大和超大模型不推荐用于毕设。它们需要大量的数据和强大的算力如V100显卡才能发挥优势训练时间长且容易在小数据集上过拟合。毕设的核心是展示完整流程和工程思维而不是盲目追求指标。注意网络上有些“高分毕设源码”为了显得高大上直接用了yolov5x但可能连训练都没完整跑完或者只是在COCO预训练权重上微调了几下实际效果存疑。我们追求的是可复现、可理解、可部署的扎实项目。3. 构建垃圾分类数据集一切智慧的起点模型决定了上限而数据决定了模型能达到的高度。构建一个高质量的数据集是整个项目最耗时但也最关键的环节。很多同学在这里踩坑导致后期训练怎么调参都没用。3.1 数据采集场景化才是王道千万别直接去网上下载一堆“垃圾”图片就开始标注。数据的场景必须与你的应用场景一致。如果你做小区垃圾桶旁的识别屏那么你的图片背景应该是小区环境垃圾可能是被人拿在手里、扔在半空、或者已经在桶边。光照条件包括白天、傍晚、阴天。如果你做智能垃圾桶的舱盖识别那么图片视角应该是俯视或斜俯视背景相对单一垃圾桶内部但垃圾的形态可能更堆积、更重叠。我的建议是自己拍。用手机在你能模拟到的各种光线、角度下拍摄至少20-30种常见垃圾物品如矿泉水瓶、易拉罐、报纸、果皮、菜叶、电池、药品板。每种物品至少从不同角度、不同背景下拍摄50-100张。这样你最终能获得一个1500-3000张图片的私有数据集虽然不大但非常“接地气”模型泛化能力会很好。3.2 数据标注细节决定成败标注工具推荐使用LabelImg或更现代的CVAT、Roboflow。标注时要注意几个核心细节类别定义要清晰且互斥例如定义plastic_bottle塑料瓶、can易拉罐、paper纸类、peel果皮、battery电池。不要出现“瓶子”和“塑料瓶”这种包含关系的类别。边界框BBox要紧贴目标框要尽可能紧密地包围住目标物体但不要切入物体内部也不要包含太多无关背景。这是影响定位精度的关键。处理遮挡与截断对于被遮挡一部分的垃圾框出可见部分即可。对于只在图片中出现一部分的垃圾截断也照样标注。标注文件的格式YOLOv5要求的是.txt文件每个文件对应一张图片每行格式为class_id x_center y_center width height。这里的坐标是归一化后的即除以图片宽高取值范围0-1。LabelImg可以直接导出这种格式。3.3 数据增强低成本提升模型鲁棒性我们自采的数据量有限需要通过数据增强来“创造”更多的训练样本防止过拟合并提升模型在复杂环境下的稳定性。YOLOv5在data/hyps/hyp.scratch-low.yaml等超参数文件中内置了增强配置但理解它们才能更好地调整。对于垃圾分类我强烈建议重点启用和调整以下几项在data/xxx.yaml或训练命令中配置HSV增强随机调整图像的色调(H)、饱和度(S)、明度(V)。这可以模拟不同天气、光照和摄像头色彩偏差非常实用。hsv_h: 0.015 # 色调抖动幅度 hsv_s: 0.7 # 饱和度增强幅度对彩色垃圾如包装袋有效 hsv_v: 0.4 # 明度增强幅度平移、缩放、旋转模拟垃圾在图像中不同位置、不同大小、不同角度的状态。Mosaic拼接将四张训练图像拼接成一张。这能让模型在一个批次内看到更多样化的背景和小目标是YOLOv5提升小目标检测能力的“神器”。Cutout/MixUp随机擦除或混合图像区域。这能强迫模型不过度依赖图像的局部特征增强泛化性。一个常见的误区是增强开得太大。如果初始数据质量差模糊、标注不准过强的增强反而会引入噪声让模型学偏。建议开始时使用YOLOv5默认的hyp.scratch-low.yaml增强强度较低训练一个基准模型再逐步尝试更强的增强策略。4. 环境搭建与模型训练从代码到模型有了数据我们就可以让模型开始学习了。这部分我会给出一个清晰、可复现的步骤并穿插我遇到的那些“坑”。4.1 一站式环境配置指南首先强烈建议使用Anaconda创建独立的Python环境避免包版本冲突。# 1. 创建并激活环境Python 3.8是一个兼容性很好的版本 conda create -n yolov5_garbage python3.8 conda activate yolov5_garbage # 2. 安装PyTorch请根据你的CUDA版本去官网选择对应命令 # 例如CUDA 11.3的安装命令如下 pip install torch1.12.1cu113 torchvision0.13.1cu113 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 # 3. 克隆YOLOv5官方仓库 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 4. 安装依赖 pip install -r requirements.txt这里有几个关键点PyTorch版本不必追求最新。YOLOv5代码库对较新的PyTorch版本如2.0可能有兼容性问题。我长期使用torch 1.12.*和torchvision 0.13.*组合非常稳定。CUDA与cuDNN如果使用GPU训练确保系统安装了与PyTorch版本匹配的CUDA和cuDNN。可以通过nvidia-smi查看CUDA版本。其他依赖requirements.txt里的opencv-python、pillow、matplotlib等都很重要确保安装成功。4.2 数据配置文件准备在yolov5目录下你需要按照其规范组织数据和配置文件。