从实验室 94% 掉到田间 11%，我们用 6 代迭代把它救回 10 倍

公开数据集上的高准确率是个陷阱。这是我们的真实演进过程 —— 每一代都有可逐条复算的评测数据，包括失败的初版。

现网部署模型：DINOv2 ViT-S/14 @336。 下面第 1~4 代是历史版本，已不再使用，仅作演进过程留档（其中出现的骨干名称 ——如 ResNet 系列——均指历史代次，不代表当前线上模型）。

11.31% → 76.5%田间 Top-1（6.8 倍）

82.8pp → 23.1pp实验室与田间的落差

1.16 s单张推理（CPU，无 GPU）

451 张田间实测样本，逐条可复算

六代演进 · 小灵的成长相册

实验室（PlantVillage 测试集）田间（PlantDoc 451 张实拍）

关键发现：落差收窄到约 23 个百分点后就不再动了

代	实验室	田间 Top-1	落差	延迟

这 23 个百分点不是"再堆数据"能解决的。第 3 代之后，实验室与田间的差距稳定在 21~24pp，继续加数据只提高了两边的绝对值。剩下的是模型在田间不知道自己错了的问题 —— 实测：模型给出 ≥90% 置信度时，准确率反而降到 87.7%（低于 ≥85% 档的 91.0%，非单调）。这正是我们做跨域可靠性估计（原型距离）的动机：与其追求虚高的总体准确率，不如让模型知道"这一张我不该硬答"。
详见田间实测页与可下载的逐条评测数据。

两条优化路径（我们实际用过的方法）

让它更准

让它更快

怎么复算

本页所有数字都来自下列文件，可逐条核对（不是我们自己写的结论）：

evi/model_evolution.json — 本页数据源（6 代原始数字）
evi/field_eval_detail.json — 451 条田间实例的逐条真值/预测/置信度
evi/field_eval.json — 汇总指标与评测口径（输入尺寸、TTA、类别构成）
交互式混淆矩阵 — 当前线上模型、逐类可查

口径声明：田间数据为 PlantDoc 真实拍摄照片（非实验室干净背景）；评测含水平翻转 TTA； 39 个识别类别 = 26 种病害 + 12 种作物健康 + 1 种无叶片背景；延迟为 2 核 CPU 实测。最后一行是交付形态（ONNX FP32/INT8 双权重），精度与上一行相同，不是新一代模型。