简介本资源为基于深度学习的农作物病虫害识别项目完整资料包面向计算机相关专业正在做大作业、毕业设计的学生以及需要项目实战练习的学习者难度适中可帮助读者快速搭建一套可运行的智能识别系统并完成论文撰写。包内共281个文件涵盖14个Python源码文件、8个Vue前端文件、7个JavaScript脚本以及107个txt说明、83张jpg与34张png图像样本、6份pdf与3份docx论文文档另附caj参考文献与ppt演示文稿压缩包约522.68MB目录结构清晰便于按模块检索。项目源码均经本地编译调试确保可运行并配有论文资料与图表素材读者可据此理解数据预处理、模型训练、界面展示与结果分析的完整链路。目前已有187人学习下载适合需要完整项目方案与论文参考的学习者使用。1. 农作物病虫害识别从一张叶片照片到可复现的深度学习项目田里发现叶片上出现褐色斑点拍照上传几秒后返回结果早疫病置信度 0.93。这个场景背后是一套完整的深度学习流水线——数据采集与标注、图像预处理与增强、CNN 模型选型与训练、推理部署与效果验证。很多做人工智能大作业或者入门深度学习的朋友第一反应是找现成源码跑通但真正卡住人的往往不是模型本身而是数据怎么组织、增强参数怎么设、训练不收敛怎么排查。这个方向适合有 Python 基础、想用真实场景练手深度学习完整流程的人也适合需要交课程设计或毕业设计的同学。下面按实际落地顺序把农作物病虫害识别项目从环境搭建到模型调优的路径拆开讲。2. 数据准备与增强病虫害图像集的清洗、划分与增强策略2.1 病虫害数据集的常见来源与目录结构农作物病虫害识别项目最耗时的环节不是写模型而是把数据整理成模型能吃的格式。常见做法是从公开农业图像库或自己田间采集获取原始图片按病害类别分文件夹存放。典型的数据集目录长这样dataset/ ├── train/ │ ├── 早疫病/ │ ├── 晚疫病/ │ ├── 健康/ │ └── 叶霉病/ ├── val/ │ ├── 早疫病/ │ ├── 晚疫病/ │ ├── 健康/ │ └── 叶霉病/ └── test/ ├── 早疫病/ ├── 晚疫病/ ├── 健康/ └── 叶霉病/每个类别文件夹下放对应图片文件名不要求统一但格式建议统一为 JPG 或 PNG。划分比例一般按 7:2:1 或 8:1:1类别不均衡时要在训练集里做重采样或加权。这里有个容易翻车的点如果同一片叶子的多张照片被分到训练集和验证集验证准确率会虚高实际部署时效果断崖式下跌。正确做法是按“植株”或“拍摄批次”划分而不是按图片随机划分。2.2 用 PyTorch 搭建带增强的训练数据管道数据增强是防止过拟合最直接的手段。病虫害图像的特点是背景复杂、光照多变、叶片角度不固定所以增强策略要覆盖几何变换和颜色变换。下面是一段可直接复用的 PyTorch 数据管道代码import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms # 训练集增强几何变换 颜色抖动 随机遮挡 train_transform transforms.Compose([ transforms.Resize((256, 256)), # 统一尺寸便于批量训练 transforms.RandomResizedCrop(224, scale(0.7, 1.0)), # 随机裁剪缩放 transforms.RandomHorizontalFlip(p0.5), # 水平翻转 transforms.RandomVerticalFlip(p0.3), # 垂直翻转叶片方向不固定 transforms.RandomRotation(30), # 随机旋转 ±30 度 transforms.ColorJitter(brightness0.3, contrast0.3, saturation0.2, hue0.05), # 模拟不同光照 transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) # ImageNet 统计值 ]) # 验证集和测试集只做尺寸统一和归一化不做随机增强 val_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(dataset/train, transformtrain_transform) val_dataset datasets.ImageFolder(dataset/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers4, pin_memoryTrue)这段代码的关键参数说明RandomResizedCrop的scale(0.7, 1.0)表示随机裁剪面积占原图的 70% 到 100%模拟叶片在画面中占比不同的情况RandomRotation(30)是因为田间拍摄角度不固定ColorJitter的四个参数分别控制亮度、对比度、饱和度和色调的扰动幅度病虫害识别中亮度和对比度影响最大建议不低于 0.2。Normalize用的 ImageNet 统计值是迁移学习场景的标准做法如果从零训练可以换成自己数据集的均值和方差。注意增强只作用于训练集验证集和测试集必须用确定性变换否则每次验证结果都在变无法判断模型是否真的在进步。2.3 类别不均衡的处理与数据量估算病虫害数据天然不均衡——健康叶片多某些罕见病害少。如果直接训练模型会偏向多数类。常见做法有三种对少数类做随机过采样、对多数类做欠采样、在损失函数里加类别权重。