做课程设计选了这个题目第一反应是挺简单的——把玻璃图片扔进卷积神经网络里看一眼是完整还是破碎这不就是个图像二分类任务吗真上手之后才发现里面的坑一个接一个。单说数据准备就折腾了将近一半的时间。这里不打算贴那种注释满天飞但跑不起来的长篇代码而是把整个项目从思路、数据、训练、评估到答辩交付按我实际走通的顺序完整讲一遍。任何做图像分类课程设计或毕业设计的同学看完之后应该都对从零搭一个识别“玻璃是否破碎”的CNN模型有比较完整的认知也能直接复用这套流程。1. 项目要解决的到底是什么问题——思路拆解与应用边界1.1 任务本质这是一个图片二分类问题先说清楚任务边界。你要识别的是“玻璃是否破碎”落到模型层面就是给模型一张图片让它输出两个类别中的一个完整玻璃0或者破碎玻璃1。这是典型的二分类任务而且是监督学习下的图像分类子问题。为什么必须强调这个边界因为很多同学第一次看到“机器学习”四个字就想着要堆什么复杂模型。实际上玻璃破碎识别的核心不是模型有多深而是特征是否可分。破碎玻璃的特征集中在裂纹网络、碎玻璃边缘的高光、不规则的几何碎片、反光模式断裂这些视觉模式上完整玻璃则表现为连续光滑的表面、规律的反射、没有断裂纹理。两条特征在像素空间里天然有区分度所以用CNN去自动提取这些特征本质上比人工设计边缘检测算子要省事得多。这里还有个容易被忽略的前提输入图片的来源。课程设计里常用的是实验室拍的样品图或者网上搜集的玻璃照片甚至可以是手机随手拍。不同来源意味着不同的分辨率、光照条件和拍摄角度模型能不能在这些变化下保持稳定才是项目真正的挑战。换句话说识别本身不难难的是在真实环境里还认得出。1.2 为什么选CNN而不是传统图像处理方案这个理由我建议提前想清楚因为答辩时大概率会被问到。传统方案比如直接用OpenCV做边缘检测、统计灰度梯度、计算纹理特征理论上确实能区分部分玻璃裂纹。但问题在于传统特征工程需要针对具体场景手工调参光照一变、玻璃厚度一变、裂纹形态一变阈值就失效了。裂纹的形态根本不能用一两组固定的滤波器参数概括。CNN的天然优势是端到端学习。它自己从数据里学边缘、纹理、局部模式从浅层的边缘检测到深层的语义特征逐层抽象。对于玻璃这种材质表面纹理和裂纹特征恰好是有强局部结构的目标卷积操作通过局部感受野天然适配这种模式。另外还有一点CNN不需要你手工设计任何特征。玻璃的光照反射非常复杂单纯靠灰度、梯度的规则很难穷举。模型只要大量看图就能把“什么样的裂纹纹理组合更大概率是破碎玻璃”这种隐性规则沉淀进权重里。从课程设计的角度选CNN也更容易展示出完整的技术流程从数据到训练再到评估所有环节都能体现。1.3 这类项目适合什么场景你自己能拿到什么用途放在课程设计和毕业设计的语境里这个题目属于图像分类方向里的“小而完整”型项目。它不像目标检测那么复杂不需要标框也不需要懂NMS但对数据、训练、评估、调参的完整链路要求很高非常适合用来体现你对深度学习基础流程的掌握程度。做出来之后模型是一个能单张预测、也能批量预测的工具还能顺带导出成网页演示Demo展示效果很直观。往实际应用方向延伸玻璃破碎识别在工业生产质检、建筑安全巡检、汽车玻璃检测等场景里都有相似需求。课程设计虽然不用真去生产线采集数据但学到的方法是完全通用的。我当时做完之后又把框架迁移到了“瓷砖表面裂纹”和“木板节疤”两个模拟数据集上调整网络输入通道和分类数基本没费什么劲。这一点可以作为答辩中的亮点——你做的不是一个孤立模型而是一套可复用的图像分类方法。2. 数据准备与预处理训练集的构建质量直接决定模型上限2.1 数据来源自拍、公开数据集和程序生成数据是这类项目里最容易被低估的环节。我见过太多人上来就套用某个公开数据集跑个准确率就交差但问到数据怎么来的、分布怎么样完全答不上来。这种答辩基本撑不过三分钟。玻璃是否破碎这个方向没有特别标准的数据集常规的做法是三种来源混合。第一种是自建数据。有条件的话用手机或相机在自然光、白炽灯、逆光、侧光、平铺、竖放等不同条件下拍玻璃样品。完整玻璃和破碎玻璃至少各拍150到300张图片数量不需要太多但场景覆盖一定要丰富。我当时就是拿几个玻璃杯和一块玻璃板特意敲碎之后铺在不同颜色背景上拍的整个过程花了两个下午。第二种是爬取网络图片。注意筛选质量优先要那些画面主体是玻璃、背景干扰少的图片。玻璃反光严重网络图容易混入大量背景信息后期清洗成本很高。第三种是数据合成。写个简单的脚本生成带裂纹纹理的图片或者从已有的裂纹图像上做随机裁剪、旋转、拼接。