简介以果树病虫害识别为实战案例系统讲解基于MATLAB的深度学习入门流程内容覆盖数据集设置、模型搭建、模型训练、模型测试与模型评价等多个环节并采用Alexnet迁移学习方案特别适合算力有限的个人电脑环境是该系列针对低配置设备推出的最新更新版2022年6月。资源包共937个文件包含928张果树病虫害图片、mat数据文件、m可执行脚本及mlx实时脚本等可支撑从数据到模型评估的完整复现整体打包约412MB。目前已有1945人学习使用适合具备一定MATLAB基础、希望快速上手图像分类的开发者。通过该实例可掌握深度学习工具箱的核心操作理解图像分类项目的数据组织、训练调参与结果评价思路并可参考其数据划分与评价方式迁移到其他植物病害或小样本图像任务中。1. 果树病虫害识别这类小样本图像分类为什么值得用 AlexNet MATLAB 起步果园实地采集的病虫害图片每类往往只有几十到几百张还夹杂着光照、遮挡、叶片重叠和背景干扰。从零训练一个 CNN数据量撑不起百万级参数结果通常是验证准确率在 60% 上下打转而换用预训练模型做迁移学习哪怕网络是 2012 年提出的 AlexNet也能在几百张图上轻松跑到 90% 以上。这个反直觉的结论正是「MATLAB 深度学习入门实例果树病虫害识别 Alexnet 版」这个标题背后真正值得做的事在 MATLAB 里加载 ImageNet 预训练权重替换 AlexNet 最后三层用病虫害图片微调出一个能实际使用的分类器。这个路径适合两类人。一类是平时用 MATLAB 做图像处理、信号处理的工程师想快速跨进深度学习又不想先啃 Python 生态另一类是已经会用 PyTorch 或 TensorFlow但对 MATLAB 的 Deep Learning Toolbox 不熟想对比迁移学习工作流的差异。顺便说一句如果习惯让 Codex 这类 AI 工具帮你生成 MATLAB 训练脚本它生成的代码往往会把 Python 的思维带进来比如按 numpy 的习惯处理维度加载网络的 API 也用旧版本这类坑在后面的章节里会专门提到。2. 先解决数据果树病虫害图片怎么组织成能直接训练的数据集2.1 分类粒度决定文件夹结构一张图只能对应一个标签AlexNet 在这里做的是图像分类不是目标检测也不是语义分割。这意味着每一张输入图片必须对应一个明确的类别标签比如 apple_scab苹果黑星病、apple_black_rot苹果黑腐病、leaf_healthy健康叶片。文件夹结构直接按类别划分即可MATLAB 的 imageDatastore 会以文件夹名作为标签这是最省事也最不容易出错的做法。分类粒度关系到训练效果。建议按「病害种类 部位」区分但不要细到病斑级别。例如「苹果叶黑星病」和「苹果果黑星病」在视觉上可能差异很小区分它们需要大量精细标注数据入门阶段强行细分只会让每类图片数量不足训练出来的模型在真实场景里抖动得厉害。更实际的做法是先按叶片健康、常见病害、虫害咬痕这种一目了然的大类分跑通流程后再考虑扩展。类别不平衡也要留意。If 某一类图片数量是另一类的五倍以上训练时模型会倾向于把模棱两可的样本判到多数类。入门阶段尽量保持每类图片数量接近差异控制在两倍以内后面要处理不平衡再考虑加权损失函数。2.2 用 imageDatastore 读入图片用 splitEachLabel 划分三个子集组织好文件夹后读入数据只需几条命令。我把划分训练、验证、测试三个子集放在一起做验证集在训练过程中实时评估 loss测试集留到最后做最终评估这个过程不能省。% 假设图片按类别放在 data/train 下的各个子文件夹里 dataRoot fullfile(pwd, data, train); % 递归读入所有子文件夹图片以文件夹名作为标签 imds imageDatastore(dataRoot, ... IncludeSubfolders, true, ... LabelSource, foldernames); % 按类别划分训练 60%、验证 20%、测试 20% [imdsTrain, imdsVal, imdsTest] splitEachLabel(imds, 0.6, 0.2, 0.2, randomized);splitEachLabel的第一个数字 0.6 是训练集比例后面两个 0.2 分别对应验证和测试集四个参数加起来为 1。randomized表示随机打乱保证每类样本均匀分布在三个子集中。如果数据量特别少也可以用整数指定每类取多少张进训练集剩下做验证和测试例如splitEachLabel(imds, 80, randomized)把每类 80 张作为训练其余全部进验证集——注意splitEachLabel的语义是接受多个分割参数整数和比例不能混用混用时 MATLAB 虽然不报错但实际划分结果和你预期可能不一致。