我一般优先用损失加权因为不改变数据分布from collections import Counter import torch # 统计训练集各类别样本数 class_counts Counter(train_dataset.targets) num_classes len(class_counts) total sum(class_counts.values()) # 按样本数倒数计算权重样本越少权重越高 weights [total / (num_classes * class_counts[i]) for i in range(num_classes)] class_weights torch.FloatTensor(weights) # 在 CrossEntropyLoss 中传入权重 criterion torch.nn.CrossEntropyLoss(weightclass_weights)数据量方面每个类别至少 200 张有效图片才能让 CNN 学到稳定特征低于这个数建议用迁移学习加冻结底层。如果自己采集注意同一植株、同一时间段拍的照片不要跨训练集和验证集否则验证指标会骗人。3. CNN 模型选型与训练从 ResNet 迁移学习到训练曲线排查3.1 为什么病虫害识别优先选迁移学习而不是从零训练农作物病虫害图像和 ImageNet 的自然图像在底层特征上有大量重叠——边缘、纹理、颜色斑块这些特征在卷积层的前几层是通用的。从零训练一个 CNN 需要几十万张标注图片和大量算力而迁移学习用 ImageNet 预训练权重做初始化通常几百到几千张图就能达到可用精度。常见做法是冻结骨干网络的前几层只训练后面的分类层等损失下降稳定后再解冻全部层做微调。选型上ResNet50 是性价比最高的起点深度足够提取复杂纹理参数量约 2500 万单张 224×224 图片在普通 GPU 上推理时间约 10 毫秒。如果部署在边缘设备上可以换 MobileNetV3 或 EfficientNet-B0精度损失通常在 2 到 5 个百分点但模型体积缩小到十分之一。不建议一上来就用 ViT病虫害数据集规模通常不够 Transformer 吃饱容易过拟合。3.2 用 ResNet50 做迁移学习的完整训练脚本下面这段代码可以直接跑通一个迁移学习训练流程包含冻结策略、学习率设置和训练循环import torch import torch.nn as nn import torch.optim as optim from torchvision import models from tqdm import tqdm device torch.device(cuda if torch.cuda.is_available() else cpu) # 加载预训练 ResNet50替换最后的全连接层 model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V2) num_features model.fc.in_features model.fc nn.Linear(num_features, num_classes) # num_classes 为病害类别数 model model.to(device) # 第一阶段冻结骨干只训练分类头 for param in model.parameters(): param.requires_grad False for param in model.fc.parameters(): param.requires_grad True criterion nn.CrossEntropyLoss(weightclass_weights.to(device)) optimizer optim.Adam(model.fc.parameters(), lr1e-3) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10) def train_one_epoch(model, loader, criterion, optimizer, device): model.train() running_loss, correct, total 0.0, 0, 0 for images, labels in tqdm(loader): images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, predicted outputs.max(1) correct predicted.eq(labels).sum().item() total labels.size(0) return running_loss / total, correct / total # 第一阶段训练 10 个 epoch for epoch in range(10): train_loss, train_acc train_one_epoch(model, train_loader, criterion, optimizer, device) scheduler.step() print(fEpoch {epoch1}, Loss: {train_loss:.4f}, Acc: {train_acc:.4f}) # 第二阶段解冻全部层用更小的学习率微调 for param in model.parameters(): param.requires_grad True optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max20) for epoch in range(20): train_loss, train_acc train_one_epoch(model, train_loader, criterion, optimizer, device) scheduler.step() print(fFine-tune Epoch {epoch1}, Loss: {train_loss:.4f}, Acc: {train_acc:.4f})关键参数说明第一阶段学习率设 1e-3因为只训练随机初始化的分类头需要较大步长第二阶段解冻后学习率降到 1e-4避免破坏预训练权重。CosineAnnealingLR的T_max设为对应阶段的 epoch 数让学习率从初始值余弦下降到接近零。