简介：一份基于深度学习的水果图像识别系统毕业设计范文（PDF），面向计算机、电子、自动化等相关专业学生，尤其适合正在准备毕业设计、论文撰写和毕业答辩的读者。内容围绕系统整体设计展开，完整覆盖深度学习网络设计、硬件电路搭建与系统软件实现三大部分：网络采用稀疏化 CNN，包含卷积、池化与全连接层，并对卷积层权重做稀疏处理以降低模型复杂度；硬件侧基于 TI 工业派开发板，通过 USB、串口、网络接口与 HDMI 模块连接摄像头和显示屏；软件部分基于 TIDL API 完成模型训练导入及水果信息显示。论文还讨论了在新零售、质量控制和食品安全等场景的应用价值。这份 PDF 共 1 个文件，压缩包约 895KB，是一篇结构完整、可借鉴性强的论文范例，已有 365 人学习。读者可从中获取系统框图、网络结构设计、硬件选型思路和软件实现流程等关键内容，用于梳理论文框架或答辩准备。

1. 基于深度学习的水果图像识别：毕业论文选题为什么盯上这个方向

每年毕业季都有大量学生卡在“课题太虚、跑不出结果、论文没数据”这三道坎上。水果图像识别作为深度学习中少见的“入门门槛低、展示效果好、数据容易凑”的方向，常年是计算机视觉类毕业论文的热门选题。用 ResNet 或 MobileNet 在公开水果数据集上训练一个分类模型，测试集精度做到 90% 以上并不难，难的是把数据和代码组织成一篇能过盲审的论文。这篇笔记就围绕“数据准备、模型选型、训练调参、部署验证”四条主线，把整个落地路径讲透，不只是贴一份跑得通的代码，更把那些不跑一遍根本发现不了的坑挑明。

适合两类人：一是做毕业设计、课程设计，需要在有限时间内拿出可展示成果的学生；二是想用水果分类练手，但不想只看入门教程、想了解真实工程边界的初学者。读完这篇，你应该能从零复现一套完整的水果识别系统，并且在“为什么这样选型、为什么这样调参”这些盲审常问的问题上不再心虚。

2. 水果图像识别到底在识别什么：任务定义与直接可用的基线方案

2.1 先想清楚：这是分类任务，不是检测任务

很多初学者一上来就对着“识别”两个字做文章，非要引入目标检测模型，把水果在图像里的位置框出来。这个选择直接决定了毕设的复杂度。水果图像识别的主流任务定义是图像分类——每张图片里有一种水果（可能带叶子或背景杂物），模型只需要输出这张图属于哪个类别，比如“苹果”“香蕉”“橙子”。检测任务（把位置也框出来）不是不能做，但数据标注成本翻好几倍，训练难度也更大，对本科毕设来说性价比很低。

明确任务类型之后，下一步是定 baseline。我一般会先跑一个轻量级模型把整个 pipeline 打通，再考虑要不要换更重的模型。常见做法是用 ImageNet 预训练的 ResNet18 在水果数据上做迁移学习。这个模型在水果这类细粒度不算高的任务上，单模型往往就能达到 90% 以上的准确率。如果你用的是 PyTorch，torchvision 里自带 ResNet18 的预训练权重，改一下最后的全连接层就可以训练，半小时左右能看到初步结果。

2.2 数据集：公开数据集怎么选、自制数据怎么拍

水果图像领域最常用的公开数据集是 Fruits-360，包含上百类水果的约 8 万张图像，每张图基本是单个水果放在白背景前的样子。这个数据集图像质量高、背景干净、类别多，非常适合做毕设展示。但要注意，正因为背景太干净，用它训练出的模型在真实场景（比如超市货架、果园环境）里很容易掉点。如果你想在论文里加一节“模型在复杂背景下的表现”，需要额外收集网络图片或自己拍摄。