创建数据集目录结构datasets/garbage/ ├── images/ │ ├── train/ # 存放训练图片 │ └── val/ # 存放验证图片 └── labels/ ├── train/ # 存放训练标签txt文件 └── val/ # 存放验证标签txt文件创建数据集配置文件garbage.yaml放在yolov5/data/目录下# 数据集路径相对于yolov5根目录 path: ../datasets/garbage train: images/train val: images/val # 类别数 nc: 6 # 例如塑料瓶、易拉罐、纸张、果皮、电池、其他 # 类别名称列表必须和标注时的class_id顺序对应 names: [plastic_bottle, can, paper, peel, battery, others]4.3 启动训练与超参数解读训练命令看起来复杂但拆解后很简单python train.py --img 640 --batch 16 --epochs 100 --data data/garbage.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name garbage_detection--img 640: 输入图像尺寸。YOLOv5训练时会自动缩放到此尺寸。更大的尺寸如1280可能提升精度但会显著增加显存消耗和训练时间。640是速度和精度的良好折衷。--batch 16: 批次大小。取决于你的GPU显存。RTX 306012GB可以跑到16-32。如果爆显存OOM就降低batch或减小--img。--epochs 100: 训练轮数。对于小型数据集100-150轮通常足够。可以观察验证集损失不再明显下降时提前停止。--data: 指向我们刚创建的数据集配置文件。--cfg: 模型结构配置文件。选择yolov5s.yaml。--weights yolov5s.pt:关键加载COCO预训练权重。这是迁移学习能极大加速收敛并提升最终性能。千万不要从零开始训练--weights 那需要海量数据。--name: 本次训练运行的名称用于在runs/train/下创建结果目录。训练开始后控制台会输出日志更重要的是你可以使用TensorBoard来可视化训练过程tensorboard --logdir runs/train然后在浏览器打开localhost:6006。重点关注以下几个曲线train/box_loss,train/obj_loss,train/cls_loss训练集边界框、目标置信度、分类损失。应稳步下降。val/box_loss,val/obj_loss,val/cls_loss验证集损失。应随训练下降并最终趋于平稳。如果验证损失开始上升说明过拟合了。metrics/mAP_0.5和metrics/mAP_0.5:0.95最重要的精度指标。前者是IoU阈值为0.5时的平均精度后者是多个IoU阈值下的平均值。我们主要看mAP_0.5它能稳定在0.85以上就算非常成功。4.4 训练过程中的常见“坑”与对策Loss为NaN或突然爆炸通常是学习率--lr0设置过高。YOLOv5有自适应学习率调度默认的0.01对于微调任务通常安全。如果出现问题可以尝试降低到0.001。也可能是数据标注有严重错误如坐标超出0-1范围。mAP一直很低0.5检查数据用utils/plots.py脚本可视化你的训练数据看看图片和标注框是否加载正确。检查类别不平衡如果某个类别的样本数远少于其他模型会难以学习。需要收集更多该类别数据或使用类别权重。确认预训练权重确保下载的yolov5s.pt是完整的。过拟合训练集损失持续下降但验证集损失早早就停止下降甚至上升。解决方案增加数据增强强度在hyp文件中调整、使用早停--patience参数、或者对模型进行剪枝但毕设阶段通常不需要这么复杂。显存不足CUDA out of memory减小--batch-size减小--img-size或者使用梯度累积--accumulate参数如设置为2相当于有效批次翻倍但显存占用不变。训练完成后最好的模型权重会保存在runs/train/garbage_detection/weights/best.pt。这个文件就是你智慧的结晶。5. 从模型到应用系统集成与部署实战训练出一个.pt文件只是第一步如何让它变成一个可以交互的“系统”才是毕设展示的亮点。5.1 核心检测模块开发我们可以基于YOLOv5提供的detect.py脚本进行二次开发构建一个GarbageDetector类。下面是一个高度简化的核心逻辑示例import cv2 import torch import numpy as np from pathlib import Path import sys # 将YOLOv5路径加入系统路径 ROOT Path(__file__).parent / yolov5 # 假设你的代码在yolov5同级目录 sys.path.append(str(ROOT)) from models.common import DetectMultiBackend from utils.general import (non_max_suppression, scale_boxes, check_img_size) from utils.augmentations import letterbox from utils.torch_utils import select_device class GarbageDetector: def __init__(self, weights_pathruns/train/garbage_detection/weights/best.pt, devicecpu): 初始化检测器 Args: weights_path: 训练好的模型权重路径 device: 推理设备cpu 或 cuda:0 self.device select_device(device) # 加载模型 self.model