08 · 问题与改进清单¶
本篇是
调研报告.md的升级版： - 沿用原有 P0/P1/P2 分级 - 每个问题补充代码定位 + 最小修复 patch + 副作用分析 - 加入 Windows 验证回合后发现的新问题 - 末尾给出修复执行顺序与风险矩阵用途：改 bug 时的工作清单。 前置：建议先读 04 · 主程序与 GUI、05 · 检测模块、06 · 模型与推理。 下一篇：09 · 开发指南
8.0 问题清单速览¶
| 编号 | 严重度 | 标题 | 影响 | 工作量 |
|---|---|---|---|---|
| P0-1 | 🔴 | 模块停止机制失效 | 用户点停止后摄像头仍占用，GUI 状态不同步 | 1h |
| P0-2 | 🔴 | 每帧写入临时文件 | 性能瓶颈 + 双模块文件冲突 | 0.5h |
| P0-3 | 🔴 | 摄像头索引硬编码 | 无外接 USB 摄像头的电脑直接崩 | 0.5h |
| P0-4 | 🔴 NEW | swellcamera 标签对调 | 推理结果可能与训练含义反 | 需向 gxl 确认 |
| P1-1 | 🟡 | 模型类名错误（都叫 AgeClassifier） | 可读性差 | 0.5h |
| P1-2 | 🟡 | 模型接口不统一 | model4 vs model1/2/3 调用方式不一样 | 1h |
| P1-3 | 🟡 | watercamera 字体无 fallback | Linux/macOS 中文显示崩 | 0.5h |
| P1-4 | 🟡 | torch.load 无 weights_only | PyTorch 2.6+ 加载失败 + 安全风险 | 0.5h |
| P1-5 | 🟡 NEW | watercamera 注释与 model 类别顺序不一致 | 阅读时误导 | 5min |
| P2-1 | 🟢 | 裸 except: pass |
调试困难 | 0.5h |
| P2-2 | 🟢 | 无日志系统 | 全用 print() | 1h |
| P2-3 | 🟢 | 模型无延迟加载 | 启动慢 | 1h |
| P2-4 | 🟢 | model*.py 测试代码硬编码 Windows 路径 | 泄漏开发者信息 + 测试不可复用 | 0.2h |
| P2-5 | 🟢 | requirements.txt 大部分被注释 | 新用户不知道装啥 | 0.2h |
| P2-6 | 🟢 | .idea/ 目录被打包 | exe 体积增加 + 泄漏 IDE 信息 | 0.1h |
| P2-7 | 🟢 | tempCodeRunnerFile.py 残留 | 临时文件污染 | 0.1h |
| P2-8 | 🟢 | 无训练代码 | 无法复现训练 | 不可修复（需 gxl 提供） |
| P2-9 | 🟢 NEW | spec 引用不存在的 build.bat | 打包警告 | 0.1h |
| P2-10 | 🟢 NEW | add_hidden_imports.py 命名不符合 hook 规范 | 文件根本没被加载 | 0.1h |
| P2-11 | 🟢 NEW | ModuleManager 的 swell_process/water_process 字段死代码 | 误导阅读 | 0.1h |
| P2-12 | 🟢 NEW | WaterContentClassifier.class_names 字段未被使用 | 死数据 | 0.1h |
| P2-13 | 🟢 NEW | efficientnet_b3_pytorch.pth 文件未被加载 | 多打包 48MB | 0.1h |
| P2-14 | 🟢 NEW | model1/2/3 的 ReLU 被替换为 Identity | 推理与训练不一致 | 需向 gxl 确认 |
预估总工作量：约 7-9 小时（不含 P0-4、P2-14 需要 gxl 确认的部分）
8.1 P0 严重问题¶
🔴 P0-1：模块停止机制失效¶
位置：
- main.py:112-120（stop_swell_module）
- main.py:165-173（stop_water_module）
- swellcamera.py:179-196（主循环不查 event）
- watercamera.py:183-208（主循环不查 event）
Bug 链条：
sequenceDiagram
participant 用户
participant App as CameraDetectionApp
participant MM as ModuleManager
participant SW as swellcamera.main
用户->>App: 点"停止膨胀检测"
App->>MM: stop_swell_module()
MM->>MM: swell_stop_event.set()
MM->>MM: swell_running = False
MM-->>App: return True
App->>App: 按钮文字变"启动膨胀检测"
App->>用户: 弹窗"请按 q 键"
Note over SW: ⚠️ swellcamera 主循环根本不查 swell_stop_event
SW->>SW: while True 继续跑
SW->>SW: 摄像头继续占用
SW->>SW: OpenCV 窗口继续显示根本原因：threading.Event 是双向协议——设置方设了，读取方必须主动 .is_set() 检查才有用。子模块完全没参与这个协议。
最小修复 patch：
# 1. 改 swellcamera.py:160-196 让 main() 接受 stop_event 参数
def main(stop_event=None):
classifier = RealTimeExpansionClassifier()
