简介：这份资源面向图像分类入门者与深度学习实践者，提供一套基于简单垃圾分类数据集的完整智能分类方案，帮助读者理解从数据准备到模型预测的全流程。包内共1046个文件，以1041张jpg图片构成训练与测试数据集，另含2个Python脚本分别负责训练与预测、1个h5模型文件、1个txt说明及1段mp4演示视频，压缩包约824.68MB。已有1332人学习下载，适合作为图像分类模板参考。读者可借助train.py完成模型训练，通过predict.py对输入图片进行推理，并在图片上以中文标注干垃圾、湿垃圾、可回收垃圾、有害垃圾四类结果，同时了解数据集制作、TensorFlow与OpenCV结合使用的具体做法，快速搭建自己的分类实验环境。
1. 从一张垃圾桶照片说起：这套垃圾分类模型到底能跑出什么结果
你拍一张外卖盒的照片丢给模型，它告诉你这是「干垃圾」还是「可回收物」——这件事听起来像是个玩具 demo，但真正动手做一遍，你会发现它把图像分类的完整链路全串起来了：数据采集、标注、增强、搭网络、训练、调参、预测、可视化。这套资源就是干这个的，核心文件是my_model.h5和一组测试图（img_11548.jpg、img_11351.jpg、img_4491.jpg等），配套train.py负责训练、predict.py负责推理，输出四个类别：干垃圾、湿垃圾、可回收垃圾、有害垃圾。它不追求 SOTA 精度，定位是「图像分类模板」——你可以把数据集换成自己的，网络结构不动，跑通整条流水线。适合刚接触 TensorFlow 和 OpenCV 的从业者拿来练手，也适合需要快速搭一个分类 baseline 的人直接改。
2. 拆开这个 h5 文件：模型结构、数据流与四分类逻辑
2.1 为什么是 TensorFlow + OpenCV 这套组合
垃圾分类本质上是细粒度图像分类的一个简化版。干垃圾和湿垃圾在视觉上的差异往往集中在纹理和边缘——比如纸巾的纤维感 vs 果皮的湿润反光。OpenCV 在这里承担的是预处理角色：读图、缩放、颜色空间转换、直方图均衡，这些操作比直接用 PIL 更可控，尤其是当你需要做形态学处理（膨胀、腐蚀）来强化边缘特征时，OpenCV 的cv2.dilate和cv2.erode是现成的。
TensorFlow 这边，my_model.h5是一个已经保存权重的 Keras 模型文件。h5 格式的好处是结构和权重打包在一起，tf.keras.models.load_model('my_model.h5')一行就能恢复整个网络，不需要你重新定义层。常见做法是底层用几个卷积块提特征，后面接全局平均池化再连全连接层输出四类 softmax。这种结构参数量小，在几千张图的规模上不容易过拟合。
选 TensorFlow 而不是 PyTorch 的理由很实际：h5 格式在 Keras 生态里加载最省事，而且predict.py里用model.predict()拿到概率向量后直接np.argmax就能出类别索引，再映射到中文标签。如果你习惯 PyTorch，也可以把 h5 转成 ONNX 再加载，但那是另一条路，这套资源没走。
2.2 数据从哪来、怎么进网络
垃圾分类数据集通常按文件夹组织，每个类别一个子目录：
dataset/ ├── gan/ │ ├── img_001.jpg │ └── ... ├── shi/ │ ├── img_002.jpg │ └── ... ├── kehuishou/ │ └── ... └── youhai/ └── ...train.py里一般用ImageDataGenerator做流式读取，好处是不用一次性把几千张图全塞进内存。核心参数这么设：
from tensorflow.keras.preprocessing.image import ImageDataGenerator train_datagen = ImageDataGenerator( rescale=1./255, # 像素归一化到 [0,1] rotation_range=20, # 随机旋转 ±20 度 width_shift_range=0.1, # 水平平移 10% height_shift_range=0.1, # 垂直平移 10% horizontal_flip=True, # 水平翻转 validation_split=0.2 # 划出 20% 做验证 ) train_generator = train_datagen.flow_from_directory( 'dataset/', target_size=(224, 224), # 统一缩放到 224x224 batch_size=32, class_mode='categorical', subset='training' )rescale必须做，否则像素值在 0-255 之间，梯度更新会不稳定。target_size设成 224×224 是因为大多数预训练骨干网络（比如 MobileNetV2）的默认输入就是这个尺寸，即使你从零搭网络，这个尺寸在精度和显存之间也比较平衡。validation_split划出的验证集不参与梯度更新，只用来监控过拟合。
flow_from_directory会自动根据子目录名生成类别索引，顺序是字母序。所以gan、kehuishou、shi、youhai对应的索引可能是 0、1、2、3，但具体顺序要在训练后打印train_generator.class_indices确认，否则预测时标签会错位。
2.3 训练脚本里几个不能省的步骤
train.py的骨架大致是这样：