batch size 32 是 8GB 显存下的安全值显存更大可以提到 64 并同步调大学习率。3.3 训练不收敛时的排查顺序训练曲线是判断模型状态的第一手信息。按以下顺序排查现象可能原因处理方式训练损失不下降学习率过大或过小尝试 1e-2、1e-3、1e-4 三档对比训练损失下降但验证损失上升过拟合加强增强、加 Dropout、早停训练和验证都高损失欠拟合或数据标签错乱检查标签映射、增加模型容量损失震荡剧烈batch size 太小或学习率过高增大 batch 或降低学习率某类准确率始终为 0该类样本太少或标注错误检查该类图片和标签我一般会在训练脚本里加一段验证代码每个 epoch 结束后打印验证集准确率和混淆矩阵这样能直观看到模型在哪些类别上混淆。病虫害识别中早疫病和晚疫病在早期症状上非常相似混淆矩阵里这两类互相误判是常见现象需要通过更细粒度的数据增强或引入注意力机制来缓解。4. 避坑与排查病虫害识别项目里最容易翻车的五个地方4.1 验证集准确率 99% 但实际拍照识别全错现象训练完模型在验证集上准确率很高但拿手机拍一张田间叶片照片识别结果完全不对。原因验证集图片和训练集来自同一批采集数据光照、背景、拍摄角度高度相似模型学到了背景特征而不是病害特征。另外手机拍照的色温、分辨率、构图和数据集差异大分布偏移导致模型失效。解决划分数据集时按拍摄批次或地块划分确保验证集和训练集有不同的采集条件。部署前用手机在真实田间拍一批测试图单独评估。如果差异大在训练增强里加入更激进的亮度和对比度扰动或者用风格迁移做域适应。4.2 图片尺寸不统一导致 DataLoader 报错现象RuntimeError: stack expects each tensor to be equal size。原因transforms.Resize只写了目标尺寸但没写插值方式或者部分图片是灰度图、RGBA 四通道图和 RGB 三通道不一致。解决在Resize后加transforms.Lambda(lambda x: x.convert(RGB))强制转三通道。如果图片长宽比差异大用Resize加CenterCrop组合不要只做Resize导致形变。4.3 类别标签映射错乱导致训练完全无效现象训练损失一直在 2.3 左右ln(类别数)准确率等于随机猜。原因ImageFolder按文件夹名称字母顺序生成标签如果文件夹命名有中文、数字、特殊符号排序结果可能和预期不一致。另外自己写 Dataset 时标签和图片对应关系写反。解决打印train_dataset.class_to_idx确认映射关系用train_dataset.classes查看类别顺序。自己写 Dataset 时在__getitem__里加断言检查标签范围。4.4 显存溢出但不知道哪里占用了现象CUDA out of memory但模型明明不大。原因验证时没有加torch.no_grad()导致计算图一直累积或者 DataLoader 的num_workers设太大每个 worker 都复制了一份数据到显存。解决验证和推理代码必须包在with torch.no_grad():里。num_workers一般设为 CPU 核心数的一半不要超过 8。如果还溢出减小 batch size 或用梯度累积模拟大 batch。4.5 模型保存后加载报错缺 key现象RuntimeError: Error(s) in loading state_dict for ResNet: Missing key(s)。原因保存时用了torch.save(model, path)保存整个模型对象加载时环境里的类定义和保存时不一致或者保存的是model.state_dict()但加载时用了model.load_state_dict()却没设strictFalse。解决统一用torch.save(model.state_dict(), path)保存权重加载时先实例化同结构模型再load_state_dict。如果改了分类头加载时加strictFalse跳过不匹配的 key。5. 推理部署与效果验证把模型变成能用的识别工具5.1 单张图片推理脚本与置信度阈值设置训练完的模型要能对外提供服务最简方式是一个推理脚本。下面这段代码加载保存的权重对单张图片输出类别和置信度import torch from torchvision import transforms from PIL import Image def predict(image_path, model, class_names, device): model.eval() transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) tensor transform(image).unsqueeze(0).to(device) with torch.no_grad(): outputs model(tensor) probs torch.softmax(outputs, dim1) conf, pred probs.max(1) return class_names[pred.item()], conf.item() # 使用示例 class_names [早疫病, 晚疫病, 健康, 叶霉病] label, confidence predict(test_leaf.jpg, model, class_names, device) print(f识别结果{label}置信度{confidence:.3f})置信度阈值建议设 0.7低于 0.7 时返回“不确定建议人工复核”而不是强行给一个类别。病虫害识别场景下误判可能导致用药错误宁可让用户多拍一张也不要给低置信度的确定答案。5.2 用混淆矩阵和分类报告验证模型真实能力准确率一个数字不够要看每个类别的表现。