企业官网建设流程全解析

简介：基于YOLOv5的垃圾分类识别与检测项目，面向想上手目标检测的深度学习者与机器视觉开发者，提供了一套从数据准备到模型评估的完整可运行方案。包内共9158个文件，包含8193张JPG/JPEG垃圾图片、635个TXT和192个XML标注文件，对应训练验证所需的数据与标注；另有30个YAML/yml环境配置、26个Python/PYc代码文件，覆盖数据集格式转换、EDA分析、训练集/测试集划分、中文标签支持修改、模型训练与测试等环节；同时有3个PT权重文件、Dockerfile、Shell脚本及Jupyter Notebook，便于复现环境和直接调用预训练结果。压缩包整体约503.39MB，已有2264人浏览学习。通过该资料，读者可获得完整可运行工程与权重模型，系统掌握YOLOv5在垃圾分类场景中的落地流程，含修改代码支持中文标签、接入Weights&Biases可视化、性能统计等关键细节。 垃圾分类识别是个比较经典的检测任务，这几年做毕业设计、参加竞赛、甚至做产品原型的人特别多。用 YOLOv5 来做这件事，算是目前性价比最高的一条路线：模型成熟、社区资料多、训练和部署的工具链都非常顺畅。这篇文我会从方案选型、环境搭建、数据集处理、模型训练、推理部署再到问题排查，完整拆一遍基于 YOLOv5 的垃圾分类识别检测项目，希望看完你能直接照着落地。

1. 为什么选 YOLOv5 做垃圾分类识别

1.1 垃圾分类检测到底难在哪

很多人一开始会把垃圾分类识别想象成一个“图像分类”问题——拿个 ResNet 或者 MobileNet，输入一张照片，输出“可回收垃圾”“厨余垃圾”之类的标签。实际做下来你会发现，这个思路根本撑不住真实场景。原因很简单：一张图片里往往同时存在好几种垃圾，比如桌面上有个矿泉水瓶、一团用过的纸巾、一个易拉罐。分类模型只能给整张图一个标签，但检测模型能把这些目标全部框出来，各自给出类别。所以这本质上是一个目标检测任务，不是图像分类任务。

另外垃圾检测有几个特有的坑。一是目标尺寸差异大，矿泉水瓶可能很大，烟头可能很小，模型需要能同时抓住大小目标；二是类别之间外观相似，比如纸盒和塑料袋、玻璃瓶和塑料瓶，颜色形态接近，容易误判；三是遮挡和堆叠严重，垃圾桶里或者桌面上垃圾常常叠在一起。这些都对模型的特征提取能力有比较高的要求，选一个特征提取能力强、多尺度检测表现好的模型就很关键。

1.2 YOLOv5 在这些任务上的优势

YOLOv5 是单阶段检测器，速度和精度平衡得非常好。在垃圾识别这种对实时性有要求的场景下，单阶段检测器几乎是唯一选择。它天生就是多尺度检测的设计——三个检测头分别在 80x80、40x40、20x20 的特征图上做预测，分别负责小、中、大目标。这个结构对于前面提到的“矿泉水瓶和烟头共存”的场景，匹配度极高。

还有一个很实际的原因：YOLOv5 的工具链极其完善。官方仓库里训练、验证、导出、部署脚本全是现成的，换数据集训练只需要准备好标注好的图片，改一个 yaml 配置文件，跑一条命令。对于做毕设或者短期项目的人来说，这能省下大量跟“造轮子”斗争的时间。

当然 YOLOv8 甚至 YOLOv11 现在也都发布了，但 YOLOv5 仍然是非常稳妥的选择。它的资料最多，踩坑记录最全，部署方案也最成熟，尤其是你要跑在树莓派或者嵌入式设备上，v5 的轻量版本有大量参考案例。如果你只是想把垃圾分类识别这个业务逻辑跑通，而不是追新，v5 足够。

2. 环境搭建与工程准备

2.1 软硬件版本搭配建议

先别急着 clone 仓库，环境搭不对后面全白费。我建议的软件组合是：

• 系统：Ubuntu 20.04 或 22.04，Windows 也行但坑更多
• Python：3.8 或 3.10
• PyTorch：1.12 或 2.0
• CUDA：11.6 或 11.8
• YOLOv5 代码版本：官方仓库 v6.0 或 v7.0