import tensorflow as tf from tensorflow.keras import layers, models model = models.Sequential([ layers.Conv2D(32, (3,3), activation='relu', input_shape=(224,224,3)), layers.MaxPooling2D((2,2)), layers.Conv2D(64, (3,3), activation='relu'), layers.MaxPooling2D((2,2)), layers.Conv2D(128, (3,3), activation='relu'), layers.MaxPooling2D((2,2)), layers.GlobalAveragePooling2D(), layers.Dense(128, activation='relu'), layers.Dropout(0.5), layers.Dense(4, activation='softmax') # 四个类别 ]) model.compile( optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'] ) history = model.fit( train_generator, epochs=30, validation_data=val_generator ) model.save('my_model.h5')GlobalAveragePooling2D替代Flatten是为了减少参数量，降低过拟合风险。Dropout(0.5)在全连接层前随机丢弃一半神经元，也是防过拟合的常规操作。categorical_crossentropy对应 one-hot 标签，如果你用class_mode='sparse'就得换成sparse_categorical_crossentropy，这两个不能混。
epochs=30是个经验值，实际跑的时候要看验证集准确率什么时候不再上升。如果验证 loss 开始往上走而训练 loss 还在降，就是过拟合了，该早停。可以加EarlyStopping回调：
callbacks = [ tf.keras.callbacks.EarlyStopping(patience=5, restore_best_weights=True) ]patience=5表示验证 loss 连续 5 个 epoch 不改善就停，restore_best_weights把权重回滚到最好的那一轮。
2.4 预测脚本怎么把中文标签画到图上
predict.py要做三件事：加载模型、读图推理、把结果写到图片上。中文显示是个坑，OpenCV 的cv2.putText不支持中文，直接写会变成问号。常见做法是用 PIL 画字：
import cv2 import numpy as np from PIL import Image, ImageDraw, ImageFont from tensorflow.keras.models import load_model model = load_model('my_model.h5') class_names = ['干垃圾', '湿垃圾', '可回收垃圾', '有害垃圾'] img = cv2.imread('img_11548.jpg') img_resized = cv2.resize(img, (224, 224)) img_array = img_resized / 255.0 img_array = np.expand_dims(img_array, axis=0) preds = model.predict(img_array) idx = np.argmax(preds) label = class_names[idx] confidence = preds[0][idx] img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) pil_img = Image.fromarray(img_rgb) draw = ImageDraw.Draw(pil_img) font = ImageFont.truetype('simhei.ttf', 36) # 需要中文字体文件 draw.text((10, 10), f'{label} {confidence:.2f}', font=font, fill=(255, 0, 0)) result = cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR) cv2.imwrite('result.jpg', result)simhei.ttf是黑体字体文件，Windows 系统在C:/Windows/Fonts/下能找到，Linux 上需要自己拷一份或者用fc-list找可用中文字体。ImageFont.truetype的第二个参数是字号，图片分辨率高的时候要相应调大，否则字太小看不清。
np.expand_dims那一步不能省，model.predict要求输入是 batch 形式，即使你只预测一张图，也得凑出一个维度。preds[0]才是这张图的四类概率，np.argmax返回最大概率的索引，和class_names的顺序对应。
3. 从零跑通训练到预测：环境、命令与参数调整
3.1 环境装什么、版本怎么选
TensorFlow 2.x 是必须的，因为 h5 加载和 Keras API 都依赖它。Python 版本建议 3.8 到 3.10，太新的版本可能和 TensorFlow 的 wheel 不兼容。一条命令装齐：
