📚 课程目录第4章数据预处理与增强策略

4. 数据预处理与增强策略

农业目标检测模型的效果，往往在数据进入网络之前就已经被决定了一大半。田间采集的图像与通用数据集存在显著差异：清晨与正午的光照强度可能相差数倍，逆光下叶片近乎全黑；果实、病斑常被枝叶遮挡，目标可见面积不足一半；背景中土壤、杂草、地膜、支架相互交织，纹理杂乱且与目标颜色接近。如果直接把原始图像送入网络，模型很容易学到“背景捷径”——例如把某块地膜的颜色当作识别依据，换一块田就失效。因此，本节围绕一条可落地的预处理与增强流水线展开：先做确定性的预处理，把图像整理成网络可稳定消费的规格；再做随机性增强，主动制造光照、遮挡与背景扰动，迫使模型学习目标本身的判别特征。

一、预处理：把输入规格统一，同时保住小目标

预处理是确定性的、训练与推理必须一致的操作，核心是三件事：裁剪、缩放、色彩校正。农业图像常见的原始分辨率为 1920×1080 或更高，而检测网络输入通常为 640×640 或 1280×1280。直接整图缩放会把一个直径 30 像素的小果实压到 10 像素以下，特征几乎消失。更合理的做法是“先裁后缩”：以标注框为中心，按目标尺度的 2～3 倍裁剪局部区域，再缩放到网络输入尺寸。例如对番茄果实检测，标注框平均边长约 60 像素，则可裁剪 180×180 的局部块，缩放后目标仍占约 200 像素，细节得以保留。裁剪时需同步变换标注框坐标，并丢弃裁剪后可见面积低于原框 30% 的样本，避免引入残缺标签。

缩放推荐使用保持长宽比的 letterbox 方式：将图像等比缩放至目标边长，短边不足处用灰色（114,114,114）填充，而不是直接拉伸变形。拉伸会改变果实的圆度、叶片的形状比例，而形状恰恰是农业目标的重要线索。色彩校正则针对采集设备的偏差：不同相机白平衡不一致，同一片叶子可能偏黄或偏蓝。工程上常用灰度世界假设做简单白平衡，即分别计算 R、G、B 三通道均值，以三者均值为目标对每通道做增益缩放。示例参数下，若某图像三通道均值为 (120, 135, 110)，则增益约为 (1.10, 0.98, 1.20)，校正后整体色调趋于中性。这一步只做温和校正，不做剧烈拉伸，以免破坏病斑与健康组织的真实色差。

预处理阶段的裁剪比例、填充值、白平衡增益必须写入配置文件，并在推理时复用同一套参数（随机增强除外），否则训练与部署的输入分布不一致，精度会明显下降。

二、增强：针对农业三大痛点分别设计

增强是随机性的，只在训练时启用。针对光照变化，采用色彩抖动：在 HSV 空间对亮度 V 乘以 0.6～1.4 的随机因子，对饱和度 S 乘以 0.7～1.3，对色调 H 做 ±10° 的小幅偏移。亮度下限压到 0.6 可模拟树冠阴影与阴天，上限 1.4 可模拟正午强光与反光。针对遮挡，采用随机擦除与 Cutout：在图像上随机放置 1～3 个矩形块，面积占全图 5%～20%，填充为随机噪声或邻域均值，模拟枝叶、果实相互遮挡。针对背景复杂，采用随机缩放、平移、水平翻转与 Mosaic 拼接：Mosaic 将 4 张图拼成 1 张，天然引入多种土壤、杂草与光照组合，同时让模型在一张图里见到更多小目标，对农业场景尤为有效。

MixUp 则从样本层面做线性混合：取两张图像及其标签，按 λ∈[0.2,0.8] 加权叠加为 I = λ·I₁ + (1−λ)·I₂，标签同步按权重合并。对检测任务，MixUp 需谨慎使用，因为两个场景的目标框会重叠、语义边界模糊。实践中更稳妥的变体是只对背景区域做混合，或把 MixUp 概率控制在 0.1～0.2，并与 Mosaic 交替启用，避免训练早期标签噪声过大导致收敛困难。

三、增强强度的控制与泛化评估

增强不是越强越好。过强的色彩抖动会让病斑与健康组织的色差被抹平，过大的遮挡比例会让正样本几乎不可见，模型反而学到“猜”。工程上建议按训练轮次调度增强强度：前 10 个 epoch 使用较弱增强（亮度 0.8～1.2、遮挡面积 5%～10%），让模型先建立基本判别能力；中期逐步加强到完整强度；最后 10 个 epoch 关闭 Mosaic 与 MixUp，只用轻量几何变换收尾，使模型适应真实推理时的干净输入。这一“先易后难、末尾收敛”的调度，通常比全程固定强度更稳定。

评估增强是否真正提升泛化，关键在验证集的构造。不能只在同分布验证集上看 mAP，因为增强带来的收益往往体现在分布偏移场景。建议至少准备三个验证子集：常规集（与训练同田块、同光照）、光照偏移集（逆光、阴天、夜间补光）、遮挡集（目标被枝叶遮挡 30%～60%）。分别记录 mAP@0.5 与 mAP@0.5:0.95，并观察小目标（面积小于 32×32 像素）的召回率。若常规集提升有限而偏移集提升明显，说明增强确实在教模型学目标特征而非记忆背景；若常规集反而下降超过 2 个点，则需回退增强强度或检查标签在裁剪、拼接后是否错位。上图为一条完整流水线与示例对比结果，其中数值为教学假设，实际应以本地验证集复现为准。

Mosaic 与 MixUp 会改变目标框的分布，务必在增强后重新校验标注：裁剪越界框需截断，拼接后重叠框需按 IoU 阈值去重，否则噪声标签会抵消增强收益。

把上述策略固化为配置，是保证可复现的前提。下面是一份可直接参考的增强配置片段，字段对应常见检测框架的增强参数命名习惯，实际使用时按所用框架调整键名即可。

preprocess:
  crop_scale: 2.5          # 以标注框边长倍数裁剪
  min_visible_ratio: 0.3   # 裁剪后可见面积下限
  input_size: 640
  pad_value: [114,114,114]
  white_balance: gray_world

augment:
  hsv_h: 0.015             # 色调 ±10° 约 0.015
  hsv_s: [0.7, 1.3]
  hsv_v: [0.6, 1.4]
  flip_lr: 0.5
  translate: 0.1
  scale: [0.5, 1.5]
  erase_prob: 0.4
  erase_area: [0.05, 0.20]
  mosaic: 1.0              # 前中期启用
  mixup: 0.15              # 与 mosaic 交替
  close_last_epochs: 10    # 末尾关闭 mosaic/mixup

最后需要强调，预处理与增强的设计必须回到农业场景本身：光照变化用色彩抖动覆盖，遮挡用随机擦除模拟，背景复杂用 Mosaic 引入多样性，小目标用“先裁后缩”保住分辨率。四类手段各司其职，再配合分阶段强度调度与多子集验证，才能把增强从“碰运气”变成可度量、可复现的泛化提升手段。