农作物病害检测

微调 Inception-ResNet-V2, 解决 AI Challenger 2018 农作物病害检测问题。

依赖

• NumPy
• Tensorflow
• Keras
• OpenCV

数据集

我们使用AI Challenger 2018中的农作物病害检测数据集，其中包含61类47,393张图像。 数据集随机分为训练（70%）、验证（10%）、测试A（10%）与测试B（10%）四个子数据集。

数据预览

你可以到 这里 下载。

性能

用 4959 张 test-a 测试图片计算平均准确率(mAP)，结果如下：

用法

数据预处理

提取60,999个训练图像，并将它们分开（53,879个用于训练，7,120个用于验证）：

$ python pre_process.py

训练

$ python train.py

如果想在培训期间进行可视化，请在终端中运行：

$ tensorboard --logdir path_to_current_dir/logs

Demo

下载 pre-trained model 放在 models 目录然后执行:

$ python demo.py

1	2	3	4
桃子 健康, prob: 0.9986	马铃薯早疫病一般, prob: 0.7913	桃疮痂病严重, prob: 0.9994	樱桃白粉病严重, prob: 0.6086
马铃薯晚疫病一般, prob: 0.8683	番茄 花叶病毒病, prob: 0.9019	草莓叶枯病严重, prob: 0.6585	葡萄褐斑病严重, prob: 0.7148
番茄黄化曲叶病毒病严重, prob: 0.891	番茄黄化曲叶病毒病严重, prob: 0.9954	马铃薯早疫病一般, prob: 0.7577	番茄 白粉病严重, prob: 0.8117
马铃薯早疫病一般, prob: 0.888	桃疮痂病严重, prob: 0.9961	草莓叶枯病严重, prob: 0.4946	樱桃白粉病严重, prob: 0.7298
桃疮痂病严重, prob: 0.9955	番茄晚疫病菌一般, prob: 0.9861	草莓叶枯病一般, prob: 0.9454	番茄早疫病严重, prob: 0.5013

性能评估

$ python evaluate.py