Plant Health Monitor 是一个基于深度学习的植物病害检测系统，通过分析植物叶片图像实时检测病害。系统采用PyTorch框架构建模型，支持在Windows和树莓派上运行，适用于农业生产环境。

PLANTHEALTHMONITOR
├── dataset
│   └── introduction.md
├── models
│   ├── best_model.pth
│   └── finetuning_model.pth
├── src
│   ├── inference
│   │   ├── raspberry_pi
│   │   │   └─inference_raspberry_pi.py
│   │   └── windows
│   │       └── inference_windows.py
│   ├── training
│   │   └── train.py
├── LICENSE
├── README.md
└── requirements.txt

使用 PlantVillage 数据集，包含超过 5 万张植物病害叶片图像，涵盖26类病害。

1. 准备环境安装 Python 3.6+（使用了3.7及以上的dataclass方法，现建议安装3.7以上版本python），建议使用虚拟环境（如在树莓派上安装环境不要破坏原系统python依赖！！！）：

   python -m venv venv
   source venv/bin/activate  # 激活虚拟环境

2. 安装依赖库

   pip install -r requirements.txt

1. 训练模型 将数据集放入 dataset/目录下，然后运行：

   python src/train.py

2. 推理

   • Windows确保PC连接摄像头并运行：

     python src/inference_windows.py

   • 树莓派 确保树莓派连接摄像头、用gpio口喇叭模块并运行：

     python3 src/inference_raspberry_pi.py

由于剔除了背景的数据集导致在没有树叶的时候错误识别，后续可以重新训练，目前的解决的方法是使用OpenCV HSV色彩空间进行筛选

项目采用Apache许可证，详见 LICENSE。