自制数据集的建议：每类水果至少收集 200 张以上，训练集、验证集、测试集按 8:1:1 或 7:2:1 划分。拍摄时尽量保证每张图里水果主体占画面面积超过一半，同一类水果要覆盖不同大小、不同成熟度、不同拍摄角度。背景可以多样，但训练集和测试集的背景分布要大致接近，否则测试时模型会因为“背景过拟合”而崩溃。采集完图片后，统一用脚本缩放到统一尺寸（常见是 224×224），并检查有没有损坏图片——一张坏图就可能导致训练中断。

3. 把数据组织成 PyTorch 能吃的格式：从原始图片到训练管线

3.1 目录结构与 Dataset 类：少写 200 行代码的常规套路

PyTorch 训练图像分类模型最稳妥的数据组织方式，是使用torchvision.datasets.ImageFolder。它要求数据按下面的目录结构存放：

data/ train/ apple/ apple_001.jpg apple_002.jpg banana/ banana_001.jpg orange/ orange_001.jpg val/ apple/ banana/ orange/ test/ apple/ banana/ orange/

只要文件夹名字是类别名，ImageFolder 会自动把每个子文件夹映射成一个整数标签。下面这段代码把训练和验证两个 Dataset 建好，同时完成尺寸缩放、随机翻转、归一化这些基本操作：

from torchvision import datasets, transforms from torch.utils.data import DataLoader # 训练集：随机水平翻转 + 随机旋转，增加数据多样性 train_transforms = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p=0.5), transforms.RandomRotation(degrees=15), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 验证/测试集：不做随机增强，保证结果可复现 val_transforms = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) train_dataset = datasets.ImageFolder(root='data/train', transform=train_transforms) val_dataset = datasets.ImageFolder(root='data/val', transform=val_transforms) 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) print(f'训练集类别数: {len(train_dataset.classes)}, 图片总数: {len(train_dataset)}')

代码里的 Normalize 参数是 ImageNet 的均值和标准差，迁移学习场景下直接沿用就行，不需要自己重新统计。shuffle=True只在训练集打开，验证集保持顺序固定，否则每次评估的数据顺序不一致，不利于对比实验。num_workers在 Windows 上建议设为 0，如果设大于 0 且代码没放在if __name__ == '__main__'里，很容易触发多进程报错。

3.2 数据分布检查：类别不均衡会让准确率变成障眼法

在开始训练之前，有一个必须做的检查——统计每个类别的图片数量。水果数据集中常见的问题是某些类别（比如苹果）图片特别多，另一些类别（比如火龙果）只有几十张。如果直接拿不均衡的数据训练，模型会倾向把不确定的样本预测为样本多的类别，整体准确率依然很高，但每个类别的召回率差异巨大。

统计方式很简单：遍历 train_dataset 的 targets 属性，按类别计数。如果发现最大类和最小类数量比超过 5:1，有两种补救措施。第一种是给少数类做数据增强，比如更大的旋转角度、随机裁剪、颜色抖动；第二种是修改损失函数的权重，PyTorch 里直接给nn.CrossEntropyLoss传一个 weight 张量，权重一般设为该类样本数量的倒数。这两种方案可以同时用，对毕业设计来说已经足够。

还有一个常见的坑是标签错位。ImageFolder 按文件夹名的字母顺序映射标签，比如 “apple” 是 0，“banana” 是 1。如果你在训练过程中自定义了类别顺序（比如手动把想重点展示的类排前面），但后续做测试或部署时读取的类别列表顺序不一致，模型的输出就全乱了。建议从训练到部署都用同一个train_dataset.classes列表，保存模型时把它一并存成 json 文件，避免从头再来。

4. 模型选型与训练：ResNet 和 MobileNet 到底该选谁

4.1 从零训练还是迁移学习：让不让你用预训练权重是个送分题

水果图像识别属于典型的“数据量不够大，但有成熟预训练模型可用”的场景，绝大多数情况下都应该用迁移学习，而不是从零初始化权重训练。原因很直观：ImageNet 预训练模型已经学会了边缘、纹理、颜色分布这些底层特征，水果识别里需要的“圆形轮廓”“红色/黄色色块”这些特征，预训练模型已经具备，我们只需要在它基础上微调高层特征。