合成数据的好处是能快速扩大样本多样性坏处是合成图和真实图之间可能存在域差异使用时要保证测试集里包含足够多的真实样本。2.2 数据标注规范化与类别边界定义数据不是拍完就完事还得仔细标注。建议建一个CSV文件两列图片路径和标签。0代表完整1代表破碎。文件夹结构可以这样组织glass_data/ ├── train/ │ ├── intact/ # 完整玻璃 │ └── broken/ # 破碎玻璃 ├── val/ │ ├── intact/ │ └── broken/ └── test/ ├── intact/ └── broken/按文件夹划分是最直观的方式用PyTorch的ImageFolder就能直接读取省去写复杂CSV解析的麻烦。标注时容易犯的一个错误是忽略“中间状态”。比如有裂纹但还没碎开的玻璃或者只碎了一个小角的情况这算完整还是破碎我的建议是做项目时干脆把边界定义为存在贯穿性或大面积裂纹、明显破碎形状的就算破碎表面完好或者只有不影响整体结构的轻微痕迹的算完整。如果训练集里这类边界样本不多模型就会在模糊区域乱猜所以宁可花时间做几张边界样例也别让模型在测试时栽在语义模糊上。2.3 预处理流程尺寸统一、归一化与数据增强模型要求输入尺寸固定。我的网络设计成输入224x224的RGB图片所以所有原始图片都要resize到这个尺寸。直接resize会把长宽比压扁玻璃几何形状会发生畸变但好在这个任务对长宽比不太敏感模型主要学的是纹理特征所以简单resize问题不大。如果任务换成对长宽比敏感的零件尺寸检测就需要用letterbox方式填充不能直接拉伸。归一化也非常关键。常见做法是把每个像素的RGB值从0到255归一化到0到1更规范一点的做法是计算数据集的均值和标准差再做标准化。标准化能让网络收敛更稳定。直接除以255在多数场景下也能跑但归一化后训练曲线的震荡会小很多。数据增强是提升泛化能力的重要手段。对于玻璃图片来说真正有效的方法包括随机水平翻转、随机小角度旋转±15度以内、亮度对比度微调以及随机裁剪。我个人踩过的坑是不要用太过激进的增强比如大范围随机旋转、重缩放、颜色反转反而会破坏玻璃的反射结构导致模型学到错误语义。增强的目的是模拟真实拍摄条件的差异不是把图片变得人眼都认不出来。2.4 数据集划分训练集、验证集、测试集各有各的用处很多同学把数据划成训练集和测试集就完事了这是不对的。测试集只能碰一次最终评估用的训练过程中你需要一个验证集来判断模型是否过拟合、什么时候该停。正确做法是划分成三份训练集占70%到80%验证集占10%到15%测试集占10%到15%。划分时注意保证类别比例一致让完整和破碎在每份数据里都大致是1:1。如果原始数据本身就不均衡比如完整玻璃200张、破碎玻璃只有60张就需要做扩充将破碎类做更多增强或对完整类做降采样避免模型把所有图片都预测成占比高的那一类。另外划分前一定要把同一场景下连拍的照片分配到同一集合。我遇到过这样一个情况一组灯光下的完整玻璃连拍了五张拆分时两张进了训练集、两张进了验证集、一张进了测试集。因为图片几乎一样验证集和测试集里出现了训练集图片的“复刻版”结果准确率看着虚高实际换新场景就崩。数据划分要按场景分组而不是逐张随机分配。3. 模型搭建与训练从零实现一个可用的CNN识别模型3.1 网络结构设计先用简单结构跑通再考虑加深很多教程一上来就是几层卷积堆叠动辄几百层残差网络这对一个数千张图片的课程设计来说不是最优策略。网络太深数据量小很快过拟合训练时间也长。更合理的方案是先用一个轻量网络把项目跑通确认数据流程没有问题再根据验证结果决定是否加深或换用预训练模型。我参考LeNet和VGG的思路设计了一个简单结构层类型输出尺寸核心参数输入RGB图片224x224x3—Block1卷积ReLU最大池化112x112x163x3卷积核16通道padding1Block2卷积ReLU最大池化56x56x323x3卷积核32通道padding1Block3卷积ReLU最大池化28x28x643x3卷积核64通道padding1输出前展平全连接Dropout512dropout0.5输出层全连接2softmax或sigmoid为什么卷积核用3x3而不是更大的5x5或7x7因为多个小卷积核串联有效感受野和大卷积核相同但参数量更少非线性更强这在实践里是经典做法。之所以从16通道开始是因为玻璃破碎识别属于纹理分类浅层特征已经占主导通道数不需要一开始就很大逐层翻倍的策略能显式控制模型容量。