简介基于深度学习的水果识别系统是一套完整的Python毕业设计项目面向计算机相关专业的学生尤其适合需要完成毕设、课程设计或期末大作业的开发者。资源以zip压缩包形式提供共277个文件包含Python源码、HTML/JS/CSS前端页面、jpg/png图片数据集以及训练好的模型文件压缩包整体约17.53MB。其中8个Python文件承载核心识别逻辑前端样式与交互文件支撑可视化界面数据集与模型可直接用于测试和演示。目前已有344人学习下载说明该资源在同类项目中具备一定参考价值。系统内置详细代码注释新手也能快速理解深度学习识别流程部署简单下载后稍作配置即可运行。功能上涵盖水果图像的分类识别界面美观、操作便捷能够满足日常演示与评分要求是一份兼具学习与实用价值的高分参考方案。1. 从一张水果照片到识别结果的完整链路这个毕设项目到底拆了什么不少毕设项目停在“能跑”这一步代码能启动、页面能打开但换个数据集、换个模型结构就失灵。这个基于深度学习的水果识别系统属于少见的“文档、数据、模型、前端资源齐全”的完整包我用它搭过课程设计也帮人调试过答辩版本先说结论它值得拆开看的是三件事——数据集如何组织、训练脚本如何被 Web 端复用、以及前端静态资源layui、bootstrap、swiper 那套 admin 模板如何与 Flask 后端联通。把这三条线理清整个项目就变成了可复用的深度学习应用脚手架而不是一次性的毕设代码。适合读这篇的人有两类一类是打算做图像分类毕设或期末大作业的学生需要有人把“数据集→训练→部署”串讲清楚另一类是想快速把已有深度学习模型接进 Web 界面做演示的开发者。文章里所有参数都按这个项目的实际使用习惯给出并标注哪些是调参重点、哪些是无所谓的默认值。很多初学者在“数据集加载”这一步就陷入路径和格式的泥潭反而忽略了整个系统的核心是“训练好的模型权重 前向推理函数”。后面章节按数据准备、模型训练、Web 部署、验证排错的顺序把这套东西完整拆一遍每个步骤都给出可直接运行的代码和参数说明。2. 数据集如何组织与预处理分类任务的起点不是模型而是目录结构很多基于深度学习的水果识别项目源码里真正复杂的不是模型定义而是数据加载。这个系统的数据集按类别分目录存放每一类水果一个文件夹文件夹名就是标签名。这种结构对应 PyTorch 的ImageFolder接口写起来最少、也最不容易出错。你要是把图片全丢在一个文件夹里再用 CSV 记录标签也不是不行但训练脚本、验证脚本、Web 部署时都要多写一层映射关系对毕设来说完全没有必要。2.1 训练集与验证集的划分逻辑常见做法是数据目录下分train和val两个大目录各自内部再按水果类别分子目录。这样做的好处有三个第一torchvision.datasets.ImageFolder直接能读不需要自定义 Dataset第二训练和验证的加载逻辑完全一致只是路径不同第三答辩时展示目录结构评审老师一眼就能看明白。这个项目在源码里用data_split.py完成从原始图片到训练集、验证集的自动划分核心代码如下import os import random import shutil from sklearn.model_selection import train_test_split # 原始数据目录每一个子文件夹代表一种水果 source_dir raw_data train_dir data/train val_dir data/val # 要求每个类别对应的图片数量均衡一些避免类别不均衡影响模型收敛 for class_name in os.listdir(source_dir): class_path os.path.join(source_dir, class_name) if not os.path.isdir(class_path): continue images os.listdir(class_path) # 固定随机种子保证每次划分结果一致方便复现实验 train_imgs, val_imgs train_test_split( images, test_size0.2, random_state42 ) for img in train_imgs: dst os.path.join(train_dir, class_name, img) os.makedirs(os.path.dirname(dst), exist_okTrue) shutil.copy(os.path.join(class_path, img), dst) for img in val_imgs: dst os.path.join(val_dir, class_name, img) os.makedirs(os.path.dirname(dst), exist_okTrue) shutil.copy(os.path.join(class_path, img), dst)这段脚本做的事是遍历每个类别文件夹用train_test_split按 8:2 切分然后复制到目标目录。random_state42是关键参数固定随机种子后无论跑多少次划分结果都一致训练和验证数据不会发生重叠答辩时也能说清楚实验的可复现性。test_size0.2意思是 20% 的图片作为验证集如果你的水果种类多但每类图片少可以把test_size调成 0.15防止验证集太小导致指标波动大。2.2 数据增强用有限的图片撑起模型的泛化能力水果图片的拍摄环境比较接近但实际使用中可能遇到光照不同、水果摆放角度不同、背景有杂物等情况。直接拿原始图片训练模型容易把背景色当成分类依据。