pip install tensorflow opencv-python pillow numpy matplotlib如果你有 NVIDIA 显卡，可以装tensorflow-gpu，但要注意 CUDA 和 cuDNN 版本必须和 TensorFlow 版本匹配。常见坑是 TensorFlow 2.10 之后 GPU 支持合并进了主包，不再单独发tensorflow-gpu，装错了会报Could not find cudart64_*.dll。不确定的话先用 CPU 版跑通流程，再折腾 GPU。
验证安装：
import tensorflow as tf print(tf.__version__) print(tf.config.list_physical_devices('GPU'))如果 GPU 列表为空但你有显卡，检查 CUDA 路径是否加进了系统环境变量。
3.2 训练命令与日志解读
假设数据集已经按类别分好文件夹，训练直接跑：
python train.py --data_dir dataset/ --epochs 30 --batch_size 32 --output my_model.h5如果你的train.py没写 argparse，那就改脚本里的硬编码路径。训练过程中终端会打印每个 epoch 的 loss 和 accuracy：
Epoch 1/30 100/100 [==============================] - 45s 450ms/step - loss: 1.2345 - accuracy: 0.4567 - val_loss: 1.0123 - val_accuracy: 0.5234重点看val_accuracy和val_loss。如果val_accuracy在 0.7 左右就上不去了，可能是数据量不够或者类别不平衡。垃圾分类数据集里「可回收垃圾」的样本往往最多，「有害垃圾」最少，这会导致模型偏向多数类。解决办法是给flow_from_directory加class_weight参数，或者对少数类做过采样。
3.3 预测单张图和批量预测
单张预测：
python predict.py --image img_11548.jpg --model my_model.h5批量预测就是把测试图全跑一遍：
import os test_images = ['img_11548.jpg', 'img_11351.jpg', 'img_4491.jpg', 'img_11382.jpg', 'img_11376.jpg', 'img_48.jpg', 'img_4343.jpg', 'img_4276.jpg', 'img_11566.jpg'] for img_path in test_images: result = predict_single(img_path) print(f'{img_path}: {result}')批量跑的时候注意内存，如果图片很多，别一次性全读进来，用循环逐张处理。另外预测前要确保图片路径正确，cv2.imread读不到文件不会报错，会返回None，后面 resize 就会崩。加个判断：
if img is None: print(f'无法读取 {img_path}') continue3.4 参数怎么调：学习率、batch size、输入尺寸
学习率是影响最大的超参数。Adam 默认 0.001，如果训练 loss 震荡厉害，降到 0.0001；如果 loss 下降太慢，可以试 0.005 但别更高，否则容易发散。batch size 受显存限制，CPU 训练用 16 或 32 都行，GPU 显存 4G 以上可以上 64。输入尺寸 224×224 是标准值，如果你要识别更细的纹理（比如区分不同材质的塑料），可以提到 256×256 或 299×299，但训练时间会成倍增加。
数据增强的强度也要看情况。rotation_range=20对垃圾分类是合理的，因为垃圾不会总是正着放。但如果你做的是工业质检类的图像分类，旋转增强可能反而不合理，因为产品方向是固定的。horizontal_flip=True对大多数自然图像没问题，但如果是文字相关的分类，翻转会改变语义，得关掉。
4. 避坑与排查：中文乱码、标签错位、过拟合
4.1 预测结果中文显示成方块或问号
现象：predict.py跑完，图片上只有方框或者???，看不到「干垃圾」这些字。
原因：OpenCV 的cv2.putText只支持 ASCII 字符，中文字符不在它的字体渲染范围内。即使你传了中文字符串，它也会用默认字体渲染成乱码。
解决：改用 PIL 的ImageDraw.text，并且指定一个支持中文的 TTF 字体文件。ImageFont.truetype('simhei.ttf', 36)里的字体路径要写对，Linux 上可能是/usr/share/fonts/truetype/...，Windows 上是C:/Windows/Fonts/simhei.ttf。如果找不到字体，用fc-list :lang=zh查一下系统里有哪些中文字体。
4.2 预测标签和实际类别对不上
现象：模型预测「可回收垃圾」的图，输出却是「有害垃圾」，但置信度还挺高。
原因：class_names列表的顺序和训练时flow_from_directory生成的class_indices不一致。flow_from_directory按文件夹名的字母序分配索引，比如gan=0, kehuishou=1, shi=2, youhai=3，但你在predict.py里写的class_names = ['干垃圾', '湿垃圾', '可回收垃圾', '有害垃圾']对应的索引是干=0, 湿=1, 可回收=2, 有害=3，完全错位了。