DetectMultiBackend(weights_path, deviceself.device, dnnFalse, dataNone, fp16False) self.stride self.model.stride self.names self.model.names # 获取类别名称字典 self.imgsz check_img_size((640, 640), sself.stride) # 检查图像尺寸是否符合步长要求 # 预热模型第一次推理较慢 if self.device.type ! cpu: self.model(torch.zeros(1, 3, *self.imgsz).to(self.device).type_as(next(self.model.parameters()))) def preprocess(self, img): 图像预处理缩放、填充、归一化、转换维度 # letterbox: 保持长宽比resize并用灰色填充边缘 img_resized letterbox(img, new_shapeself.imgsz, autoFalse, strideself.stride)[0] # HWC to CHW, BGR to RGB, 归一化 [0,255] - [0,1] img_processed img_resized.transpose((2, 0, 1))[::-1] img_processed np.ascontiguousarray(img_processed) img_tensor torch.from_numpy(img_processed).to(self.device) img_tensor img_tensor.float() / 255.0 if img_tensor.ndimension() 3: img_tensor img_tensor.unsqueeze(0) # 增加批次维度 return img_tensor, img_resized def detect(self, img): 执行检测 Args: img: 输入图像 (numpy array, BGR格式) Returns: results: 列表每个元素为 [x1, y1, x2, y2, confidence, class_id] annotated_img: 绘制了检测框的图像 # 1. 预处理 img_tensor, img_resized self.preprocess(img) original_shape img.shape[:2] # 原始图像高宽 (H, W) # 2. 推理 pred self.model(img_tensor, augmentFalse, visualizeFalse) # 3. 后处理非极大值抑制 (NMS) pred non_max_suppression(pred, conf_thres0.25, iou_thres0.45, classesNone, agnosticFalse, max_det1000) results [] annotated_img img.copy() # 4. 处理检测结果 for det in pred: # 每张图片的检测结果 if len(det): # 将检测框坐标从预处理后的尺寸映射回原始图像尺寸 det[:, :4] scale_boxes(img_resized.shape, det[:, :4], original_shape).round() for *xyxy, conf, cls in det: # 转换为整数坐标 x1, y1, x2, y2 map(int, xyxy) class_id int(cls) class_name self.names[class_id] confidence float(conf) results.append([x1, y1, x2, y2, confidence, class_id, class_name]) # 在原始图像上绘制框和标签 (可选用于可视化) label f{class_name} {confidence:.2f} cv2.rectangle(annotated_img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(annotated_img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) return results, annotated_img # 使用示例 if __name__ __main__: detector GarbageDetector(devicecuda:0 if torch.cuda.is_available() else cpu) img cv2.imread(test.jpg) results, annotated_img detector.detect(img) for r in results: print(f检测到 {r[6]}, 置信度 {r[4]:.2f}, 位置 {r[0:4]}) cv2.imshow(Detection, annotated_img) cv2.waitKey(0)这个类封装了加载模型、预处理、推理、后处理NMS和结果可视化的完整流程。你可以在此基础上添加垃圾分类规则根据class_name映射到“可回收”、“厨余”等、计数、日志记录等功能。5.2 构建一个简单的Web演示系统要让毕设“动起来”一个带有Web界面的演示系统非常加分。这里我们用最轻量的Flask框架来实现。