ResNet18实战教程：智能零售货架识别系统
1. 引言
1.1 智能零售场景下的图像识别需求
在现代智能零售系统中，自动化的货架监控与商品识别已成为提升运营效率的关键技术。传统人工盘点耗时耗力，而基于计算机视觉的解决方案能够实现实时、精准的商品状态监测。然而，通用目标检测模型往往需要大量标注数据和高昂算力支持，难以在边缘设备或资源受限环境中部署。
为此，我们引入ResNet-18——一种轻量级但极具代表性的深度残差网络，作为智能零售货架识别系统的视觉感知核心。它不仅具备强大的特征提取能力，还能在CPU环境下实现毫秒级推理，非常适合低延迟、高可用的零售应用场景。
1.2 项目定位与学习目标
本文是一篇从零开始的实战教程，旨在指导开发者如何基于 TorchVision 官方 ResNet-18 模型构建一个可运行的“智能零售货架识别”原型系统。通过本教程，你将掌握：
- 如何加载预训练 ResNet-18 模型并进行推理
- 构建 Flask WebUI 实现可视化交互界面
- 对接真实货架图片完成分类任务
- 在 CPU 上优化模型性能以满足实际部署需求
最终成果是一个无需联网、本地运行、支持 Top-3 分类结果展示的完整图像识别服务。
2. 环境准备与模型加载
2.1 依赖库安装
首先确保你的开发环境已安装以下 Python 包：
pip install torch torchvision flask pillow numpy⚠️ 建议使用 Python 3.8+ 和 PyTorch 1.12+ 版本，兼容性最佳。
2.2 加载官方 ResNet-18 模型
TorchVision 提供了开箱即用的 ResNet-18 实现，我们直接调用即可：
import torch from torchvision import models # 加载预训练 ResNet-18 模型 model = models.resnet18(pretrained=True) model.eval() # 切换为评估模式该模型在 ImageNet 数据集上训练，支持1000 类物体分类，包括常见日用品（如 toothbrush、bottle）、食品包装（hotdog、pizza）等，非常适合用于零售货架中的商品粗粒度识别。
2.3 图像预处理流程
ResNet 输入要求为(3, 224, 224)的归一化张量。我们需要对输入图像执行标准预处理：
from torchvision import transforms from PIL import Image transform = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) def preprocess_image(image_path): image = Image.open(image_path).convert("RGB") return transform(image).unsqueeze(0) # 添加 batch 维度这套预处理流程是 ImageNet 标准配置，保证了模型的最佳识别精度。
3. 构建 WebUI 交互系统
3.1 Flask 后端接口设计
我们使用 Flask 构建轻量级 Web 服务，提供上传与识别功能：
from flask import Flask, request, render_template, redirect, url_for import os app = Flask(__name__) UPLOAD_FOLDER = 'static/uploads' os.makedirs(UPLOAD_FOLDER, exist_ok=True) @app.route('/', methods=['GET', 'POST']) def index(): if request.method == 'POST': file = request.files['image'] if file: filepath = os.path.join(UPLOAD_FOLDER, file.filename) file.save(filepath) results = classify_image(filepath) return render_template('result.html', image=file.filename, results=results) return render_template('upload.html')3.2 分类逻辑实现
调用模型进行前向推理，并获取 Top-3 预测类别：
import json # 下载并加载 ImageNet 类别标签 with open('imagenet_classes.json') as f: labels = json.load(f) def classify_image(image_path): input_tensor = preprocess_image(image_path) with torch.no_grad(): output = model(input_tensor) probabilities = torch.nn.functional.softmax(output[0], dim=0) top3_prob, top3_catid = torch.topk(probabilities, 3) results = [] for i in range(3): label = labels[top3_catid[i]].split(',')[0] # 取主名称 prob = top3_prob[i].item() * 100 results.append({"label": label, "confidence": f"{prob:.1f}%"}) return results📌
imagenet_classes.json文件可通过公开资源下载，包含 1000 个类别的文本标签。