解决：训练完打印train_generator.class_indices，把那个字典保存下来，预测时按同样的映射关系取标签。或者直接在predict.py里用class_indices的反向映射：
class_indices = {'gan': 0, 'kehuishou': 1, 'shi': 2, 'youhai': 3} idx_to_class = {v: k for k, v in class_indices.items()} label_en = idx_to_class[idx] label_cn = {'gan': '干垃圾', 'shi': '湿垃圾', 'kehuishou': '可回收垃圾', 'youhai': '有害垃圾'}[label_en]4.3 训练准确率很高但预测一塌糊涂
现象：训练集 accuracy 到 0.98，验证集也有 0.95，但拿新图片预测，结果随机跳。
原因：过拟合加上数据泄漏。如果验证集是从训练集里随机切的，而训练集里同一张图的不同增强版本同时出现在训练和验证中，验证准确率就是虚高的。另外，如果数据集里同一类别的图片高度相似（比如都是从同一个视频里截的帧），模型学到的是背景而不是物体本身。
解决：确保验证集和训练集在图片级别完全隔离，最好按拍摄批次或来源划分。增强操作只在训练集上做，验证集只做rescale。如果数据量太少，考虑用预训练权重做迁移学习，把 MobileNetV2 的前面层冻结，只训练最后的分类层。
4.4 h5 模型加载报错
现象：load_model('my_model.h5')抛出ValueError: Unknown layer或OSError: Unable to open file。
原因：第一种情况是模型里用了自定义层或自定义损失函数，加载时没有传custom_objects。第二种是文件路径不对或者文件损坏。
解决：如果是自定义层，加载时加custom_objects={'MyLayer': MyLayer}。如果是文件问题，检查文件大小是否正常，训练保存时是否完整写入了。另外，TensorFlow 2.15 之后推荐用.keras格式替代 h5，如果你用的是新版本，可以另存为.keras再加载。
4.5 显存不够导致训练中断
现象：训练到一半报ResourceExhaustedError: OOM when allocating tensor。
原因：batch size 太大，或者输入尺寸太大，超出了 GPU 显存。
解决：先把 batch size 减半，如果还不行就减输入尺寸。另外可以在训练前设置显存按需增长：
gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True)这样 TensorFlow 不会一次性占满所有显存，而是按需分配。
5. 把模板变成你自己的分类器：换数据、调网络、验效果
这套资源最大的价值不是垃圾分类本身，而是它提供了一个可复用的图像分类骨架。你只需要替换dataset/下的文件夹和图片，改一下class_names和最后Dense层的输出单元数，就能迁移到其他四分类甚至 N 分类任务。比如做塑料瓶、玻璃瓶、纸盒、金属罐的材质分类，流程完全一样。
换数据时要注意几点。第一，每个类别的图片数量尽量均衡，差距不要超过 3 倍，否则用class_weight补偿。第二，图片的拍摄条件要一致，如果训练集全是白底产品图，预测时丢一张复杂背景的图，模型大概率翻车。第三，类别定义要互斥，别出现一张图既像干垃圾又像可回收垃圾的情况，标注时就要定好规则。
网络结构也可以按需调整。如果类别之间差异很细微（比如不同种类的塑料），可以把卷积层加深，或者把Dense(128)改成Dense(256)。如果数据量只有几百张，反而要把网络变浅，否则过拟合压不住。一个实用的技巧是先用预训练模型提特征，把MobileNetV2(weights='imagenet', include_top=False)的输出接一个全局池化，再连自己的分类层，只训练最后几层。这样即使数据少，也能拿到不错的精度。
验证模型效果不能只看准确率。做一个混淆矩阵，看看哪两个类别最容易混：
from sklearn.metrics import confusion_matrix import seaborn as sns y_pred = model.predict(val_generator) y_pred_classes = np.argmax(y_pred, axis=1) y_true = val_generator.classes cm = confusion_matrix(y_true, y_pred_classes) sns.heatmap(cm, annot=True, fmt='d', xticklabels=class_names, yticklabels=class_names)如果「干垃圾」和「湿垃圾」之间的误判特别多，说明这两个类别的视觉特征区分度不够，要么加更多有区分力的样本，要么在预处理阶段强化纹理特征（比如用 OpenCV 做局部二值模式或者边缘检测，把结果作为额外通道输入）。
我自己的习惯是每次换数据集后，先跑 5 个 epoch 看验证准确率能不能到 0.6 以上。如果 5 轮下来还在 0.3 左右，说明数据或标签有问题，别急着调参，先回去检查文件夹结构和图片内容。从那以后我每次拿到新数据都强制走一遍「随机抽 20 张肉眼过一遍」的流程，省得训练半天才发现标签错了。希望帮到你。
本文还有配套的精品资源，点击获取