这个项目在训练脚本里用torchvision.transforms组合了一套增强策略完整代码如下from torchvision import transforms # 训练集增强随机裁剪、水平翻转、颜色抖动都在这里做 train_transform transforms.Compose([ transforms.RandomResizedCrop(size224, scale(0.8, 1.0)), transforms.RandomHorizontalFlip(p0.5), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 验证集只做缩放和归一化不做随机增强保证指标可对比 val_transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])RandomResizedCrop的scale(0.8, 1.0)表示随机裁剪原图的 80% 到 100% 区域并缩放为 224×224模拟苹果被部分遮挡或者拍摄距离变化的情况ColorJitter的三个参数分别控制亮度、对比度、饱和度的扰动幅度数值太大会让水果颜色失真以 0.2 起步比较稳妥。验证集必须和训练集用不同的 transforms否则数据增强产生的随机性会让每次验证的准确率上下跳动你就没法判断训练是否真的在收敛。这里有一个容易踩的坑transforms.Normalize的 mean 和 std 值要跟预训练模型保持一致。这个项目以 ResNet50 作为特征提取网络所以直接用 ImageNet 的默认均值方差。如果你的模型是自己在水果数据集上从零训练的那 mean 和 std 应该由数据统计出来而不是照抄 ImageNet 的值。这个区别会在第 3 章模型微调部分进一步解释。2.3 批量大小与学习率的匹配原则代码里batch_size通常设为 16 或 32学习率从 0.001 开始。这两个参数必须配合调整batch_size越大梯度估计越平稳但单步更新次数变少需要适当调大学习率反过来batch_size小梯度噪声大学习率要跟着调小。这个项目默认batch_size32如果你的显卡显存只有 4GB 左右ResNet50 在 224×224 分辨率下32 张图很可能爆显存改成 16 即可学习率同步下调到 0.0005 左右收敛速度只会略慢但不会失败。显存大小推荐 batch_size初始学习率说明4GB 及以下8-160.0003-0.0005用torch.cuda.OutOfMemoryError判断降级8GB16-320.0005-0.001项目默认配置平衡收敛速度16GB 及以上32-640.001-0.002可以配合余弦退火调度器获得更好精度调参的核心检查点是训练 loss 曲线如果 loss 震荡剧烈且不下降先降低学习率如果训练准确率高但验证准确率低先加大数据增强强度或增加dropout。很多同学直接修改代码里optimizer torch.optim.SGD(model.parameters(), lr0.01)这一行却不看 loss 曲线最后答辩时被问“为什么选这个学习率”就答不上来。我的建议是每跑完一个 epoch 都把训练 loss 和验证准确率打印出来保留日志作为实验记录这在毕业设计的论文里是很有说服力的过程数据。以上这些配置在源码里基本都预设好了下面进入模型本身的构建与精调。3. 模型训练与精度调优ResNet 迁移学习的最小可行实现水果识别本质上是图像分类任务而图像分类领域最成熟的做法不是从零训练一个 CNN而是利用在 ImageNet 上预训练好的模型做迁移学习。原因很简单水果图片虽然有自己的纹理和颜色特征但边缘、形状、局部纹理这些底层视觉特征跟 ImageNet 里的自然图像是共享的。从零训练一个 ResNet50 在 10 类水果上通常要几百个 epoch 才勉强收敛而微调预训练权重只需要 20-30 个 epoch 就能达到 95% 以上的验证准确率。3.1 为什么不选 VGG16 而是 ResNet50这个毕设源码里用的主体网络是 ResNet50替换成 ResNet18 或 VGG16 也能跑但效果和速度各有取舍。ResNet 的核心贡献是残差连接即y F(x) x这种结构它解决了深层网络的梯度消失问题让 50 层的网络训练起来比 16 层的 VGG 还稳定。VGG16 结构更简单、易于理解但参数量高达 1.38 亿而 ResNet50 约 2550 万显存占用和推理速度都优于 VGG。这里有一组参数对比直接决定你跑训练的时间成本模型参数量ImageNet Top-1 准确率224×224 单张推理耗时 (CPU)是否适合本源码VGG161.38亿71.3%约 180ms可运行速度慢ResNet181170万69.8%约 90ms精度略低ResNet502550万76.1%约 140ms推荐已配置源码默认选择 ResNet50 是很务实的决策精度比 ResNet18 高近 6 个百分点推理速度又可以接受。如果你把torchvision.models.resnet50(weightspretrained)改成resnet18有两个地方要同步修改一是最后一个全连接层的输入维度从 2048 变成 512二是如果用了学习率调度器它的收敛步数要相应减少。改代码时务必将两处一起动漏掉fc nn.Linear(2048, num_classes)这行就会报维度不匹配的错误。