构建数据集，注意完善每张图的标签

完成数据集处理代码，拍摄新样本图片后可以快速扩充到数据集中。已有的样本共105张

使用CNN模型尝试回归预测

关注重点

1. 输入模型的图片大小不固定，
2. 直接Resize
3. CPP
4. Attention Mechanism
6. 如何引入其他参数
7. 直接Concat
8. Tranformer

建立模型

先直接Resize和Concat处理关键的两个问题，得到的回归模型如下，结构十分简单，使用卷积提取图像特征，然后Concat 外部的特征（曝光时间等），经过MLP输出结果。 训练收敛很快，约50个epochs就能收敛，但是预测效果非常差：

预测结果

使用得到的模型文件对已有的样本预测，预测值和真实值差距： 看起来模型只是求了一个平均值，模型结构需要大幅度改进。

直接使用MLP Regression

由于使用CNN直接处理图像，预计以此提取图像特征，然后与外部特征合并后经过MLP总是学习不到良好效果，预测结果只是求了个平均值，所以直接人工设计特征，将灰度图像转换为一下几个特征： Width,Height,Area,MaxValue,MinValue,Mean,Median,Variance 然后使用MLP直接回归，

经过多次实验后，得到的结果较好：

1
2
3

# 创建MLP回归模型  
mlp = MLPRegressor(hidden_layer_sizes=(32, 16), max_iter=2000, random_state=42, learning_rate='adaptive',  
                   early_stopping=True, validation_fraction=0.2)

1
2

训练集得分: 0.96
测试集得分: 0.90