淄博烧烤爆火！基于 PaddleX 实现常用香料分类

---

本文介绍基于PaddleX开发常用香料分类模型的流程。先因淄博烧烤爆火，提及在家DIY烧烤时香料识别的需求，接着说明用MobileNetV2模型，步骤包括安装PaddleX、解压数据集、配置GPU、定义图像处理流程和数据集，再进行模型训练与预测，最后提到还可使用百度EasyDL开发。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

大学生特种兵，快来淄博吃烧烤啦！

近期，随着淄博烧烤的爆火，越来越多的人选择去淄博旅游、吃烧烤，在五一期间，客流量更是远远超过了淄博旅游接待最大容量。

为了应对激增的客流量，淄博市加大了旅游接待容量，但在五一期间仍然难以满足游客需求。据了解，淄博市的许多景区和酒店在五一期间也加班加点地提供服务，以确保游客能够有一个愉快的旅行体验。同时，一些有影响力的博主、网红也在社交媒体上呼吁大家文明旅游，避免人流拥挤和垃圾乱扔等不良行为，为淄博市的旅游形象贡献一份力量。

尽管面临巨大的挑战，淄博市依然坚定地推进旅游业的发展，通过不断提升服务质量和配套设施，努力满足游客的需求。相信在各方的共同努力下，淄博市的旅游业一定能够迎来更加繁荣的明天。

但是，烧烤香料种类繁多，如果我们想在家里“DIY”的话，面对如此纷繁复杂的香料类别，很多烹饪新手在使用香料的时候会感觉无从下手，因此通过人工智能来实现香料的识别可以为我们的生活提供极大的方便。那么，我们基于PaddleX开发一款可以进行常用香料分类的模型，就可以大大提高我们的烹饪效率

数据集介绍

数据来源于本开发者（哈密不是瓜）的公开数据集，其中包括五种香料类型。

       

MobileNetV2简介

MobileNetV2是一个图像分类模型，其是基于深度分离卷积和倒置残差结构的网络，能更好地匹配移动和嵌入式设备。本文档在一个小数据集上展示了如何通过PaddleX进行训练和预测。

1. 安装PaddleX

In [1]

#paddlex 2.0.0 的版本不稳定，所以我们选择使用paddlex 1.3.10的版本 ! pip install "paddlex==1.3.10" -i https://mirror.baidu.com/pypi/simple

   

2. 解压常用香料分类数据集

In [3]

!unzip -oq /home/aistudio/xiangliao.zip

   

3. 模型训练

3.1 配置GPU

In [4]

# 设置使用0号GPU卡（如无GPU，执行此代码后仍然会使用CPU训练模型）import matplotlib
matplotlib.use('Agg') 
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'import paddlex as pdx

   

3.2 定义图像处理流程transforms

定义数据处理流程，其中训练和测试需分别定义，训练过程包括了部分测试过程中不需要的数据增强操作，如在本示例中，训练过程使用了RandomCrop和RandomHorizontalFlip两种数据增强方式，更多图像预处理流程transforms的使用可参见paddlex.cls.transforms。

In [5]

from paddlex.cls import transforms
train_transforms = transforms.Compose([
    transforms.RandomCrop(crop_size=224),
    transforms.RandomHorizontalFlip(),
    transforms.Normalize()
])
eval_transforms = transforms.Compose([
    transforms.ResizeByShort(short_size=256),
    transforms.CenterCrop(crop_size=224),
    transforms.Normalize()
])

   

3.3 定义数据集Dataset

分类使用ImageNet格式的数据集，因此采用pdx.datasets.ImageNet来加载数据集，该接口的介绍可参见文档paddlex.datasets.ImageNet。

In [7]

train_dataset = pdx.datasets.ImageNet(
    data_dir='xiangliao/xiangliao',
    file_list='xiangliao/xiangliao/train_list.txt',
    label_list='xiangliao/xiangliao/labels.txt',
    transforms=train_transforms,
    shuffle=True)
eval_dataset = pdx.datasets.ImageNet(
    data_dir='xiangliao/xiangliao',
    file_list='xiangliao/xiangliao/val_list.txt',
    label_list='xiangliao/xiangliao/labels.txt',
    transforms=eval_transforms)

   

3.4 模型开始训练

使用本数据集在P40上训练。 更多训练模型的参数可参见文档paddlex.cls.MobileNetV2。 模型训练过程每间隔save_interval_epochs轮会保存一次模型在save_dir目录下，同时在保存的过程中也会在验证数据集上计算相关指标，具体相关日志参见文档。

AIStudio使用VisualDL查看训练过程中的指标变化

1. 点击左边菜单图标的『可视化』；
2. 设置logdir，logdir的路径为训练代码中save_dir指定的目录下的vdl_log目录，例如output/mobilenetv2/vdl_log
3. 点击下方『启动VisualDL服务按钮』，再『打开VisualDL』即可

In [8]

num_classes = len(train_dataset.labels)
model = pdx.cls.MobileNetV2(num_classes=num_classes)
model.train(num_epochs=10,
            train_dataset=train_dataset,
            train_batch_size=32,
            eval_dataset=eval_dataset,
            lr_decay_epochs=[4, 6, 8],
            save_interval_epochs=1,
            learning_rate=0.025,
            save_dir='output/mobilenetv2',
            use_vdl=True)