camera_index = 1
cap = cv2.VideoCapture(camera_index)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
if not cap.isOpened():
print(f"无法打开摄像头，请检查索引{camera_index}是否正确")
return
print("实时膨胀分类系统已启动 (按Q退出)...")
while True:
# ★ 新增：检查停止事件
if stop_event is not None and stop_event.is_set():
print("收到停止信号，退出膨胀检测")
break
ret, frame = cap.read()
if not ret:
break
result = classifier.process_frame(frame)
frame = classifier.display_result(frame, result)
cv2.imshow('Real-time Expansion Detection', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
对 watercamera 做同样修改：watercamera.py:151 的 def main(): → def main(stop_event=None):，循环里加同样的 break 检查。
副作用：无。已有的 q 键退出仍然工作。
🔴 P0-2：每帧写入临时文件¶
位置：
- swellcamera.py:78-80
- watercamera.py:82-83
temp_path = "temp_frame.jpg"
cv2.imwrite(temp_path, frame)
# 然后 classifier.predict(temp_path) 又会 Image.open(temp_path)
两个问题：
1. 性能：30 fps 摄像头 = 每秒 30 次磁盘写 + 30 次磁盘读 + 30 次 delete。固态硬盘还好，机械盘明显卡
2. 文件冲突：两个模块都用 "temp_frame.jpg"，同时运行会互相覆盖
最小修复 patch：
# swellcamera.py:76-111
def process_frame(self, frame):
"""处理单帧图像并返回分类结果（标签已对调）"""
try:
# ★ 内存转换替代磁盘 I/O
frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
pil_image = Image.fromarray(frame_rgb)
# 但 classifier.predict 接受路径，需要改成接受 PIL Image
result = self.classifier.predict_pil(pil_image)
# ... 后续逻辑不变
同时改 model4.py:65-83 加一个 predict_pil 方法：
def predict(self, image_path):
"""原有接口保留"""
img = Image.open(image_path).convert('RGB')
return self.predict_pil(img)
def predict_pil(self, pil_image):
"""新增：直接接受 PIL Image"""
if pil_image.mode != 'RGB':
pil_image = pil_image.convert('RGB')
img_tensor = self.transform(pil_image).unsqueeze(0)
return self._predict(img_tensor)
对 model1/2/3 + watercamera 做对称修改。
副作用：
- API 增量变化（新增方法），向后兼容
- 如果要彻底改造，可以让 predict() 直接接受 Union[str, Image]
🔴 P0-3：摄像头索引硬编码¶
位置：
- swellcamera.py:165 camera_index = 1
- watercamera.py:156 camera_index = 1
影响：
- 笔记本自带摄像头通常是 0，外接 USB 是 1。设 1 是 gxl 的开发环境
- 只有一台摄像头（笔记本默认）的电脑会 cap.isOpened() == False
- 没有外接摄像头的台式机直接崩
最小修复 patch：
# swellcamera.py:160-175
def main(stop_event=None, camera_index=None):
classifier = RealTimeExpansionClassifier()
# ★ 智能 fallback：先试参数，再试 0，再试 1
candidate_indices = [camera_index] if camera_index is not None else [0, 1, 2]
cap = None
for idx in candidate_indices:
if idx is None:
continue
cap_try = cv2.VideoCapture(idx)
if cap_try.isOpened():
cap = cap_try
actual_index = idx
print(f"已打开摄像头索引 {idx}")
break
cap_try.release()
if cap is None or not cap.isOpened():
print(f"无法打开任何摄像头（试过 {candidate_indices}）")
return
