植物病理学项目 项目描述： 该项目取自植物病理学。对影响农作物的许多疾病的误诊会导致化学药品的滥用，导致耐药菌病原体的出现，投入成本的增加以及更多爆发，造成重大的经济损失和环境影响。在这个项目中，我们将使用苹果叶片的图像来训练可以正确诊断感染和健康叶片的模型。我们将以对模型进行训练的方式来转换图像，以获取用户将提交的真实世界数据（不同的亮度，角度，叶片位置，颜色等）。 我们最初的目标是95％的准确性，使用EfficientNet b5之后，我们能够达到95.9％的准确性。重要说明是，此项目是使用Google Colab创建的，因此必须使用项目中指定的相同目录路径装载和格式化Drive，才能使用个人计算机运行该项目。 该项目的重点： 格式化要在ImageFolder和DataLoader中使用的图像目录。 图像增强可复制真实世界的数据示例。 为未标记的测试数据创建自定义数据集。 实施转移学习

木薯叶病分类Kaggle挑战2020 链接到博客文章： 我的提交分数历史记录：

Kaggle-木薯叶病分类 Kaggle竞赛代码“木薯叶病分类”。 排名256/3900（最高7％）铜牌 比赛于2月结束，当我最近整理代码时，我决定在GitHub上发布它（整理代码确实是一件很累的工作〜）。 我在私有数据集中得到0.8987 。 但是，这不是我最好的解决方案（确定是成功的关键...大声笑）。 我在Github上发布的代码为0.9010 ，如果我提交此解决方案，则该代码应排在银牌区域。 此仓库包含培训部分和测试部分的代码，我使用一些技巧，如下所示： AMP，用于更快的训练（Kaggle中的GPU时间限制，我的GPU不好） 数据8月可提供更好的性能（我放弃了cutmix或snapmix之类的技巧，这些技巧浪费大量时间并且没有改善性能） K折模型合奏：$ k = 5 $ 模型集合：EfficientB4（由我自己训练）+ Resnext（在讨论区域中开放访问） 测

使用SVM分类器进行水稻叶病检测：使用SVM分类器检测水稻叶病-Matlab代码