病虫害识别，73%农资人不知道的干货

　　AICHANLENGER2024上试验跑道的赛事，粮食作物病虫害检验，对近五万张按“种群-病虫害-水平”分为61类的绿色植物叶子相片开展归类，是一个多归类的难题。难题在数据信息样版不平衡，有一些类的样版太少，乃至沒有，标识也是有一部分不正确。

　　赛事在2024年8月29逐渐，到11月11日完毕，在国庆期间干了一下，一直在关心，可是沒有资金投入过多活力，也有别的事儿。

　　取得数据信息后最先开展剖析，数据信息如下图所显示，并不繁杂，情况简易。

　　应用python绘图片库对数据信息样版类型、总数开展了统计分析，結果如下图所示：

　　训练集：

　　验证集：

　　训练集验证集：

　　统计分析結果：

　　能够看得出，训练集与验证集样版类型遍布不均匀，可是遍布基本相同，第44、45类训炼集中化各自仅有一张图片，验证集各自有1、0张，因此为了更好地提升准确度，大家立即去除这两大类。

　　病虫害鉴别与色调等相关，因此只干了转动、旋转等转换

　　上下旋转左右旋转任意转动任意crop高斯噪声色度转变

　　迁移学习，最先试着了Inception-V3，立即应用pool_3层的輸出，接好一个全连接的归类层，应用softmax开展归类，应用Inception-V3的默认设置键入，能够做到0.81上下的准确度。

　　卷积核各自为，在步幅设定为1，pad各自设定为0，1，2的状况下能够在卷积和后获得同样层面的特点，完成不一样限度特点的聚集拼凑。

　　在后面的改善中，将的卷积核更换为了更好地2个的卷积核，能够在感受野不会改变的状况下降低测算量。

　　Inception-ResNet-V2:将主杆互联网拆换为Inception-ResNet-V2，准确度做到0.88左右，也是最后考试成绩，凑合进到前20％。

　　Inception-ResNet-V2中添加了ResNet的恒等投射观念，进一步降低测算量，避免多重共线性、梯度方向饱和状态、梯度消失/发生爆炸。

　　扩大键入图像尺寸：在交流群中有些人应用ResNet-50，650高宽的键入，获得了不错的考试成绩;实体模型集成化：应用好多个不一样的实体模型，创建一个网络投票体制，提升准确度，在具体运用中没有意义，但能够涨分应用;均衡样版：现阶段只去除了样版过少的两大类，可是沒有均衡样版，能够根据对数据重采样(对类别欠取样，对小项过采样)均衡类型;

　　这算作自身单独进行的第一个比赛，入了个门，为kaggle等做一个埋下伏笔;编码技能提升，对tensorflow的掌握情况提升;对各种各样超参的了解进一步加重;对迁移学习了解加重，对pre-trainedmodel应用英雄熟练度提升;

　　都还没自身的物品，滞留在运送环节;检测的实体模型也不足多；沒有试着实体模型联级；

　　数据：百度云网盘