摘要
植物病害检测是一项重大挑战，通常需要专业人员介入才能准确识别病害。本研究致力于构建一种深度学习模型，通过分析植物叶片的图像，自动识别其所受病害的类型。模型采用卷积神经网络（Convolutional Neural Network, CNN）并结合迁移学习技术进行训练。实验中分别使用ResNet-34和ResNet-50两种网络结构进行对比，以验证差异化学习（discriminative learning）策略能够取得更优的识别效果。该方法在所使用的数据集上达到了当前最先进的性能水平。研究的主要目标是降低对专业人员的依赖，实现植物病害的快速、准确识别，并使该模型能够广泛应用于广大用户群体，推动农业病害智能诊断的普及。