這篇文章是用plant village數據集（4萬多張）加一些互聯網上的圖片（3萬多張）組成的數據集來實驗的。plant village數據集中的圖片屬於實驗室圖片，互聯網上的屬於田間圖片，文中列了一個表格，其中只有13類有田間圖片。使用AlexNetOWTBn和VGG兩個模型（模型現成的無特別改進），實驗方案分了兩種，一種是，把所有的8萬張混合起來，做正常的訓練集測試集劃分8:2來訓練模型；另一種是隻使用13類圖片，一個是把實驗室圖像做訓練集在田間圖片上測試，一個是訓練田間圖片測試實驗室圖片。
摘要：本文采用深度學習的方法，利用健康植物和患病植物的簡單葉片圖像，建立卷積神經網絡模型，進行植物病害的檢測和診斷。這些模型的訓練是使用一個開放的數據庫進行的，數據庫中有87,848張圖片，其中包含了58種不同的[植物、疾病]組合中的25種不同的植物，包括健康的植物。對多個模型架構進行了訓練，在識別相應的[植物、疾病]組合(或健康植物)時，最佳性能達到99.53%的成功率。顯著的高成功率使該模型成爲非常有用的諮詢或早期預警工具，並可進一步擴展該方法，以支持在實際栽培條件下運行的綜合植物病害識別系統。
實驗一 測試不同模型的影響
實驗二 測試不同測試集的影響
