基于paddle框架的MobileNetV2深度学习神经网络番茄/西红柿叶子病虫害识别系统源码

AI街潜水的八角2026-01-19 13:21

第一步：准备数据

10种番茄/西红柿叶子病虫害：

复制代码

self.label_dict = {'0': 'Tomato___Bacterial_spot', '1': 'Tomato___Early_blight', '2': 'Tomato___healthy',
                 '3': 'Tomato___Late_blight', '4': 'Tomato___Leaf_Mold', '5': 'Tomato___Septoria_leaf_spot',
                 '6': 'Tomato___Spider_mites Two-spotted_spider_mite', '7': 'Tomato___Target_Spot',
                 '8': 'Tomato___Tomato_mosaic_virus', '9': 'Tomato___Tomato_Yellow_Leaf_Curl_Virus'}

，总共有18345张图片，每个文件夹单独放一种

第二步：搭建模型

本文选择MobileNetV2，其网络结构如下：

由于是十分类问题，直接套用网络肯定是不行，因此会在改动神经网络输出类别数，参考代码如下：

python 复制代码

    model = MobileNetV2(num_classes=update_train_parameters['class_dim'])

第三步：训练代码

1）损失函数为：交叉熵损失函数

2）MobileNetV2从头训练：

python 复制代码

    model = MobileNetV2(num_classes=update_train_parameters['class_dim'])
    model.train()
    cross_entropy = paddle.nn.CrossEntropyLoss()
    optimizer = paddle.optimizer.Adam(learning_rate = update_train_parameters['learning_strategy']['lr'],
                                      parameters = model.parameters())

第四步：统计正确率

|----------------------------------------------------------------------------------|
| |

正确率高达92.9%

第五步：搭建GUI界面

第六步：整个工程的内容

有训练代码和训练好的模型以及训练过程，提供数据，提供GUI界面代码，主要使用方法可以参考里面的"文档说明_必看.docx"

项目完整文件下载请见演示与介绍视频的简介处给出：➷➷➷

https://www.bilibili.com/video/BV1Y1UaYGE2E/