Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/yachuuuuu/plant_disease-dataset

image-classification pytorch

Last synced: about 2 months ago
JSON representation

Host: GitHub
URL: https://github.com/yachuuuuu/plant_disease-dataset
Owner: YaChuuuuu
Created: 2022-07-01T14:22:32.000Z (over 2 years ago)
Default Branch: main
Last Pushed: 2024-07-19T04:25:40.000Z (6 months ago)
Last Synced: 2024-07-19T12:37:51.423Z (6 months ago)
Topics: image-classification, pytorch
Language: Jupyter Notebook
Homepage:
Size: 4.3 MB
Stars: 0
Watchers: 2
Forks: 0
Open Issues: 0
Metadata Files:
- Readme: README.md

Awesome Lists containing this project

README

        # plant_disease-dataset 實作

### 使用技能

建構深度學習神經網路 (numpy、Pytorch模組)

   

### 架構

1. 資料集：使用 Kaggles的  [New Plant Diseases Dataset]()，其中有 38 種生病或健康植物資料集 (約 87,000 張 RGB 圖片)

2. 訓練資料和驗證資料：training / validation = 80 / 20

3. 測試資料：資料集test資料夾中照片 + 自行拍攝病害照片 (應只有Citrus和Tomato照片符合原訓練資料集的分類，其餘植物病蟲害不屬於原本的分類)

4. 目的：預測圖片中的植物所感染的病蟲害

5. 方法：使用預訓練模型(Resnet18)進行訓練

---

### 結果

1. 資料集中的test資料夾預測成果佳

2. 自行拍攝照片中的2張被準確預測  

   ![image](https://github.com/user-attachments/assets/05da3caf-923c-4a08-bdeb-52dbbe33fbe2)

   ![image](https://github.com/user-attachments/assets/16ebb6c6-cdc8-492b-97fc-edab88c17b90)

5. 自行拍攝照片中的16張被認為準確預測 (可能性90%以上) ，但標籤和預測結果不合，多半為：

   a. 相同的植物種類，但為不同的病害->照片的病害類似、不存在原本的分類中或複合感染

   

      ![image](https://github.com/user-attachments/assets/275c917e-5398-4d4d-8e7a-5bc478c6e1d4)

      ![image](https://github.com/user-attachments/assets/86aed123-435b-4417-b917-bf6626eb5988)

      ![image](https://github.com/user-attachments/assets/5f2b99af-7251-493e-bb9a-4493cba2a6ab)

      ![image](https://github.com/user-attachments/assets/80ad3232-6d31-42b3-b8d9-71df378ad7f6)

      ![image](https://github.com/user-attachments/assets/352711ff-4572-42c0-be65-5bf45ca5b25f)

      ![image](https://github.com/user-attachments/assets/c80c6529-9550-4fc5-a729-99765d0254e0)

      ![image](https://github.com/user-attachments/assets/7a322b6d-df2d-46a5-b021-2901aa085167)

   b.不同的植物種類病害->背景複雜或葉片扭曲或非典型

   

      ![image](https://github.com/user-attachments/assets/1454710d-7c00-4ca1-be28-1d05dc902b7a)

      ![image](https://github.com/user-attachments/assets/13d75204-be30-45fe-8c39-b4c1c0663765)

      ![image](https://github.com/user-attachments/assets/0e20cfb5-fece-427c-a61b-0db9815353b8)

      ![image](https://github.com/user-attachments/assets/57dda07a-8852-471f-9fe7-da5bc5ff5c20)

      ![image](https://github.com/user-attachments/assets/9f69177d-db66-4cf7-b401-2a72788d6d6c)

      ![image](https://github.com/user-attachments/assets/51223812-80f1-4d86-8b78-af00f8286cc3)

      ![image](https://github.com/user-attachments/assets/6c63e086-90cc-4d42-a633-1cdff609295c)

      ![image](https://github.com/user-attachments/assets/f481aa75-2eb3-48e0-99cd-f19ce97459a6)

      ![image](https://github.com/user-attachments/assets/7b14aa9b-5a8b-417c-8f3f-71c0e4c03eb5)

      ![image](https://github.com/user-attachments/assets/3004cc9e-1029-46c6-8e52-a3a1e7bba1c4)

   c. 果實的照片?

   

      ![image](https://github.com/user-attachments/assets/9978fe8b-68e8-4bdd-8e2c-7c70d98e5882)

   

### 結論與優化方向

  

   1. 該模型適用條件：非複合感染、背景乾淨之植物葉片特寫照片

   2. 直接使用田間照片在這個模型進行辨識目前不太可行

   3. 新增台灣常見的病害的進行訓練

   4. 新增不同的病害型態進行訓練，使模型可以辨識樣態不同但應為同類病蟲害

   5. 新增複雜背景的照片訓練/將照片前處理去除背景