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
# ... 后续不变
副作用：增加启动时间（最坏情况扫 3 个索引），但仅一次。
更完善的方案：在 GUI 加摄像头选择下拉框，让用户主动选——但这就是 P2 优化了。
🔴 P0-4 (NEW)：swellcamera 标签对调¶
位置：swellcamera.py:48-53
问题：model4 实际输出"膨胀"时，会被强制改成"不膨胀"再显示。
可能的成因（推测）： 1. 训练时数据标签错位（"膨胀"目录被打成 label=0 但应该是 label=1） 2. gxl 推理验证时发现结果"看起来反了"，懒得重训，加 mapping 修正
风险： - 如果 gxl 当时真的搞反了标签，这个 mapping 是必要的 hack，删了会让结果变反 - 如果 gxl 误以为搞反了（其实没反），那 mapping 才是 bug，删了反而对
必须做的事：向 gxl 当面确认。具体问法：
「水气模型 model4 的训练标签里，'膨胀'这个类对应的是 label=0 还是 label=1？数据集里 '膨胀结束/' 这个目录下的图片，标签是 0 还是 1？」
「swellcamera.py 第 48-53 行的 label_mapping，是因为模型输出反了所以加了 hack，还是别的原因？」
临时建议：在修复之前保留 label_mapping——它至少让 gxl 验证时的指标对得上。
8.2 P1 中等问题¶
🟡 P1-1：模型类名都叫 AgeClassifier¶
位置：model1.py:18 / model2.py:19 / model3.py:18 / model4.py:18
问题：明显是从某个年龄分类项目复制改来的，没改类名。
修复：
# model1.py / model2.py / model3.py
class WaterContentBinaryClassifier: # 或 WaterModel{N}
...
# model4.py
class ExpansionClassifier:
...
副作用：
- 需要同步改 swellcamera.py:24 的 import alias
- watercamera.py:40 的 model_module.AgeClassifier() 也要改
- utils/model_loader.py 可能需要返回类而不是模块
工作量：0.5h，但需小心改 import 链。
🟡 P1-2：predict() 接口不统一¶
位置：见 06 · 模型与推理 § 6.5。
目标：统一所有 predict() 都返回相同结构：
@dataclass
class PredictionResult:
pred_label: str # 预测类别名
confidence: float # 主类置信度
probabilities: dict[str, float] # 各类别概率
或返回 dict：
修复：把 model1/2/3 改成与 model4 一样的 dict 返回。watercamera 调用方相应改造。
副作用：所有调用方都要改。这是与 P1-1 一起改最划算（反正都要动）。
🟡 P1-3：watercamera 字体无 fallback¶
位置：watercamera.py:113
问题：相对路径，依赖工作目录有 simhei.ttf。
修复：模仿 swellcamera 的字体搜索：
def _get_font_path():
candidates = [
get_resource_path(os.path.join("fonts", "simhei.ttf")),
"C:/Windows/Fonts/simhei.ttf",
"C:/Windows/Fonts/msyh.ttc",
"/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc",
"/System/Library/Fonts/PingFang.ttc", # macOS
]
for c in candidates:
if c and os.path.exists(c):
return c
return None
# 在 display_result 里：
font_path = _get_font_path()
if font_path:
font = ImageFont.truetype(font_path, 32)
else:
font = ImageFont.load_default()
🟡 P1-4：torch.load 无 weights_only¶
位置：所有 4 个 model*.py 的 torch.load 调用：
- model1.py:40
- model2.py:41
- model3.py:40
- model4.py:52
问题：
1. PyTorch ≥2.6 默认 weights_only=True，但旧 .pth 文件可能包含非张量数据（如 Optimizer state），会报错
2. weights_only=False 模式下，torch.load 走 pickle 反序列化，理论上可以执行任意代码——如果 .pth 来自不可信源就有 RCE 风险
修复：
# 改成显式声明（旧 PyTorch 也兼容）
model.load_state_dict(torch.load(
model_weight_path,
map_location=self.device,
weights_only=True # 强制只加载权重
))
如果 weights_only=True 加载失败（说明 .pth 里有非权重数据），就 fallback：
try:
state = torch.load(path, map_location=device, weights_only=True)
