安卓AI肺炎检测应用TFLite模型输出恒为0.0039问题求解

问题根因 #

• 最核心的错误是输出时多余除以了255：模型推理输出的结果本身就是0~1区间的概率值，额外除以255后最大值仅为1/255≈0.0039，和你观察到的输出特征完全吻合。
• 预处理存在多余重复缩放逻辑，Bitmap先通过Matrix缩放到224x224，后续又通过ImageProcessor再次执行224x224缩放，会引入不必要的像素误差。
• 未显式校验通道顺序与训练环境对齐：Android系统Bitmap默认是ARGB通道排列，而Python训练时通常使用RGB/BGR顺序，通道不匹配会导致预测结果完全错误。

修复步骤 #

1. 修正输出计算逻辑 #

删除stackedModel和aiModel函数中输出概率时多余的/255.0操作，修改后代码如下：

// stackedModel中的输出代码修改为
String pred = String.format("Probability: %s", Float.toString(out[0]));

// aiModel中的输出代码修改为
String pred = String.format("Probability: %s", Float.toString(out[0]));

2. 精简预处理逻辑，去掉重复缩放 #

删除preProcessImage中手动实现的Matrix缩放逻辑，统一使用ImageProcessor完成所有预处理操作，同时显式指定归一化逻辑，修改后代码如下：

// 需提前导入NormalizeOp：import org.tensorflow.lite.support.image.ops.NormalizeOp;
public ByteBuffer preProcessImage(Bitmap imgBitmap){
    // 删掉原有Matrix缩放相关代码
    ImageProcessor imageProcessor = new ImageProcessor.Builder()
                    .add(new ResizeOp(224, 224, ResizeOp.ResizeMethod.BILINEAR))
                    // 用NormalizeOp完成0~255到0~1的归一化，语义更准确
                    .add(new NormalizeOp(0f, 255f))
                    .build();
    TensorImage tensorImage = new TensorImage(DataType.FLOAT32);
    tensorImage.load(imgBitmap);
    tensorImage = imageProcessor.process(tensorImage);
    // 如果训练时用的是BGR通道输入，添加以下代码调整通道顺序
    // 需导入ConvertOp和ColorSpaceType：import org.tensorflow.lite.support.image.ops.ConvertOp; import org.tensorflow.lite.support.image.ColorSpaceType;
    // tensorImage = new ConvertOp(ColorSpaceType.RGB, ColorSpaceType.BGR).apply(tensorImage);
    ByteBuffer imageBuffer = tensorImage.getBuffer();
    return imageBuffer;
}

3. 可选优化 #

删除预处理中对imageView的重复设值逻辑，避免用户看到图片被反复缩放调整的闪烁问题。

内容的提问来源于stack exchange，提问作者ZEUS