自定义图像分类（CustomImageLabeler）使用指导：用自己的 TFLite 模型分类

• 它能做什么
• 准备工作
• 案例一：用自带模型认鸟
• 案例二：换成自己的模型
• 案例三：实时识别：用自己的模型认东西
• 结果数据说明
• 常见问题
• 完整 .aia 源码与操作指导

« 返回

机器学习套件(ML Kit)组件在在线版和教育版中提供，离线版（含机房版）不包含。

暂未开放：该组件暂未上架组件面板，本页保留供了解（原因与恢复进度见 组件参考）。

它能做什么

自定义图像分类用你自己训练的 TFLite 模型识别图片，可以认具体品类（花的品种、菜名、零件型号……），突破通用模型只有 400 个类别的限制。案例工程自带 Google ML Kit 官方示例里的鸟类分类模型 bird_classifier.tflite（Apache-2.0 许可），能识别数百种鸟。

准备工作

• 模型文件：先把 .tflite 上传为素材，「模型文件」填素材文件名；也可以填设备上的绝对路径。
• 模型要求：TFLite 图像分类模型。带元数据的模型自带类别名；不带元数据的模型（如 Teachable Machine 导出的）要另外设「标签文件」，否则结果只有编号、类别名为空。
• 用 Teachable Machine 训练自己的模型：在 teachablemachine.withgoogle.com 新建「图片项目」→ 每个类别拍几十张样本 → 训练 →「导出模型」选「TensorFlow Lite」→「浮点」→ 下载得到 model_unquant.tflite 和 labels.txt。两个文件都上传为素材，「模型文件」填 model_unquant.tflite，「标签文件」填 labels.txt（行首的「0 」「1 」序号会自动去掉），就能离线识别。
• Teachable Machine 打不开怎么办：这个网站国内需要访问国外网络。只想让 App 认出几类自己的东西，可以改用即教即识：在手机上对着摄像头拍样本直接教，不需要电脑和外网，教好的结果还能保存。几种方案的区别看图像分类方案对比。
• 实时识别：在设计器里放一个垂直布局当「预览容器」，「打开实时摄像头」后左上角显示最可能的类别。
• 联机调试：安卓上用 AI 伴侣调试需要安装 MLKit 版 AI 伴侣（应用宝，包名 cn.fun123.appinventor）；普通版伴侣不含识别引擎，调用时会触发「屏幕.出现错误时」（错误码 4722）。直接打包 APK 安装测试不受影响。
• 安装包体积：只有用到本组件的 App 才会打包它的识别引擎与模型，体积以编译结果为准。
• 鸿蒙：暂不支持：鸿蒙需要 MindSpore 格式的模型，暂不支持 TFLite 模型（含 Teachable Machine 导出的模型），调用会触发「标注失败」。

案例一：用自带模型认鸟

设计器里已把「模型文件」设成 bird_classifier.tflite；选图或拍照即可识别：

procedure 识别(路径) {
  图像_预览.Picture = 路径
  自定义图像分类1.LabelFromFile(路径)
}
when 图像选择器_相册.AfterPicking() { 识别(图像选择器_相册.Selection) }
when 照相机1.AfterPicture(图像位址) { 识别(图像位址) }
when 自定义图像分类1.GotLabels(最佳标签, 最佳置信度, 标签列表, 结果JSON) {
  标签_结果.Text = join("最可能：", 最佳标签, "（", round(最佳置信度 * 100), "%）")
  列表显示框_结果.Elements = 标签列表
}

案例二：换成自己的模型

模型文件可以随时改，改完下次识别时生效；没有高于阈值的结果会触发「未识别出标签」：

when Screen1.Initialize() {
  自定义图像分类1.ModelFile = "bird_classifier.tflite"
  自定义图像分类1.ConfidenceThreshold = 0.3
  自定义图像分类1.MaxResultCount = 5
}
when 自定义图像分类1.NoLabelFound(操作) {
  标签_状态.Text = "没有高于阈值的结果"
}
when 自定义图像分类1.LabelFailed(操作, 错误信息) {
  标签_错误.Text = join(操作, "：", 错误信息)
}

案例三：实时识别：用自己的模型认东西

自己训练的模型（包括 Teachable Machine 导出的）同样可以实时识别：「打开实时摄像头」后左上角显示最可能的类别；「实时获得标签」的参数与「获得标签」相同，类别名来自「标签文件」或模型元数据：

when 按钮_实时.Click() {
  自定义图像分类1.PreviewContainer = 垂直布局_预览
  自定义图像分类1.StartLiveCamera()
}
when 按钮_停止.Click() { 自定义图像分类1.StopLiveCamera() }
when 自定义图像分类1.LiveLabels(最佳标签, 最佳置信度, 标签列表, 结果JSON) {
  标签_状态.Text = choose(最佳标签 == "", "没认出来", join("实时：", 最佳标签, "  ", round(最佳置信度 * 100), "%"))
  列表显示框_结果.Elements = 标签列表
}

结果数据说明

「标签列表」按置信度从高到低；「结果JSON」每项含 label、confidence、index。标签文字来自模型元数据，中文模型直接就是中文。

常见问题

完整 .aia 源码与操作指导

下载 .aia 源码

导入 CustomImageLabelerDemo.aia 后可以直接打包 APK 运行；用 AI 伴侣联机调试请安装 MLKit 版 AI 伴侣。源码文件已通过正式编辑器载入、后台导入和 APK 编译校验；真机识别效果请以实际设备为准。

案例界面与积木源码在仓库 docs/markdown/reference/components/guide/examples/CustomImageLabelerDemo/，SHA-256：fa3e1cad74962606a875a5ed1f7266298f59a997e53316532df8be224c04fdf4。