从零训练一个 ResNet18 在 Fruits-360 上也不是不能收敛，但要达到相同精度往往需要多花 5 倍以上的训练时间。对毕业设计而言，论文里可以理直气壮地写“采用迁移学习策略，利用 ImageNet 预训练权重初始化模型”，这一步是加分项不是减分项。需要注意的是，如果你使用 PyTorch 在联网环境下执行，torchvision 会自动下载预训练权重到缓存目录；如果评审答辩现场要求离线演示，提前下载好权重文件并复制到目标机器，设置环境变量TORCH_HOME指向缓存目录即可。

4.2 冻结前置层还是全量微调：学习率暴雷的根源就在这里

迁移学习有一个常被误解的细节：加载预训练权重后，新加的分类层是随机初始化的，而前面的卷积层已经有了良好的特征提取能力。如果直接全量微调且使用较大的学习率（比如 0.01），随机初始化的分类层会产生很大的梯度，反向传播时容易把预训练的特征层冲乱，导致训练早期验证集精度剧烈抖动甚至不下降。

更稳妥的做法是分两阶段训练。第一阶段冻结特征提取层（PyTorch 里设置requires_grad = False），只训练最后的全连接层，学习率可以用 0.001 左右；等分类层收敛到一定精度后，再解冻全部层，用较小的学习率（0.0001）进行全量微调。下面给出这个两阶段训练的骨架代码：

import torch import torch.nn as nn import torch.optim as optim from torchvision import models # 加载预训练 ResNet18 model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) # 替换最后一层，输出类别数等于水果类别数 num_classes = len(train_dataset.classes) model.fc = nn.Linear(model.fc.in_features, num_classes) # 第一阶段：冻结所有卷积层 for param in model.parameters(): param.requires_grad = False # 只让最后的全连接层可更新 for param in model.fc.parameters(): param.requires_grad = True criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.fc.parameters(), lr=1e-3) # 第一阶段的训练循环 def train_one_epoch(model, train_loader, criterion, optimizer, device): model.train() running_loss = 0.0 correct = 0 total = 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() _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() running_loss += loss.item() return running_loss / len(train_loader), correct / total device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) # 跑 5 个 epoch 的第一阶段训练 for epoch in range(5): avg_loss, acc = train_one_epoch(model, train_loader, criterion, optimizer, device) print(f'Epoch {epoch+1}, Loss: {avg_loss:.4f}, Acc: {acc:.4f}')

第二阶段的解冻代码如下：

# 第二阶段：解冻全部层，用小学习率微调 for param in model.parameters(): param.requires_grad = True # 用更小的学习率，避免破坏已学到的特征 optimizer = optim.Adam(model.parameters(), lr=1e-4)

关于学习率的选择，有一个经验法则：全量微调时学习率不要超过预训练阶段的一半。如果你发现训练集 loss 下降但验证集 loss 不降反升，十有八九是学习率太大，模型开始过拟合训练集。另外需要注意model.fc = nn.Linear(...)这行代码，它替换了最后一层，但像 ResNet 的最后一层叫fc，MobileNet 的最后一层叫classifier，换模型时别按错了属性名。

4.3 轻量级模型的价值：从 ResNet 到 MobileNet 的切换成本

如果你的毕设需要在树莓派或手机上做实时识别展示，选型逻辑就要变一下了。ResNet18 大概有 1100 万参数，在四核 ARM 处理器上推理一张图可能要几百毫秒，体验很差。MobileNetV3 是更好的选择，它使用深度可分离卷积把计算量压到极低，在同样输入尺寸下速度和精度都能兼顾。

torchvision 里同样有 MobileNetV3 的预训练权重。切换模型时，只需要把加载模型和替换最后一层的代码改一下：

from torchvision import models model = models.mobilenet_v3_small(weights=models.MobileNet_V3_Small_Weights.IMAGENET1K_V1) model.classifier[-1] = nn.Linear(model.classifier[-1].in_features, num_classes)

