基于深度学习的苹果叶疾病诊断软件

针对人工诊断苹果叶疾病效率低和成本高的问题,设计实现了基于深度学习的苹果叶疾病自动化诊断软件。首先,采集Kaggle平台苹果叶疾病标注数据作为训练集和验证集;然后,在多组超参数下训练ResNet152和MobileNetV2两类深度学习模型,对比发现MobileNetV2模型在验证集准确率、预测速度和模型文件大小上具有优势;最后,将MobileNetV2模型应用于手机端,成功实现基于深度学习的苹果叶疾病诊断微信小程序。实验结果表明,该微信小程序对苹果叶疾病类型的预测准确率为96.16%,单张图像平均预测时间小于100 ms,用户体验流畅。