except (RuntimeError, AttributeError):
# 旧 .pth 可能含 Optimizer state，回退
state = torch.load(path, map_location=device, weights_only=False)
model.load_state_dict(state)
🟡 P1-5 (NEW)：watercamera 注释与 model 类别顺序不一致¶
位置：watercamera.py:14-18 与 model{1,2,3}.py:23
| 注释（watercamera） | 实际（model.class_names） |
|---|---|
| Model1 (30-35 vs 35-40) | ["35-40", "30-35"] |
| Model2 (35-40 vs 40-45) | ["40-45", "35-40"] |
| Model3 (30-35 vs 40-45) | ["40-45", "30-35"] |
影响：不影响运行（投票走 dict 键名），但阅读时让人困惑。
修复：要么改注释，要么改 model.class_names 的顺序（前者更省事）。
# watercamera.py:14-18
self.model_weights = {
'1': 0.91, # Model1 (35-40 vs 30-35)
'2': 0.95, # Model2 (40-45 vs 35-40)
'3': 0.90 # Model3 (40-45 vs 30-35)
}
8.3 P2 轻微问题¶
🟢 P2-1：裸 except: pass¶
位置：main.py:800 （exit_app 末尾）
修复：改成具体异常：
🟢 P2-2：无日志系统¶
位置：全局，所有 print() 调用。
修复：引入 logging：
# 在 main.py 顶部
import logging
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s [%(name)s] %(levelname)s: %(message)s',
handlers=[
logging.StreamHandler(),
logging.FileHandler('monitor.log', encoding='utf-8')
]
)
logger = logging.getLogger(__name__)
# 然后把所有 print() 改成 logger.info() / .error()
🟢 P2-3：模型无延迟加载¶
问题：主程序启动时不会加载模型，只在用户点"启动检测"按钮时才加载。首次点击会卡 3 秒（CPU）。
轻度优化：在主程序启动后异步预热模型（loading 一次）：
# main.py:CameraDetectionApp.__init__ 末尾
threading.Thread(target=self._preload_models, daemon=True).start()
def _preload_models(self):
"""后台预加载模型，避免首次点击的延迟"""
try:
from models.model4 import AgeClassifier
_ = AgeClassifier('models/best_model4.pth')
# 加载 model1/2/3 同理
except Exception as e:
logger.warning(f"模型预热失败: {e}")
🟢 P2-4：测试代码硬编码 Windows 路径¶
位置：model1.py:90 / model2.py:99 / model3.py:90 / model4.py:109
# model4.py:108-117
classifier = AgeClassifier(
model_path=r"C:\Users\lenovo\Desktop\ovo策略尝试\models\best_model4.pth"
)
问题：
- 路径不存在，无法运行
- 泄漏开发者本地路径（C:\Users\lenovo 暗示 gxl 用的联想电脑、E:\圆盘干燥机智能化运行图片 透露原始数据集命名）
修复：改用 argparse 或环境变量：
if __name__ == '__main__':
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--image', required=True, help='输入图片路径')
parser.add_argument('--model', default='models/best_model4.pth')
args = parser.parse_args()
classifier = AgeClassifier(args.model)
result = classifier.predict(args.image)
print(result)
🟢 P2-5：requirements.txt 大部分被注释¶
位置：requirements.txt:14-21
问题：让新用户以为这些是可选的，实际是必需的。
修复：取消注释 + 补全所有真实依赖（详见 02 · 环境与运行 § 2.2）。
🟢 P2-6：.idea/ 被打包¶
修复：
1. 加 .gitignore：
- 删除现有
.idea/：
- 在
CameraMonitorSystem.spec的 glob 部分加过滤：
for f in glob.glob('models/**/*', recursive=True):
if os.path.isfile(f) and '.idea' not in f and '__pycache__' not in f:
datas.append((f, ...))