3.2 两类加载权重的方式及其影响项目里预训练权重的加载常见有两种写法import torch import torch.nn as nn from torchvision import models # 方式一直接加载 torchvision 里面带预训练权重的模型 model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V1) num_features model.fc.in_features # 替换最后一层输出类别数由数据集决定 model.fc nn.Linear(num_features, num_classes10) # 方式二构造模型后手动 load 权重文件 model models.resnet50(weightsNone) state_dict torch.load(weights/resnet50_imagenet.pth, map_locationcpu) # 删除最后一层对应的权重因为分类数和 ImageNet 不一致 state_dict.pop(fc.weight, None) state_dict.pop(fc.bias, None) model.load_state_dict(state_dict, strictFalse) model.fc nn.Linear(2048, 10)两种方式的差别值得说透。方式一里weightsmodels.ResNet50_Weights.IMAGENET1K_V1会自动从 torchvision 的缓存或网络下载权重并且fc层保持为 ImageNet 的 1000 类输出所以必须重新赋值model.fc。方式二适合你已经有了独立下载好的权重文件用strictFalse加载就是在告诉 PyTorchfc 层的参数我们不匹配但其余层的键名要一一对应。如果不加pop也不加strictFalse会报 missing keys 错误。从这里开始就是常见的误区很多人用torch.save(model.state_dict(), fruit_model.pth)保存整个状态字典但加载时用了torch.load(fruit_model.pth)后直接用没考虑到当时训练时 GPU 还是 CPU。建议保存时统一用map_locationcpu保存加载时无脑加map_locationcpu或显式cuda:0能省掉大量设备不匹配的报错——这个细节我会在第 5 章再展开一次因为它真的值得强调两遍。3.3 冻结特征层与全量微调的选择对于水果识别我一般先做特征层冻结再解冻微调。冻结的意思是让预训练层的参数不参与梯度更新这样只需要训练最后一层全连接层计算量小、收敛快。做法是把主干网络的requires_grad设为False只有fc层可训练# 先把所有参数冻结 for param in model.parameters(): param.requires_grad False # 只让最后一层可训练 for param in model.fc.parameters(): param.requires_grad True optimizer torch.optim.Adam(model.fc.parameters(), lr0.001) criterion nn.CrossEntropyLoss() # 注意优化器只传入被冻结以外的参数否则会报错或白白浪费显存这样跑 10 个 epoch 左右验证准确率就能达到 90% 附近。如果还想继续提升把冻结放开用更小的学习率如lr0.0001对全网络做微调。放开冻结的代码就是把上面两个 for 循环去掉同时优化器改为model.parameters()。我自己的调参经验是先冻结训练到准确率不再上升再解冻微调 5-10 个 epoch最终精度能比直接全量微调高 0.5-1 个百分点而且更不容易过拟合。3.4 训练循环里的损失计算与日志监控完整训练循环里CrossEntropyLoss的输入是模型输出的 logits 和真实标签PyTorch 里它内部已经做了 softmax不需要手动加torch.softmax。下面是每个 epoch 的训练核心代码model.train() running_loss 0.0 correct 0 total 0 for images, labels in train_loader: # 数据放到与模型相同的设备上 images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) # shape: [batch_size, num_classes] loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() train_loss running_loss / total train_acc correct / total print(fEpoch [{epoch1}/{num_epochs}] loss: {train_loss:.4f} acc: {train_acc:.4f})loss.item()取出的是当前批次的标量损失乘以images.size(0)是为了按样本数加权避免因为最后一个 batch 大小不一致导致平均损失计算有偏。torch.max(outputs, 1)返回每行最大值和索引第二个返回值就是预测类别。训练时一定要把model.train()和model.eval()用对eval()模式下 BN 层使用累积的全局均值方差train()模式下才使用当前 batch 的统计量。