简介这份资源是面向计算机相关专业学生与项目实战学习者的农作物病虫害识别检测系统基于深度学习卷积神经网络实现可作为毕业设计、课程设计或期末大作业的高分参考方案。项目围绕病虫害图像数据集展开涵盖图像尺寸标准化、降噪与数据增强等预处理环节并集成多种主流网络模型的训练与推理代码帮助读者理解从数据到模型落地的完整流程。压缩包共56个文件约88.29MB包含9个ipynb实验笔记、2个py服务脚本、15个png与4个jpg图示、10个md说明文档以及yml、html、css、js、pkl、Dockerfile等配置与部署文件覆盖模型训练、Web展示与容器化部署等模块。目前已有112人学习下载。资源提供完整可运行源码与运行说明评审分99分代码结构清晰适合小白按文档逐步复现也能为需要项目实战练习的学习者提供排错思路与工程化参考。1. 农作物病虫害识别系统从一张叶片照片到可运行 Python 源码的距离田里发现叶片上出现褐色斑点拍照之后想立刻知道是哪种病害、该用什么药这件事在手机端已经有不少 App 能做。但如果要自己动手复现一套能跑通、能写进毕设、还能讲清楚原理的农作物病虫害识别检测系统很多人会卡在第一步数据集从哪来、模型选哪个、Python 源码怎么组织、训练完怎么验证效果。这个标题对应的正是这样一套完整方案——用卷积神经网络做图像分类把叶片照片映射到具体的病虫害类别再封装成可交互的检测界面。它适合正在做深度学习方向毕设的本科生、想入门 CNN 图像分类的 Python 学习者以及需要一套可复现基线代码的农业信息化从业者。核心链路并不复杂数据采集与标注、图像预处理与增强、CNN 模型搭建与训练、模型评估与调参、推理脚本与界面封装。真正拉开差距的地方在于数据质量、类别平衡和训练细节而不是模型有多深。2. 数据集准备与预处理病虫害图像从哪来、怎么清洗2.1 公开数据集与自采集图像的取舍做农作物病虫害识别第一道坎永远是数据。常见做法是先用公开数据集打底比如 PlantVillage 这类按作物和病害分文件夹组织的叶片图像集它覆盖了苹果黑星病、玉米锈病、番茄早疫病等几十个类别每类几百到几千张不等。优点是标注干净、背景统一适合快速跑通流程缺点是背景过于单一模型学到的是“实验室叶片”而不是“田间叶片”换到真实场景容易翻车。如果毕设要求体现工作量我一般会建议在公开数据集基础上补采一部分田间图像。自采集要注意三点一是每类至少 200 张起步否则类别不平衡会让模型偏向样本多的类二是拍摄时覆盖不同光照、不同角度、不同遮挡程度别全是一个姿势三是标注要统一文件夹名就是类别名避免中文路径和空格后面用ImageFolder或自定义 Dataset 读取时省很多事。提示路径里不要出现中文和空格Windows 下尤其容易因为编码问题导致读取失败这是血泪经验。2.2 用 Python 做图像清洗与尺寸统一拿到图像后不能直接喂给网络先做一轮清洗。下面这段脚本做三件事遍历所有类别文件夹、过滤掉损坏图像、把图像统一缩放到 224×224 并保存到新目录。224 是 ResNet、VGG 这类经典骨干网络的常用输入尺寸后面迁移学习直接对齐。import os from PIL import Image from tqdm import tqdm SRC_DIR data/raw # 原始数据根目录下面按类别分文件夹 DST_DIR data/processed # 清洗后输出目录 IMG_SIZE (224, 224) # 统一输入尺寸 os.makedirs(DST_DIR, exist_okTrue) for cls_name in os.listdir(SRC_DIR): cls_path os.path.join(SRC_DIR, cls_name) if not os.path.isdir(cls_path): continue save_path os.path.join(DST_DIR, cls_name) os.makedirs(save_path, exist_okTrue) for img_name in tqdm(os.listdir(cls_path), desccls_name): img_path os.path.join(cls_path, img_name) try: with Image.open(img_path) as im: im im.convert(RGB) # 统一三通道防止灰度图报错 im im.resize(IMG_SIZE) # 统一尺寸 im.save(os.path.join(save_path, img_name)) except Exception as e: print(f跳过损坏图像: {img_path}, 原因: {e})逻辑说明Image.open打开图像后立刻convert(RGB)是因为部分数据集里混有灰度图或 RGBA 图直接 resize 再送进网络会因通道数不一致报错。resize用默认的双线性插值即可病虫害识别对插值方式不敏感。参数方面IMG_SIZE可以改成 256 或 299取决于你选的骨干网络如果显存紧张改成 128 也能跑但小病斑的细节会丢准确率通常掉 2 到 5 个百分点。2.3 数据增强与类别不平衡的处理清洗完之后训练集还要做增强。常见做法是用torchvision.transforms组合随机翻转、随机旋转、颜色抖动。