🟢 P2-7：tempCodeRunnerFile.py 残留¶
位置：models/tempCodeRunnerFile.py（64 字节）
修复：直接删除并加进 .gitignore。这是 VS Code 用"Run Selection"时生成的临时文件。
🟢 P2-8：无训练代码¶
问题：仓库只有推理，无法复现训练。
修复：不可修复，只能找 gxl 要训练脚本（09 · 开发指南 § 9.2 提供了不重训也能换模型的方案）。
🟢 P2-9 (NEW)：spec 引用不存在的 build.bat¶
位置：CameraMonitorSystem.spec:26
影响：打包时 PyInstaller 警告找不到该文件，但不会致命。
修复：要么删掉这一行，要么补建 build.bat：
@echo off
echo Building CameraMonitorSystem...
pyinstaller --clean CameraMonitorSystem.spec
echo Done. Output in dist/CameraMonitorSystem/
pause
🟢 P2-10 (NEW)：add_hidden_imports.py 命名不符合 hook 规范¶
位置：add_hidden_imports.py
问题：PyInstaller 只自动加载命名为 hook-*.py 的文件，本文件名为 add_hidden_imports.py，实际上没被加载。
修复：要么重命名为 hook-pywin32.py，要么把内容并入 spec：
# CameraMonitorSystem.spec 顶部
from PyInstaller.utils.hooks import collect_submodules
hiddenimports = (
collect_submodules('pywintypes')
+ collect_submodules('win32api')
+ collect_submodules('win32ctypes')
+ [...] # 现有 hiddenimports
)
🟢 P2-11 (NEW)：ModuleManager 死字段¶
位置：main.py:60-61
问题：通篇没有再用到这两个字段。
修复：删除即可，或加注释说明"曾打算用 subprocess，后改 threading"。
🟢 P2-12 (NEW)：WaterContentClassifier.class_names 死字段¶
位置：watercamera.py:20-24
问题：只赋值不读取，L52-57 唯一一处使用 self.class_names[model_id] 是写进 all_probs 用作调试输出。可以保留也可以删。
🟢 P2-13 (NEW)：efficientnet_b3_pytorch.pth 文件未被加载¶
位置：models/efficientnet_b3_pytorch.pth（48 MB）
问题：代码用 EfficientNet.from_name(...) 而非 from_pretrained，这个备份权重从未被加载，但被打包进 exe 多占 48 MB。
修复：直接删除文件，或在 spec 里过滤：
for f in glob.glob('models/**/*', recursive=True):
if os.path.isfile(f) and 'efficientnet_b3_pytorch' not in f:
datas.append((f, ...))
