使用MobileNetV3模型识别农作物病虫害（通过叶子）

正在检查是否收录...

项目地址：MobileNetV3-for-leaf

项目背景：

早期曾在嵌入式设备
RV1106
上实现过植物病害识别模型，但由于设备性能与数据集限制，识别效果一般。本项目基于更完善的数据与资源，重新使用
MobileNetV3
小型结构从头训练，识别三类病害，
20 个 epoch
后模型验证准确率达
96.67%
。实验中发现模型在
第 10 个 epoch 左右就已表现出较好的识别能力
。

本项目使用轻量级模型

MobileNetV3

从头训练实现

农作物叶子健康状况识别

，识别类别为：

healthy
powdery（白粉病）
rust（锈病）

数据集来自 Kaggle: Plant disease recognition dataset

训练模型

python train.py

支持配置：

所有训练超参数（学习率、批大小、epoch 数量等）均可在 train.py 中修改。

输出示例：

测试单张图像

python test_single_image.py

输出示例：

模型结构说明

模型采用自定义实现的 MobileNetV3-Small，总参数量约

1.5M

，非常适合部署于计算资源受限的设备上：

模型结构：

输入图像与预处理

原图尺寸约为
4000x2672
模型输入统一调整为
224x224
图像预处理方式：

transforms.Resize(256), transforms.CenterCrop(224), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize([0.4717, 0.5892, 0.3972], [0.1704, 0.1531, 0.1755])

其中 Normalize 的均值与标准差由 calculator_mean_std.py 脚本统计所得，确保模型在颜色分布上的泛化能力。