用 sklearn 输出分类报告from sklearn.metrics import classification_report, confusion_matrix import numpy as np model.eval() all_preds, all_labels [], [] with torch.no_grad(): for images, labels in val_loader: images images.to(device) outputs model(images) _, preds outputs.max(1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) print(classification_report(all_labels, all_preds, target_namesclass_names)) print(confusion_matrix(all_labels, all_preds))重点看三个指标召回率低的类别说明漏检多精确率低的类别说明误报多F1 综合两者。病虫害识别中病害类别的召回率比精确率更重要——漏掉一个病害可能导致整片田受害而误报只是多打一次药。如果某个病害召回率低于 0.8优先补充该类训练数据或调整类别权重。5.3 一个我反复用的技巧用测试时增强提升推理稳定性单张图片推理受拍摄角度和光照影响大同一个叶片换个角度可能结果不同。测试时增强TTA对同一张图做多次变换后取平均能显著提升稳定性def predict_tta(image_path, model, class_names, device, n_aug5): model.eval() base_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) probs_sum torch.zeros(len(class_names)).to(device) with torch.no_grad(): for _ in range(n_aug): # 每次随机裁剪不同区域 aug transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) tensor aug(image).unsqueeze(0).to(device) outputs model(tensor) probs_sum torch.softmax(outputs, dim1).squeeze() avg_probs probs_sum / n_aug conf, pred avg_probs.max(0) return class_names[pred.item()], conf.item()TTA 的代价是推理时间乘以增强次数n_aug 设 5 到 10 之间比较平衡。我自己的习惯是如果单次推理置信度在 0.6 到 0.8 之间自动触发 TTA 重新判断这样既保证速度又提升边界样本的准确率。这个技巧在田间实拍场景下比调模型结构更立竿见影希望帮到你。本文还有配套的精品资源点击获取
基于深度学习的农作物病虫害识别：从数据增强到迁移学习实战
简介本资源为基于深度学习的农作物病虫害识别项目完整资料包面向计算机相关专业正在做大作业、毕业设计的学生以及需要项目实战练习的学习者难度适中可帮助读者快速搭建一套可运行的智能识别系统并完成论文撰写。包内共281个文件涵盖14个Python源码文件、8个Vue前端文件、7个JavaScript脚本以及107个txt说明、83张jpg与34张png图像样本、6份pdf与3份docx论文文档另附caj参考文献与ppt演示文稿压缩包约522.68MB目录结构清晰便于按模块检索。项目源码均经本地编译调试确保可运行并配有论文资料与图表素材读者可据此理解数据预处理、模型训练、界面展示与结果分析的完整链路。目前已有187人学习下载适合需要完整项目方案与论文参考的学习者使用。1. 农作物病虫害识别从一张叶片照片到可复现的深度学习项目田里发现叶片上出现褐色斑点拍照上传几秒后返回结果早疫病置信度 0.93。这个场景背后是一套完整的深度学习流水线——数据采集与标注、图像预处理与增强、CNN 模型选型与训练、推理部署与效果验证。很多做人工智能大作业或者入门深度学习的朋友第一反应是找现成源码跑通但真正卡住人的往往不是模型本身而是数据怎么组织、增强参数怎么设、训练不收敛怎么排查。这个方向适合有 Python 基础、想用真实场景练手深度学习完整流程的人也适合需要交课程设计或毕业设计的同学。下面按实际落地顺序把农作物病虫害识别项目从环境搭建到模型调优的路径拆开讲。2. 数据准备与增强病虫害图像集的清洗、划分与增强策略2.1 病虫害数据集的常见来源与目录结构农作物病虫害识别项目最耗时的环节不是写模型而是把数据整理成模型能吃的格式。常见做法是从公开农业图像库或自己田间采集获取原始图片按病害类别分文件夹存放。典型的数据集目录长这样dataset/ ├── train/ │ ├── 早疫病/ │ ├── 晚疫病/ │ ├── 健康/ │ └── 叶霉病/ ├── val/ │ ├── 早疫病/ │ ├── 晚疫病/ │ ├── 健康/ │ └── 叶霉病/ └── test/ ├── 早疫病/ ├── 晚疫病/ ├── 健康/ └── 叶霉病/每个类别文件夹下放对应图片文件名不要求统一但格式建议统一为 JPG 或 PNG。划分比例一般按 7:2:1 或 8:1:1类别不均衡时要在训练集里做重采样或加权。这里有个容易翻车的点如果同一片叶子的多张照片被分到训练集和验证集验证准确率会虚高实际部署时效果断崖式下跌。正确做法是按“植株”或“拍摄批次”划分而不是按图片随机划分。2.2 用 PyTorch 搭建带增强的训练数据管道数据增强是防止过拟合最直接的手段。病虫害图像的特点是背景复杂、光照多变、叶片角度不固定所以增强策略要覆盖几何变换和颜色变换。