基于ResNet与PyQt5的煤矸石识别分类系统实战开发

简介：本资源是一套完整的煤矸石智能识别分类系统实现方案，面向计算机、人工智能、自动化等专业的本科生及研究生，适用于毕业设计、课程设计与工业场景初步验证。系统基于ResNet卷积神经网络构建，集成图像预处理、特征提取、模型训练与GUI交互界面，解决煤矿井下煤与矸石的自动区分难题。压缩包共45个文件，含11个核心Python源码（如main.py、CNN/vgg16相关模块）、4个Jupyter Notebook实验脚本、7张典型样本图像、10个CSV格式中间数据及模型文件，整体大小仅4.37MB，结构清晰、模块解耦，便于理解深度学习流程与工程落地细节。已有181人下载学习，项目源自高分毕设（答辩95分），代码经实测可直接运行，配套详细操作教程与数据集，支持零基础入门与二次开发拓展。 先交代一下背景。我最近在做一个煤矸石识别分类的课设级项目，核心是用深度学习里的ResNet卷积神经网络做图像分类，最终交付的是一个带GUI界面的Python程序，里面把训练好的模型、数据集、源码和操作文档全打包好了。这篇文章就把这个项目从选型到落地过程中，那些真正值得记下来的东西完整梳理一遍。不管你是正在找课设方向的在校生，还是想了解AI视觉在矿业场景如何落地的工程师，这篇文章应该都能给你一些能直接拿去用的参考。

先说结论：这个项目选ResNet作为主干网络，配上PyTorch框架，用迁移学习的方式在自建的煤矸石图像数据集上做微调，最后用PyQt5把推理流程封装成可视化的GUI程序。整个过程并不复杂，但里面有不少坑藏在细节里。后面我会把这些细节一个个展开讲。

1. 为什么是ResNet：从煤矸石识别场景反推网络选型

1.1 煤矸石识别到底是个什么任务

煤矸石是采煤和洗煤过程中排出的含碳量较低的岩石，成分以砂岩、页岩、石灰岩为主。在选煤厂，煤和矸石的分离直接关系到精煤质量和后续利用价值。传统的分选方式有跳汰、重介、浮选等物理方法，人工拣矸则是劳动强度最大、环境最差、效率最不稳定的环节。

随着智慧矿山推进，基于机器视觉的煤矸石识别逐渐成为热点。它的本质是一个图像二分类问题：给一张图，判断里面是煤还是矸石。但难点在于：

• 煤和矸石在可见光下颜色接近，尤其是矸石表面常附着煤粉，外观差异不明显
• 现场光照复杂，皮带上的物料有堆叠、遮挡、运动模糊
• 不同矿区的煤质和矸石成分差异大，模型泛化能力要够强
• 实时性要求高，识别速度要跟上皮带运行速度

这些约束决定了不能用太浅的网络，也不能用对图像细节不敏感的网络。ResNet在ImageNet上验证过的深层特征提取能力，恰好能覆盖这些需求。

1.2 ResNet解决了什么核心问题

在ResNet出现之前，CNN网络层数加深反而会出现退化问题——训练集准确率饱和后下降，这不是过拟合，而是深层网络难以优化。ResNet通过残差连接（skip connection）改变了这一局面。

残差块的核心思想可以用一句话概括：与其让网络直接学习一个从输入到输出的映射 H(x)，不如让网络学习残差 F(x) = H(x) - x，最终的输出为 F(x) + x。这样即使深层模块的参数没有学到有效特征，输入信息也能通过捷径连接直接传递到后面层，梯度在反向传播时也多了一条高速公路。也就是说，ResNet在结构层面保证了深层网络的训练下限不会低于浅层网络。

这一设计的直观效果就是网络可以做到非常深，而不必担心梯度消失或网络退化。在煤矸石识别这类细粒度分类任务中，深层网络意味着更大的感受野和更抽象的特征表达能力，能够捕捉煤和矸石表面纹理、光泽、结构上的细微差异。