注意验证集和测试集只做 resize 和归一化不要加随机增强否则评估结果不可比。from torchvision import transforms train_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), # 水平翻转 transforms.RandomRotation(15), # 随机旋转 ±15 度 transforms.ColorJitter(0.2, 0.2, 0.2), # 亮度、对比度、饱和度扰动 transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # ImageNet 统计量 ]) val_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])归一化用的均值和标准差是 ImageNet 的统计量只要你是做迁移学习就保持一致。如果从零训练可以自己统计数据集均值但收益不大。类别不平衡时优先用WeightedRandomSampler给少数类更高采样权重而不是简单复制图像复制容易过拟合。3. 卷积神经网络模型搭建从零写 CNN 还是迁移学习3.1 两种路线的选型理由标题里写的是卷积神经网络落地时有两条路一是自己搭一个几层卷积加全连接的 CNN二是用 ResNet18、MobileNetV3 这类预训练模型做迁移学习。毕设如果要求体现对 CNN 原理的理解建议两条都做先自己搭一个小 CNN 跑通再用迁移学习冲准确率最后对比两者结果这本身就是一章有说服力的实验分析。自己搭的 CNN 通常三到四个卷积块每块是 Conv BN ReLU MaxPool最后全局池化接全连接。优点是结构清晰、参数量小、训练快缺点是准确率通常比迁移学习低 5 到 15 个百分点尤其在样本量不大时更明显。迁移学习则直接加载 ImageNet 预训练权重把最后一层换成你的类别数只微调后面几层或全部微调。3.2 从零搭建一个可训练的 CNN下面是一个四层卷积的基线模型输入 224×224输出类别数由num_classes决定。import torch import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes10): super().__init__() def block(in_c, out_c): return nn.Sequential( nn.Conv2d(in_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), nn.MaxPool2d(2) ) self.features nn.Sequential( block(3, 32), # 224 - 112 block(32, 64), # 112 - 56 block(64, 128), # 56 - 28 block(128, 256) # 28 - 14 ) self.pool nn.AdaptiveAvgPool2d(1) # 全局平均池化 self.fc nn.Linear(256, num_classes) def forward(self, x): x self.features(x) x self.pool(x).flatten(1) return self.fc(x)逻辑说明每个卷积块用 3×3 卷积配 padding1保证空间尺寸不变再由 MaxPool 下采样一半。BN 放在卷积后、激活前能明显加快收敛。最后用AdaptiveAvgPool2d(1)把任意空间尺寸压成 1×1避免全连接层参数量爆炸。参数方面num_classes必须等于你数据集的实际类别数写错会在训练时报维度不匹配卷积通道数 32/64/128/256 是常见起点显存够可以翻倍但收益递减。3.3 迁移学习版本的模型定义迁移学习版本更短以 ResNet18 为例。import torchvision.models as models import torch.nn as nn def build_resnet18(num_classes10, freeze_backboneTrue): model models.resnet18(weightsmodels.ResNet18_Weights.DEFAULT) if freeze_backbone: for p in model.parameters(): p.requires_grad False # 冻结骨干只训练分类头 model.fc nn.Linear(model.fc.in_features, num_classes) return model逻辑说明weights...DEFAULT会加载 ImageNet 预训练权重这是迁移学习的关键。freeze_backboneTrue时只训练最后的全连接层适合数据量小、训练资源有限的场景如果数据量上千且显存够把freeze_backbone设为 False 做全量微调准确率通常更高但要注意学习率调小一般设 1e-4 到 1e-5否则预训练权重会被大梯度冲掉。4. 训练、评估与推理把模型跑起来并验证效果4.1 训练循环与关键参数设置训练脚本要包含数据加载、损失函数、优化器、学习率调度和验证。下面是一个最小可用的训练循环。