Flutter开发的目标检测App无法正确显示物体名称如何修复

问题根因排查及修复步骤 #

• 第一步：修正标签文件格式
  Google Teachable Machine默认导出的labels.txt文件每条标签前会自带数字序号、空格，还会保留平台默认的未被你删除的类别（比如你没删掉默认的「树」类别），这是最常见的识别结果完全错误的原因。
  操作方法：
  1. 打开assets/labels.txt，删除每条标签前的序号和空格，仅保留你自定义的类别名称
  2. 删除所有你训练时没有用到的默认类别（比如你只训练了笔记本、手机两类，就删掉其余所有行）
  3. 确认pubspec.yaml中已经正确声明了该标签文件的assets路径
• 第二步：调整推理配置参数
  你当前的参数配置存在两处不合理：
  1. 置信度阈值设置过低：你当前threshold: 0.1，会把置信度仅10%以上的错误结果也输出，修改为threshold: 0.5，过滤低置信度的错误结果
  2. 图像旋转参数固定：你当前rotation: 90是硬编码，不同设备的摄像头传感器方向不同，输入图像方向错误会导致模型完全无法正确识别，可以依次尝试0/90/180/270四个值，找到适配你设备的旋转角度
     修改后的推理参数示例：

  var recognitions = await Tflite.runModelOnFrame(
    bytesList:  imgCamera!.planes.map((plane)
    {
      return plane.bytes;
    }).toList(),
    imageHeight: imgCamera!.height,
    imageWidth: imgCamera!.width,
    imageMean: 127.5,
    imageStd: 127.5,
    rotation: 90, // 替换为适配你设备的数值
    numResults: 2,
    threshold: 0.5, // 调整阈值
    asynch:true,
  );
  

• 第三步：修复状态更新代码
  你当前的状态更新写法不规范，可能导致结果不刷新：
  原代码：

  setState(() {
    result;
  });
  

  修改为：

  setState(() {
    this.result = result;
  });
  

• 第四步：核对训练数据集质量
  如果以上操作都完成后还是识别错误，检查训练数据集：
  1. 每类样本量是否不低于100张，覆盖不同光线、角度、背景的拍摄场景
  2. 训练时是否完成了足够的迭代轮次，没有出现欠拟合
  3. 导出模型时选择的是TensorFlow Lite的浮点数模型，和你代码里的预处理参数匹配

内容的提问来源于stack exchange，提问作者vj_15