3.2 损失函数、优化器和基础训练配置二分类的最后一层有两种写法输出2个神经元接softmax或者输出1个神经元接sigmoid。两种写法在数学上等价但PyTorch里对应的损失函数不同。输出2个神经元时用CrossEntropyLoss它会自动做softmax输出1个神经元时用BCEWithLogitsLoss它把sigmoid和二元交叉熵合并在一起数值稳定性更好。我选的是前者在课程设计里解释起来更直观混淆矩阵也好画。优化器方面Adam是默认选择初始学习率设为0.001。学习率太大loss会震荡甚至发散太小收敛慢训练半天还停在原地。对这类小型CNN0.001是一个很稳的起点。训练时还可以配合StepLR或CosineAnnealing做学习率衰减我当时观察到最后50个epoch里loss降不动了就把学习率改为0.0001继续跑了20轮又降了一截。批次大小batch size在显存允许的前提下选32或者64。batch太小比如4会导致梯度噪声大收敛不稳定太大比如256在小数据集上容易很快收敛到平坦区域泛化不一定好。我实测下来32时精度和稳定性的平衡最好。3.3 训练流程实现与代码注释下面这段代码是我实际跑通的训练主循环骨架去掉了平台相关部分只保留核心逻辑。完整工程里还应该包括断点续训、训练日志记录和配置解析但理解分类任务的核心就看这一段。import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision import datasets, transforms from torchvision.models import resnet18 # 仅用于对比实际训练用自建结构 class GlassCNN(nn.Module): def __init__(self, num_classes2): super(GlassCNN, self).__init__() self.features nn.Sequential( nn.Conv2d(3, 16, kernel_size3, stride1, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size2, stride2), nn.Conv2d(16, 32, kernel_size3, stride1, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size2, stride2), nn.Conv2d(32, 64, kernel_size3, stride1, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(kernel_size2, stride2), ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(64 * 28 * 28, 512), nn.ReLU(inplaceTrue), nn.Dropout(p0.5), nn.Linear(512, num_classes) ) def forward(self, x): return self.classifier(self.features(x)) train_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees15), transforms.ColorJitter(brightness0.2, contrast0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_transform 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(rootglass_data/train, transformtrain_transform) val_dataset datasets.ImageFolder(rootglass_data/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers4) model GlassCNN(num_classes2) criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr0.001) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size10, gamma0.9) best_acc 