import torch from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder device torch.device(cuda if torch.cuda.is_available() else cpu) train_ds ImageFolder(data/processed/train, transformtrain_tf) val_ds ImageFolder(data/processed/val, transformval_tf) train_loader DataLoader(train_ds, batch_size32, shuffleTrue, num_workers4) val_loader DataLoader(val_ds, batch_size32, shuffleFalse, num_workers4) model build_resnet18(num_classeslen(train_ds.classes)).to(device) criterion torch.nn.CrossEntropyLoss() optimizer torch.optim.AdamW( filter(lambda p: p.requires_grad, model.parameters()), lr1e-3, weight_decay1e-4 ) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max20) for epoch in range(20): model.train() for x, y in train_loader: x, y x.to(device), y.to(device) optimizer.zero_grad() loss criterion(model(x), y) loss.backward() optimizer.step() scheduler.step() model.eval() correct total 0 with torch.no_grad(): for x, y in val_loader: x, y x.to(device), y.to(device) pred model(x).argmax(1) correct (pred y).sum().item() total y.size(0) print(fepoch {epoch1}, val_acc{correct/total:.4f})逻辑说明filter(lambda p: p.requires_grad, ...)保证冻结的骨干参数不会被优化器更新。AdamW的weight_decay是解耦权重衰减比 Adam 自带的 L2 更稳。CosineAnnealingLR让学习率按余弦曲线下降配合 20 个 epoch 通常比固定学习率收敛更好。参数方面batch_size32是 8G 显存下的安全值显存大可加到 64num_workers在 Windows 上如果报错就改成 0。4.2 评估指标准确率之外还要看什么只看准确率在类别不平衡时会骗人。假设 90% 样本是健康叶片模型全预测健康也有 90% 准确率但病害一个都没识别出来。所以评估至少要加混淆矩阵和每类的 precision、recall、F1。from sklearn.metrics import classification_report, confusion_matrix model.eval() all_preds, all_labels [], [] with torch.no_grad(): for x, y in val_loader: x x.to(device) pred model(x).argmax(1).cpu().numpy() all_preds.extend(pred) all_labels.extend(y.numpy()) print(classification_report(all_labels, all_preds, target_namesval_ds.classes, digits4)) print(confusion_matrix(all_labels, all_preds))逻辑说明classification_report会输出每类的 precision、recall、F1 和支持样本数重点看少数类的 recall 是否明显低于多数类。混淆矩阵能看出哪些类别之间容易混比如番茄早疫病和晚疫病在叶片症状上确实相似模型混淆是合理的可以通过增加这两类的区分性样本或调整损失权重来缓解。4.3 单张图像推理与结果输出训练完要能对单张照片给出预测这是检测系统的基本能力。from PIL import Image import torch.nn.functional as F def predict(img_path, model, class_names, device): model.eval() img Image.open(img_path).convert(RGB) x val_tf(img).unsqueeze(0).to(device) # 增加 batch 维度 with torch.no_grad(): logits model(x) probs F.softmax(logits, dim1)[0] conf, idx probs.max(0) return class_names[idx.item()], conf.item() label, score predict(test.jpg, model, val_ds.classes, device) print(f预测类别: {label}, 置信度: {score:.4f})逻辑说明unsqueeze(0)把单张图的[3,224,224]变成[1,3,224,224]因为模型 forward 期望有 batch 维度。