   

4. 模型预测

此处请在AIStudio Notebook页面的右上角菜单，选择重启执行器，以释放显存，重新加载训练好的模型

In [49]

import paddlex as pdximport matplotlib.pyplot as plt
model = pdx.load_model('output/mobilenetv2/best_model')
image_name = 'ziran.jpg'#使用事先准备好的孜然图片进行预测result = model.predict(image_name)print("Predict Result:", result)#根据原始训练配置，最后模型效果在准确率在93%以上

   

5. 彩蛋

除了使用PaddleX全流程工具开发本项目，还可以使用百度EasyDL的文心大模型进行开发，大家快去试试吧！

EasyDL官网：https://ai.baidu.com/easydl/?track=cp:aipinzhuan|pf:pc|pp:EasyDL|pu:title|ci:|kw:10091801

EasyDL相关课程：https://aistudio.baidu.com/aistudio/topic/EasyDL

EasyDL开发流程图

       

模型校验效果图

       

# 淄博  # 旅游接待  # 加载  # 是一个  # 的人  # 过程中  # 哈密  # 图像处理  # 文档  # 工具  # 淄博市  # https  # 人工智能  # 接口  # 文心大模型  # red  # 百度  # ai 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： Base44 AI应用构建器深度评测：Wix 8000万美元收购的秘密  PixianAI抠图如何导出PSD_PixianAI分层导出与PSD保存设置【实操】  重温经典：宝可梦动画中的精彩瞬间与幕后花絮  雷小兔ai智能写作如何生成文案_雷小兔ai智能写作文案生成场景选择【攻略】  LTX Studio：AI电影制作平台深度评测与应用指南  Google AI 在教育领域个性化学习路径的构建  Canva AI终极指南：释放AI力量，设计触手可及  豆包AI怎么查看个人主页_管理账号信息与偏好设置  百度ai助手快捷键怎么关 百度ai助手快捷键取消设置  eGain AI Knowledge Hub：助力 Specialized 成熟运营和卓越 CX  2025最佳AI效率工具：释放生产力，革新业务运营  稿定设计AI抠图怎么修复瑕疵_稿定设计AI瑕疵修复与手动微调【步骤】  OpenAI 播客精选：技术内幕、育儿经与AI未来  扣子AI能否连接企业微信_扣子AI企业微信对接与接口配置【攻略】  Hugging Face Transformers：文本分类的完整指南  Feelin网页版在线入口 Feelin官方网站导航  DeepSeek 辅助进行 Linux 内核参数调优教程  通义千问怎样优化提示词减冗余_通义千问减冗余技巧【方法】  Cred.ai信用卡深度评测：信用提升的秘密武器  tofai官网最新入口地址 tofai网页版免下载  QuickBooks Desktop 到 Online 迁移指南：轻松转移您的公司数据  Canva AI 辅助 KDP 封面设计：轻松创建畅销书笔记本  探索占星术：揭秘 कुंडली 中的 शुक्र，财富与运势的钥匙  播客剪辑软件选择指南：新手到专业，总有一款适合你  AI赋能科研探索：Google Research创新加速科学发现  5分钟搞定求职信：利用AI工具大幅提升求职效率的实操技巧  文心一言辅助进行中文播客脚本起草教程  AI赋能QA：测试管理的未来趋势与实践  都灵裹尸布之谜：AI揭示耶稣基督的真实面貌？  如何用AI一键给视频自动加字幕  批改网ai检测工具如何导出检测报告_批改网ai检测工具报告导出格式【步骤】  AI时代生存指南：掌握软实力，成为不可替代的人  如何用AI帮你制定个人OKR？目标管理从未如此简单  教你用AI将一篇长文自动拆解成社交媒体帖子，实现一文多发  清洁扫地机器人传感器：解决导航和充电难题  7个简单高效的面部肌肉锻炼，改善面部不对称，塑造完美脸型  锂提取AI工具：地热数据分析与机器学习建模深度解析  医疗专家如何利用课程和内容赋能女性对抗癌症  百度AI搜索怎样搜索百科知识_百度AI搜索百科频道与词条跳转【技巧】  Gemini怎么用新功能实时问答_Gemini实时问答使用【步骤】  iPhone 17 Pro Max深度测评：AI驱动的未来手机已来？  AI CRM集成：提升客户关系管理效率的关键  System of a Down：深度剖析《Hypnotize》歌词  智谱清言分析数据怎么用_智谱清言分析数据使用方法详细指南【教程】  数据集中化：提升AI效率，节省企业时间与成本的终极指南  Weavernote：AI驱动的知识管理与高效笔记应用  ChatGPT 4o 辅助学生复习 GRE 词汇的方法  通义千问怎样优化提示词合需求_通义千问需求契合技巧【步骤】  即梦AI怎样生成产品描述_即梦AI产品描述生成与卖点提炼【实操】  播客数据深度分析：揭秘全球听众分布及增长策略 

 2025-07-22