一个常见误区是只划分训练和验证测试集直接用验证集充当。验证集参与训练过程中的早停和调参模型已经见过它的分布最终准确率会被高估几个百分点。测试集必须从未参与过任何训练决策这是评估模型真实泛化能力的前提。2.3 用 augmentedImageDatastore 把图片统一成 227×227别手写 imresize 循环AlexNet 的输入层尺寸是 227×227×3不是 224×224。很多移植自其它框架的代码会在这里栽跟头Matlab 的alexnet网络结构清楚写着imageInputLayer([227 227 3])喂 224 的图不会直接报错但预处理已经和设计输入不一致会影响微调效果。图片统一尺寸时不要手动遍历文件夹做 imresize 再存成新文件。图片总量不大时这种写法也能跑但代码冗长而且在缩放过程中无损格式会被重新编码图片质量反而下降。正确做法是用augmentedImageDatastore它在读取图片的同时完成缩放还支持批量读取和训练时的随机增强。% 统一为 AlexNet 输入尺寸 inputSize [227 227 3]; % 训练集带随机增强 augimdsTrain augmentedImageDatastore(inputSize, imdsTrain, ... ColorPreprocessing, gray2rgb, ... DataAugmentation, imageDataAugmenter( ... RandXTranslation, [-5 5], ... RandYTranslation, [-5 5], ... RandXScale, [0.9 1.1])); % 验证集和测试集只做 resize不做增强 augimdsVal augmentedImageDatastore(inputSize, imdsVal, ... ColorPreprocessing, gray2rgb); augimdsTest augmentedImageDatastore(inputSize, imdsTest, ... ColorPreprocessing, gray2rgb);ColorPreprocessing, gray2rgb的作用是当输入图片是灰度图时自动复制成三通道满足 AlexNet 输入要求。果园里用红外相机或老旧监控设备采的图经常是灰度图不加这个参数会在训练时报维度不匹配。DataAugmentation是 Apple 官方迁移学习示例里没有展开讲的参数它用imageDataAugmenter在每次迭代时对训练图片做随机平移和缩放等效于把你手里那几十张图扩充成更多变体缓解过拟合。注意验证集和测试集不能做增强。增强的目的是让模型见过更多变体验证集需要反映真实分布增强之后评估结果就失真了。下面这个表是入门阶段图片数量对应的做法参考超过 200 张每类时可以适当减少增强力度否则训练时间会拉长。每类图片数量训练策略数据增强力度小于 50 张只训练最后一层强增强旋转、平移、缩放、翻转50200 张微调整个网络或冻结前几层轻中度增强平移、小角度旋转大于 200 张微调整个网络可以不增强或只做随机裁剪3. 改造 AlexNet替换最后三层保留卷积骨架做迁移学习3.1 先跑通最小加载alexnet 命令和 analyzeNetwork 的坑在 MATLAB 里加载预训练 AlexNet 只需一行命令但前置条件经常拦住新手net alexnet(Weights, imagenet);第一次运行时MATLAB 会提示需要下载「Deep Learning Toolbox Model for AlexNet Network」支持包下载过程在国内网络环境下可能很慢有时进度条卡住不动。建议提前在 Add-On Explorer 里搜索 AlexNet 手动安装避免训练脚本跑了一半中断。安装完成后可以用analyzeNetwork(net)打开网络结构可视化窗口逐层查看名称、输出尺寸和参数量。这里有个版本差异值得注意。老版本 MATLABR2017a 之前可以直接alexnet不加参数加载甚至有些教程写alexnet(Weights,none)表示只加载结构不加载权重。R2018b 之后的版本统一为alexnet(Weights, imagenet)这种写法。如果你的脚本是从别处复制的看到「Unable to resolve the name alexnet」之类的报错先检查是不是支持包没装再看是不是 API 版本不匹配。如果机器上有 2026b 版本还会遇到一个变化新版本对预训练模型支持包的管理入口和旧版略有不同但alexnet调用方式保持兼容。