softmax把 logits 转成概率取最大值对应的类别。置信度低于 0.6 时建议在界面上提示“结果不确定请人工复核”这在农业场景里比强行给一个错误答案更负责。5. 避坑与排查训练不收敛、准确率虚高、显存爆了怎么办5.1 损失不下降或震荡剧烈现象训练几个 epoch 后 loss 一直在 2.3 附近徘徊或者上下大幅震荡。原因通常是学习率太大、数据归一化没做、或者标签和图像没对齐。解决先把学习率降到 1e-4 试一轮检查Normalize是否加在了ToTensor之后用几张小图打印标签和文件夹名核对确认ImageFolder读到的类别顺序和你想的一致。如果用的是自己写的 Dataset重点查__getitem__返回的 label 是不是从 0 开始的整数。5.2 验证集准确率远高于测试集现象验证集 98%换一批新图测试掉到 70%。原因一般是验证集和训练集来自同一批数据分布太接近或者数据增强只加在训练集但验证集也用了同样的随机变换。解决确保验证集和测试集完全独立最好来自不同时间或不同地块的采集验证集只做 resize 和归一化不加随机翻转旋转如果公开数据集背景太单一补采田间图后重新划分。5.3 显存不足报 CUDA out of memory现象训练到一半报显存溢出。原因可能是 batch_size 太大、图像尺寸太大、或者没有用torch.no_grad()包住验证循环。解决先把 batch_size 减半把输入尺寸从 224 降到 128验证和推理阶段务必用with torch.no_grad():否则会保留计算图导致显存持续增长如果还不够用梯度累积模拟大 batch。5.4 类别不平衡导致少数类全错现象多数类 recall 0.95少数类 recall 0.1。原因交叉熵默认各类权重相同样本少的类梯度贡献小。解决用WeightedRandomSampler过采样少数类或者给CrossEntropyLoss传weight参数权重按类别频率的倒数计算。注意权重别设得太极端否则多数类会崩。5.5 推理时预处理和训练不一致现象训练准确率很高但用单张图推理结果乱跳。原因推理时的 resize、归一化参数和训练时不一致比如训练用了RandomRotation但推理忘了对齐 resize 尺寸。解决把验证集的 transform 单独定义成一个变量训练、验证、推理三处共用同一个val_tf不要各写各的。6. 把系统做成可演示的界面Gradio 快速封装与几个实用技巧毕设答辩时光有训练脚本不够评委想看到的是“输入一张叶片照片系统输出病害名称和置信度”。用 Gradio 可以在十几行代码内搭出一个网页界面不需要前端知识。import gradio as gr def classify(img): label, score predict(img, model, val_ds.classes, device) return {label: float(score)} demo gr.Interface( fnclassify, inputsgr.Image(typefilepath), outputsgr.Label(num_top_classes3), title农作物病虫害识别, description上传叶片照片返回最可能的病害类别和置信度 ) demo.launch(server_name0.0.0.0, server_port7860)逻辑说明gr.Image(typefilepath)把上传的图存成临时文件路径直接传给predict函数。gr.Label(num_top_classes3)会显示概率最高的三个类别比只显示一个结果更有参考价值。server_name0.0.0.0让局域网内其他设备也能访问答辩时用手机拍一张真实叶片当场测试效果比放 PPT 好得多。几个实用技巧第一把val_ds.classes保存成classes.json推理脚本单独加载避免每次都要初始化数据集。第二模型保存用torch.save(model.state_dict(), best.pth)加载时先建同结构模型再load_state_dict不要直接torch.save(model)换环境容易出问题。第三如果答辩现场没有 GPU提前把模型转成 ONNX 或用torch.jit导出CPU 推理也能做到单张 100ms 以内。第四界面里加一个“置信度低于 0.6 时提示人工复核”的逻辑这是农业场景的负责任做法也是评委容易问到的点。我自己踩过最深的一个坑是训练时用了RandomHorizontalFlip但病虫害叶片上有些病斑分布是有方向性的翻转后语义变了导致模型学到噪声。后来改成只做轻微旋转和颜色扰动验证集准确率反而涨了 3 个点。所以数据增强不是越多越好得看你的图像语义是否对变换敏感。