这个组合是一个比较“稳”的配方。PyTorch 2.0 之后编译机制变化比较大，虽然能跑，但如果你照着老教程来容易报编译错误。新手别追新，PyTorch 1.12 + CUDA 11.6 是全网资料最丰富的组合。

硬件方面，训练最好有一张 NVIDIA 显卡。显存 6G 以上（GTX 1660 或 RTX 2060 级别）就能 train 得动 YOLOv5s，8G 以上会更舒服。如果完全没有 GPU，也不是不能做：用 YOLOv5s 配小分辨率（320x320）+ 小 batch size，CPU 也能硬跑，但训练时间会让人绝望，建议用 Google Colab 免费 GPU 做替代。

2.2 环境安装实操记录

先是装 PyTorch，如果配了 NVIDIA 显卡要装 CUDA 版，一行命令：

pip install torch==1.12.1 torchvision==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

然后拉代码装依赖：

git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

这里提醒一点：我不建议创建新的 conda 环境，直接用现用 Python 环境也没太大问题，但最好用 conda 单独建一个虚拟环境，避免依赖冲突：

conda create -n yolo python=3.8 conda activate yolo

依赖装好后，先跑一下官方检测 demo 验证环境是否正常：

python detect.py --source data/images/bus.jpg --weights yolov5s.pt

如果能正常识别出 bus 和 person 并把结果输出到 runs/detect/ 目录下，说明环境已经通了，这一步一定要做，能排除至少一半的环境疑难杂症。

3. 数据集构建与增强

3.1 数据集来源：“白拿”的公开数据集也要做清洗

垃圾分类目前比较常见的公开数据集有两个方向。一个是华为云的垃圾分类数据集，有几十个类别，但背景偏单一，室内场景多；另一个是 TrashNet，大概 6 类垃圾图片，量级在几千张，适合快速跑通流程。

不过我的建议是：不要直接拿来做训练，先做一轮清洗。公开数据集的标注质量参差不齐，常见问题包括：标注框画得过大（把背景也框进去了）、类别标错、图片模糊或者光照极差。用一张脏数据训练的负面影响远大于你想象的，因为它会让模型学到错误的特征。清洗流程如下：

• 剔除分辨率过低的图片（小于 320x320）
• 剔除标注框小于图片面积 1% 的目标（太小，训练价值有限）
• 人工抽查每一类至少 50 张图，确认标注框贴合目标

清洗完再看看各类别分布。如果某类图片特别多（比如瓶子 5000 张）而另一类特别少（比如电池 100 张），要做欠采样或过采样。最简单的办法：把多类别的图片随机删一部分，少的类别做复制或者用数据增强来补。分类别数量差距不要超过 4 倍，否则训练出来的模型会对大类严重过拟合。

3.2 标注格式与工具选择

YOLOv5 要求的是 txt 格式标注文件，每行一个目标，格式是：class_id x_center y_center width height，而且全部是归一化后的数值（0~1）。注意，这个格式和 LabelImg 默认生产的格式不一样，需要做一次转换。

我自己常用 X-AnyLabeling 或者 LabelImg。LabelImg 老牌稳定，内置了 YOLO 格式输出选项，新手友好。操作要点：

• 标注时贴着目标边缘框，宁小勿大，太大容易让模型学到背景
• 遮挡严重的目标也尽量标出来，只标可见部分
• 每个类别保持统一的框注标准，比如瓶子从瓶口标到瓶底

做自动化辅助标注的话可以用 X-AnyLabeling，它支持加载 YOLOv5 模型预标注，标注效率能提升很多。

3.3 数据集目录组织与划分

最终目录结构建议如下：

garbage_data/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

划分比例按 train : val : test = 8 : 1 : 1。划分时注意：同一个场景的连续帧图片不要拆散到 train 和 val 里，不然会数据泄露，val 的指标会虚高。最后写一个 dataset.yaml 文件，内容大致是：

path: /path/to/garbage_data train: images/train val: images/val test: images/test names: 0: plastic_bottle 1: paper 2: can 3: glass 4: battery 5: food_waste

类别名称建议用英文小写加下划线，不要用中文。后面可视化的时候可以用代码把中文映射回去，但文件名和 yaml 里的 class name 用英文，能避免一整套编码问题的连锁报错。