analyzeNetwork窗口里重点看两层drop7和fc8。drop7是 dropout 层它的输出是 4096 维特征向量fc8是原来的全连接层输出 1000 个类别得分。这两层是后面替换操作的锚点。3.2 替换最后三层做的是「分类头」移植不是重写网络迁移学习的核心思路是ImageNet 上训练好的卷积层已经学会了边缘、纹理、形状这些通用视觉特征病虫害识别和猫狗分类在这些底层特征上是共享的真正要换掉的只是最后负责输出类别的几层。AlexNet 最后三层结构为fc8全连接层输出 1000 维probsoftmax 层把得分转成概率分布output分类输出层计算交叉熵损失替换时把这三层整体移除换成输出维度等于病虫害类别数的新结构% 加载预训练模型 net alexnet(Weights, imagenet); % 转为 layerGraph 便于修改 lgraph layerGraph(net); % 类别数量 numClasses numel(categories(imdsTrain.Labels)); % 构造新的分类头 newLayers [ fullyConnectedLayer(numClasses, ... Name, fc_new, ... WeightLearnRateFactor, 10, ... BiasLearnRateFactor, 10) softmaxLayer(Name, softmax_new) classificationLayer(Name, classoutput_new) ]; % 移除原来的最后三层 lgraph removeLayers(lgraph, {fc8, prob, output}); % 添加新的三层 lgraph addLayers(lgraph, newLayers); % 把 drop7 的输出连接到新的 fc_new lgraph connectLayers(lgraph, drop7, fc_new); % 可视化确认结构正确 analyzeNetwork(lgraph);代码里的WeightLearnRateFactor, 10是迁移学习里一个容易忽略的细节。新初始化的全连接层权重和预训练层的数量级不同如果让所有层用同一个学习率新层的学习速度会明显偏慢。把新层的学习率因子设为 10相当于在新层上放大学习率让它更快收敛。这个参数在 MATLAB 官方文档里叫WeightLearnRateFactorPyTorch 里对应的做法是给新层单独设lr base_lr * 10原理相同。removeLayers和addLayers的组合比直接修改net.Layers更安全。旧版本里有人用lgraph.Layers(1:end-3)截断再拼接这种写法拿到 2018b 之后版本里会丢层连接信息connectLayers必须重新手动搭建容易漏连。直接基于层图操作连接关系由 MATLAB 自动维护出错概率低得多。3.3 特征提取还是整体微调取决于你的图片数量替换完分类头后还有一个选择是冻结前面所有卷积层只训练新分类头还是让整个网络一起参与训练。这两条路在 MATLAB 里都能走效果差异主要看数据量。冻结层特征提取的做法是把 AlexNet 的卷积层全部视为固定特征提取器只更新最后一两层。实现方式是写一个局部函数把指定层的WeightLearnRateFactor设为 0% 冻结前 7 层分为 conv1 到 pool3 layers lgraph.Layers; for i 1:7 lgraph replaceLayer(lgraph, layers(i).Name, freezeWeights(layers(i))); endfreezeWeights不是 MATLAB 内置函数而是官方迁移学习示例中提供的一个辅助函数需要复制到你的脚本文件末尾。它的实现逻辑是把层的WeightLearnRateFactor和BiasLearnRateFactor都设成 0这样训练过程中梯度下降不会更新这些层的权重只更新分类头。冻结前几层还是全部冻结可以参考下面的对照表。我一般会按每类图片数量来决定少于 100 张时冻结前面 5 个卷积层只微调最后两层全连接和新分类头数据量充足时才放开所有层做完整微调。策略适用数据量训练速度最终准确率风险只训练新分类头每类 50 张以下快一般特征不贴合病虫害纹理冻结前 5 层卷积每类 50200 张中较高需调学习率全部层微调每类 200 张以上慢最高容易过拟合这里还要注意 AlexNet 没有 BatchNorm 层所以在冻结或微调时不需要额外处理批量归一化统计量。