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源是面向计算机相关专业学生与项目实战学习者的农作物病虫害识别检测系统基于深度学习卷积神经网络实现可作为毕业设计、课程设计或期末大作业的高分参考方案。项目围绕病虫害图像数据集展开涵盖图像尺寸标准化、降噪与数据增强等预处理环节并集成多种主流网络模型的训练与推理代码帮助读者理解从数据到模型落地的完整流程。压缩包共56个文件约88.29MB包含9个ipynb实验笔记、2个py服务脚本、15个png与4个jpg图示、10个md说明文档以及yml、html、css、js、pkl、Dockerfile等配置与部署文件覆盖模型训练、Web展示与容器化部署等模块。目前已有112人学习下载。资源提供完整可运行源码与运行说明评审分99分代码结构清晰适合小白按文档逐步复现也能为需要项目实战练习的学习者提供排错思路与工程化参考。1. 农作物病虫害识别系统从一张叶片照片到可运行 Python 源码的距离田里发现叶片上出现褐色斑点拍照之后想立刻知道是哪种病害、该用什么药这件事在手机端已经有不少 App 能做。但如果要自己动手复现一套能跑通、能写进毕设、还能讲清楚原理的农作物病虫害识别检测系统很多人会卡在第一步数据集从哪来、模型选哪个、Python 源码怎么组织、训练完怎么验证效果。这个标题对应的正是这样一套完整方案——用卷积神经网络做图像分类把叶片照片映射到具体的病虫害类别再封装成可交互的检测界面。它适合正在做深度学习方向毕设的本科生、想入门 CNN 图像分类的 Python 学习者以及需要一套可复现基线代码的农业信息化从业者。核心链路并不复杂数据采集与标注、图像预处理与增强、CNN 模型搭建与训练、模型评估与调参、推理脚本与界面封装。真正拉开差距的地方在于数据质量、类别平衡和训练细节而不是模型有多深。2. 数据集准备与预处理病虫害图像从哪来、怎么清洗2.1 公开数据集与自采集图像的取舍做农作物病虫害识别第一道坎永远是数据。常见做法是先用公开数据集打底比如 PlantVillage 这类按作物和病害分文件夹组织的叶片图像集它覆盖了苹果黑星病、玉米锈病、番茄早疫病等几十个类别每类几百到几千张不等。优点是标注干净、背景统一适合快速跑通流程缺点是背景过于单一模型学到的是“实验室叶片”而不是“田间叶片”换到真实场景容易翻车。如果毕设要求体现工作量我一般会建议在公开数据集基础上补采一部分田间图像。自采集要注意三点一是每类至少 200 张起步否则类别不平衡会让模型偏向样本多的类二是拍摄时覆盖不同光照、不同角度、不同遮挡程度别全是一个姿势三是标注要统一文件夹名就是类别名避免中文路径和空格后面用ImageFolder或自定义 Dataset 读取时省很多事。提示路径里不要出现中文和空格Windows 下尤其容易因为编码问题导致读取失败这是血泪经验。2.2 用 Python 做图像清洗与尺寸统一拿到图像后不能直接喂给网络先做一轮清洗。下面这段脚本做三件事遍历所有类别文件夹、过滤掉损坏图像、把图像统一缩放到 224×224 并保存到新目录。224 是 ResNet、VGG 这类经典骨干网络的常用输入尺寸后面迁移学习直接对齐。import os from PIL import Image from tqdm import tqdm SRC_DIR data/raw # 原始数据根目录下面按类别分文件夹 DST_DIR data/processed # 清洗后输出目录 IMG_SIZE (224, 224) # 统一输入尺寸 os.makedirs(DST_DIR, exist_okTrue) for cls_name in os.listdir(SRC_DIR): cls_path os.path.join(SRC_DIR, cls_name) if not os.path.isdir(cls_path): continue save_path os.path.join(DST_DIR, cls_name) os.makedirs(save_path, exist_okTrue) for img_name in tqdm(os.listdir(cls_path), desccls_name): img_path os.path.join(cls_path, img_name) try: with Image.open(img_path) as im: im im.convert(RGB) # 统一三通道防止灰度图报错 im im.resize(IMG_SIZE) # 统一尺寸 im.save(os.path.join(save_path, img_name)) except Exception as e: print(f跳过损坏图像: {img_path}, 原因: {e})逻辑说明Image.open打开图像后立刻convert(RGB)是因为部分数据集里混有灰度图或 RGBA 图直接 resize 再送进网络会因通道数不一致报错。resize用默认的双线性插值即可病虫害识别对插值方式不敏感。参数方面IMG_SIZE可以改成 256 或 299取决于你选的骨干网络如果显存紧张改成 128 也能跑但小病斑的细节会丢准确率通常掉 2 到 5 个百分点。2.3 数据增强与类别不平衡的处理清洗完之后训练集还要做增强。常见做法是用torchvision.transforms组合随机翻转、随机旋转、颜色抖动。