4. 模型训练与关键参数调优

4.1 训练命令与基础参数理解

YOLOv5 训练一行命令搞定：

python train.py --data garbage_data.yaml --weights yolov5s.pt --epochs 100 --img 640 --batch 16

这里面有几个关键参数值得展开讲：

• --weights：加载预训练权重，YOLOv5s 是在 COCO 数据集上预训练的。使用预训练权重而不是从零训练，迁移学习的优势非常明显，尤其当你的数据集量级不大时，收敛更快，准确率更高。
• --img：训练时把图片 resize 到多少像素。640 是 YOLOv5 的默认值，效果均衡。垃圾中小目标多，可以考虑 960，显存不够就降到 416。
• --batch：batch size 需要根据显存调。一个经验关系是：batch size x 图片分辨率 越大，显存占用越高。8G 显存跑 640 分辨率，batch 16 基本是极限。
• --epochs：100 个 epoch 够起步。我见过很多人一上来就 300 甚至 500 个 epoch，你会发现 100 个 epoch 之后 loss 基本不再显著下降，纯粹浪费时间。

4.2 超参数文件手动调节

YOLOv5 官方仓库的 data/hyps/ 目录下有超参数配置文件，常用的是 hyp.scratch-low.yaml。挑几个影响大的说：

lr0: 0.01 # 初始学习率 lrf: 0.01 # 最终学习率系数 momentum: 0.937 weight_decay: 0.0005 warmup_epochs: 3.0 fl_gamma: 0.0 # focal loss 系数 anchor_t: 4.0 # anchor 匹配阈值

• 学习率：0.01 是官方默认值，如果你从零训练可以适当调高到 0.02，但如果用预训练权重，0.01 就很合适，太高会破坏已学到的特征。
• anchor_t：控制锚框匹配的正样本比例。垃圾检测中小目标多、形状不规则，如果把 anchor_t 从 4.0 调大到 5.0 或 6.0，能让更多预测框参与训练，提升对小目标的召回率。代价是训练时间变长，loss 收敛变慢，需要多做几次实验比较。
• fl_gamma：focal loss 的 γ 参数，默认是 0 表示关闭。如果你的类别不平衡问题非常严重，可以设为 0.5~1.0，让模型更多地关注难分样本；如果数据集已经做过均衡处理，不需要开。

这些参数不需要全部调。我的建议是：先默认真跑一版，看结果再针对性调。不要一开始就陷入超参数调优的无底洞，先出一个 baseline 比什么都重要。

4.3 模型选择：s 还是 m 还是 l

YOLOv5 官方提供了 n/s/m/l/x 五个尺寸的模型，体现在 --weights 和 --cfg 里选不同的版本。垃圾分类这类任务，我建议从 YOLOv5s 开始：

• n 太小，精度不够，垃圾类别相似度又不低
• s 精度和速度均衡，是大多数项目的甜点区
• m 和 l 精度更高，但训练和推理更慢，若是要部署到边缘设备通常不划算

如果 baseline 训练完发现 mAP 卡在 80% 以下上不去，可以试试换成 m 或 l，同时看看是不是数据集质量问题。注意，模型变大并不一定就能解决精度问题，大部分时候瓶颈在数据和标注。

训练过程中要盯住三个东西：train loss 曲线是否平稳下降，val loss 是否同步下降（val loss 回升就是过拟合信号），以及 P、R、mAP 曲线是否单调上升。我用过一段时间的建议是每 10 个 epoch 看一下 runs/train/exp*/ 目录下的 results.png，一次性生成的曲线图能让你快速判断训练是否健康。

5. 模型评估与推理部署

5.1 评估指标的判读方式

训练完跑验证集看指标：

python val.py --data garbage_data.yaml --weights runs/train/exp/weights/best.pt --img 640

主要看这几个：

• mAP@0.5：IoU 阈值为 0.5 时的平均精度，这是最主要的参考指标，垃圾检测做到 90% 以上算是优秀。
• mAP@0.5:0.95：更严格，对框的位置精度要求很高。垃圾检测不像自动驾驶那样对定位要求苛刻，这个指标 70% 以上就够用。
• Precision/Recall：看两者的平衡。如果 Precision 高 Recall 低，说明漏检多；反过来说明误检多，需要根据自己的应用场景取舍。比如做垃圾桶自动分拣，宁可误检也不能漏检，就偏向高 Recall 的模型。