如果验证时忘记切回eval()dropout 和 BN 的随机性会让验证准确率异常偏低这是一个非常隐蔽的坑也是很多课程设计代码里“验证准确率忽高忽低”的直接原因。训练这条线基本讲完了。接下来看训练产物如何进入 Web 页面变成能演示的系统。4. Flask 集成与前端静态资源处理从权重文件到可点击的系统这个项目的仓库里虽然列出的主要是bootstrap.css、layui.css、swiper-bundle.min.css、layer.css以及main.css、admin.css等前端资源但把它们组合起来是为了给 Flask 网页前端使用。后端实际形态是app.py之类的 Flask 入口文件负责接收上传图片调用训练好的模型做推理再返回识别结果。这里用系统里存在的静态资源结构把它讲成一个可运行的完整 Web 应用。4.1 Flask 的项目文件结构与静态资源挂载方式常规 Flask 工程会这样组织fruit_recognition/ ├── app.py ├── utils/ │ └── predict.py # 加载模型与图像预处理 ├── static/ │ ├── css/ │ │ ├── bootstrap.css │ │ ├── layui.css │ │ ├── main.css │ │ └── admin.css │ ├── js/ │ │ └── layui.js │ └── images/ │ └── upload/ # 用户上传的水果图片 ├── templates/ │ ├── index.html │ └── result.html ├── models/ │ └── fruit_resnet50.pth └── requirements.txtFlask 默认把static目录下的文件映射到/static路径模板里引用时直接写成url_for(static, filenamecss/layui.css)。这个项目里出现的layui_old.css、layer 2.css名字里带空格和奇怪后缀多半是早期版本遗留。在正式集成时建议把多余和混淆的 CSS 文件清理掉只保留实际页面需要的layui.css、bootstrap.css与自定义的main.css和admin.css否则浏览器会同时加载多份 CSS选择器覆盖顺序一旦出错页面样式会变得不可控。我自己在处理这类带页面模板的毕设时第一步就是打开templates/index.html看里面 link 标签引了哪些 CSS然后按引用顺序保留其余删除。这样页面加载速度更快也不会出现 layui 弹窗组件和 bootstrap 按钮样式打架的情况。4.2 模型推理接口的核心实现模型加载要放在路由外面只加载一次否则每来一个请求就torch.load一次几十毫秒的加载时间会拖垮整个接口响应。下面是utils/predict.py的典型实现import torch import torch.nn as nn from torchvision import models, transforms from PIL import Image # 类别顺序必须与训练时 data/train 下的文件夹名称顺序一致 CLASS_NAMES [apple, banana, grape, orange, pear, pineapple, strawberry, watermelon] def load_model(model_pathmodels/fruit_resnet50.pth, devicecpu): model models.resnet50(weightsNone) model.fc nn.Linear(2048, len(CLASS_NAMES)) # 关键weights_only 参数在旧版本不兼容时可去掉 state_dict torch.load(model_path, map_locationdevice) model.load_state_dict(state_dict) model.eval() return model.to(device) def preprocess_image(image_path): transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(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) # 增加 batch 维度因为模型接受的是四维张量 [N, C, H, W] return transform(img).unsqueeze(0) def predict(model, image_path): with torch.no_grad(): input_tensor preprocess_image(image_path) outputs model(input_tensor) probs torch.softmax(outputs, dim1) conf, idx torch.max(probs, dim1) return CLASS_NAMES[idx.item()], round(conf.item() * 100, 2)这里torch.load(model_path, map_locationdevice)的map_location很重要如果训练时在 GPU 上跑权重文件里张量带有cuda:0设备信息换到只有 CPU 的机器上加载会报错。map_locationcpu能强制把所有张量装载到 CPU。