VIP20
本课程属于：044-TinyML智慧农业与环境监测项目 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

3. 作物病害图像识别：叶片采集、轻量CNN和边缘部署

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 作物病害识别的意义与挑战
课程导入学习目标
02
作物病害基础
常见作物病害类型 · 症状表现 · 病害对农业的影响
作物病害基础常见作物病害类型
03
图像识别概述
传统图像处理与深度学习方法的对比 · CNN在农业中的应用
图像识别概述传统图像处理
04
叶片图像采集
采集设备选择 · 拍摄角度 · 光照条件
叶片图像采集采集设备选择
05
数据集构建
数据来源 · 标注规范 · 类别平衡
数据集构建数据来源
06
数据预处理
图像尺寸统一 · 归一化 · 去噪
数据预处理图像尺寸统一
07
轻量CNN原理
MobileNet · ShuffleNet · EfficientNet-Lite等…
CNN轻量
08
模型选择
不同轻量CNN的对比 · 参数量 · 计算量
模型选择CNN
09
迁移学习
使用预训练模型 · 冻结层与微调策略
迁移学习使用预训练模型
10
模型训练
训练集/验证集/测试集划分 · 损失函数 · 优化器选择
模型训练训练集
11
训练技巧
学习率调度 · 早停 · 正则化
训练技巧学习率调度
12
模型评估
准确率 · 精确率 · 召回率
模型评估准确率
13
模型压缩
剪枝 · 量化 · 知识蒸馏在轻量CNN中的应用
模型压缩剪枝
14
边缘计算基础
边缘设备类型（树莓派 · Jetson Nano · 手机）
边缘计算基础边缘设备类型
15
部署框架
TensorFlow Lite · ONNX Runtime · OpenVINO
部署框架TensorFlow
16
模型转换
将训练好的模型转换为边缘设备可运行的…
模型转换将训练好的模型转…
17
边缘端推理优化
内存管理 · 推理速度优化 · 功耗控制
边缘端推理优化内存管理
18
实战项目一
从零构建一个叶片病害分类模型（数据准…
实战项目一从零构建一个叶片…
19
实战项目二
在树莓派上部署轻量CNN模型进行实时…
实战项目二CNN
20
实战项目三
使用Jetson Nano部署模型并…
实战项目三Jetson
21
案例研究
典型作物（如水稻 · 小麦 · 番茄）病害识别系统案例分析
案例研究典型作物
22
常见问题
过拟合 · 欠拟合 · 数据不平衡
常见问题过拟合
23
常见问题
采集图像质量差 · 标注错误 · 环境干扰对模型的影响
常见问题采集图像质量差
24
常见问题
边缘设备算力不足 · 模型转换失败 · 推理延迟高
常见问题边缘设备算力不足
25
模型调优
超参数搜索 · 特征可视化 · 错误分析
模型调优超参数搜索
26
多病害识别
多标签分类 · 多任务学习 · 细粒度识别
多病害识别多标签分类
27
实时性与准确性平衡
模型轻量化与精度保持的工程实践
实时性准确性平衡
28
系统集成
将识别系统与农业物联网 · 无人机 · 智能喷药系统结合
系统集成将识别系统
29
综合提升
设计一个完整的作物病害识别与边缘部署…
综合提升设计一个完整的作…
30
课程总结
核心知识点回顾 · 学习路径建议 · 未来发展趋势（如联邦学习
课程总结核心知识点回顾