简介：一份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需完成毕业设计、课程设计或期末大作业的学生，也适合有项目实战练习需求的学习者。内容涵盖可运行的Python源码、Vue前端页面、配套论文及查重修改版docx文档、技术路线图，以及大量jpg/png标注图片和txt说明文件，可帮助快速复现病虫害识别流程，理解数据预处理、模型训练、评估与部署的关键环节。压缩包共281个文件，以txt、jpg/png图片、py脚本、vue/js前端文件、pdf/docx文档为主，总大小522.67MB，目录结构清晰便于按模块查阅。项目源于导师指导并获评审98分的高分毕设，方案完整、写作规范，能大幅节省从零搭建与整理资料的时间。目前已有186人学习下载，适合用作毕业设计参考或深度学习图像识别实战练习。
1. 用深度学习做农作物病虫害识别：先搞清楚这套方案能解决什么问题
像“水稻稻瘟病识别”“玉米叶斑病分类”这类课题，几乎是每年 Python 课程设计和毕业设计里出现频率最高的方向之一。背靠的是深度学习图像分类那一套成熟流程：准备带标签的作物叶片图片，训练一个 CNN 分类模型，最后把模型封装成能输入图片输出病害类别的服务。所谓“源码+论文资料+使用教程”，本质就是把这条链路做成一份可复现的工程包——你拿到手能做实验、出图表、写论文，而不是只看懂概念。
很多第一次做这个方向的人会把精力全压在模型结构上，调参调到半夜，最后发现准确率上不去，问题却出在数据预处理和标签整理上。这套方案里的模型选型反而是最不需要纠结的部分，在公开数据集上，ResNet 级别的模型配合迁移学习已经能把常见病害的识别准确率做到很高。真正拉开差距的，是数据怎么整理、训练参数怎么定、模型怎么部署这三个环节。
适合谁？准备做课程设计或毕业设计的学生，以及想快速验证图像分类技术能否用于农业场景的开发者。如果你手头没有 GPU，也能跑，只是训练时间会变长，后面会讲没有 GPU 时怎么调整方案。
2. 数据是病虫害识别的命门：数据集选择、预处理与增强策略
病虫害识别和通用物体分类有个关键差异：同一病害在不同作物、不同生长阶段、不同拍摄角度下，叶片表观差异非常大。模型学到的不是“病害本质”，而是训练集里的像素分布规律。因此这一步作图省事，后面训练阶段会成倍还回来。
2.1 公开数据集怎么挑：类别覆盖与样本均衡
常见做法是先找公开数据集起步。PlantVillage 这一类数据集收集了多种作物叶片的病害图像，背景干净、类别标注齐全，适合用来验证模型结构。但它的图像大多是单叶、均匀背景，和田间拍摄的复杂背景差异明显。如果你的应用场景是田间拍照识别，就要额外补充真实场景图片做微调，否则模型在演示时会“见光死”。
选数据集时重点看三个指标。第一是类别覆盖，是否包含你论文里要写的目标病害；第二是每个类别的样本数量是否均衡，很多公开数据集的健康叶片样本远多于病害样本，直接训练会让模型偏向多数类；第三是图像分辨率，如果原始图小于 224×224，做 resize 时会损失细节，叶片病斑这种细小特征很容易被抹掉。
| 数据集类型 | 背景特点 | 类别覆盖 | 主要坑点 |
|---|---|---|---|
| 公开实验室图 | 均匀白底或单色底 | 覆盖常见病害 | 与田间场景差异大，泛化差 |
| 田间实拍图 | 复杂背景、遮挡多 | 覆盖不完整 | 标注成本高、样本不均衡 |
| 自建补充集 | 贴近真实场景 | 按需补充 | 数量少，需配合强增强 |
2.2 预处理参数别照搬：Resize、归一化与保存格式
预处理阶段最容易翻车的地方是直接照搬 ImageNet 的统计参数却不理解含义。torchvision 里默认的 mean 和 std 是 [0.485, 0.456, 0.406] 和 [0.229, 0.224, 0.225]，这套参数适用于自然图像，对叶片图像也基本适用，因为迁移学习用的预训练权重就是在这个分布上训练的。如果你的数据本身是另类分布，比加红外图或高度统一的扫描图，就要重算 mean 和 std，否则第一轮 loss 会异常高。
下面是最小可用的数据加载脚本，目录结构按data/train/类别名/图片.jpg组织：
# dataloader.py from torchvision import datasets, transforms from torch.utils.data import DataLoader train_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomRotation(15), # 随机旋转，模拟叶片摆放角度差异 transforms.RandomHorizontalFlip(p=0.5), # 水平翻转，增强方向不变性 transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) 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_set = datasets.ImageFolder('data/train', transform=train_transform) val_set = datasets.ImageFolder('data/val', transform=val_transform) train_loader = DataLoader(train_set, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_set, batch_size=32, shuffle=False, num_workers=4) print('train classes:', train_set.classes) print('train samples:', len(train_set.samples))这段代码里，Resize 统一到 224×224 是为了匹配 ImageNet 预训练模型的输入尺寸。