# app.py from flask import Flask, render_template, request, jsonify, Response import cv2 from detector import GarbageDetector # 导入上面写的检测器类 import threading import time app Flask(__name__) detector GarbageDetector(weights_pathbest.pt, devicecpu) # 初始化检测器 # 模拟一个全局状态存储最新的检测结果和图像 latest_data {results: [], frame: None} lock threading.Lock() def generate_frames(): 视频流生成器用于实时摄像头页面 camera cv2.VideoCapture(0) # 打开默认摄像头 while True: success, frame camera.read() if not success: break else: with lock: # 执行检测 results, annotated_frame detector.detect(frame) latest_data[results] results latest_data[frame] annotated_frame # 将帧编码为JPEG ret, buffer cv2.imencode(.jpg, annotated_frame) frame_bytes buffer.tobytes() yield (b--frame\r\n bContent-Type: image/jpeg\r\n\r\n frame_bytes b\r\n) time.sleep(0.03) # 控制一下帧率大约30FPS camera.release() app.route(/) def index(): 主页上传图片进行检测 return render_template(index.html) app.route(/video_feed) def video_feed(): 视频流路由 return Response(generate_frames(), mimetypemultipart/x-mixed-replace; boundaryframe) app.route(/detect, methods[POST]) def detect_image(): 处理图片上传检测 if file not in request.files: return jsonify({error: No file uploaded}), 400 file request.files[file] if file.filename : return jsonify({error: No file selected}), 400 # 读取图片 file_bytes file.read() nparr np.frombuffer(file_bytes, np.uint8) img cv2.imdecode(nparr, cv2.IMREAD_COLOR) # 执行检测 results, annotated_img detector.detect(img) # 将标注后的图片转换为base64返回给前端显示 _, buffer cv2.imencode(.jpg, annotated_img) img_base64 base64.b64encode(buffer).decode(utf-8) # 整理检测结果 detections [] for r in results: detections.append({ class: r[6], confidence: round(r[4], 2), bbox: r[0:4] }) return jsonify({ image: fdata:image/jpeg;base64,{img_base64}, detections: detections }) app.route(/latest_result) def get_latest_result(): 获取最新的检测结果用于实时页面 with lock: results latest_data[results] detections [{class: r[6], confidence: round(r[4], 2), bbox: r[0:4]} for r in results] return jsonify({detections: detections}) if __name__ __main__: app.run(host0.0.0.0, port5000, debugTrue)对应的HTML模板templates/index.html可以包含一个文件上传表单和一个显示结果的区域以及一个跳转到实时摄像头页面的链接。再创建一个video.html页面通过img src{{ url_for(video_feed) }}来显示实时视频流并通过JavaScript定期调用/latest_result接口更新侧边栏的检测结果列表。这样一个具备图片检测和实时视频检测功能的Web系统就搭建起来了。它结构清晰易于扩展完全能满足毕设演示的需求。5.3 模型轻量化与边缘部署尝试如果想让项目更有深度可以探索模型轻量化部署。训练出的.pt模型是PyTorch格式在资源丰富的服务器上运行没问题但要放到树莓派或手机端就需要转换和优化。导出为ONNX格式ONNX是一种开放的模型交换格式。python export.py --weights runs/train/garbage_detection/weights/best.pt --include onnx --img 640 --batch 1这会生成一个best.onnx文件。