基于先进CNN模型的南瓜植株病害自动诊断

南瓜是全球种植的重要作物，其生产力对粮食安全至关重要，尤其是在发展中地区。准确及时地检测南瓜叶部病害对于减轻产量和品质的重大损失至关重要。传统的病害识别方法严重依赖农民或专家的主观判断，这可能导致效率低下并错失干预时机。机器学习和深度学习的最新进展为自动化和提高植物病害检测的准确性提供了有前景的解决方案。本文对用于南瓜植株叶片病害分类的最先进卷积神经网络(CNN)模型进行了全面分析。利用一个包含2000张高分辨率图像的公开数据集，我们评估了多种CNN架构（包括ResNet、DenseNet和EfficientNet）在识别五种类别（健康叶片和四种常见病害：霜霉病、白粉病、花叶病和细菌性叶斑病）时的性能。我们对这些预训练模型进行了微调，并进行了超参数优化实验。ResNet-34、DenseNet-121和EfficientNet-B7被确定为表现最佳的模型，各自在不同类别的叶部病害中表现出色。我们的分析表明，在兼顾准确性和计算复杂度时，DenseNet-121是最优模型，达到了86%的整体准确率。本研究强调了CNN在自动化南瓜植株病害诊断方面的潜力，为提升农业生产力和减少经济损失提供了宝贵见解。