RandomRotation 设置 15 度而不是更大度数，是因为叶片照片本身不会出现 180 度翻转的极端情况，旋转过大反而会让模型学到无关的旋转不变性。ColorJitter 的三个参数控制在 0.2，能模拟不同光照条件，但过大会改变叶片本身的颜色特征——注意，有些病害就是靠叶片颜色变化来判断的，色彩抖动过度会让模型丢失这个关键信号。
验证集不要做数据增强，只做 resize 和归一化，因为评估时必须保证结果稳定。如果验证集也旋转翻转，你无法判断准确率波动是模型问题还是增强引入的随机性。
2.3 数据增强的度：先旋转翻转，再考虑 MixUp
很多教程上来就推荐 MixUp、CutMix 这类高级增强，但对病虫害识别来说，这是有风险的。MixUp 会把两张不同病害的叶片线性混合，生成一张“看起来既像 A 又像 B”的图，如果原图本身病害特征就很细微，混合后的特征会更加模糊，反而让模型学不到清晰的判别边界。我的建议是第一批实验只用几何增强加轻度色彩增强，把 baseline 跑出来，再考虑高级增强。
如果样本确实少，比如每类只有几百张，优先做的是针对性的过采样，而不是盲目堆增强策略。另外要检查增强后的图片是否保存了正确的标签映射关系。用 ImageFolder 这种按目录名取标签的方式，目录名一旦和类别对应错位，整个训练集就等于标错了数据，这种错误在训练时几乎无法从 loss 曲线上发现。建议训练前打印train_set.classes确认索引顺序，并且从增强后的数据里抽一张图人工检查。
到这里，数据准备基本完成。接下来进入模型部分——选择什么结构，以及为什么迁移学习是唯一合理起点。
3. 模型选型与训练流程：ResNet、MobileNet 与迁移学习的取舍
模型结构是这个方案里最不需要创新的部分。病虫害识别本质是图像分类任务，CNN 在图像分类上已经被验证了很多年，深度学习课程里讲的卷积、池化、全连接这些概念，落到这个项目上就是一套标准的“卷积网络提取特征 + 全连接层分类”流程。不需要重新设计网络结构，选一个成熟 backbone 然后做迁移学习即可。
3.1 为什么默认选 ResNet 而不是 Vision Transformer
目前这个任务最稳妥的选择是 ResNet18 或 ResNet50。ResNet 的残差连接解决了深层网络梯度消失问题，在中小规模数据集上表现稳定，而且 torchvision 里有成熟的预训练权重。Vision Transformer 虽然在大数据集上表现更好，但在几万张甚至几千张的农业图像上，需要更复杂的训练策略才能收敛，对小数据集不友好。
MobileNetV3 是另一个值得考虑的选择，特别适合后面要部署到 CPU 或无 GPU 环境的情况。它的参数量远小于 ResNet，推理速度快，代价是准确率略有下降。如果你的论文需要对比实验，用 ResNet18 做主力模型、MobileNetV3 做轻量级对比，是成本最低的组合。
| 模型 | 参数量级 | 推理速度 | 典型场景 |
|---|---|---|---|
| ResNet18 | 千万级 | 快 | 默认主力，准确率与速度均衡 |
| ResNet50 | 千万级偏大 | 中等 | 追求更高准确率，需 GPU |
| MobileNetV3 | 百万级 | 极快 | CPU 部署、实时识别 |
3.2 迁移学习是唯一合理起点：加载预训练权重
不要从零训练一个 CNN。病虫害图片数量通常只有几千到几万张，从零训练会严重过拟合。ImageNet 上预训练过的模型已经学会了边缘、纹理、颜色分布这些通用视觉特征，把这些特征迁移到叶片图像上，只需训练最后的分类层和微调网络的高层参数。
需要注意 torchvision 的版本差异。新版推荐用weights=参数，旧版用pretrained=True：
# model.py import torch import torch.nn as nn from torchvision import models def build_model(num_classes, backbone='resnet18'): if backbone == 'resnet18': model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) in_features = model.fc.in_features model.fc = nn.Linear(in_features, num_classes) elif backbone == 'mobilenet_v3': model = models.mobilenet_v3_large(weights=models.MobileNet_V3_Large_Weights.IMAGENET1K_V1) in_features = model.classifier[-1].in_features model.classifier[-1] = nn.Linear(in_features, num_classes) return model替换最后一层时要保留in_features，它从预训练模型的最后一层拿输入维度，再映射到你的类别数。ResNet 的分类头是fc，MobileNetV3 的分类头是classifier列表里的最后一层，两者结构不同，不要写错替换对象。
一种可选的做法是冻住 backbone，只训练分类头，先用这种模式跑 10 个 epoch 得到一个快速 baseline，再解冻全部参数做整体微调。这个方法能减少训练时间，但最终效果通常比全量微调差，适合用来快速验证数据是否有问题。