1.3 ResNet的几个常见变体怎么选

ResNet家族有18层、34层、50层、101层、152层等常见版本，层数差异主要体现在残差块的数量和结构上。

这个项目我用的是ResNet50。原因很实际：ResNet50的Bottleneck结构在保持参数量不夸张的前提下，特征提取能力比ResNet18/34有明显提升；相比ResNet101，训练速度更快，对显存的要求也更低。如果你是在普通笔记本电脑上跑，显存只有4-6G，ResNet18是个更稳妥的选择，但精度上要做好心理准备。

实践中还有一个组合方案：先用ResNet18快速验证数据质量和标注是否正确，确认baseline能跑通后，再切到ResNet50做最终训练。这样既不会在数据有问题时浪费时间训练大模型，也不会因为模型太小而误判数据集的难度。

2. 数据集的构建比模型本身更决定上限

2.1 数据从哪来，怎么整理

煤矸石数据集的获取渠道主要有三条：一是去现场用工业相机或手机拍摄，二是网上公开数据集，三是通过爬虫抓取矿业相关图片。这个项目用的是综合方案：以公开数据为基础，补充了部分现场拍摄图像。

数据整理最核心的原则是类别目录结构清晰。PyTorch的ImageFolder机制要求数据按类别分文件夹存放，我的目录结构是这样的：

data/ ├── train/ │ ├── coal/ │ │ ├── coal_001.jpg │ │ ├── coal_002.jpg │ │ └── ... │ └── gangue/ │ ├── gangue_001.jpg │ ├── gangue_002.jpg │ └── ... ├── val/ │ ├── coal/ │ └── gangue/ └── test/ ├── coal/ └── gangue/

这个结构看起来简单，但有个容易被忽略的细节：类别名称建议直接用英文，不要用中文文件夹名。虽然ImageFolder支持中文路径，但后续在Windows上做模型加载、打包发布时，中文路径很容易在编码上出问题。我一开始用了"煤"和"矸石"两个中文文件夹名，训练一切正常，结果在GUI里加载模型时路径解析总是报错，排查了半天才发现是编码问题。

2.2 数据量不够怎么办：数据增强的完整策略

煤矸石分类数据集通常不会太大，公开数据集一般也就几千张到一两万张。如果直接用原始数据训练ResNet50这种深层网络，过拟合几乎是必然的。解决思路主要有两条：预训练权重做迁移学习、数据增强扩大样本分布覆盖。

数据增强这部分，我用的组合包括：

• 随机旋转（±30度）
• 随机水平翻转
• 随机亮度、对比度、饱和度调整
• 随机缩放裁剪（ResizedCrop）
• 随机高斯噪声

这些增强操作不是随便加的。旋转和翻转对应皮带运输过程中煤矸石姿态的不确定性，亮度对比度调整对应现场光照变化，缩放裁剪模拟不同拍摄距离下目标大小变化。每一个增强策略背后都要对应真实场景中可能出现的变化，这比盲目堆叠增强手段有意义得多。

需要提醒的是，验证集和测试集不应该做数据增强，只需要做Resize和归一化。否则验证集和训练集存在分布重叠，会高估模型真实泛化能力。

2.3 数据标注的质量控制

如果你是自建数据集，标注质量直接决定模型上限。煤矸石图像标注虽然只有两个类别，但有几个容易出错的地方：

• 煤炭可能带有矸石夹层，矸石表面可能粘附煤粉，这种"跨界"样本需要人工仔细甄别
• 图像中若包含多个目标，需要考虑是整体标注还是裁剪后单目标标注
• 模糊、过曝、欠曝严重的图像，要么删除要么单独归入困难样本集

我处理"跨界样本"的方式是单独抽出来做人工复核，请了几个矿业背景的朋友帮忙确认，最终形成共识后再决定归属。这里投入的时间不会白费，模型上线后碰到的边界case，往往就是这些样本。