注意 MobileNetV3 的classifier是一个 Sequential 容器，里面有一个 Dropout 层和一个 Linear 层，所以要用[-1]索引替换最后一个 Linear。第一次加载时 torchvision 会下载预训练权重，如果你的网络下载不稳定，可以手动下载权重文件，再用model.load_state_dict(torch.load('权重文件路径'))加载。

选型的最终建议：毕设以论文效果为主，用 ResNet18 或 ResNet50；要做嵌入式展示，主线用 MobileNetV3，另在论文里加一节精度对比。同时展示两种模型的精度曲线，写进论文里是很扎实的对比实验数据。

5. 训练避坑指南：5 个不跑一遍根本不知道的经典翻车现场

5.1 验证集准确率高但实际测试时总是识别错

现象：训练结束后在验证集上准确率达 95%，但拿手机拍了张水果照片测试，模型给出的预测结果和肉眼看到的完全不符。

原因：验证集的图片和训练集同源，都来自公开数据集，背景单一、光照均匀。手机拍摄的图片包含复杂背景、自然光照变化和遮挡，分布和训练集差异过大。这是典型的“域偏移”问题，也是所有图像分类模型从实验室走向真实场景都要面对的坎。解决：训练数据里加入复杂背景的图片，或者使用随机裁剪、颜色抖动、添加高斯噪声等数据增强手段，让模型学会忽略背景，专注水果本身的特征。

5.2 loss 在 0.7 附近怎么都降不下去

现象：训练 loss 一开始下降很顺，跌到 0.7 左右就卡住了，后面几百轮都不动，验证集准确率也不涨。

原因：0.7 这个值对应的置信度模式是模型对每个类别输出接近均匀的概率，说明模型“知道图里有水果，但认不出是哪一种”。多发生在类别本身高度相似的情况下，比如青苹果和梨、橙子和橘子。解决：换用更强的模型（ResNet50 替代 ResNet18），或检查训练数据里这两个类别的标注是否正确——我见过因为图片文件名标错导致模型永远学不会区分两个类别的情况。先抽查样本，再用更强的模型。

5.3 同一个 batch 的 loss 抖动特别大

现象：观察训练日志，发现每个 step 的 loss 忽高忽低，但每个 epoch 结束后的平均 loss 还在下降。

原因：这是正常的。小 batch 的 loss 本来就具有高方差，尤其是 batch_size = 16 或 32 时，一个 batch 里恰好多是难样本，loss 就会突然跳高。正确的观察方式是看每个 epoch 的平均 loss，或者用滑动平均。如果某个 step 的 loss 比平均 loss 高出 5 倍以上，不要急着调学习率，先看看那个 batch 的图片是不是存在标注错误或图像损坏。解决：把训练日志按 epoch 汇总，用均值平滑曲线来观察趋势，不要被单步抖动干扰。

5.4 使用 GPU 训练却不比 CPU 快

现象：电脑配置了 NVIDIA 显卡，也装了 CUDA 版 PyTorch，但训练速度和纯 CPU 差不多，甚至更慢。

原因：最常见的情况是 batch_size 设得太小（比如 8），GPU 还没来得及发挥并行计算能力就结束了每个 step 的计算。另外，如果数据加载用的是num_workers=0，CPU 端的数据预处理会成为瓶颈，GPU 一直处于空闲等待状态。还有一个隐蔽的原因：PyTorch 在 Windows 上某些操作会走系统默认的 GPU 设备，如果多张显卡时没指定设备，代码可能跑在了集成显卡上。解决：把 batch_size 提高到 64 或 128，num_workers按 CPU 核心数设置，插入下面这段代码确认模型在正确的 GPU 上：

print(torch.cuda.get_device_name(0)) # 强制指定使用 GPU 0 device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