提示：训练时保存的 state_dict 只含权重不含结构，加载时必须先用
build_model创建相同结构的模型。这个顺序颠倒会导致未知的 key 错误。
3.3 训练参数怎么定：学习率、batch size 与 epoch
训练参数的选择直接决定你是顺风局还是逆风局。学习率是最核心的超参数，迁移学习场景下，全量微调的初始学习率我一般设为 1e-4，这个值既能有效更新参数，又不会破坏预训练权重。如果使用 SGD 优化器，学习率可以设为 1e-3 加 momentum=0.9；如果使用 AdamW，1e-4 是更稳的起点。
batch size 受限于显存，图像 224×224 的条件下，ResNet18 可以用 32，ResNet50 建议降到 16。epoch 数量不要超过 50，配合 cosine 学习率衰减，30 个 epoch 左右就能观察到收敛趋势。以下是完整训练循环的骨架：
# train.py import torch import torch.nn as nn import torch.optim as optim from model import build_model device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = build_model(num_classes=len(train_set.classes)).to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.AdamW(model.parameters(), lr=1e-4, weight_decay=1e-4) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=30) best_acc = 0.0 for epoch in range(30): model.train() running_loss = 0.0 for inputs, labels in train_loader: inputs, labels = inputs.to(device), labels.to(device) optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() * inputs.size(0) model.eval() correct = total = 0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels = inputs.to(device), labels.to(device) outputs = model(inputs) _, preds = torch.max(outputs, 1) correct += (preds == labels).sum().item() total += labels.size(0) acc = correct / total print(f'epoch {epoch+1}: loss={running_loss/len(train_set):.4f}, val_acc={acc:.4f}') if acc > best_acc: best_acc = acc torch.save(model.state_dict(), 'best_model.pth')AdamW 里的weight_decay=1e-4是 L2 正则，对防止过拟合有实际帮助。CosineAnnealingLR 的T_max=30与 epoch 数一致，学习率会在 30 个 epoch 内从初始值余弦下降到接近 0，到后半段自动进行精细收敛。保存模型时只保存state_dict而不是整个模型，这样加载时依赖关系更清晰，后面部署接口时也方便。
如果只用 CPU 训练，ResNet18 跑一个 epoch 在几千张图上可能要几十分钟。这时候把 epoch 数降到 15、batch size 降到 16，并用 SGD + momentum 代替 AdamW，一般也能得到可用的结果。训练时观察打印的 loss 和 val_acc——loss 应该持续下降，val_acc 在后期有小幅波动属于正常，但如果从头到尾不涨，就是参数或数据出了问题，这个在下一章专门讲。
4. 训练翻车排查：loss 不降、过拟合与类别不均衡的 4 个真实场景
训练阶段最磨人的不是写代码，而是面对一个“看起来没问题但就是不收敛”的模型。以下四个场景是我在做这个方向时踩过的真实坑，按现象、原因、解决的顺序讲。
4.1 现象：loss 在前几个 epoch 纹丝不动
loss 从第一个 epoch 开始就保持在 2.3 左右，训练十几个 epoch 几乎不下降。2.3 这个数字对 10 个类别的多分类任务来说约等于随机猜的概率，因为随机猜测的交叉熵损失就是 ln(10)≈2.3。
