Part0:前言

早上騎車路上就在想，目前學習且使用的預訓練模型都是在ImageNet資料集上，若能找個模型是在植物相關大型資料集上訓練，拿來用競賽資料進行遷移學習，表現應該能更好。剛好今天下班後有聚餐能使用的時間也不多，決定就用今天來瀏覽了解一下過去有關農作物分類判斷的模型或相關資料集。

Part1:今日目標

1.蒐集過去使用深度學習(Deep Learning, DL)在農業的相關應用/模型/資料集

Part2:內容

1.蒐集過去使用深度學習(Deep Learning, DL)在農業的相關應用/模型/資料集

網路上蠻多資源的但都散落在各處，決定找看看有沒有統整好的論文發表，就找到下面這篇文章，2018年發行有點歷史，但作者們調查過去在農業應用深度學習的文獻共計40篇，整理每篇文獻的要點方便讀者比較，並且得到非常高的2062次引用次數。

1-1針對每篇文獻會提問以下問題:

圖片來源
透過上述問題，聚焦整理每篇文獻解決的問題、使用的方法和模型、用來訓練的資料集和做那些資料集前處理等資訊，方便讀者能快速掌握目前深度學習在農業上的發展。也讓我了解到，未來在閱讀文獻時，需要掌握的要點有哪些，透過類似作者的整理方式，能更系統性的學習。

1-2整理結果:

1-2-1文獻整理

下圖是擷取作者們的整理結果，因為此次競賽資料是要做影像分類(Image classification)，透過模型預測每張圖片屬於35種農作物的哪一種，因此在閱讀此篇文章後，選取和我們任務類似的作整理。





圖片來源
由上圖可以看到預測表現都十分不錯，且圖片都有經過各式不同的資料前處理方式(data pre-processing)。這些資訊都可做為接下來幾天訓練競賽資料的參考做法。

1-2-2公開可取用農作物/植物/作物的資料集

圖片來源
上面資料集有些農作物跟競賽資料集的農作物相同，也許可作為擴充的資料圖片。但上述圖片蠻多都是美洲農作物，我覺得跟台灣農作物圖片應該還是有蠻大差異，後續應該會傾向找台灣或亞洲地區的農作物數據資料協助訓練資料集做擴充。

Part3:專案進度

對目前有的一些模型、農業應用和資料集有更多的認識。

Part4:下一步

實作這幾天瀏覽到的Debug和模型優化方式。

心得小語:
昨天睡滿八小時還是頗累&加上今天下班後聚餐，又只有2小時能推進進度，有點壓力和疲勞~但比賽日子還是在走，還是要推進一點點進度囉~ 對自己不甚滿意，但明天再繼續努力!
今日工時50min*2

Great works are performed not by strength but by perseverance.
暨要有力量又要有恆心才能完成偉業