項目地址：MobileNetV3-for-leaf

項目背景：
早期曾在嵌入式設備 RV1106 上實現過植物病害識別模型，但由于設備性能與數據集限制，識別效果一般。本項目基于更完善的數據與資源，重新使用 MobileNetV3 小型結構從頭訓練，識別三類病害，20 個 epoch 后模型驗證準確率達 96.67%。實驗中發(fā)現模型在 第 10 個 epoch 左右就已表現出較好的識別能力。

本項目使用輕量級模型 MobileNetV3 從頭訓練實現 農作物葉子健康狀況識別，識別類別為：

• healthy
• powdery（白粉病）
• rust（銹病）

數據集來自 Kaggle: Plant disease recognition dataset

訓練模型

python train.py

支持配置：

• 所有訓練超參數（學習率、批大小、epoch 數量等）均可在 train.py 中修改。

輸出示例：

測試單張圖像

python test_single_image.py 

輸出示例：

模型結構說明

模型采用自定義實現的 MobileNetV3-Small，總參數量約 1.5M，非常適合部署于計算資源受限的設備上：

模型結構：

輸入圖像與預處理

• 原圖尺寸約為 4000x2672
• 模型輸入統(tǒng)一調整為 224x224
• 圖像預處理方式：

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 的均值與標準差由 calculator_mean_std.py 腳本統(tǒng)計所得，確保模型在顏色分布上的泛化能力。

已實現功能

• MobileNetV3 小型結構從頭訓練
• 自定義數據均值與標準差統(tǒng)計
• 支持單張圖像推理測試
• 驗證集準確率自動保存最優(yōu)模型

?? 項目作者

李中政
GitHub: @lizhongzheng13