3. 核心实现：从Model到Train到GUI的完整链路

3.1 迁移学习：用预训练权重比从零训练强多少

在ImageNet上预训练的ResNet50，学到的是通用的图像底层特征——边缘、纹理、颜色块、形状组合。煤矸石图像的底层特征和自然图像有共通之处，因此直接微调比从零训练高效得多。

我的模型定义代码是这样写的：

import torch import torch.nn as nn import torchvision.models as models class ResNetClassifier(nn.Module): def __init__(self, num_classes=2, model_name='resnet50', pretrained=True): super().__init__() if model_name == 'resnet50': self.backbone = models.resnet50(pretrained=pretrained) elif model_name == 'resnet18': self.backbone = models.resnet18(pretrained=pretrained) else: raise ValueError(f"Unsupported model: {model_name}") in_features = self.backbone.fc.in_features self.backbone.fc = nn.Sequential( nn.Dropout(0.5), nn.Linear(in_features, 256), nn.ReLU(inplace=True), nn.Dropout(0.3), nn.Linear(256, num_classes) ) def forward(self, x): return self.backbone(x)

这里有一个细节值得说明：替换全连接层时，我加了两层Dropout。原因很简单，煤矸石数据集中煤和矸石的图像在高层语义上差异确实不大，模型很容易在训练集上死记硬背，Dropout是抑制过拟合性价比最高的手段之一。

微调策略上，我没有对所有层都用同一个学习率。更大的学习率会破坏预训练特征，因此我采用了参数分组——backbone部分用较小的学习率（一般是1e-4），新加的fc层用较大的学习率（1e-3）。

optimizer = torch.optim.AdamW([ {'params': model.backbone.parameters(), 'lr': 1e-4}, {'params': model.backbone.fc.parameters(), 'lr': 1e-3} ], weight_decay=1e-4)

这种差异化学习率的做法在迁移学习中非常实用。它本质上是在尊重预训练知识的同时，让新任务的分类头能够更快地适应自己的数据分布。

3.2 训练流程的关键细节

训练流程本身不复杂，但有几个细节决定了最终效果。

第一是损失函数。二分类问题，直接用nn.CrossEntropyLoss()即可。很多人会犹豫要不要用Focal Loss处理类别不平衡，如果训练集中煤和矸石的数量基本一致，就没必要。如果两类数量差距超过3倍，再用Focal Loss或者对损失做类别加权也不迟。

第二是学习率调度。我用的是一步到位的方式：步长衰减。每10个epoch把学习率乘以0.1，配合早期停止，能在不频繁干预的情况下获得稳定的收敛效果。也可以用CosineAnnealingLR，但实践中步长衰减对课设项目更直观。

第三是保存最优模型。不要简单保存最后一个epoch的模型，而是监控验证集准确率，只在验证准确率刷新时保存权重。这个"best模型"策略是老生常谈，但确实有效。

best_acc = 0.0 for epoch in range(epochs): train_loss = train_one_epoch(model, train_loader, optimizer, criterion) val_acc = evaluate(model, val_loader) if val_acc > best_acc: best_acc = val_acc torch.save(model.state_dict(), 'best_model.pth') print(f"Epoch {epoch}: save best model, acc = {val_acc:.4f}")

3.3 GUI界面：PyQt5的封装思路

GUI部分用的是PyQt5。设计思路不复杂：程序启动时加载训练好的模型权重，用户通过文件选择框选择煤矸石图片，点击预测按钮后，程序对图片做预处理、推理、后处理，把预测结果显示在界面上。