下面是一段可直接复用的 PyTorch 数据管道代码import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms # 训练集增强几何变换 颜色抖动 随机遮挡 train_transform transforms.Compose([ transforms.Resize((256, 256)), # 统一尺寸便于批量训练 transforms.RandomResizedCrop(224, scale(0.7, 1.0)), # 随机裁剪缩放 transforms.RandomHorizontalFlip(p0.5), # 水平翻转 transforms.RandomVerticalFlip(p0.3), # 垂直翻转叶片方向不固定 transforms.RandomRotation(30), # 随机旋转 ±30 度 transforms.ColorJitter(brightness0.3, contrast0.3, saturation0.2, hue0.05), # 模拟不同光照 transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) # ImageNet 统计值 ]) # 验证集和测试集只做尺寸统一和归一化不做随机增强 val_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(dataset/train, transformtrain_transform) val_dataset datasets.ImageFolder(dataset/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers4, pin_memoryTrue)这段代码的关键参数说明RandomResizedCrop的scale(0.7, 1.0)表示随机裁剪面积占原图的 70% 到 100%模拟叶片在画面中占比不同的情况RandomRotation(30)是因为田间拍摄角度不固定ColorJitter的四个参数分别控制亮度、对比度、饱和度和色调的扰动幅度病虫害识别中亮度和对比度影响最大建议不低于 0.2。Normalize用的 ImageNet 统计值是迁移学习场景的标准做法如果从零训练可以换成自己数据集的均值和方差。注意增强只作用于训练集验证集和测试集必须用确定性变换否则每次验证结果都在变无法判断模型是否真的在进步。2.3 类别不均衡的处理与数据量估算病虫害数据天然不均衡——健康叶片多某些罕见病害少。如果直接训练模型会偏向多数类。常见做法有三种对少数类做随机过采样、对多数类做欠采样、在损失函数里加类别权重。我一般优先用损失加权因为不改变数据分布from collections import Counter import torch # 统计训练集各类别样本数 class_counts Counter(train_dataset.targets) num_classes len(class_counts) total sum(class_counts.values()) # 按样本数倒数计算权重样本越少权重越高 weights [total / (num_classes * class_counts[i]) for i in range(num_classes)] class_weights torch.FloatTensor(weights) # 在 CrossEntropyLoss 中传入权重 criterion torch.nn.CrossEntropyLoss(weightclass_weights)数据量方面每个类别至少 200 张有效图片才能让 CNN 学到稳定特征低于这个数建议用迁移学习加冻结底层。如果自己采集注意同一植株、同一时间段拍的照片不要跨训练集和验证集否则验证指标会骗人。3. CNN 模型选型与训练从 ResNet 迁移学习到训练曲线排查3.1 为什么病虫害识别优先选迁移学习而不是从零训练农作物病虫害图像和 ImageNet 的自然图像在底层特征上有大量重叠——边缘、纹理、颜色斑块这些特征在卷积层的前几层是通用的。从零训练一个 CNN 需要几十万张标注图片和大量算力而迁移学习用 ImageNet 预训练权重做初始化通常几百到几千张图就能达到可用精度。常见做法是冻结骨干网络的前几层只训练后面的分类层等损失下降稳定后再解冻全部层做微调。选型上ResNet50 是性价比最高的起点深度足够提取复杂纹理参数量约 2500 万单张 224×224 图片在普通 GPU 上推理时间约 10 毫秒。如果部署在边缘设备上可以换 MobileNetV3 或 EfficientNet-B0精度损失通常在 2 到 5 个百分点但模型体积缩小到十分之一。不建议一上来就用 ViT病虫害数据集规模通常不够 Transformer 吃饱容易过拟合。3.2 用 ResNet50 做迁移学习的完整训练脚本下面这段代码可以直接跑通一个迁移学习训练流程包含冻结策略、学习率设置和训练循环import torch import torch.nn as nn import torch.optim as optim from torchvision import models from tqdm import tqdm device torch.device(cuda if torch.cuda.is_available() else cpu) # 加载预训练 ResNet50替换最后的全连接层 model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V2) num_features model.fc.in_features model.fc nn.Linear(num_features, num_classes) # num_classes 为病害类别数 model model.to(device) # 第一阶段冻结骨干只训练分类头 for param in model.parameters(): param.requires_grad