注意验证集和测试集只做 resize 和归一化不要加随机增强否则评估结果不可比。from torchvision import transforms train_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), # 水平翻转 transforms.RandomRotation(15), # 随机旋转 ±15 度 transforms.ColorJitter(0.2, 0.2, 0.2), # 亮度、对比度、饱和度扰动 transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # ImageNet 统计量 ]) val_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])归一化用的均值和标准差是 ImageNet 的统计量只要你是做迁移学习就保持一致。如果从零训练可以自己统计数据集均值但收益不大。类别不平衡时优先用WeightedRandomSampler给少数类更高采样权重而不是简单复制图像复制容易过拟合。3. 卷积神经网络模型搭建从零写 CNN 还是迁移学习3.1 两种路线的选型理由标题里写的是卷积神经网络落地时有两条路一是自己搭一个几层卷积加全连接的 CNN二是用 ResNet18、MobileNetV3 这类预训练模型做迁移学习。毕设如果要求体现对 CNN 原理的理解建议两条都做先自己搭一个小 CNN 跑通再用迁移学习冲准确率最后对比两者结果这本身就是一章有说服力的实验分析。自己搭的 CNN 通常三到四个卷积块每块是 Conv BN ReLU MaxPool最后全局池化接全连接。优点是结构清晰、参数量小、训练快缺点是准确率通常比迁移学习低 5 到 15 个百分点尤其在样本量不大时更明显。迁移学习则直接加载 ImageNet 预训练权重把最后一层换成你的类别数只微调后面几层或全部微调。3.2 从零搭建一个可训练的 CNN下面是一个四层卷积的基线模型输入 224×224输出类别数由num_classes决定。import torch import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes10): super().__init__() def block(in_c, out_c): return nn.Sequential( nn.Conv2d(in_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), nn.MaxPool2d(2) ) self.features nn.Sequential( block(3, 32), # 224 - 112 block(32, 64), # 112 - 56 block(64, 128), # 56 - 28 block(128, 256) # 28 - 14 ) self.pool nn.AdaptiveAvgPool2d(1) # 全局平均池化 self.fc nn.Linear(256, num_classes) def forward(self, x): x self.features(x) x self.pool(x).flatten(1) return self.fc(x)逻辑说明每个卷积块用 3×3 卷积配 padding1保证空间尺寸不变再由 MaxPool 下采样一半。BN 放在卷积后、激活前能明显加快收敛。最后用AdaptiveAvgPool2d(1)把任意空间尺寸压成 1×1避免全连接层参数量爆炸。参数方面num_classes必须等于你数据集的实际类别数写错会在训练时报维度不匹配卷积通道数 32/64/128/256 是常见起点显存够可以翻倍但收益递减。3.3 迁移学习版本的模型定义迁移学习版本更短以 ResNet18 为例。import torchvision.models as models import torch.nn as nn def build_resnet18(num_classes10, freeze_backboneTrue): model models.resnet18(weightsmodels.ResNet18_Weights.DEFAULT) if freeze_backbone: for p in model.parameters(): p.requires_grad False # 冻结骨干只训练分类头 model.fc nn.Linear(model.fc.in_features, num_classes) return model逻辑说明weights...DEFAULT会加载 ImageNet 预训练权重这是迁移学习的关键。freeze_backboneTrue时只训练最后的全连接层适合数据量小、训练资源有限的场景如果数据量上千且显存够把freeze_backbone设为 False 做全量微调准确率通常更高但要注意学习率调小一般设 1e-4 到 1e-5否则预训练权重会被大梯度冲掉。4. 训练、评估与推理把模型跑起来并验证效果4.1 训练循环与关键参数设置训练脚本要包含数据加载、损失函数、优化器、学习率调度和验证。下面是一个最小可用的训练循环。