ky4894/hay_fever_mapping

花粉热过敏原映射镜像概述

花粉热是对花粉的过敏反应，会导致身体不适并影响睡眠和工作效率。本镜像提供的油菜田检测系统旨在通过处理无人机图像生成过敏原位置地图，帮助花粉热患者避免过度暴露。该系统验证了基于机器学习的过敏原植物检测技术的可行性。

核心功能

1. 精准识别：区分油菜田与其他黄花田（如向日葵），减少误报。
2. 混合模型架构：结合CNN（图像分类）和RCNN（目标检测）算法，解决GPU算力限制问题，避免图像降采样导致的特征丢失。
3. 优化训练策略：采用VGG CNN架构，使用dropout和正则化技术降低非油菜田误判为油菜田的概率。
4. 辅助工具集：包含图像增强工具、可视化工具及标注GUI程序，支持模型训练与数据处理。

使用场景

• 花粉热患者：通过生成的地图避开油菜田等过敏原区域。
• 研究人员：扩展模型以识别其他花粉热过敏原植物。
• 开发者：利用镜像中的工具进行模型训练、测试与优化。

配置说明

环境要求

• Nvidia驱动版本需更新至375.23。
• 已预装Ubuntu和Caffe工具，无GPU/软件兼容性问题。

目录结构

|-- data
    |-- Annotations：存放labelImg生成的XML标注文件
    |-- Images：存放训练/测试图像文件
    |-- ImageSets：包含train.txt（训练图像列表）、text.txt（测试图像列表）
|-- results
    |-- test：测试结果输出目录（初始为空）
|-- img_aug：图像增强工具目录
|-- vis_tools：可视化工具目录（生成激活神经元的图像）

常见错误及解决方法

1. 训练路径错误
   错误信息：roidb[i]['image'] = imdb.image_path_at(i)
   解决：删除缓存文件 rm data/cache/train*

2. boxes数量不匹配
   错误信息：AssertionError: Number of boxes must match number of ground-truth images
   解决：重新生成train.mat文件（selective search生成的文件与text列表图像数量不一致）

3. 背景标注重叠问题
   错误信息：AssertionError: all(max_classes[nonzero_inds] !=0)
   解决：调整背景标注框与目标类别的重叠度策略。

Docker部署示例

单容器运行（GPU支持）

bash
docker run --gpus all \
  -v /host/data:/app/data \
  -v /host/results:/app/results \
  ky4894/hay_fever_mapping

Docker Compose配置

yaml
version: '3.8'
services:
  hay_fever_mapping:
    image: ky4894/hay_fever_mapping
    runtime: nvidia
    volumes:
      - ./data:/app/data
      - ./results:/app/results
    command: ["python", "./tools/train_net.py"]