自然环境下，4种水稻叶片病虫害数据集，并使用深度卷积网络对其识别，准确率在98.6%以上（python代码，带有数据集，可以直接运行，带有GUI界面，对代码感兴趣可以私信，为本人创作）

1.数据集介绍：

自然环境下，4种水稻叶片病虫害数据集 Bacterial blight（白叶枯病）共1548张，Blast（稻瘟病）共1440张，Brown Spot（褐斑病）共1600张，Tungro(水稻東格魯桿狀病毒)共1308张。自然环境下，水稻叶片病虫害数据集。 

2.文件夹说明：

2.1.data文件夹装的是4种水稻叶片病虫害原始数据集

打开data文件夹后，如下

Bacterial blight（白叶枯病）文件夹

Blast（稻瘟病）文件夹

Brown Spot（褐斑病）文件夹：

 Tungro(水稻東格魯桿狀病毒)

 2.2.picture文件装的是，运行hf.py文件后，将data文件夹的四种原始数据，随机打乱分成训练集和测试集：

 2.3.model.py是装载的CNN模型，train.py是调用CNN对训练集训练和对测试集识别（这里展示了20个epoch的训练，可以增加训练次数，将高于98.6%），最后稳定的模型参数保存在CNN.pth。

 2.4.predict.py是识别程序，调用训练好的模型参数，对未知图片进行识别，展示属于每一类的可能性。

GUI.py文件直接呈现可视化窗口（有两个按钮，第一个按钮是调取图片，第二个按钮是识别图像类别，识别结果呈现在GUI界面：最大概率可能属于哪类）（或观看：水稻病虫害识别_哔哩哔哩_bilibili）

对代码感兴趣的可以关注（代码和数据集放在了一起）

import os
import json

import torch
from PIL import Image
from torchvision import transforms
import matplotlib.pyplot as plt

from model import CNN
#代码及数据集压缩包：https://mbd.pub/o/bread/mbd-ZJiWmp9x
import os
import sys
import json

import torch
import torch.nn as nn
from torchvision import transforms, datasets
import torch.optim as optim
from tqdm import tqdm

# from model import GoogLeNet
from model import CNN

只对数据集感兴趣的可以关注https://blog.csdn.net/qq_40840797/article/details/131832234?spm=1001.2014.3001.5501