🟢 P2-14 (NEW)：model1/2/3 的 ReLU 被替换为 Identity¶
位置：model1.py:31-38 等
问题：分类头中本应是 ReLU 的位置（_fc.2）被替换为 Identity()：
nn.Identity(), # _fc.0 占位（原为 Dropout）
nn.Linear(num_features, 256), # _fc.1
nn.Identity(), # _fc.2 占位（原为 ReLU？） ← 这里
nn.BatchNorm1d(256), # _fc.3
nn.Identity(), # _fc.4 占位（原为 Dropout）
nn.Linear(256, 1) # _fc.5
影响： - 推理时少了一次非线性激活 - 训练时如果用了 ReLU，那现在的推理结果不与训练时严格一致 - 但 BatchNorm 之后激活幅度不大，差异可能很小
修复：需向 gxl 确认训练时 _fc.2 是什么层。如果确实是 ReLU，则改为：
nn.Identity(),
nn.Linear(num_features, 256),
nn.ReLU(), # 恢复
nn.BatchNorm1d(256),
nn.Identity(),
nn.Linear(256, 1)
8.4 风险优先级矩阵¶
quadrantChart
title 风险矩阵（影响 × 工作量）
x-axis "工作量小" --> "工作量大"
y-axis "影响小" --> "影响大"
quadrant-1 重要紧急（先做）
quadrant-2 长期投入
quadrant-3 可忽略
quadrant-4 顺手做
"P0-1 停止机制": [0.4, 0.95]
"P0-2 临时文件": [0.2, 0.85]
"P0-3 摄像头索引": [0.2, 0.9]
"P0-4 标签对调": [0.1, 0.7]
"P1-1 类名混乱": [0.3, 0.5]
"P1-2 接口不统一": [0.5, 0.5]
"P1-3 字体fallback": [0.2, 0.4]
"P1-4 weights_only": [0.2, 0.45]
"P1-5 注释错位": [0.05, 0.15]
"P2-1 except pass": [0.2, 0.2]
"P2-2 日志系统": [0.5, 0.3]
"P2-3 延迟加载": [0.4, 0.25]
"P2-4 测试路径": [0.1, 0.2]
"P2-5 requirements": [0.1, 0.2]
"P2-6 idea清理": [0.05, 0.1]
"P2-7 临时文件": [0.05, 0.05]
"P2-13 48MB备份": [0.05, 0.15]8.5 推荐修复执行顺序¶
第一阶段：让结题时能演示（必做，~3h）¶
- P0-3 摄像头索引可配置（30 min）← 演示时拿到任何电脑都能跑
- P2-5 修 requirements.txt（10 min）← 让老师能
pip install -r复现环境 - P0-1 修停止机制（1h）← 演示时点停止能真的停
- P0-2 消除临时文件（30 min）← 解决双模块冲突
- P2-6/P2-7 清理 .idea/ 和 tempCodeRunnerFile.py（10 min）← 仓库面貌
- P1-3 watercamera 字体 fallback（30 min）← 跨平台兼容
第二阶段：让代码可读（可选，~2h）¶
- P1-1 + P1-2 类名 + 接口统一（一起改，1.5h）
- P1-5 修注释（5 min）
- P2-11/P2-12 删死代码（10 min）
第三阶段：长期改进（不影响结题）¶
- P0-4 + P2-14：向 gxl 确认标签对调与 ReLU 替换的真实原因
- P1-4 weights_only：升级 PyTorch 时再改
- P2-2 logging 系统：从 print 迁移
- P2-3 延迟加载：优化启动速度
不要做的事¶
- 不要在结题前重训模型（来不及，也无必要——gxl 的模型够用）
- 不要大重构（如把 model1/2/3 合并、把 ModuleManager 改成 subprocess）——会引入新 bug
- 不要改动模型权重文件（.pth 是黑盒）
8.6 修复前/后对比示例：P0-1¶
当前行为：
修复后行为：
用户点"停止膨胀检测"
├─ GUI 按钮变"启动膨胀检测"
├─ swell_stop_event.set()
├─ swellcamera.main() 主循环检测到 → break
├─ cap.release() + destroyAllWindows()
└─ OpenCV 窗口关闭 ← 真的停了
弹窗"请按 q 键" 这句话也可以从 main.py:649 删掉（或改成"已停止"）。