如果换成 VGG16 或 ResNet18冻结 BatchNorm 层的均值和方差就需要写额外的辅助函数这是另一个话题了。4. 用 trainingOptions 控制训练参数设不好流程再对也收敛不了4.1 最小训练脚本和三个必调参数网络结构改好后训练命令本身并不复杂复杂的是参数选择。下面这套配置是我在类似小数据集上常用的起点options trainingOptions(sgdm, ... MiniBatchSize, 32, ... MaxEpochs, 12, ... InitialLearnRate, 3e-4, ... ValidationData, augimdsVal, ... ValidationFrequency, 20, ... Shuffle, every-epoch, ... Plots, training-progress, ... Verbose, true, ... CheckpointPath, fullfile(pwd, checkpoints)); netTrained trainNetwork(augimdsTrain, lgraph, options);sgdm是带动量的随机梯度下降小数据集上比 Adam 更容易得到平稳的收敛曲线。InitialLearnRate, 3e-4是迁移学习里最安全的学习率区间——预训练权重已经在一个大模型上收敛过学习率过大会把已经学好的特征破坏掉这个破坏是不可逆的只能重新加载模型再来一遍。ValidationFrequency, 20表示每迭代 20 次就在验证集上评估一次 loss并显示在训练进度图中。CheckpointPath很多人不设但它非常有用。训练过程中每隔一段时间会自动保存一个.mat文件里面是该时刻的网络状态。训练中途停电、MATLAB 崩溃或验证准确率开始下降时可以从最近一个 checkpoint 恢复不用从头再跑十几个小时。4.2 学习率与批次大小怎么配合迁移学习不是随机初始化trainingOptions里参数之间会互相影响单独调某个参数很难收敛。三个最核心的是InitialLearnRate、MiniBatchSize和MaxEpochs。常见搭配如下表这套组合基本可以覆盖入门到进阶参数推荐值作用与注意MiniBatchSize32 或 64显存不够时报 out of memory先减半再跑InitialLearnRate3e-4微调或 1e-3只训练新层全层微调用 1e-4 更稳值过大会震荡MaxEpochs815小数据集上跑太多轮必然过拟合ValidationFrequency2050若 MaxEpochs 很大适当调大此值减少评估开销Shuffleevery-epoch每轮训练前打乱样本顺序避免类别顺序干扰L2Regularization1e-4数值越小对权重的约束越弱MiniBatchSize决定了每个 batch 里图片数量也直接影响显存占用。GPU 显存只有 4G 或者用 CPU 训练时把 32 改成 16训练时间会成倍增加但收敛稳定性相差不多。反过来如果你的 GPU 显存充足比如 24G 显存用 128 的 batch size 也不会报错但小数据集没必要batch 太大反而让每个 step 的梯度方向过于稳定容易收敛到尖锐的局部极小值。学习率区间我给两个值。只训练新分类头时新层的初始化权重是随机的此时可以用稍大一点的1e-3让新层快速拟合如果做全层微调预训练权重已处于一个较优的区域全层微调的学习率必须降到3e-4以下否则 loss 曲线会出现周期性跳动。训练过程中如果发现验证 loss 不再下降可以手动把学习率降一半继续训练这种做法在 MATLAB 里没有内置的自动调度器需要保存 checkpoint 后修改trainingOptions重新加载模型操作上是可行的但比较繁琐所以建议在最初就把MaxEpochs设大一点配合 checkpoint 手动早停。4.3 从训练曲线判断到底有没有在学打开Plots, training-progress后MATLAB 会弹出一个实时更新的训练进度窗口里面有三条线训练 loss、验证 loss、验证准确率。这个小窗口比控制台输出有用得多它能直接告诉你模型到底有没有在学习。健康的状态是训练 loss 稳步下降验证 loss 同步下降但略高于训练 loss验证准确率最后稳定在 90% 以上。如果你看到训练 loss 一直下降、验证 loss 反而上升这是过拟合的经典信号此时MaxEpochs设得太多了或者数据增强力度不够应立即停止训练并用最近一个验证准确率最高的 checkpoint 作为最终模型。另一种常见情况是训练 loss 根本不下降从第一步开始就在 2.0 左右抖动。