import torch from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder device torch.device(cuda if torch.cuda.is_available() else cpu) train_ds ImageFolder(data/processed/train, transformtrain_tf) val_ds ImageFolder(data/processed/val, transformval_tf) train_loader DataLoader(train_ds, batch_size32, shuffleTrue, num_workers4) val_loader DataLoader(val_ds, batch_size32, shuffleFalse, num_workers4) model build_resnet18(num_classeslen(train_ds.classes)).to(device) criterion torch.nn.CrossEntropyLoss() optimizer torch.optim.AdamW( filter(lambda p: p.requires_grad, model.parameters()), lr1e-3, weight_decay1e-4 ) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max20) for epoch in range(20): model.train() for x, y in train_loader: x, y x.to(device), y.to(device) optimizer.zero_grad() loss criterion(model(x), y) loss.backward() optimizer.step() scheduler.step() model.eval() correct total 0 with torch.no_grad(): for x, y in val_loader: x, y x.to(device), y.to(device) pred model(x).argmax(1) correct (pred y).sum().item() total y.size(0) print(fepoch {epoch1}, val_acc{correct/total:.4f})逻辑说明filter(lambda p: p.requires_grad, ...)保证冻结的骨干参数不会被优化器更新。AdamW的weight_decay是解耦权重衰减比 Adam 自带的 L2 更稳。CosineAnnealingLR让学习率按余弦曲线下降配合 20 个 epoch 通常比固定学习率收敛更好。参数方面batch_size32是 8G 显存下的安全值显存大可加到 64num_workers在 Windows 上如果报错就改成 0。4.2 评估指标准确率之外还要看什么只看准确率在类别不平衡时会骗人。假设 90% 样本是健康叶片模型全预测健康也有 90% 准确率但病害一个都没识别出来。所以评估至少要加混淆矩阵和每类的 precision、recall、F1。from sklearn.metrics import classification_report, confusion_matrix model.eval() all_preds, all_labels [], [] with torch.no_grad(): for x, y in val_loader: x x.to(device) pred model(x).argmax(1).cpu().numpy() all_preds.extend(pred) all_labels.extend(y.numpy()) print(classification_report(all_labels, all_preds, target_namesval_ds.classes, digits4)) print(confusion_matrix(all_labels, all_preds))逻辑说明classification_report会输出每类的 precision、recall、F1 和支持样本数重点看少数类的 recall 是否明显低于多数类。混淆矩阵能看出哪些类别之间容易混比如番茄早疫病和晚疫病在叶片症状上确实相似模型混淆是合理的可以通过增加这两类的区分性样本或调整损失权重来缓解。4.3 单张图像推理与结果输出训练完要能对单张照片给出预测这是检测系统的基本能力。from PIL import Image import torch.nn.functional as F def predict(img_path, model, class_names, device): model.eval() img Image.open(img_path).convert(RGB) x val_tf(img).unsqueeze(0).to(device) # 增加 batch 维度 with torch.no_grad(): logits model(x) probs F.softmax(logits, dim1)[0] conf, idx probs.max(0) return class_names[idx.item()], conf.item() label, score predict(test.jpg, model, val_ds.classes, device) print(f预测类别: {label}, 置信度: {score:.4f})逻辑说明unsqueeze(0)把单张图的[3,224,224]变成[1,3,224,224]因为模型 forward 期望有 batch 维度。