原因通常有两个。一是学习率太小，迁移学习场景下如果用了 1e-5 这种过小的值，梯度更新幅度微乎其微，loss 变化肉眼不可见；二是预训练权重没加载成功，代码里写了weights=但模型某个层因为 key 不匹配被跳过了，实际是从随机初始化开始训练，这种情况下数据量又不够，几个 epoch 根本看不出收敛迹象。
解决思路是先用一个快速实验排除参数问题。把学习率调到 3e-4，只训练分类头 3 个 epoch，如果 loss 明显下降，说明数据管道和模型结构没问题，再恢复全量微调。如果调大学习率后 loss 还是不降，打印模型第一层卷积权重的mean和std，和预训练权重的数值范围对比，就能确认权重是否真的加载进去了。
4.2 现象：训练集准确率 99%，验证集只有 70%
这个是最典型的过拟合。验证集准确率在训练初期正常上升，到第 10 个 epoch 左右开始停滞甚至回落，而训练集准确率一路逼近满分。本质上就是模型把训练集的图像背景、噪声和病害特征一起记住了，换了一批新图片就失灵。
主要原因有三层：训练样本太少、数据增强不够强、模型参数量过大。ResNet50 比 ResNet18 更容易过拟合，尤其是在几千张图的小数据集上。
解决方法按优先级操作。第一步增强数据，把 RandomRotation 从 15 度加到 20 度，加上 RandomResizedCrop 模拟不同视角。第二步加正则，在全连接层前插入 Dropout(0.3)，或者把 weight_decay 从 1e-4 提高到 1e-3。第三步换模型，如果以上两步做完验证集准确率还是上不去，就把 ResNet50 换成 ResNet18，减少模型容量。注意别把 Dropout 加在 backbone 层，那样会破坏预训练特征的稳定性。
4.3 现象：某种病害几乎不识别
训练结束后，模型在多数类别上表现不错，唯独对某一种病害的识别准确率接近 0，预测结果总是偏向其他类别。去查看该类别的训练样本数量，会发现它只占全部样本的不到 5%。
这是典型的类别不均衡问题。交叉熵损失对所有样本一视同仁，样本多的类梯度更新幅度大，模型自然偏向多数类，少数类的特征几乎没有机会被充分学习。
直接换用带权重的交叉熵损失是最简单的办法。torch.nn.CrossEntropyLoss(weight=class_weights)里class_weights按每个类别样本数量的倒数设置，让少数类的 loss 贡献更大。想更精细可以做 focal loss，它会额外降低已正确分类样本的权重，把训练重点推向难分的少数类。另外也可以对少数类图片做过采样，在 DataLoader 里用 WeightedRandomSampler 按类别倒数的概率采样，这种方法不改变 loss 函数，实现起来更直观。
4.4 现象：验证集准确率震荡剧烈
验证集准确率不收敛，在 40% 到 80% 之间来回跳，loss 曲线同时出现周期性抖动。这个情况在 Adam 系列优化器下容易遇到，尤其是学习率偏高时，参数在最优解附近来回振荡。
首先要排除验证集本身的问题——如果验证集样本太少，比如每类只有十几张，单次评估的方差就会很大，这种情况加多验证集样本即可。排除了数据问题后，把优化器从 AdamW 换成 SGD 加 momentum=0.9，SGD 对学习率的敏感度相对低，震荡幅度会明显收敛。也可以搭配 cosine 学习率调度，它会在训练后半段自动降低学习率，让参数逐步稳定下来。
如果震荡出现在 epoch 后半段而前半段正常，说明初始学习率偏高，把 1e-4 降到 3e-5 再跑一轮对比。
5. 把模型变成可调用接口：Flask 推理服务与置信度阈值设计
训练完成之后，模型的形态还只是一个best_model.pth文件。要让它能在论文演示或实际使用中被调用，需要写一层推理服务。常见做法是用 Flask 包一个 HTTP 接口，接收图片、返回类别和置信度，这也是源码包里“使用教程”部分应该覆盖的内容。
5.1 模型保存与加载：状态字典和完整模型
训练时保存的是model.state_dict()，对应加载时先实例化模型结构再载入参数。要注意的是，保存和加载时的类别定义必须一致，如果你在训练脚本和推理脚本里分别定义了类别列表，顺序错一个字母，预测结果就完全错位。我习惯把类别列表存成一个labels.txt，和权重文件放在同一目录。
# load_model.py import torch from model import build_model labels = [line.strip() for line in open('labels.txt')] model = build_model(num_classes=len(labels), backbone='resnet18') model.load_state_dict(torch.load('best_model.pth', map_location='cpu')) model.eval()map_location='cpu'保证在没有 GPU 的机器上也能加载训练好的模型。model.eval()必须调用，它会关闭 Dropout 和 BatchNorm 的训练行为，否则同一个输入在不同批次下的预测结果会不一致。
5.2 用 Flask 包一个 POST 接口
接口设计遵循一个简单原则：输入是图片，输出是 JSON。Flask 读取上传文件以后，需要走一遍和训练时完全一致的预处理流程，包括 resize、归一化、mean 和 std。注意 PIL 打开图片后要转成 RGB，否则遇到 RGBA 格式的 PNG 图会报错。