界面布局分三个区域：

• 左侧是图片展示区，QLabel加载待预测的图片
• 右上角是预测结果区，显示类别标签和置信度
• 右下角是控制按钮区，包含选择图片、开始预测、退出程序按钮

核心推理代码如下：

from PyQt5.QtWidgets import QMainWindow, QFileDialog, QLabel, QPushButton, QVBoxLayout, QHBoxLayout, QWidget from PyQt5.QtGui import QPixmap from PyQt5.QtCore import Qt import torch from PIL import Image from torchvision import transforms class PredictWindow(QMainWindow): def __init__(self, model, device, class_names): super().__init__() self.model = model self.device = device self.class_names = class_names self.setWindowTitle("煤矸石识别分类系统") self.setGeometry(100, 100, 800, 600) self.init_ui() def init_ui(self): self.image_label = QLabel(self) self.image_label.setAlignment(Qt.AlignCenter) self.image_label.setStyleSheet("border: 1px solid #cccccc; background-color: #f5f5f5;") self.image_label.setMinimumSize(400, 400) self.result_label = QLabel("请选择图片进行识别", self) self.result_label.setAlignment(Qt.AlignCenter) self.result_label.setStyleSheet("font-size: 16px; font-weight: bold;") self.select_btn = QPushButton("选择图片", self) self.predict_btn = QPushButton("开始预测", self) self.quit_btn = QPushButton("退出", self) # 此处省略布局管理代码 self.select_btn.clicked.connect(self.select_image) self.predict_btn.clicked.connect(self.predict_image) def select_image(self): file_path, _ = QFileDialog.getOpenFileName(self, "选择图片", "", "图片文件 (*.jpg *.jpeg *.png *.bmp)") if file_path: self.image_path = file_path pixmap = QPixmap(file_path) scaled_pixmap = pixmap.scaled(self.image_label.size(), Qt.KeepAspectRatio, Qt.SmoothTransformation) self.image_label.setPixmap(scaled_pixmap) def predict_image(self): if not hasattr(self, 'image_path'): return image = Image.open(self.image_path).convert('RGB') tensor = self.preprocess(image).unsqueeze(0).to(self.device) with torch.no_grad(): outputs = self.model(tensor) probs = torch.softmax(outputs, dim=1) confidence, predicted = torch.max(probs, 1) label = self.class_names[predicted.item()] self.result_label.setText(f"识别结果：{label} 置信度：{confidence.item():.4f}") def preprocess(self, image): 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]) ]) return transform(image)

3.4 预处理的一致性有多重要

我在开发过程中踩过一个非常典型的坑：训练时用的预处理是Resize到224x224，而GUI里预测时用的预处理是CenterCrop到224x224。表面上看都是输出224x224，但图像内容完全不同，导致预测结果大幅波动。

这个问题在深度学习项目中很常见。必须保证训练、验证、测试、部署四个阶段的预处理完全一致。最佳实践是把预处理封装成一个函数或类，在训练脚本和部署脚本中共享，而不是各写一份。

这个项目的预处理管线相对简单：Resize(224,224)，ToTensor，用ImageNet的mean和std做归一化。因为训练时用的是ImageNet预训练权重，归一化的统计量必须与预训练时保持一致，否则特征分布会发生偏移。

4. 训练效果评估与模型调优过程记录

4.1 实验记录：从基线到最终模型

我记录了三组关键对比实验，这几组数据对理解煤矸石识别问题很有参考价值。

从这个结果可以明显看到两个核心结论：

第一，迁移学习远比网络深度更重要。ResNet18从零训练到82.5%，ResNet18预训练微调直接到91.3%，这近9个百分点的提升不是来自网络结构的改变，而是预训练权重带来的先验知识。

第二，数据增强让训练集和验证集准确率差距从4.2个百分点缩小到0.6个百分点。这说明之前的高验证集准确率确实有一定程度的过拟合。如果你是做课设需要展示模型鲁棒性，数据增强是必备环节。

4.2 训练中的loss曲线怎么看

训练过程中我习惯同时观察训练loss和验证准确率，两者结合起来能判断模型的训练状态。

• 训练loss下降但验证准确率停滞：可能还在过拟合的路上，需要提前停止或加强数据增强
• 训练loss和验证loss都在下降但很慢：学习率太小，可以适当调大
• 训练loss下降很慢且振荡大：学习率太大，或者batch size太小，需要考虑梯度累积

