简介：这份资源面向计算机、人工智能、通信工程等专业的在校学生与教师，提供一套可直接用于毕业设计或课程设计的水果识别系统完整方案。项目基于迁移学习思路，对ImageNet上预训练的VGG16、ResNet50、MobileNetV2、DenseNet121四种模型进行微调，并迁移到水果数据集上完成分类任务，最高准确率达到93.08%，源码均经过实际运行测试，答辩评审平均分约96分。压缩包共277个文件，约17.53MB，其中包含8个Python脚本负责模型训练与推理，另有大量js、css、html等前端页面文件用于搭建可视化交互界面，以及gif、jpg、png等图片素材和字体文件，整体结构清晰、便于二次修改。目前已有319人学习下载，适合希望快速上手深度学习图像分类、需要完整毕设参考或在此基础上扩展功能的读者。

1. 从一份 93.08% 准确率的水果识别毕设说起

带过几届毕设之后，我对"水果识别"这个题目是有偏见的——太常见，常见到很多同学直接拿个 MNIST 改改就交差，答辩时被问一句"为什么用这个模型"就卡壳。但这份资源有点不一样：它没有从零搭网络，而是走迁移学习路线，把 ImageNet 上预训练好的 VGG16、ResNet50、MobileNetV2、DenseNet121 四个骨干分别微调，最后在水果数据集上跑到 93.08% 的准确率。这个数字不算惊艳，但胜在真实、可复现，而且四个模型横向对比的思路，恰好是答辩老师最爱追问的点。

这份资源包含源码、文档说明、数据集和训练好的模型权重，适合计算机、人工智能、通信、自动化等专业的同学做毕设、课程设计或立项演示。如果你基础还行，想在这个框架上改分类类别、换骨干网络、加个 Web 界面，它也能当个不错的起点。下面我按"这套东西怎么跑起来、参数怎么调、坑在哪"的顺序拆一遍。

2. 迁移学习选型：四个骨干网络到底怎么选

2.1 为什么是微调而不是从零训练

水果数据集通常只有几千到上万张图，类别也就几十种。这种规模下从零训练一个 CNN，过拟合几乎是必然的——训练集准确率能冲到 99%，验证集卡在 70% 上下不动。迁移学习的逻辑是：ImageNet 上预训练的卷积层已经学会了边缘、纹理、颜色块这些通用特征，水果识别需要的底层特征和它高度重合，你只需要替换最后的全连接分类头，再解冻部分高层做微调。

常见做法是冻结前面的卷积基，只训练新加的分类层，等 loss 稳定后再解冻最后几个 block 一起微调。这份资源里四个模型都是按这个思路走的，区别在于解冻的层数和学习率的设置。

2.2 四个骨干的取舍

选型上没有绝对优劣。VGG16 参数量大但结构直白，适合第一次跑通流程；ResNet50 是稳妥的基线；MobileNetV2 如果你后面要往手机或树莓派上搬，优先考虑它；DenseNet121 在小数据集上往往能比 ResNet 高出一两个点。资源里四个都给了，建议先跑 MobileNetV2 快速验证流程，再用 ResNet50 冲准确率。

2.3 环境搭建与依赖安装

先确认 Python 版本，建议 3.8 到 3.10，太新的版本有些深度学习库轮子还没跟上。

# 创建虚拟环境，避免和系统包冲突 python -m venv fruit_env # Windows 激活 fruit_env\Scripts\activate # Linux/Mac 激活 source fruit_env/bin/activate # 安装核心依赖，版本按资源文档里的来 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install numpy pandas matplotlib opencv-python pillow tqdm scikit-learn

这里torch的安装命令带了 CUDA 11.8 的索引地址，如果你没有 NVIDIA 显卡，把--index-url那行去掉，装 CPU 版本即可。opencv-python用于图像预处理，scikit-learn用来生成分类报告和混淆矩阵。装完之后用python -c "import torch; print(torch.cuda.is_available())"验证一下 GPU 是否可用，返回True说明环境没问题。

2.4 数据集的目录结构

资源里的数据集一般按类别分文件夹存放，这是torchvision.datasets.ImageFolder能直接读取的标准格式：

fruit_dataset/ ├── train/ │ ├── apple/ │ ├── banana/ │ ├── orange/ │ └── ... ├── val/ │ ├── apple/ │ └── ... └── test/ └── ...