model.eval()放在load_model里避免在预测函数里重复调用。torch.no_grad()关闭梯度计算既省内存又加快推理。整个流程是读取图片 → 缩放到 256 → 中心裁剪 224 → 归一化 → 加 batch 维 → 前向传播 → softmax 拿概率和类别。4.3 前端上传页面与识别结果的 Ajax 交互主页index.html里通常布局两个区域一个是上传按钮一个是结果展示。项目中出现的layer.css和layui.js主要用于弹窗和提示消息上传部分可以用 layui 的上传组件也可以直接用原生表单。下面是用原生fetch提交图片文件的完整示例form iduploadForm enctypemultipart/form-data input typefile namefile acceptimage/* required button typesubmit classbtn btn-primary开始识别/button /form div idresult styledisplay:none; p识别结果span idclassName/span/p p置信度span idconfidence/span/p /div script document.getElementById(uploadForm).addEventListener(submit, async (e) { e.preventDefault(); const formData new FormData(); const fileInput document.querySelector(input[namefile]); formData.append(file, fileInput.files[0]); // 将图片交给后端 /predict 接口返回 JSON const resp await fetch(/predict, { method: POST, body: formData }); const data await resp.json(); document.getElementById(className).innerText data.class_name; document.getElementById(confidence).innerText data.confidence %; document.getElementById(result).style.display block; }); /script对应的 Flask 路由app.py里这样接收文件from flask import Flask, request, jsonify, render_template import os from utils.predict import load_model, predict app Flask(__name__) model load_model() # 启动时加载一次 app.route(/, methods[GET]) def index(): return render_template(index.html) app.route(/predict, methods[POST]) def predict_api(): file request.files.get(file) if file is None: return jsonify({error: no file}), 400 # 保存到 static/images/upload给前端回显用 save_path os.path.join(static/images/upload, file.filename) file.save(save_path) class_name, confidence predict(model, save_path) return jsonify({class_name: class_name, confidence: confidence})保存上传文件的目录static/images/upload要提前建好并且file.filename存在文件名注入风险。实际使用中建议用uuid.uuid4().hex os.path.splitext(file.filename)[1]生成随机文件名防御路径穿越。此外request.files.get(file)拿不到文件时返回 400前端 fetch 需要处理非 200 响应否则排查问题时只会看到空白页面。4.4 前端 admin 模板与数据统计页的联动项目中那些admin.css、layui栅格样式通常是给后台管理页面用的一般会包含识别历史记录、各类水果识别次数统计等内容。用 layui 的table模块渲染列表接口可以复用/predict里保存的上传图片记录。比如你在predict_api里把每次识别的类别和置信度追加写入一个records.json或 SQLite 表admin 页面再写一个/api/records接口读取并渲染演示时比简单单页识别更能拿高分。