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	Softmax

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

1. 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。

2. 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。

3. 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。

4. 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