我最终训练ResNet50时用的是batch size 32，初始学习率1e-4，AdamW优化器，总共训练了大概25个epoch。大约在第15个epoch左右，验证准确率基本稳定在95%以上，之后每轮最多提升0.1-0.2个百分点，考虑性价比就提前停止了。

4.3 混淆矩阵揭示的信息

准确率之外，我习惯额外看一眼混淆矩阵。这个项目里，混淆矩阵给出了一个有意思的发现：模型把矸石误判为煤的概率，要高于把煤误判为矸石的概率。

原因是矸石表面常常覆盖煤粉，在视觉上确实接近煤；而煤的表面如果干净且有光泽，和矸石的差别反而更大。所以模型学到的并不是简单的颜色差异，更多的是纹理和光泽特征。这提醒我们：如果你想让模型在判断矸石时更保守（宁可误报也不要漏报，从选煤角度看漏掉矸石比误丢煤损失更大），可以在后处理时对置信度阈值做类别差异化设置。

5. 环境配置与打包发布：最容易翻车的环节

5.1 环境版本搭配

这个项目在Python 3.8环境下开发，PyTorch用的是1.12.1，torchvision对应0.13.1，GUI部分用PyQt5。这套组合在Windows 10/11 64位上都能稳定运行，CPU和GPU均支持。

安装核心依赖，建议用pip直接安装：

pip install torch==1.12.1 torchvision==0.13.1 --index-url https://download.pytorch.org/whl/cu113 pip install PyQt5 pip install numpy opencv-python pillow matplotlib

如果是纯CPU环境，把下载地址换成cpu版本即可。注意Python版本不要高于3.10，不然一些旧版本的torch可能装不上。

5.2 PyInstaller打包GUI程序

整个项目完成后需要交付给非技术用户，我用PyInstaller做了打包。打包配置里最关键的坑是把模型权重文件一并打包进去。

PyInstaller默认不会把非代码文件打包到exe中，即使你用了--add-data。我的做法是写一个spec文件：

# coal_recognition.spec # -*- mode: python ; coding: utf-8 -*- a = Analysis( ['main.py'], pathex=[], binaries=[], datas=[ ('best_model.pth', 'models'), ('class_names.txt', 'config') ], hiddenimports=['torch', 'torchvision'], hookspath=[], runtime_hooks=[], excludes=[], noarchive=False, ) pyz = PYZ(a.pure) exe = EXE( pyz, a.scripts, a.binaries, a.datas, [], name='煤矸石识别系统', debug=False, strip=False, upx=True, console=False, icon='icon.ico' )

这里有一个需要特别说明的问题：hiddenimports里面必须包含torch和torchvision，否则PyInstaller在静态分析时可能漏掉一些动态导入的模块，打包后的exe一运行就报ImportError。还有一个隐性问题是torch本身非常大，打包后exe体积可能达到1GB以上，这是正常的，不用惊慌。

为了减小打包体积，可以在excludes里排除不需要的torch模块，比如torch.distributed、torch.testing等，能把体积压缩20%-30%。

5.3 模型加载路径的正确写法

打包后模型文件的路径和开发环境完全不同。开发时用相对路径'best_model.pth'没问题，但打包后工作目录不一定在exe所在目录，直接加载会报文件找不到。

正确的做法是通过sys._MEIPASS获取资源路径：

import sys import os def resource_path(relative_path): if hasattr(sys, '_MEIPASS'): base_path = sys._MEIPASS else: base_path = os.path.abspath(".") return os.path.join(base_path, relative_path) model_path = resource_path(os.path.join('models', 'best_model.pth'))

这个resource_path函数在PyInstaller打包场景中是标准解法，注意在开发调试时也应该调用这个函数，而不是直接写相对路径，这样才能保证两套环境下的行为一致。

