基于CNN的棉花不同病害叶识别（Python代码，pytorch框架，代码有详细中文注释，准确率在90%以上）
1.效果视频（训练过程：基于CNN模型的棉花不同病害叶识别（Python代码，pytorch框架）_哔哩哔哩_bilibili（为减小视频时长，epoch为30，准确率在85%左右，epoch为60后，稳定在90%以上），
GUI识别过程：棉花也病害识别GUI运行界面_哔哩哔哩_bilibili）
CNN模型介绍（ CNN模型代码,可以替换为MobileNetV3Small， VGG16，AlexNet，ResNet18，GoogLeNet，很容易）：
表 3-1 CNN完整网络参数
网络
名称
层类型
核尺寸/
步长
核数量
激活
函数
CNN
模块
卷积块1
卷积层
3*3/1
16
ReLU
BN层
—
—
—
卷积块2
卷积层
3*3/1
32
ReLU
BN层
—
—
—
池化层1
最大池化层
2/2
—
—
卷积块3
卷积层
3*3/1
64
ReLU
BN层
—
—
—
卷积块4
卷积层
3*3/1
128
ReLU
BN层
—
—
—
池化层2
自适应最大池化层
—
—
—
分类器
全连接层1
—
—
256
ReLU
全连接层2
—
—
128
ReLU
输出层
4
2.数据集介绍
如果想识别的时候呈现中文名称：
文件夹改为中文名字即可
Bacterial Blight（细菌性枯萎病）：细菌性枯萎病是由细菌引起的棉花疾病，主要受害部位是棉花的叶子和茎。这种病害可以导致叶片枯萎、变色和腐烂，对棉花产量产生不利影响。
Curl Virus（卷叶病毒）：卷叶病毒是一种病毒性病害，影响棉花植株。感染后，棉花叶片会卷曲并显示异常的颜色，这可能导致棉花生长不良和减产。
Fusarium Wilt（枯萎病）：枯萎病是由一种真菌引起的棉花疾病。这种病害会导致棉花植株的叶子和茎部出现枯萎、变色和凋落的症状。枯萎病对棉花的生长和产量也造成了负面影响。
Healthy（健康）："Healthy" 表示没有任何上述病害或问题，棉花植株处于正常健康状态。
1.Bacterial Blight（细菌性枯萎病）文件夹（448张照片）
2. Curl Virus（卷叶病毒）文件夹（417张照片）
3. Fusarium Wilt（枯萎病）文件夹（419张照片）
4.健康文件夹（426张照片）
只对数据集感兴趣额的，可以关注棉花叶病害数据集_cotton insect pests 数据集-CSDN博客
整个文件夹的截图
背景照片是GUI程呈现的背景，可以替换
train.py是训练主程序，调用model.py里面写的CNN模型
model.py就是CNN模型
hf.py是对data文件夹里的原始数据进行分割训练集和测试集，生成的训练集和测试集保存在了piture文件夹（如果运行hf.py,需要重新删除piture文件夹）
CNN.pth就是train.py训练结束保存的模型参数。
class_indices.join可以被pycharm或者Spyder等Python语言编译器打开，里面是标签和对应的类别名称
对项目感兴趣的额，可以私信
相关知识
基于卷积神经网络的棉花病虫害识别与防治系统，resnet50，mobilenet模型【pytorch框架+python源码】
pytorch深度学习框架——实现病虫害图像分类
基于卷积神经网络的樱桃叶片病虫害识别与防治系统，vgg16，resnet，swintransformer，模型融合（pytorch框架，python代码）
基于python编程的五种鲜花识别
基于卷积神经网络的大豆病虫害识别与防治系统，resnet50，mobilenet模型【pytorch框架+python源码】
【免费】基于pytorch的深度学习花朵种类识别项目完整教程（内涵完整文件和代码）
基于深度学习的植物叶片病害识别系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于YOLOv8深度学习的葡萄病害智能诊断与防治系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战
Deep Learning：基于pytorch搭建神经网络的花朵种类识别项目（内涵完整文件和代码）—超详细完整实战教程
基于YOLOv8深度学习的橙子病害智能诊断与防治系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标分类
网址: 基于CNN的棉花不同病害叶识别（Python代码，pytorch框架，代码有详细中文注释，准确率在90%以上） https://m.huajiangbk.com/newsview540326.html
| 上一篇: 枸杞主要病虫害的识别与防治 |
下一篇: 已知正比例函数y=（k |
