代码运行要求：Torch>=1.13.1即可
1.数据集介绍：
每一个文件夹里装有一类病害叶子的照片，一共10种类别，每种类别下有1100张照片
从第一类到第十类分别如下图所示
2.整体文件夹
data文件夹存放的是未被划分训练集和测试集的原始照片
picture文件夹存放的是经hf.py对data文件夹处理后，生成的训练集和测试集照片
CNN.pth存放的是经train.py训练后的模型参数
GUI.py可以调用训练好的网络模型参数对多张照片连续进行识别
model.py 是存放模型的脚本，可以任意改为其它模型
predict.py是调用训练好的模型参数单个照片识别脚本，对单个 照片进行识别
3.经过30个epoch训练后，测试集达到91.06%的效果（用户如果计算机配置较高，可以增加epoch，效果也会更好），GUI界面识别效果和predict.py识别效果如视频所示番茄（西红柿）叶病害识别（Python代码，pyTorch框架，深度卷积网络模型，很容易替换为其它模型，带有GUI识别界面）_哔哩哔哩_bilibili
已经将代码和数据放在同一文件夹进行压缩，很容易进行运行代码，无需配置繁琐路径，对项目感兴趣的可以关注
import os
import json
import torch
from PIL import Image
from torchvision import transforms
import tkinter as tk
from tkinter import filedialog
from model import CNN
from PIL import ImageTk
#压缩包https://mbd.pub/o/bread/ZJ2Vk55w
