132基于深度学习的识别+Qt界面之叶子疾病检测

本期给大家介绍的是基于深度学习的识别+QT界面的叶子疾病识别。效果图如下：

代码下载和视频演示地址：

132基于深度学习的识别+Qt界面之叶子疾病检测_哔哩哔哩_bilibili

整个文件夹主要是data数据集文件夹和2个py文件+一个Qt界面。

数据集放在data文件夹下，共4个叶子疾病：'枯萎病','普通锈病','灰色叶斑','健康'

运行01数据集文本生成制作.py可以将data文件夹下的图片路径保存成txt格式，包括图片的路径和对应的标签。

运行02train.py可以将txt的训练集和验证集读取，训练好的模型也保存在logs文件夹下，同时提供了11种模型可以任意的切换：alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等

最后训练完成后会生成评价指标图，包括f1-score、精确率和召回率：