如果你的数据是混在一起的一堆图片加一个标签 CSV，需要先写个脚本按类别拆分。常见做法是训练集、验证集、测试集按 7:2:1 划分，划分时注意每个类别都要有代表，别出现某个类别验证集里一张图都没有的情况。

3. 训练流程拆解：从数据加载到模型保存

3.1 数据增强与 DataLoader 配置

水果图片的拍摄角度、光照、背景差异很大，数据增强是防过拟合的第一道防线。

import torch from torchvision import datasets, transforms from torch.utils.data import DataLoader # 训练集增强：随机裁剪、翻转、颜色抖动 train_transform = transforms.Compose([ transforms.RandomResizedCrop(224, scale=(0.7, 1.0)), # 随机裁剪缩放 transforms.RandomHorizontalFlip(p=0.5), # 水平翻转 transforms.RandomRotation(15), # 随机旋转±15度 transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1), # 颜色抖动 transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], # ImageNet 均值 std=[0.229, 0.224, 0.225]) # ImageNet 标准差 ]) # 验证集和测试集只做缩放和归一化，不做随机增强 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]) ]) train_dataset = datasets.ImageFolder('fruit_dataset/train', transform=train_transform) val_dataset = datasets.ImageFolder('fruit_dataset/val', transform=val_transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False, num_workers=4)

Normalize里的均值和标准差必须和预训练模型一致，因为骨干网络是在 ImageNet 上用这套参数训练的，你换了参数，底层特征的分布就对不上，微调效果会打折扣。batch_size设 32 是显存和训练速度的折中，显存不够就降到 16 或 8，同时把学习率相应调小。num_workers在 Windows 上有时会报错，改成 0 用主进程加载即可。

3.2 替换分类头与冻结策略

以 ResNet50 为例，把原来的 1000 类输出换成你的水果类别数：

import torch.nn as nn from torchvision import models num_classes = len(train_dataset.classes) # 自动获取类别数 model = models.resnet50(weights=models.ResNet50_Weights.IMAGENET1K_V1) # 冻结所有卷积层参数 for param in model.parameters(): param.requires_grad = False # 替换最后的全连接层 model.fc = nn.Sequential( nn.Linear(model.fc.in_features, 256), nn.ReLU(), nn.Dropout(0.5), nn.Linear(256, num_classes) ) # 只训练新加的分类头 optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-3)

冻结之后只有model.fc的参数会被更新，训练速度快，也不容易过拟合。等分类头收敛后，可以解冻最后一个残差 block 做精细微调，学习率降到 1e-4 甚至 1e-5。这一步是准确率能不能从 90% 推到 93% 的关键，但解冻太多层反而会破坏预训练特征，血泪经验是先从最后一层开始试。

3.3 训练循环与学习率调度

import torch.optim as optim from torch.optim.lr_scheduler import CosineAnnealingLR device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) criterion = nn.CrossEntropyLoss() # 余弦退火，学习率从 1e-3 平滑降到 1e-6 scheduler = CosineAnnealingLR(optimizer, T_max=30) best_acc = 0.0 for epoch in range(30): model.train() running_loss = 0.0 for images, labels in train_loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() # 验证阶段 model.eval() correct, total = 0, 0 with torch.no_grad(): for images, labels in val_loader: images, labels = images.to(device), labels.to(device) outputs = model(images) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() acc = correct / total scheduler.step() print(f'Epoch {epoch+1}, Loss: {running_loss/len(train_loader):.4f}, Val Acc: {acc:.4f}') # 保存最佳模型 if acc > best_acc: best_acc = acc torch.save(model.state_dict(), 'best_model.pth')