softmax把 logits 转成概率取最大值对应的类别。置信度低于 0.6 时建议在界面上提示“结果不确定请人工复核”这在农业场景里比强行给一个错误答案更负责。5. 避坑与排查训练不收敛、准确率虚高、显存爆了怎么办5.1 损失不下降或震荡剧烈现象训练几个 epoch 后 loss 一直在 2.3 附近徘徊或者上下大幅震荡。原因通常是学习率太大、数据归一化没做、或者标签和图像没对齐。解决先把学习率降到 1e-4 试一轮检查Normalize是否加在了ToTensor之后用几张小图打印标签和文件夹名核对确认ImageFolder读到的类别顺序和你想的一致。如果用的是自己写的 Dataset重点查__getitem__返回的 label 是不是从 0 开始的整数。5.2 验证集准确率远高于测试集现象验证集 98%换一批新图测试掉到 70%。原因一般是验证集和训练集来自同一批数据分布太接近或者数据增强只加在训练集但验证集也用了同样的随机变换。解决确保验证集和测试集完全独立最好来自不同时间或不同地块的采集验证集只做 resize 和归一化不加随机翻转旋转如果公开数据集背景太单一补采田间图后重新划分。5.3 显存不足报 CUDA out of memory现象训练到一半报显存溢出。原因可能是 batch_size 太大、图像尺寸太大、或者没有用torch.no_grad()包住验证循环。解决先把 batch_size 减半把输入尺寸从 224 降到 128验证和推理阶段务必用with torch.no_grad():否则会保留计算图导致显存持续增长如果还不够用梯度累积模拟大 batch。5.4 类别不平衡导致少数类全错现象多数类 recall 0.95少数类 recall 0.1。原因交叉熵默认各类权重相同样本少的类梯度贡献小。解决用WeightedRandomSampler过采样少数类或者给CrossEntropyLoss传weight参数权重按类别频率的倒数计算。注意权重别设得太极端否则多数类会崩。5.5 推理时预处理和训练不一致现象训练准确率很高但用单张图推理结果乱跳。原因推理时的 resize、归一化参数和训练时不一致比如训练用了RandomRotation但推理忘了对齐 resize 尺寸。解决把验证集的 transform 单独定义成一个变量训练、验证、推理三处共用同一个val_tf不要各写各的。6. 把系统做成可演示的界面Gradio 快速封装与几个实用技巧毕设答辩时光有训练脚本不够评委想看到的是“输入一张叶片照片系统输出病害名称和置信度”。用 Gradio 可以在十几行代码内搭出一个网页界面不需要前端知识。import gradio as gr def classify(img): label, score predict(img, model, val_ds.classes, device) return {label: float(score)} demo gr.Interface( fnclassify, inputsgr.Image(typefilepath), outputsgr.Label(num_top_classes3), title农作物病虫害识别, description上传叶片照片返回最可能的病害类别和置信度 ) demo.launch(server_name0.0.0.0, server_port7860)逻辑说明gr.Image(typefilepath)把上传的图存成临时文件路径直接传给predict函数。gr.Label(num_top_classes3)会显示概率最高的三个类别比只显示一个结果更有参考价值。server_name0.0.0.0让局域网内其他设备也能访问答辩时用手机拍一张真实叶片当场测试效果比放 PPT 好得多。几个实用技巧第一把val_ds.classes保存成classes.json推理脚本单独加载避免每次都要初始化数据集。第二模型保存用torch.save(model.state_dict(), best.pth)加载时先建同结构模型再load_state_dict不要直接torch.save(model)换环境容易出问题。第三如果答辩现场没有 GPU提前把模型转成 ONNX 或用torch.jit导出CPU 推理也能做到单张 100ms 以内。第四界面里加一个“置信度低于 0.6 时提示人工复核”的逻辑这是农业场景的负责任做法也是评委容易问到的点。我自己踩过最深的一个坑是训练时用了RandomHorizontalFlip但病虫害叶片上有些病斑分布是有方向性的翻转后语义变了导致模型学到噪声。后来改成只做轻微旋转和颜色扰动验证集准确率反而涨了 3 个点。所以数据增强不是越多越好得看你的图像语义是否对变换敏感。希望帮到你。本文还有配套的精品资源点击获取