False for param in model.fc.parameters(): param.requires_grad True criterion nn.CrossEntropyLoss(weightclass_weights.to(device)) optimizer optim.Adam(model.fc.parameters(), lr1e-3) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10) def train_one_epoch(model, loader, criterion, optimizer, device): model.train() running_loss, correct, total 0.0, 0, 0 for images, labels in tqdm(loader): images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, predicted outputs.max(1) correct predicted.eq(labels).sum().item() total labels.size(0) return running_loss / total, correct / total # 第一阶段训练 10 个 epoch for epoch in range(10): train_loss, train_acc train_one_epoch(model, train_loader, criterion, optimizer, device) scheduler.step() print(fEpoch {epoch1}, Loss: {train_loss:.4f}, Acc: {train_acc:.4f}) # 第二阶段解冻全部层用更小的学习率微调 for param in model.parameters(): param.requires_grad True optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max20) for epoch in range(20): train_loss, train_acc train_one_epoch(model, train_loader, criterion, optimizer, device) scheduler.step() print(fFine-tune Epoch {epoch1}, Loss: {train_loss:.4f}, Acc: {train_acc:.4f})关键参数说明第一阶段学习率设 1e-3因为只训练随机初始化的分类头需要较大步长第二阶段解冻后学习率降到 1e-4避免破坏预训练权重。CosineAnnealingLR的T_max设为对应阶段的 epoch 数让学习率从初始值余弦下降到接近零。batch size 32 是 8GB 显存下的安全值显存更大可以提到 64 并同步调大学习率。3.3 训练不收敛时的排查顺序训练曲线是判断模型状态的第一手信息。按以下顺序排查现象可能原因处理方式训练损失不下降学习率过大或过小尝试 1e-2、1e-3、1e-4 三档对比训练损失下降但验证损失上升过拟合加强增强、加 Dropout、早停训练和验证都高损失欠拟合或数据标签错乱检查标签映射、增加模型容量损失震荡剧烈batch size 太小或学习率过高增大 batch 或降低学习率某类准确率始终为 0该类样本太少或标注错误检查该类图片和标签我一般会在训练脚本里加一段验证代码每个 epoch 结束后打印验证集准确率和混淆矩阵这样能直观看到模型在哪些类别上混淆。病虫害识别中早疫病和晚疫病在早期症状上非常相似混淆矩阵里这两类互相误判是常见现象需要通过更细粒度的数据增强或引入注意力机制来缓解。4. 避坑与排查病虫害识别项目里最容易翻车的五个地方4.1 验证集准确率 99% 但实际拍照识别全错现象训练完模型在验证集上准确率很高但拿手机拍一张田间叶片照片识别结果完全不对。原因验证集图片和训练集来自同一批采集数据光照、背景、拍摄角度高度相似模型学到了背景特征而不是病害特征。另外手机拍照的色温、分辨率、构图和数据集差异大分布偏移导致模型失效。解决划分数据集时按拍摄批次或地块划分确保验证集和训练集有不同的采集条件。部署前用手机在真实田间拍一批测试图单独评估。如果差异大在训练增强里加入更激进的亮度和对比度扰动或者用风格迁移做域适应。4.2 图片尺寸不统一导致 DataLoader 报错现象RuntimeError: stack expects each tensor to be equal size。原因transforms.Resize只写了目标尺寸但没写插值方式或者部分图片是灰度图、RGBA 四通道图和 RGB 三通道不一致。解决在Resize后加transforms.Lambda(lambda x: x.convert(RGB))强制转三通道。如果图片长宽比差异大用Resize加CenterCrop组合不要只做Resize导致形变。4.3 类别标签映射错乱导致训练完全无效现象训练损失一直在 2.3 左右ln(类别数)准确率等于随机猜。原因ImageFolder按文件夹名称字母顺序生成标签如果文件夹命名有中文、数字、特殊符号排序结果可能和预期不一致。另外自己写 Dataset 时标签和图片对应关系写反。解决打印train_dataset.class_to_idx确认映射关系用train_dataset.classes查看类别顺序。自己写 Dataset 时在__getitem__里加断言检查标签范围。4.4 显存溢出但不知道哪里占用了现象CUDA out of memory但模型明明不大。原因验证时没有加torch.no_grad()导致计算图一直累积或者 DataLoader 的num_workers设太大每个 worker 都复制了一份数据到显存。