CosineAnnealingLR让学习率按余弦曲线下降，前期大步走、后期小步收敛，比固定学习率稳。T_max设成总 epoch 数，这里 30 轮对应 30。保存模型时只存state_dict而不是整个模型对象，文件更小，加载时也更灵活。训练过程中如果验证准确率连续几轮不涨，可以提前停，别硬跑满。

3.4 四个模型的对比实验

资源里四个骨干都跑了，如果你想复现对比，把上面的models.resnet50换成对应的即可：

# VGG16 model = models.vgg16(weights=models.VGG16_Weights.IMAGENET1K_V1) model.classifier[6] = nn.Linear(4096, num_classes) # MobileNetV2 model = models.mobilenet_v2(weights=models.MobileNet_V2_Weights.IMAGENET1K_V1) model.classifier[1] = nn.Linear(model.last_channel, num_classes) # DenseNet121 model = models.densenet121(weights=models.DenseNet121_Weights.IMAGENET1K_V1) model.classifier = nn.Linear(model.classifier.in_features, num_classes)

注意每个模型替换分类头的位置不一样：VGG16 在classifier[6]，MobileNetV2 在classifier[1]，DenseNet121 直接换classifier。改错了不会报错，但训练时分类头没被替换，输出还是 1000 类，loss 会一直降不下去。这是新手最容易翻车的地方，改完打印一下模型结构确认。

4. 推理与部署：模型怎么用起来

4.1 单张图片推理

训练完拿到best_model.pth，写个推理脚本验证效果：

from PIL import Image import torch from torchvision import transforms, models # 加载模型结构，必须和训练时一致 model = models.resnet50(weights=None) model.fc = nn.Sequential( nn.Linear(model.fc.in_features, 256), nn.ReLU(), nn.Dropout(0.5), nn.Linear(256, num_classes) ) model.load_state_dict(torch.load('best_model.pth', map_location='cpu')) model.eval() # 预处理，和验证集保持一致 preprocess = 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('test_apple.jpg').convert('RGB') input_tensor = preprocess(img).unsqueeze(0) # 加 batch 维度 with torch.no_grad(): output = model(input_tensor) prob = torch.softmax(output, dim=1) conf, pred = torch.max(prob, 1) print(f'预测类别: {train_dataset.classes[pred.item()]}, 置信度: {conf.item():.4f}')

load_state_dict时如果报 key 不匹配，八成是模型结构没对上，检查分类头的层数和顺序。map_location='cpu'让你在没有 GPU 的机器上也能加载。unsqueeze(0)是给单张图补上 batch 维度，模型默认接受四维输入。

4.2 批量测试与混淆矩阵

答辩时老师常问"哪类容易分错"，提前跑个混淆矩阵心里有数：

from sklearn.metrics import classification_report, confusion_matrix import numpy as np model.eval() all_preds, all_labels = [], [] with torch.no_grad(): for images, labels in test_loader: images = images.to(device) outputs = model(images) _, preds = torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) print(classification_report(all_labels, all_preds, target_names=test_dataset.classes)) cm = confusion_matrix(all_labels, all_preds) print(cm)

classification_report会给出每个类别的精确率、召回率和 F1，比一个总准确率有说服力得多。混淆矩阵能看出哪些类别互相混淆，比如青苹果和青柠、橙子和橘子，这些在特征上确实接近，可以在文档里主动说明并给出改进思路。

4.3 模型导出与轻量化

如果要把模型部署到 Web 或移动端，可以考虑导出 ONNX：

dummy_input = torch.randn(1, 3, 224, 224) torch.onnx.export(model, dummy_input, 'fruit_model.onnx', input_names=['input'], output_names=['output'], dynamic_axes={'input': {0: 'batch_size'}})

dynamic_axes让 batch 维度可变，推理时可以一次传多张图。ONNX 格式能被 ONNX Runtime、TensorRT 等推理引擎加载，速度比原生 PyTorch 快不少。MobileNetV2 导出的 ONNX 模型通常只有十几 MB，塞进小程序或 App 后端都够用。