# app.py from flask import Flask, request, jsonify from PIL import Image from io import BytesIO import torch from torchvision import transforms from load_model import model, labels app = Flask(__name__) 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]) ]) @app.route('/predict', methods=['POST']) def predict(): file = request.files.get('image') if file is None: return jsonify({'error': 'no image uploaded'}), 400 img = Image.open(BytesIO(file.read())).convert('RGB') tensor = transform(img).unsqueeze(0) with torch.no_grad(): outputs = model(tensor) probs = torch.softmax(outputs, dim=1) conf, idx = probs.max(1) label = labels[idx.item()] conf = round(conf.item(), 4) return jsonify({'label': label, 'confidence': conf}) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)推理过程用torch.no_grad()包起来，关闭梯度计算，显存占用和推理时间都有明显改善。返回的置信度用round保留四位小数，避免 JSON 序列化时出现一长串浮点数。接口的错误处理只覆盖了“没上传图片”这种情况，实际项目里还要考虑上传文件不是图片、图片损坏、推理异常等分支，这些都会在论文的测试部分成为可写的内容。
5.3 置信度阈值与错误输出设计
模型对任何输入都会输出一个置信度最高的类别，哪怕这张图根本不是农作物叶片。生产环境里必须加一道置信度阈值判断，低于阈值就返回“无法识别”，而不是硬给一个病害标签。这个阈值是论文里可以量化的指标。
阈值怎么定？收集一部分真实场景下的负样本图片，比如杂草、土壤、人手，跑一遍模型统计置信度分布，选取能覆盖绝大多数负样本的阈值。我一般先用 0.5 起步，如果发现真实的病叶误判率偏高就降到 0.4，如果负样本被误识别就往上调。也可以在返回结果里同时返回排名前 3 的类别及置信度，让调用方自己判断——对论文分析来说，top-2 的置信度差异很有参考价值。
6. 论文资料与使用教程怎么配套：从结果复现到实验记录
这部分是源码包价值最容易被低估的地方。代码能跑只是第一步，论文需要的实验数据、图表和复现说明，才是让这个方向能写成论文的关键。
6.1 实验结果怎么记录才够写论文
我自己的习惯是每次实验建立一个独立目录，命名规则是日期_模型_优化器_lr，比如20250115_resnet18_adamw_1e-4。目录内存放训练日志、最佳权重、验证结果汇总。训练日志里除了 loss 和 acc，还要记录随机种子、数据增强配置、训练耗时，这些细节在写论文的实验设置部分都要用到。
保存预测错误的样例图同样是重要习惯。训练结束后，从验证集里挑出预测错误和置信度低的样本，按“错误类型+真实类别+预测类别”命名保存。论文里做错误分析时，这些图片就是最直接的证据，能说明模型在什么场景下失效，比单纯堆准确率数字更有说服力。
实验复现需要固定随机种子。PyTorch 里torch.manual_seed(42)和random.seed(42)都要设置，数据加载器里如果用了随机采样，还要设置DataLoader的generator参数，否则每次运行的增强结果不同，实验无法复现。
6.2 使用教程和源码组织：别人拿到手能跑通
源码的组织方式直接影响使用教程好不好写。常见做法是把训练、预测、接口服务分成三个独立脚本，数据目录、权重目录、日志目录分开。教程部分应该从环境准备开始写，Python 安装之后装依赖，然后给出一条能完整复现实验的命令链路。依赖安装保持最小化，避免把与项目无关的包全装进去：
pip install torch torchvision flask pillow在 VSCode 里打开项目，安装 Python 扩展后直接运行脚本。使用教程里一定要写明数据目录的组织格式，并提供一个类别数量最少的快速测试命令，让使用者先确认环境通、再跑完整训练。论文资料部分通常包含数据集说明、实验记录、模型结构图、结果分析。写论文时有一组基线数据非常重要：同模型在公开数据集和自采数据上的准确率对比，以及不同模型、不同优化器的消融实验。这组数据如果在一开始训练时就有意识地记录，写论文时直接整理成表格即可。运行完一轮实验后回头补记录，基本都会漏掉关键参数。
我的习惯是每跑完一轮实验，当场把损失曲线截图和参数配置写进记录文件，训练完顺手保存错误样例。这样论文初稿的实验部分基本上是从记录文件里搬出来的。这个习惯帮我少走了很多回头路，希望帮到你。
本文还有配套的精品资源，点击获取