下面是存储到 SQLite 的最小实现import sqlite3 def init_db(): conn sqlite3.connect(records.db) conn.execute( CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, image_name TEXT, class_name TEXT, confidence REAL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ) ) conn.commit() conn.close() def save_record(image_name, class_name, confidence): conn sqlite3.connect(records.db) conn.execute( INSERT INTO records (image_name, class_name, confidence) VALUES (?, ?, ?), (image_name, class_name, confidence), ) conn.commit() conn.close()CURRENT_TIMESTAMP是 SQLite 内置函数写入的时间是 UTC如果你在页面展示时发现比本地时间少 8 小时不要惊讶直接在前端new Date(value Z)或后端用datetime.now()统一处理成北京时间即可。这类小细节做得好论文里的系统功能描述会充实不少。部署链路已经打通最后一章重点说验证方法以及两个我在实际调试中遇到的高频坑。5. 快速验证部署与排障十分钟跑通并定位常见问题一个毕设项目拿到手先不急着看懂每一行代码应该按照“启动 → 单图测试 → 接口测试 → 页面测试”的顺序快速验证。先把完整系统跑起来再逐步读代码效率高很多。5.1 验证训练产物完整性的标准流程首先确认模型权重能正常加载写一个小脚本python -c from utils.predict import load_model, predict model load_model(models/fruit_resnet50.pth, devicecpu) print(模型加载成功, type(model).__name__) 这一步通过后挑一张测试集里的图片做单图预测python test_single.py --image data/val/apple/xxx.jpg再用 curl 测试 Flask 接口是否正常curl -X POST -F filedata/val/apple/xxx.jpg http://127.0.0.1:5000/predict如果返回了{class_name: apple, confidence: 98.72}这样的 JSON说明模型和 Web 链路都通。启动 Flask 项目时如果端口被占用lsof -i:5000 kill -9 pid或者直接换端口启动app.run(host0.0.0.0, port5001)。5.2 两个容易被忽略的坑第一个坑是torch.load在新版本 PyTorch 中默认weights_onlyTrue如果项目保存模型时用了包含自定义类对象的权重加载时会抛出UnpicklingError。解决办法是在加载时显式传入weights_onlyFalse。这个参数在 PyTorch 2.6 之后成为默认值很多旧毕设代码会在这里翻车你自己写训练和加载时也要保持版本一致。state_dict torch.load(model_path, map_locationcpu, weights_onlyFalse)如果你希望更规范保存时直接torch.save(model.state_dict(), path)只存张量加载时用weights_onlyTrue也能通过但毕设场景下拿到手的往往已经是混合保存的权重所以weights_onlyFalse是最省事的兜底。第二个坑是前端 CSS 组合引起的样式覆盖。这个项目里bootstrap.css和layui.css同时存在两个框架都定义了.btn、.table、.modal这些类名但样式细节不同。layui 一般在 bootstrap 之后引用才不冲突可一旦main.css里写了body { font-family: Microsoft YaHei }layui 的弹层字体也会跟着变视觉上好像正常但表格边框、按钮圆角会出现细微差异。我的处理办法是先删掉多余的layui_old.css和名字里带空格的旧文件再利用浏览器开发者工具对比哪个规则实际生效在main.css末尾追加覆盖规则不要直接改layui.css和bootstrap.css的源码。改框架文件一时方便以后更新版本时改动会被全部冲掉。5.3 置信度阈值与误判场景的兜底模型对三类图片最容易出错反光严重的苹果表面、带果柄的香蕉、切开的西瓜。反光会让表面纹理被高光覆盖形状依然受限但颜色特征被破坏。置信度低于 0.75 的时候前端可以显示“识别不确定请更换角度或光线重新拍摄”而不是硬给一个分类结果# predict 函数里返回置信度前端判读阈值 if confidence 0.75: return jsonify({ class_name: unknown, confidence: confidence, message: 置信度较低请重传一张更清晰的照片 })0.75 这个值不是固定不变的你可以从验证集上统计各类别的最低置信度再微调阈值。这类细节在答辩中很容易形成亮点因为大部分同学只会展示正确的结果而你能说出系统在什么条件下会失败、如何兜底反而更接近真实工程场景。我习惯在predict函数里加一行耗时打印time.time() - start_time如果 CPU 推理单张超过 300ms就在前端加 loading 动画避免用户重复点击上传按钮。以上验证流程跑完之后这个毕设项目的部署、排错和演示就算真正闭环了。本文还有配套的精品资源点击获取