--batch 1指定了批处理大小为1更适合单张图片推理的部署场景。使用ONNX Runtime进行推理相比完整的PyTorchONNX Runtime通常有更快的推理速度和更小的内存占用。你可以写一个简单的脚本用ONNX Runtime加载best.onnx进行推理并与原版PyTorch推理结果对比验证精度损失通常极小。进一步量化可选对于极端资源受限的环境可以考虑将FP32的模型量化为INT8能大幅减少模型体积和提升速度但可能会带来一定的精度下降。可以使用TensorRT或OpenVINO等工具链完成。在毕设报告中你可以将“模型从PyTorch到ONNX的转换与性能对比”作为一个独立的章节展示你对部署流程的思考和实践。6. 项目文档与报告撰写将代码转化为思考一份优秀的毕设文档或报告是你整个项目思考过程的结晶。它不应该只是代码的罗列而应该讲述一个“发现问题-分析问题-解决问题-验证效果-总结反思”的完整故事。6.1 技术文档的核心要素除了常规的摘要、绪论、国内外研究现状外你的技术方案部分应该重点阐述系统总体设计画一张清晰的系统架构图可以用Draw.io等工具说明前端Web界面/摄像头、后端Flask服务、核心算法模块YOLOv5检测器、数据库如果需要之间的关系和数据流。数据集构建详述数据来源与采集方法。数据标注规范与工具。数据集统计分析各类别图片数量分布直方图图片尺寸分布等。这能体现你的工作量和对数据质量的把控。数据增强策略的具体参数与选择理由。模型训练细节完整的实验环境配置GPU型号、CUDA版本、Python及主要库版本。超参数设置表学习率、批次大小、优化器、损失函数等并解释重要参数的选择依据。训练过程可视化分析附上TensorBoard的Loss曲线和mAP曲线图并分析模型收敛情况。消融实验如果篇幅允许对比使用预训练权重和不使用的效果对比不同数据增强策略的效果甚至对比YOLOv5s和YOLOv5m在本数据集上的表现。这能极大提升报告的技术深度。系统实现与测试核心模块的代码结构说明。系统功能测试针对图片上传、实时视频、不同光照条件、不同垃圾类别进行测试用表格展示识别准确率、召回率、F1分数。性能测试在服务器和边缘设备如树莓派上的推理速度FPS、内存占用情况。6.2 避坑指南与心得总结这是最能体现你个人思考和经验价值的部分。不要写空话就写你真实遇到的问题和解决办法。例如坑1标注坐标错误导致训练Loss异常。现象是训练初期Loss就极高且不下降。排查后发现是标注工具导出YOLO格式时有的标签文件坐标值大于1。解决写了一个简单的Python脚本遍历所有标签文件检查并修正坐标值。坑2某一类垃圾识别率始终很低。发现是“电池”这类样本太少且形状颜色多变。解决除了补充数据还在数据增强中特意增加了针对小目标电池相对较小的增强如随机复制粘贴小目标到图像中YOLOv5自带类似功能需配置。坑3Web端实时视频流卡顿。发现是每帧都进行高分辨率检测导致的。解决采用了“跳帧检测”策略每3帧进行一次完整检测中间帧复用上一帧的结果并在前端用JavaScript平滑更新检测框位置流畅度大幅提升。心得对于此类应用型项目数据的质量远比模型的复杂度重要。花60%的时间在数据采集、清洗和增强上往往比换一个更大的模型收益高得多。另外工程部署时的细节如图像预处理与后处理的速度、多线程/异步处理往往是决定系统能否真正“可用”的关键而这部分在学术论文中常常被忽略。6.3 源码组织与提交清晰的代码结构能让评审老师或后续开发者一眼看懂你的工作。建议的目录结构如下智能垃圾分类系统/ ├── README.md # 项目总述快速开始指南 ├── requirements.txt # 项目依赖 ├── data/ # 数据相关 │ ├── garbage.yaml # 数据集配置文件 │ └── ... # (可选)样例图片/标签 ├── datasets/ # 数据集目录按YOLOv5要求组织通常.gitignore ├── models/ # 模型定义文件从YOLOv5官方拷贝 ├── utils/ # 工具脚本从YOLOv5官方拷贝 ├── weights/ # 存放训练好的模型权重 .pt文件 ├── train.py # 模型训练脚本基于官方修改参数 ├── detect.py # 图像/视频检测脚本基于官方修改 ├── core/ # 核心模块 │ ├── __init__.py │ ├── detector.py # 封装的检测器类如上面的GarbageDetector │ └── garbage_classifier.py # 垃圾分类规则映射模块 ├── web_app/ # Web应用 │ ├── app.py # Flask主应用 │ ├── static/ # 静态资源 │ └── templates/ # HTML模板 │ ├── index.html │ └── video.html ├── scripts/ # 实用脚本 │ ├── data_check.py # 数据校验脚本 │ ├── export_onnx.py # 模型导出脚本 │ └── ... └── docs/ # 项目文档 ├── 系统设计文档.pdf ├── 用户使用手册.md └── 答辩PPT.pptx在README.md中务必写明如何安装环境、如何准备数据、如何训练、如何运行Web应用。做到让一个有一定基础的同学能按照你的步骤复现出绝大部分结果。回过头看这个项目贯穿了深度学习项目从选题、数据准备、模型训练调优、到应用开发和部署展示的全流程。它不只是一个算法demo而是一个完整的工程实践。无论最终你的答辩评分如何在这个过程中锻炼出的解决实际问题的能力、查阅文档的能力、调试代码的耐心才是比分数更宝贵的财富。希望这份超详细的拆解能帮你少走弯路更高效地完成一个让你自己满意的作品。本文还有配套的精品资源点击获取