同时看 val 生成的混淆矩阵（confusion_matrix.png）。垃圾分类里最容易混淆的就是塑料瓶和玻璃瓶、纸盒和纸袋。如果混淆矩阵里这两类互相误检严重，大概率是标注数据不够典型，补充这两类更具代表性的图片，比换模型更有效。

5.2 快速局部推理验证

用训练好的模型跑几张真实场景图片，不要只跑验证集：

python detect.py --source test_pics/ --weights runs/train/exp/weights/best.pt --conf-thres 0.5

我习惯把置信度阈值先设置低一点（0.25），先看哪些区域经常被误报，再逐步调到能接受的平衡点。如果发现小目标物体频繁漏检，可以把 detect 时的--img调大（比如 960），相当于让模型在更大分辨率下找小目标，效果比盲目改训练参数更直接。

5.3 模型导出与边缘端部署

YOLOv5 的模型导出到 ONNX 非常简单：

python export.py --weights runs/train/exp/weights/best.pt --include onnx

导出 ONNX 之后可以做推理、做 TensorRT 加速，也可以转到其他平台。我自己把垃圾识别模型部署到过树莓派 5 上，CPU 推理 YOLOv5s，640 分辨率大概每帧 1~2 秒；换成 ONNX Runtime 加动态量化后能提升 20%~30%。如果是部署到 Jetson Nano 这类带 GPU 的设备，还能进一步用 TensorRT 做 fp16 推理，速度能提升好几倍。

部署层面还有一条路：把模型转成 NCNN 格式，跑在手机或者嵌入式 ARM 芯片上。这个流程对毕设里常见的“树莓派 + 摄像头实时识别”甚至“STM32 + 摄像头先传图再识别”的场景都能覆盖。需要注意，边缘端部署时模型精度会有所下降，尽量在导出后用边缘端同样的推理引擎做一次评测对比，确保精度损失在可接受范围内。

一个拓展思路是：垃圾分类检测往往不是终点。比如做一个“检测 + 机械臂分拣”的完整系统，树莓派做识别，通过串口或 GPIO 把分类结果发给 STM32 来控制舵机/电机完成分拣动作，这是很多优秀毕设的架构形态，也把算法和硬件串成了一个完整闭环。

6. 实战踩坑与优化清单

6.1 高频问题速查表

下面这些是我周围的朋友和项目里反复遇到的典型问题，整理成了一张表，方便你对症下药。

6.2 提升精度的几个“偏方”

第一，关于数据增强，YOLOv5 训练的--augment参数默认开着，Mosaic 增强会在训练时把 4 张图拼接成一张，对小目标检测特别有帮助，因为拼图之后目标变得更“小”了。但要注意，验证或测试时一定不要开增强，否则指标会失真。

第二，尝试给同一张图片做多种预处理版本加入训练集：亮度变化、旋转 90 度到 180 度的角度变化、上下翻转，这些对垃圾桶视角下“物品可能是倒着塞进去”的真实情况很有帮助。

第三，如果某个类别就是辨识度极低，可以考虑语义上位问题。比如“纸”这个大类如果包含纸巾、纸盒、纸袋、报纸，它们的形态差异太大，模型通常学不好。拆分成多个子类，分别标注，模型准确率会好很多，推理时再合并成一个大类输出。

6.3 从训练到落地的三个核心认知

做了一段时间的项目后，我个人最大的体会是：垃圾分类识别这类视觉检测项目，模型反而是最不卡脖子的部分。真正的工程量集中在数据清洗、类别体系设计和边缘端部署适配。数据决定了模型精度的天花板，部署的算力约束决定了模型的上限，YOLOv5 只是让这两件事的衔接变得足够顺滑。

如果你是一场毕设做下来，我建议把节奏控制好：第一周跑通环境加训练 baseline，第二周做好数据集清洗和第一轮调参，第三周导出模型并做好部署验证，剩下时间全部用来打磨细节、做可视化展示和跑更多真实场景测试。不要一开始就埋头调超参数，先把整条链路跑通，再回来精细化。

最后再分享一个小技巧：一定要定期备份你的最佳权重文件。训练过程可能会中断，runs 目录也可能被清理，把 best.pt 复制到几个不同的位置是稳赚不赔的习惯。做工程不是比谁跑得快，是比谁少返工。

本文还有配套的精品资源，点击获取