使用MobileNetV3模型识别农作物病虫害（通过叶子）

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。

---

已实现功能

• MobileNetV3 小型结构从头训练
• 自定义数据均值与标准差统计
• 支持单张图像推理测试
• 验证集准确率自动保存最优模型

---

项目作者

李中政

GitHub: @lizhongzheng13