3.3 前端页面模板（HTML）
创建templates/upload.html和templates/result.html，实现简洁美观的 UI：
<!-- templates/upload.html --> <!DOCTYPE html> <html> <head><title>货架识别系统</title></head> <body style="text-align:center; font-family:Arial;"> <h1>📷 AI 货架商品识别</h1> <form method="post" enctype="multipart/form-data"> <input type="file" name="image" accept="image/*" required /> <button type="submit">🔍 开始识别</button> </form> </body> </html><!-- templates/result.html --> <!DOCTYPE html> <html> <head><title>识别结果</title></head> <body style="text-align:center; font-family:Arial;"> <h1>✅ 识别结果</h1> <img src="{{ url_for('static', filename='uploads/' + image) }}" width="300"/> <ul style="list-style:none; padding:0;"> {% for r in results %} <li><strong>{{ r.label }}</strong>: {{ r.confidence }}</li> {% endfor %} </ul> <a href="/">⬅️ 返回上传</a> </body> </html>4. 实战案例：识别零售货架商品
4.1 测试数据准备
选取几张典型零售货架图像进行测试，例如：
- 含有饮料瓶、薯片袋、巧克力盒的日用商品架
- 冷藏柜中的牛奶、酸奶、冰淇淋
- 收银台附近的口香糖、电池、雨伞
这些物品大多属于 ImageNet 的已有类别，如： -water bottle-carton-chocolate sauce-ice cream-umbrella
4.2 运行效果演示
启动服务：
python app.py访问http://127.0.0.1:5000，上传一张货架图片，系统返回如下结果示例：
Top-1: carton (置信度: 89.3%) Top-2: cardboard box (置信度: 6.1%) Top-3: container (置信度: 2.2%)尽管未做微调，ResNet-18 已能准确捕捉到“纸箱/包装盒”这一关键语义，可用于判断货架是否空缺或多层堆叠。
4.3 局限性分析与应对策略
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 无法区分具体品牌（如可口可乐 vs 百事） | ImageNet 不含细粒度品牌分类 | 使用迁移学习在自有数据上微调 |
| 多个小物体识别不准 | 输入尺寸固定，小目标信息丢失 | 结合滑动窗口或多尺度检测 |
| 光照变化影响识别 | 仅靠 RGB 输入，缺乏鲁棒性增强 | 增加图像增强预处理 |
5. 性能优化与部署建议
5.1 CPU 推理加速技巧
虽然 ResNet-18 本身轻量，但在批量处理时仍需优化。推荐以下措施：
- 启用 TorchScript 编译：减少解释开销
scripted_model = torch.jit.script(model) scripted_model.save("resnet18_scripted.pt")- 使用 ONNX 导出 + ONNX Runtime 推理
dummy_input = torch.randn(1, 3, 224, 224) torch.onnx.export(model, dummy_input, "resnet18.onnx")ONNX Runtime 在 CPU 上性能优于原生 PyTorch，尤其适合嵌入式设备。
5.2 内存与启动速度优化
- 模型权重文件仅44.7MB，可完全加载至内存
- 使用
gunicorn或waitress替代 Flask 默认服务器，提升并发能力 - 开启懒加载机制，首次请求时再初始化模型，加快启动速度
5.3 边缘部署可行性
| 指标 | 数值 |
|---|---|
| 模型大小 | ~45MB |
| 单次推理时间（i5 CPU） | < 100ms |
| 内存占用 | < 300MB |
| 是否依赖 GPU | ❌ 否 |
因此，该系统完全可在树莓派、NVIDIA Jetson Nano 等边缘设备上运行，适用于门店本地化部署。
6. 总结
6.1 核心价值回顾
本文详细介绍了如何基于TorchVision 官方 ResNet-18 模型搭建一套完整的“智能零售货架识别系统”。其核心优势在于：
- ✅稳定性强：内置原生权重，无权限校验失败风险
- ✅识别范围广：覆盖 1000 类日常物品与场景，适配多种零售环境
- ✅轻量化设计：40MB+ 模型体积，毫秒级 CPU 推理响应
- ✅可视化交互：集成 WebUI，支持上传预览与 Top-3 结果展示
6.2 最佳实践建议
- 优先用于粗粒度分类任务：如判断货架是否有货、是否为空区、大致品类分布
- 结合业务微调提升精度：收集门店真实货架图，在
fc层进行迁移学习 - 搭配 OCR 技术补足短板：对于品牌文字明显的商品，可用 OCR 辅助识别
未来可扩展方向包括：接入摄像头实现实时监控、结合库存数据库自动报警、多帧融合提升识别鲁棒性等。
💡获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
