图像识别项目怎么收集数据：数量、角度与光线

做一个识别垃圾种类、植物病害或者手势的AI项目，第一步是收集图片。很多学生随手拍了几十张就开始训练，结果模型在测试时表现很差。图像数据收集，有一些基本的方法。

每类需要多少张

对于用现成工具训练的简单分类任务，可以参考：

• 起步：每类50到100张，能训练出一个可以测试的模型。
• 较好：每类200张以上，效果更稳定。

各类的数量要大致相同。如果一类有300张、另一类只有30张，模型会倾向于判断成数量多的那一类。

覆盖不同的情况

模型只认识它“见过”的情况。如果所有照片都是白天、正面、近距离拍的，那么傍晚、侧面、远距离的照片它就很可能认错。收集数据时要有意识地覆盖各种情况：

可以先做一张收集计划表，每种情况拍多少张，按表执行。

小心背景带来的偏差

一个常见问题：所有“可回收物”都在白色桌面上拍，所有“厨余垃圾”都在厨房台面上拍。模型可能学会的是“白色背景就是可回收物”，而不是物体本身的特征。

避免方法：每一类物体都在多种背景下拍摄，不同类别使用相同的几种背景。

拍摄的注意事项

• 用同一部手机拍摄，或者明确记录使用了哪些设备。
• 照片中只有一个主要物体，避免多个物体混在一起。
• 不要拍到人脸等个人信息。
• 不清晰、过曝的照片可以保留一部分，因为实际使用中也会遇到，但不要太多。

整理和记录

照片拍完后，按类别放进不同的文件夹，文件夹名就是类别名。同时做一张数据记录表：

数据记录表要写进报告。评委看到学生清楚地知道自己的数据是怎样收集的、包含哪些情况、有什么不足，会更信任模型的结果。

留出测试数据

收集数据时，就要想好留出一部分作为测试集，例如每类拍120张，100张用于训练，20张用于测试。测试用的照片不能参与训练。更好的做法是另找一天、换一个环境专门拍测试照片，这样更能检验模型面对新情况的能力。