0.0 for epoch in range(30): model.train() train_loss 0.0 for inputs, labels in train_loader: optimizer.zero_grad() outputs model(inputs) loss criterion(outputs, labels) loss.backward() optimizer.step() train_loss loss.item() * inputs.size(0) model.eval() val_correct 0 val_total 0 with torch.no_grad(): for inputs, labels in val_loader: outputs model(inputs) _, predicted torch.max(outputs, 1) val_correct (predicted labels).sum().item() val_total labels.size(0) val_acc val_correct / val_total print(fEpoch {epoch1:02d} | Loss: {train_loss/len(train_dataset):.4f} | Val Acc: {val_acc:.4f}) if val_acc best_acc: best_acc val_acc torch.save(model.state_dict(), glass_cnn_best.pth) scheduler.step()代码里有个细节训练过程中每个epoch结束都保存验证集准确率最高的权重而不是最后一个epoch结束才保存。因为后期可能发生过拟合验证集准确率反而下降保存最优权重可以保证交付的模型是验证集上的最优状态。训练循环里的scheduler放在每个epoch结束后更新不是每个batch结束。3.4 训练过程观察什么曲线怎么读训练时不要只盯着一个最终准确率。我建议记录四个量训练集loss、验证集loss、训练集准确率、验证集准确率。每次epoch结束打一次日志最后用可视化工具画成两条曲线。判断模型状态的经典规律是训练loss下降但验证loss上升说明模型过拟合开始在记忆训练样本而不是总结规律。这时候可以增加dropout比例、增加数据增强强度或者降低模型复杂度。反过来说如果训练和验证的loss都居高不下说明模型欠拟合需要增加网络宽度或深度、降低正则化、调大学习率。训练loss下降但验证loss也缓慢下降准确率跟着涨这是最健康的信号保持现有配置继续训练就好。我跑这个模型的时候前期大概8个epoch训练准确率就到了80%但验证准确率只有70%这就是典型的过拟合倾向。后来的对策是把dropout从0.3提到0.5同时给训练集加了亮度扰动问题立刻缓解。4. 评估测试与模型交付准确率不是唯一标准4.1 评估指标准确率之外还要看精确率和召回率多数人汇报模型性能时只写准确率。这不能说是错的但对一个二分类任务来说准确率会掩盖很多问题。玻璃破碎识别场景里把完整玻璃误判成破碎假正例和把破碎玻璃漏判成完整假负例的代价完全不同——在质检场景里漏判的后果更严重。所以要把更细致的指标算出来。需要重点理解这几个定义准确率Accuracy预测正确的样本占总样本的比例。精确率Precision预测为破碎的样本中真正破碎的比例。召回率Recall实际破碎的样本中被正确识别为破碎的比例。F1分数F1 Score综合精确率与召回率的调和平均避免只偏重某一个指标。如果验证集上你的模型准确率是92%但查一下混淆矩阵发现10张破碎玻璃里有3张被漏判成完整那召回率只有70%这个92%就很有迷惑性。我的建议是训练完成后用sklearn的classification_report输出完整报告作为课程设计报告里的核心数据。4.2 混淆矩阵与误判案例整理混淆矩阵是答辩时非常有说服力的工具。它直观展示模型在四个区域的表现完整预测为完整TN、完整预测为破碎FP、破碎预测为完整FN、破碎预测为破碎TP。我最后的模型在测试集上的混淆矩阵大致如下真实类别预测为完整预测为破碎完整玻璃453破碎玻璃250也就是说完整类被误报成破碎的有3张破碎类被漏报成完整的有2张。整体准确率95%精确率和召回率都在92%以上。