【源码】基于Python的农地作物现况调查影像辨識系统

项目简介

本项目是基于深度学习的农地作物现况调查影像辨识系统，借助图像识别技术达成农地作物类型的自动识别与分类。该项目参与了AICUP2022的农地作物现况调查影像辨识竞赛，运用多种先进深度学习模型开展训练与测试。

项目的主要特性和功能

1. 多模型支持：采用DeiT III、VOLO D4、VOLO D5、ConvNext和Swin Transformer等多种先进深度学习模型，从中挑选最有效的模型进行训练与测试。
2. 数据预处理：针对竞赛提供的图像数据集，实施图像切割、旋转和翻转等操作，增强数据集的多样性与训练效果。
3. 数据增强：利用坐标切割和数据增强技术，将原始数据集扩充为原来的四倍，提升模型的泛化能力。
4. 训练与测试：对每个模型进行详细的训练和测试，记录训练时间、损失值和准确率，最终选取表现最优的模型。
5. 参考文献：参考多篇深度学习领域研究论文，保证模型选择和训练策略的科学性与先进性。

安装使用步骤

环境配置

• 操作系统：Windows 10 (x64)
• 硬件设备：3090 - Ti
• 编程语言：Python
• 开发工具：PyCharm

依赖安装

使用以下命令安装项目所需的Python包： bash pip install absl-py==1.0.0 cachetools==4.2.4 certifi==2021.10.8 charset-normalizer==2.0.12 cycler==0.11.0 google-auth==1.35.0 google-auth-oauthlib==0.4.6 grpcio==1.44.0 idna==3.3 imageio==2.17.0 imgaug==0.4.0 importlib-metadata==4.11.3 joblib==1.1.0 kiwisolver==1.4.2 Markdown==3.3.6 matplotlib==3.2.1 networkx==2.6.3 numpy==1.21.6 oauthlib==3.2.0 opencv-python==4.2.0.34 packaging==21.3 pandas==1.0.4 Pillow==9.1.0 pip==22.0.4 prefetch-generator==1.0.1 protobuf==3.20.0 wheel==0.37.1 pyasn1==0.4.8 pyasn1-modules==0.2.8 pyparsing==3.0.8 python-dateutil==2.8.2 pytz==2022.1 PyWavelets==1.3.0 requests==2.27.1 requests-oauthlib==1.3.1 rsa==4.8 scikit-image==0.19.2 scikit-learn==0.23.1 scipy==1.4.1 seaborn==0.10.1 setuptools==62.1.0 Shapely==1.8.1.post1 six==1.16.0 tensorboard==2.2.2 torch==1.5.0 tensorboard-plugin-wit==1.8.1 threadpoolctl==3.1.0 tifffile==2021.11.2 torchvision==0.6.0 typing_extensions==4.2.0 urllib3==1.26.9 Werkzeug==2.1.1 zipp==3.8.0

数据准备

• 下载竞赛提供的图像数据集。
• 使用项目中的数据预处理脚本对数据集进行预处理和增强。

模型训练

• 根据项目提供的训练脚本，选择合适的模型进行训练。
• 训练过程中，可使用TensorBoard等工具监控训练进度和模型性能。

模型测试

使用测试脚本对训练好的模型进行测试，评估模型的准确率和损失值。

结果分析

根据测试结果，分析模型的表现，并按需调整模型或训练策略。

通过上述步骤，用户能够快速搭建和运行本项目，实现农地作物现况调查影像的自动识别与分类。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】