5.5 模型在 TensorBoard 里的曲线震荡得像锯齿

现象：验证集 loss 的曲线呈锯齿状，epoch 之间上下跳动，但每间隔几个 epoch 总体是下降的。

原因：很可能验证集规模太小，或者每个 epoch 结束时的验证顺序不稳定。如果验证集只有 100 张图，batch 之间的随机性会让 loss 波动很大。另一个原因是学习率偏高，模型在最优解附近来回震荡。解决：先用较大的学习率快速收敛，再按余弦退火或阶梯衰减调低学习率。PyTorch 里可以直接用torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=20)，让学习率在每个周期内平滑下降，振荡幅度会明显减小。

6. 从模型到可演示的识别系统：Python 推理脚本与易混淆类别排查

6.1 一个够用的单文件推理脚本

训练结束后，自然会在手机上拍张照片让系统认一认。这里提供一个单文件推理脚本，读入一张图，输出类别名和置信度。它可以用作模型验证工具，包装一下当作 demo 展示也说得过去：

import torch from PIL import Image from torchvision import models, transforms import json device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') # 加载类别映射（训练时保存的） with open('class_names.json', 'r', encoding='utf-8') as f: class_names = json.load(f) # 加载模型 model = models.resnet18(weights=None) model.fc = torch.nn.Linear(model.fc.in_features, len(class_names)) model.load_state_dict(torch.load('fruit_model.pth', map_location=device)) model = model.to(device) model.eval() # 一定要切到 eval 模式，否则 dropout 层会随机丢弃特征 # 推理时只做基本的缩放和归一化，不做随机增强 infer_transforms = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) def predict(image_path): img = Image.open(image_path).convert('RGB') input_tensor = infer_transforms(img).unsqueeze(0).to(device) with torch.no_grad(): output = model(input_tensor) prob = torch.softmax(output, dim=1).squeeze() top_prob, top_idx = prob.topk(1) return class_names[top_idx.item()], top_prob.item() if __name__ == '__main__': print(predict('test_images/banana_001.jpg'))

代码里有一个容易踩坑的地方：model.eval()必不可少。模型训练时为加快收敛使用了 BatchNorm 和 Dropout，推理时这些层的行为必须切换，否则结果会随机波动。如果推理脚本里忘记这一行，模型识别同一张图多次，结果可能每次都不同。曾经在这个问题上卡了大半天，最后发现只是少了这一行。

6.2 易混淆类别的排查套路

模型整体准确率高，但某些类别之间互相认错，这是水果识别任务里最后的硬骨头。常见的是青苹果和梨、橘子和橙子、柠檬和黄桃这些颜色纹理都很接近的组合。排查方式是按“类别对”计算混淆矩阵。PyTorch 里不需要装额外库，用 sklearn 的confusion_matrix可以一步算出来：

import numpy as np from sklearn.metrics import confusion_matrix all_preds = [] all_labels = [] with torch.no_grad(): for images, labels in val_loader: images = images.to(device) outputs = model(images) _, preds = torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) cm = confusion_matrix(all_labels, all_preds) # 找出错误率最高的类别对 for i in range(len(class_names)): for j in range(len(class_names)): if i != j and cm[i][j] > 10: print(f'{class_names[i]} -> {class_names[j]}: {cm[i][j]} 次')

如果看到“青苹果被认成梨”的次数很高，解决思路有几个：收集更多青苹果的图片加入训练集；对这类别单独做更强的颜色抖动增强；或者干脆在论文的局限性与展望一节，把这个问题当作未来工作写进去。你说它不完美，反而显得你对模型的边界理解清楚。

最后的经验收个尾。我也曾为了训练出一个 99% 准确率的模型连续调了一周参数，最后才发现是验证集里混入了训练集的图片，导致精度虚高。这种“假精度”比低精度更危险。如果让我给一个建议：训练完成后，随机挑 30 张和训练集完全无关的图片跑一遍推理，把它们和预测结果都存下来，自己亲眼核实每一张的识别结果。你亲手发现了模型的边界在哪里，答辩时被问倒的概率就低了很多。希望这篇笔记能帮你少踩几个坑，把精力留在真正值得研究的地方。

本文还有配套的精品资源，点击获取