6. 推理速度测量与实时性评估

6.1 单张图片推理耗时

煤矸石识别如果用于在线皮带分选，实时性是很重要的指标。我做了推理速度测试，在GPU为GTX 1660的机器上，ResNet50单张图片推理耗时约18ms；在纯CPU环境，单张图片推理耗时约80ms。

注意这里的推理耗时只统计了model(tensor)的部分，也就是纯前向传播时间。完整的识别流程还包括图像读取、解码、预处理、后处理，这些额外操作大约还要消耗10-20ms。

6.2 如何进一步压缩推理延迟

如果实际部署需要更高的实时性，可以考虑以下降级路径：

• 模型蒸馏：用ResNet50当教师网络，蒸馏一个ResNet18或者更小的学生网络，推理速度能快2到3倍，精度损失通常在1到2个百分点以内
• TensorRT加速：NVIDIA显卡上将模型转换为TensorRT引擎，推理速度可以再提升2到3倍
• 输入分辨率降为160x160或128x128：损失部分精度但速度大幅提升

对课设项目来说，CPU实测80ms单张完全够用，不需要额外折腾。但如果要在Demo现场走实时摄像头视频流，建议至少用GPU跑，同时将预处理统一改为CV2或PIL的快速路径。

6.3 批量推理与单张推理的取舍

GUI场景一般单张预测，不需要批处理。但如果场景是做离线图片批量分类，比如对一批皮带抓拍图做统计，应该把多张图片组成一个batch，batch size设置为GPU显存允许的最大值，这样能显著提升吞吐量。PyTorch对batch维度有各种底层优化，4张图一起推理的时间大概是单张推理的1.5-2倍左右，而不是4倍。

7. 常见报错清单与排查方案汇总

这个项目从开发到打包交付，各种报错碰到了不少。我把这些问题按出现频率整理成一个清单，方便你排查。

7.1 训练阶段的典型报错

7.2 GUI阶段的典型报错

7.3 打包阶段的典型报错

PyInstaller打包torch项目最常见的报错是ModuleNotFoundError: No module named 'torch._C'。这是PyInstaller的静态分析漏掉了torch的C扩展模块导致的，解决方法是安装pyinstaller-hooks-contrib：

pip install pyinstaller-hooks-contrib

另一个常见问题是打包后exe运行就闪退，没有任何提示。这种情况先在命令行模式下运行exe，即打包时console=True，让报错信息打印在终端里，定位后再改回console=False。

8. 项目交付结构一览与最终代码组织

整个项目完成后，最终的目录结构如下：

coal_gangue_recognition/ ├── main.py # 程序入口，负责启动GUI ├── model.py # ResNet模型定义 ├── train.py # 训练脚本 ├── predict.py # 单张图片预测脚本（命令行版） ├── gui_window.py # PyQt5主窗口实现 ├── utils.py # 预处理、数据加载等公共函数 ├── models/ │ ├── best_model.pth # 训练好的最佳模型权重 │ └── resnet50_initial.pth # 初始预训练权重（可选） ├── data/ │ ├── train/ │ ├── val/ │ └── test/ ├── requirements.txt # 依赖清单 ├── 操作教程.md # 详细的图文操作说明 └── 煤矸石识别系统.spec # PyInstaller打包配置

8.1 requirements.txt的完整内容

torch==1.12.1 torchvision==0.13.1 numpy==1.24.3 opencv-python==4.8.1.78 Pillow==10.0.0 PyQt5==5.15.9 matplotlib==3.7.2 scikit-learn==1.3.0

这里有个个人经验：scikit-learn虽然只在计算混淆矩阵和分类报告时用到，但建议一并放进依赖里，因为做实验评估时它几乎是必需品。如果打包最终应用，可以在spec文件里把sklearn排除掉，减小体积。

