# soil_analysis_project

**Repository Path**: he___e/soil_analysis_project

## Basic Information

- **Project Name**: soil_analysis_project
- **Description**: 本项目是一个基于深度学习的土壤肥力评估系统，通过卷积神经网络（CNN）对土壤图像进行多模态特征分析，实现土壤肥力等级的自动分类与评估。系统采用ResNet-18作为骨干网络，结合数据增强、光照恒常处理和多模态特征融合技术，在田间图像上达到了80.56%的分类准确率。
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-11-05
- **Last Updated**: 2026-07-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: CNN, 深度学习, 多模态, 图像处理

## README


# 📊 基于CNN的土壤图像多模态特征分析与肥力评估系统

## 📌 项目简介

本项目是一个基于深度学习的土壤肥力评估系统，通过卷积神经网络（CNN）对土壤图像进行多模态特征分析，实现土壤肥力等级的自动分类与评估。系统采用ResNet-18作为骨干网络，结合数据增强、光照恒常处理和多模态特征融合技术，在田间图像上达到了**80.56%的分类准确率**。

### 核心特性

- 🖼️ **图像预处理**：基于OpenCV实现直方图均衡化、随机翻转/变色等数据增强
- 🧠 **CNN模型**：基于ResNet-18构建，集成Dropout与Batch Normalization提升鲁棒性
- 🔗 **多模态融合**：图像特征 + 土壤成分数值特征的联合建模
- ⚡ **高效推理**：单张图像完整分析耗时 < 1.5秒
- 📊 **可视化工具**：支持特征图可视化、杂质分析结果展示

## 🛠️ 技术栈

| 技术 | 用途 |
|------|------|
| Python 3.8+ | 主开发语言 |
| Keras/TensorFlow | 深度学习框架 |
| OpenCV | 图像预处理 |
| Matplotlib | 结果可视化 |
| Jupyter Notebook | 实验探索与分析 |


## 🚀 快速开始

### 环境配置

```bash
# 克隆仓库
git clone https://gitee.com/he___e/soil_analysis_project.git
cd soil_analysis_project

# 安装依赖（依赖不够全，可能需要额外手动安装，推荐使用虚拟环境）
pip install -r requirements.txt
```

### 数据准备

> ⚠️ 由于文件大小限制，原始图像数据和预训练模型未包含在本仓库中。

请自行准备土壤图像数据集（作者有二百多张自采集图像，有非专业标注，如有需要可以提供），建议目录结构如下：

```
data/
├── raw/           # 原始图像（250张田间图像）
├── processed/     # 预处理后的图像
└── features/      # 提取的特征文件
```

### 模型训练

```bash
python train.py --data_dir ./data/raw --epochs 50 --batch_size 32
```
> 可自行设定轮次及批次大小

> 更详细的模型训练步骤以后再整理


### 运行可视化

```bash
python visualization.py         # 查看分析结果
python visualize_features.py    # 查看特征图
python visualize_impurities.py  # 查看杂质分析
```

## 📈 实验结果

| 指标 | 结果 |
|------|------|
| 训练样本数 | 531（原始250张扩增） |
| 特征维度 | 1531维（6类） |
| 验证集准确率 | **80.56%** |
| 单张分析耗时 | < 1.5秒 |

## 📝 项目背景

本系统为作者的课程/竞赛作品，产出30+页技术论文，涵盖数据构建、实验对比与消融研究，完整记录了从数据预处理到模型优化的全流程。

## 📄 开源许可

详情请见 [LICENSE](LICENSE) 文件。