这时先检查numClasses是不是 1——如果类别只有一类分类层输出维度为 1模型无法学习这种低级错误我在实际项目中遇到过。再检查imdsTrain.Labels是否真的有多类简单执行countEachLabel(imdsTrain)看一眼每类图片数量。如果类别没问题大概率是学习率太高把InitialLearnRate从3e-4改成1e-4再试。没有 GPU 的读者也不用急着放弃。CPU 训练 AlexNet 在这套配置下跑 12 个 epoch每类 200 张图大概需要一到两个小时对于入门实验可以接受。实在等不及可以把MiniBatchSize从 32 减到 8并考虑用云平台的 GPU 实例跑训练但要注意 MATLAB 在云服务器上的 license 激活和本地不同需要提前确认许可证类型支持这种方式。5. 评估与批量识别训练完怎么证明模型真的能用5.1 用 confusionchart 找出最容易混淆的病害训练完成后第一件事不是看最终准确率而是画出混淆矩阵。准确率是一个数字只能告诉你模型整体表现不能告诉你哪两类最容易被搞混病虫害识别场景里错分代价完全不同——把健康叶片判成病害会造成农药浪费把早期病害判成健康则可能让整片果园遭殃。% 对测试集做预测 YPred classify(netTrained, augimdsTest); YTest imdsTest.Labels; % 显示混淆矩阵 figure; confusionchart(YTest, YPred, ... RowSummary, row-normalized, ... ColumnSummary, column-normalized);row-summary显示每个真实类别中被正确预测的比例column-summary显示每个预测类别中有多少是真实类别。这两列数值差距大说明模型偏向某类或某类样本特征太相似。例如苹果黑星病和苹果锈病在早期病斑上都表现为黄色小点混淆矩阵里这两个类别之间的格子数值会明显偏高这是进一步采集数据时要重点补充的方向。5.2 用 activations 抽取深层特征看一眼类别是否「聚得拢」混淆矩阵只能事后评估如果想在训练早期就判断「这个模型的可分性好不好」可以用activations抽取网络倒数第二层的特征向量再用 t-SNE 降维可视化。特征向量的分布比原始图片更能反映模型对类别的区分能力顺手也能验证代码里常见的OutputAs, rows参数行为。% 抽取测试集在 fc7 层输出的 4096 维特征 featTest activations(netTrained, augimdsTest, fc7, OutputAs, rows); % t-SNE 降维到 2 维 embed tsne(featTest); % 按真实标签画散点图 gscatter(embed(:,1), embed(:,2), YTest);featTest是一个N×4096的矩阵N 是测试集图片总数。t-SNE 是 MATLAB 自带的tsne函数不需要额外工具箱。理想情况下散点图中同一类别的点会聚成一个团不同类别的团之间有明显间隔。如果某些类别完全重叠哪怕混淆矩阵准确率还过得去也要警惕模型是从背景特征而不是叶片纹理做出的判断。5.3 用 occlusionSensitivity 看模型到底在看叶片哪个区域最后这个技巧是很多入门教程不会讲的但实际排查问题时非常有用。occlusionSensitivity用一个小方块遮住图片的不同区域观察遮住哪里时分类得分下降最明显。下降剧烈的区域就是模型决策时真正依赖的像素区域。% 读入测试集第一张图 img readimage(imdsTest, 1); trueLabel YTest(1); % 计算遮挡敏感度 scoreMap occlusionSensitivity(netTrained, img, class, trueLabel, ... MaskSize, 30, Stride, 10); % 叠加在原始图像上查看 figure; imshow(img); hold on; imagesc(scoreMap, AlphaData, 0.5); colormap jet;MaskSize是遮挡方块的边长Stride是移动步长。两个值越小热力图越精细但计算量成倍上升。如果热力图高亮区域集中在叶片边缘或背景泥土上说明模型学到的不是病害特征需要重新审视训练集图片的采集质量——比如是否所有健康叶片都拍在同样位置的空白背景上而病叶都在自然树冠背景下拍的这种数据集泄漏会让模型用背景区分病害。正确的热力图应该集中在病斑周围哪怕病斑只占叶片很小一部分。当热力图符合预期时整套识别流程才算真正闭环。本文还有配套的精品资源点击获取