8.2 模型文件的管理

训练好的best_model.pth就是使用torch.save(model.state_dict(), 'best_model.pth')整存的状态字典。加载时需要先实例化同样结构的模型，再load_state_dict。整个过程容易出错的地方是类别顺序。

class_names.txt里固定保存类别的顺序，例如：

coal gangue

模型的输出维度0对应coal，维度1对应gangue。这个顺序必须和训练时保持一致，否则预测结果就是错乱的。建议在保存模型的同时保存class_names文件，并写一个自动校验逻辑——加载模型后先做一次小批量推理，检查输出的类别分布是否符合预期。

8.3 总结一个端到端的使用流程

从拿到项目到成功运行，标准流程如下：

1. 根据requirements.txt安装依赖
2. 把数据集放到data目录
3. 运行train.py完成训练，得到best_model.pth
4. 运行main.py启动GUI，选择图片测试预测
5. 如需交付，用PyInstaller执行spec文件打包

这个流程就是打包在zip文件里的"操作教程"的核心内容，教程里补充了截图和常见问题排查，这里不再展开。

9. 几点额外的经验教训

9.1 不要迷信模型复杂度

煤矸石识别本质上是二分类，图像特征差异比想象中要小。不要一开始就上ResNet101、EfficientNet甚至Vision Transformer，先跑通一个小的baseline，把数据和预处理链路验证好，再逐步升级模型。Baseline的意义不在于最终精度，而在于能把整个训练流程的bug暴露出来。

9.2 做一个"让人能看懂"的GUI

如果你的项目最终需要展示给老师或者观众，GUI好不好用直接影响印象分。这里有几个实用建议：

• 显示预测结果时，同时展示置信度数值，让抽象的分类结果变得可解释
• 界面提供历史记录列表，展示最近10次识别的图像路径和结果
• 支持批量选择图片，连续识别多张并统计识别率
• 界面上用不同颜色区分结果——煤用绿色，矸石用红色，直观明了

这些改动看起来琐碎，但对体验的提升是质的飞跃。

9.3 训练时做好实验记录

训练过程中的每一次改动，包括数据切分方式、增强策略、学习率、batch size、最终精度，都建议用表格记录下来。这不但让你的项目报告更有说服力，更重要的是，当结果不理想时，你能快速定位是哪个环节出了问题。

9.4 关于置信度阈值的一个进阶建议

如果你的煤矸石识别系统最终要接入实际的分选控制流程，建议不要简单取argmax作为最终输出，而是设置置信度阈值。比如当置信度低于0.6时，判定为"不确定"，扔掉或者送到人工复核环节。在实际工况中，"不确定"比"错误分类"造成的损失要小得多。这个思路适用于任何分类系统的工程化部署。

9.5 CPU环境下如何跑得更快

没有显卡的环境也能跑，但要注意几个优化：

• 使用torch.set_num_threads(4)限制CPU线程数，避免线程过多导致调度开销
• 使用torch.backends.mkldnn.enabled = True开启MKL-DNN加速
• 输入尺寸从224降到160或128，单张推理时间能缩短近一半

实测下来，CPU环境ResNet18配合这些优化，单张图片推理时间可以压缩到30ms以内，已经具备基本的实时处理能力。

9.6 最后分享一个排查模型的思路

如果模型训练完，验证准确率很高，但实际测试时表现很差，优先检查预处理是否一致、类别顺序是否紊乱、模型是否保存了最优权重而不是最后一个epoch的权重。这三个问题占了"模型上线后翻车"原因的八成以上，剩下的两成才是数据质量问题。

如果你是要拿这个项目做课程设计，我的建议是把从零到一的完整过程做扎实——从数据分析、模型选型、训练评估到GUI封装和打包发布，每一步都能讲清楚为什么这么做，远比堆叠花哨技术有用。实际开发过程中踩过的那些坑，往往才是答辩时最能展示你理解深度的素材。

本文还有配套的精品资源，点击获取