5. 避坑与排查：那些文档里不会写的问题

5.1 显存不够，训练中途崩

现象是跑几个 batch 后报CUDA out of memory。原因通常是 batch_size 太大，或者验证阶段没加torch.no_grad()导致计算图一直累积。解决办法：把 batch_size 降到 16 或 8，验证和测试代码块外面套with torch.no_grad():，训练循环里每个 batch 结束后optimizer.zero_grad()别漏。如果还不行，用torch.cuda.empty_cache()手动清一下缓存。

5.2 验证准确率不动，loss 不降

现象是训练十几轮，验证准确率一直在随机水平（比如 10 类就是 10% 左右）。原因多半是分类头没替换成功，模型还在输出 1000 类，或者标签和输出对不上。解决办法：打印model结构确认最后一层输出维度等于类别数；检查ImageFolder读到的classes列表和实际文件夹是否一致；确认criterion用的是CrossEntropyLoss而不是BCELoss。

5.3 训练准确率高但测试低

现象是训练集 99%，测试集 70%。这是典型过拟合。原因可能是数据增强太弱、模型参数量相对数据量太大、或者训练轮数过多。解决办法：加强数据增强（加 RandAugment 或 MixUp），换更轻量的骨干如 MobileNetV2，加 Dropout 和权重衰减，早停。别一味追求训练准确率，验证集才是真实水平。

5.4 推理时类别对不上

现象是预测结果总是某几个类别，或者置信度普遍很低。原因是推理时的预处理和训练时不一致，比如忘了Normalize，或者Resize的尺寸不对。解决办法：把训练时的val_transform原封不动复制到推理脚本里，别凭记忆重写。Image.open之后记得.convert('RGB')，有些 PNG 带透明通道，直接转 Tensor 会报错。

5.5 换数据集后准确率暴跌

现象是拿自己的水果照片测试，准确率远低于测试集。原因是训练数据和你的实际场景分布不一致，比如训练集都是白底商品图，你拍的是果园实景。解决办法：要么在训练集里加入实景图做微调，要么在推理前做背景分割。这个问题没有银弹，只能靠数据覆盖。

6. 进阶技巧：把 93% 再往上推一推

如果你已经跑通了基线，想让准确率再好看一点，可以试试这几个方向。第一个是解冻更多层做渐进式微调：先只训分类头 10 轮，再解冻最后一个 block 训 10 轮（学习率降到 1e-4），最后解冻倒数第二个 block 训 5 轮（学习率 1e-5）。这个策略在多个数据集上都能稳定涨 1 到 2 个点，代价是训练时间翻倍。

第二个是测试时增强（TTA）：对同一张测试图做多次不同变换（翻转、裁剪），把预测概率平均。代码不复杂，在推理脚本里加个循环就行：

def predict_with_tta(model, img, n=5): probs = [] for _ in range(n): aug = transforms.Compose([ transforms.RandomResizedCrop(224, scale=(0.8, 1.0)), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) tensor = aug(img).unsqueeze(0) with torch.no_grad(): out = torch.softmax(model(tensor), dim=1) probs.append(out) return torch.mean(torch.stack(probs), dim=0)

TTA 的代价是推理时间变成 n 倍，但准确率通常能涨 0.5 到 1 个点，答辩演示时值得开。

第三个是类别不平衡处理：如果某些水果样本特别少，用WeightedRandomSampler给少样本类别更高采样权重，或者在 loss 里加类别权重。这个改动小，但对小类别召回率提升明显。

最后一个习惯：每次改完超参数，别只看最终准确率，把训练曲线、混淆矩阵、分类报告都存下来。答辩时老师问"你怎么调的"，你能拿出对比图，比空口说"我试了很多参数"有说服力得多。从那以后我每次跑实验都强制走一遍"保存日志 + 画曲线 + 存最佳权重"的流程，后悔药这东西，能提前备就提前备。希望这份拆解帮到你，资源里的文档和代码配合着看，跑通不难。

本文还有配套的精品资源，点击获取