解决验证和推理代码必须包在with torch.no_grad():里。num_workers一般设为 CPU 核心数的一半不要超过 8。如果还溢出减小 batch size 或用梯度累积模拟大 batch。4.5 模型保存后加载报错缺 key现象RuntimeError: Error(s) in loading state_dict for ResNet: Missing key(s)。原因保存时用了torch.save(model, path)保存整个模型对象加载时环境里的类定义和保存时不一致或者保存的是model.state_dict()但加载时用了model.load_state_dict()却没设strictFalse。解决统一用torch.save(model.state_dict(), path)保存权重加载时先实例化同结构模型再load_state_dict。如果改了分类头加载时加strictFalse跳过不匹配的 key。5. 推理部署与效果验证把模型变成能用的识别工具5.1 单张图片推理脚本与置信度阈值设置训练完的模型要能对外提供服务最简方式是一个推理脚本。下面这段代码加载保存的权重对单张图片输出类别和置信度import torch from torchvision import transforms from PIL import Image def predict(image_path, model, class_names, device): model.eval() transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) tensor transform(image).unsqueeze(0).to(device) with torch.no_grad(): outputs model(tensor) probs torch.softmax(outputs, dim1) conf, pred probs.max(1) return class_names[pred.item()], conf.item() # 使用示例 class_names [早疫病, 晚疫病, 健康, 叶霉病] label, confidence predict(test_leaf.jpg, model, class_names, device) print(f识别结果{label}置信度{confidence:.3f})置信度阈值建议设 0.7低于 0.7 时返回“不确定建议人工复核”而不是强行给一个类别。病虫害识别场景下误判可能导致用药错误宁可让用户多拍一张也不要给低置信度的确定答案。5.2 用混淆矩阵和分类报告验证模型真实能力准确率一个数字不够要看每个类别的表现。用 sklearn 输出分类报告from sklearn.metrics import classification_report, confusion_matrix import numpy as np model.eval() all_preds, all_labels [], [] with torch.no_grad(): for images, labels in val_loader: images images.to(device) outputs model(images) _, preds outputs.max(1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) print(classification_report(all_labels, all_preds, target_namesclass_names)) print(confusion_matrix(all_labels, all_preds))重点看三个指标召回率低的类别说明漏检多精确率低的类别说明误报多F1 综合两者。病虫害识别中病害类别的召回率比精确率更重要——漏掉一个病害可能导致整片田受害而误报只是多打一次药。如果某个病害召回率低于 0.8优先补充该类训练数据或调整类别权重。5.3 一个我反复用的技巧用测试时增强提升推理稳定性单张图片推理受拍摄角度和光照影响大同一个叶片换个角度可能结果不同。测试时增强TTA对同一张图做多次变换后取平均能显著提升稳定性def predict_tta(image_path, model, class_names, device, n_aug5): model.eval() base_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) probs_sum torch.zeros(len(class_names)).to(device) with torch.no_grad(): for _ in range(n_aug): # 每次随机裁剪不同区域 aug transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) tensor aug(image).unsqueeze(0).to(device) outputs model(tensor) probs_sum torch.softmax(outputs, dim1).squeeze() avg_probs probs_sum / n_aug conf, pred avg_probs.max(0) return class_names[pred.item()], conf.item()TTA 的代价是推理时间乘以增强次数n_aug 设 5 到 10 之间比较平衡。我自己的习惯是如果单次推理置信度在 0.6 到 0.8 之间自动触发 TTA 重新判断这样既保证速度又提升边界样本的准确率。这个技巧在田间实拍场景下比调模型结构更立竿见影希望帮到你。本文还有配套的精品资源点击获取
