spytensor/plants_disease_detection

What it solves

该项目提供了一个从图像中检测作物病害的基准实现，专门为 AI Challenger 2018 竞赛设计。它能够自动地将植物图像分类到各种疾病类别中，以帮助识别农业害虫和病理学特征。

How it works

该系统使用在 ImageNet 上预训练的 ResNet50 模型，并将全局池化层替换为自适应平均池化层，以及针对 59 种疾病类别量身定制的分类头。该流水线包括：

• Data Processing: 一个脚本 (move.py) 将图像组织成类别文件夹，并处理异常样本的移除。

• Training Pipeline: 它采用 Adam 优化器，搭配 StepLR 调度器，并支持 CrossEntropyLoss 和修正后的 FocalLoss 以处理类别不平衡问题。

• Augmentation: 它使用在线增强 (rotations, flips, and affine transforms) 和可选的离线增强 (Gaussian noise, brightness/contrast adjustments)。

• Modernization: 代码已更新至 PyTorch 2.x，增加了对自动混合精度 (AMP) 的支持，以减少内存使用并加速 GPU 训练。

Who it’s for

农业 AI 研究人员、学生、以及对植物病理学图像分类感兴趣的开发者，或者正在寻找一个可以作为作物病害检测竞赛基准的平台。

Highlights

• PyTorch 2.x Ready: 完全迁移到现代 PyTorch，支持 CPU/GPU 自动切换。
• AMP Support: 集成了自动混合精度 (AMP) 以实现更快的训练和内存效率。
• Robust Augmentation: 结合了在线和离线图像变换技术，以提高模型泛化能力。
• Stratified Sampling: 使用 StratifiedKFold 逻辑来实现训练集和验证集之间一致且平衡的数据分割。