1、明确项目需求和技术方案（先想清楚 “做什么” 和 “怎么做”）

1.1 明确任务类型（分类 / 回归 / 生成 / 检测）

比如，我们结合农业实际需求、数据特点和落地场景，梳理项目需求：

1. 我们只想分析叶片是不是有病，那它就是一个二分类任务：”健康“ or ”病害“。

2. 我们想确认叶片上是否有病害，病害是锈病、白粉病 、蚜虫危害或其他，那它就是一个多分类任务，把需要识别的病害枚举出来。

3. 叶片上同时有 “白粉病斑点” 和 “蚜虫”，我们想标出两者位置及类别，那它就是一个目标检测的任务。

类似以上，根据实具体情况，明确任务类型。

1.2 明确评价指标（准确率 / MAE/Perplexity）

我们把患病叶片误判为健康，会导致病害扩散，因此评价指标需兼顾 “整体 accuracy” 和 “关键类别的精确率”，选择合适的评价指标。

比如：

1. 一块棉花地里，棉花常见的病虫害有立枯病、炭疽病，那我们的地里立枯病、炭疽病、健康的叶片占比均衡，那可能用准确率。

2. 一块棉花地里，若存在 “重点病害黄萎病”（如某病传染性极强，必须 100% 检出）：单独关注该类别的 召回率（Recall）。

1.3 业务约束（速度 / 内存 / 部署场景）

业务约束决定了模型的 “落地可行性”—— 叶片病虫害识别的用户可能是农户（用手机）、合作社（用田间摄像头）、农业公司（用服务器批量处理），不同场景的约束差异极大，需从 多个维度拆解：

1. 农户需要一张一张拍摄上传，那就需要手机拍照上传，是不是需要移动端、还是网页实现。那比如有手机端，处理时间是不是不能太长，假如<1s，那选用的模型就不能太大。

2. 可以在一天的工作结束后，把积攒拍摄的照片批量上传，那就需要确定最大批处理的量，假如是100张一起上传，我们需要多长时间反应、处理，需要什么模型、设备。

3. 假如拍摄照片不显示，需要有个摄像头实时监测，那我们就需要处理视频数据，是不是需要边缘设备呢等等。

4. 我们是不是需要联网等等问题。

最后形成一个需求明确的结果。

参考文档:

标准的产品需求文档在这里！（详细说明版）（1） - 知乎https://zhuanlan.zhihu.com/p/322049809

终于有人把需求确认书、需求规格说明书和需求说明书讲清楚了【文末附可编辑的模板】 - 知乎https://zhuanlan.zhihu.com/p/1889251368172254394

软件项目开发流程：从需求分析到项目交付的完整指南https://ones.cn/blog/knowledge/software-project-development-process-guide

2、准备数据（数据智能）

2.1 收集数据

深度学习本质是 “数据驱动”，数据质量直接影响模型效果。根据需求获取足量、相关的数据，常见来源分为 3 类：

• 公开数据集

免费数据集网站_数据集下载网站-CSDN博客https://blog.csdn.net/u011559552/article/details/143601416

作物病虫害识别数据集资源合集 - 知乎https://zhuanlan.zhihu.com/p/451142782

• 适合实际业务的实际数据集

• 生成的虚拟数据集

假如我们用真实数据作为训练数据，需要收集一些真实病虫害图片数据，根据情况决定多少张图片。

2.2 数据探索与清洗

• 探索数据基本信息：样本数量、特征维度、数据类型（如图片的通道数、文本的词表大小）、标签分布（是否存在 “类别不平衡”，如 90% 样本是正例，10% 是负例）；

• 处理数据缺陷：

  • 缺失值：文本缺失可填充 “空字符串”，数值缺失可填充均值 / 中位数，图像缺失需重新采集；

  • 异常值：如 “年龄 = 200 岁”“图片尺寸 = 1×1 像素”，需删除或修正；

  • 噪声数据：如文本中的乱码、图像中的椒盐噪声，需用正则表达式（文本）、滤波算法（图像）清洗.

2.3 数据预处理与划分

将数据转换为模型可接受的格式，并拆分训练 / 验证 / 测试集：

1. 预处理（按任务类型差异处理）

        图像数据：统一尺寸（如 Resize 到 224×224）、归一化（如像素值从 [0,255] 缩放到 [0,1] 或 [-1,1]）、数据增强（如随机翻转、裁剪，避免过拟合）；

1. 数据集划分

        按 “训练集：验证集：测试集 = 7:2:1” 或 “8:1:1” 的比例拆分（样本量极小时可按 6:2:2），必须保证拆分后数据分布一致（如验证集 / 测试集的类别比例与训练集相同），避免用 “随机拆分” 导致数据泄露（如测试集包含训练集中的重复样本）。

3、需求文档：记录问题定义、技术方案、评价指标

• 一份《数据报告》：记录数据来源、清洗过程、预处理方法、数据集划分结果；

• 可直接使用的数据文件：如处理后的图像文件夹（train/val/test 子文件夹）。

深度学习项目的 “前期准备”（需求 + 数据）往往占总耗时的 50% 以上，对后续项目质量影响很大。