误判集中在哪几类图片我把错误的测试样本单独归档后发现两类情况占比最高。一类是磨砂玻璃或花纹玻璃的完整状态表面本身带有复杂纹理模型容易把纹理误当裂纹另一类是碎玻璃上带有大面积高光反射镜面反射干扰了模型判断。整理出这些案例一方面能让答辩汇报更有深度另一方面也说明模型边界在哪里。真实应用里如果遇到类似图片就需要在训练集里补充这类样本。4.3 模型导出和最简单的预测脚本模型训练完成后课程设计交付至少要有一个能独立运行的预测脚本不能每次预测都重新跑一遍训练代码。PyTorch的保存方式常用的有两种直接保存整个模型或者只保存state_dict。我习惯用state_dict因为加载灵活结构代码改动后只需要重新构造模型再load就行。一个最简单的单张预测脚本核心思路是加载权重、图像预处理、forward推理、解析输出概率。我建议不只用argmax取类别而是把softmax后的概率值也打印出来。如果模型输出完整玻璃的概率是0.51破碎是0.49虽然也能给出类别但置信度很低这种结果需要人工复核。概率值输出对分析模型的不确定性很有帮助。如果想让项目更亮眼可以再做两步把模型导出成ONNX格式写一个非常简单的Flask网页Demo支持上传图片并返回识别结果。这个成本不高但演示效果和答辩加分效果却很直接。我当时就是在本地起了个简单的Web界面毕业论文答辩时直接现场演示不用开训练终端也不用加载一堆开发环境。5. 实操中的常见问题与避坑技巧实录5.1 数据阶段常见问题数据阶段最容易踩的坑就是类别不平衡。一张数据集中如果完整玻璃有500张、破碎玻璃只有50张模型学到的决策边界会偏向完整类。后果是测试时破碎玻璃漏判率极高。解决的办法不只是复制破碎图片而是配合数据增强和加权损失。第二个常见问题是图片尺寸不统一时直接送进模型就报错。PyTorch的DataLoader不太可能在运行时自动帮你resize除非在transform里显式写了Resize。很多报错信息“Expected input batch_size to match target size”就是这类问题。第三个问题也是最隐蔽的标签写反了。文件夹名是broken但里面放的是完整玻璃的图片。这类错误不会让训练崩掉但会让准确率永远上不去而且很难排查。我后来习惯在预处理阶段写一个检查脚本随机抽几张图输出标签和原始文件名核对一遍。5.2 训练阶段常见问题训练不收敛是高频问题。第一步检查的不是模型结构而是数据预处理和标签。如果标签没问题再确认是否有对数据做了normalize输入范围是否在0到1附近。第二步看损失函数下降趋势如果loss停在某个值不动可以尝试调低学习率或换优化器。第三步才考虑网络结构是不是太浅。loss出现NaN也是常见现象。原因往往不是模型不行而是学习率过大或者数据里出现了极端值。解决方法是调小学习率并检查图片像素是否正常。如果训练数据里有损坏图片比如完全黑色的空文件也要先清洗掉。还有一个细节要提醒PyTorch默认的卷积层权重初始化对浅层网络是有效的但如果自己定义了特殊的初始化逻辑可能会破坏训练稳定性。对于课程设计级别的项目使用默认初始化完全足够。5.3 课程设计答辩与文档撰写的实用建议答辩时老师最喜欢问的问题是“为什么选这个结构”“你的模型和其他方法相比有什么优势”“换一组数据还能用吗”。回答这些问题的核心不是背代码而是理解设计决策。提前准备好几个问题的答案为什么用3x3卷积堆叠、为什么在池化后加dropout、为什么选Adam、数据增强为什么选这几个组合。文档撰写方面我建议按这个逻辑组织背景与问题定义、数据采集与预处理、模型结构设计、训练过程与结果、评估分析、总结与展望。重点是评估分析部分把你踩过的坑、调参过程中的对比实验都写进去。答辩评审想看到的是一个会思考的人而不是只会跑代码的工具人。课程设计类项目还有一个常被忽略的问题运行环境复现。尽量在文档开头写清楚Python版本、PyTorch版本、CUDA版本最好再附一个requirements.txt。我见过不少同学答辩现场环境崩掉演示不了的场面提前准备一个无GPU也能运行的CPU推理逻辑关键时刻很管用。最后说点个人体会。这类图像分类课程设计代码层面的难度其实不高训练流程也基本固定。真正决定项目最终效果的是数据质量和对评估的理解。你要是能在答辩时清晰说出“我的模型误判集中在磨砂玻璃上因为表面纹理和裂纹特征有重叠”比回答“我用了一个优化器”要强得多。另外别觉得CNN是个黑盒做几个误判样本的可视化分析把特征分布的差异讲清楚整个项目的层次立刻就不一样了。
