粮食是人类生存的基本必需品，植物病害是影响收获作物质量的重要因素。由于人口不断增长和全球气候变化，及时识别和管理植物病害非常重要。虽然现有文献中已经设计了许多用于植物叶片疾病早期诊断的算法，但其中大部分缺乏足够大的数据集来进行准确的检测和诊断。这项工作旨在确定最先进的模型的意义并进行微调，以检测和分类植物叶片中的疾病。需要这些模型来进行疾病的早期检测，以防止作物损失。本文使用了包含14种植物的39类病叶和健康叶的数据集。对各种深度学习架构进行微调，包括VGG16，AlexNet，ResNet18和MobileNetV2。结果基于四个不同的指标进行评估，即vis-à-vis准确性、F1评分、精度和召回率。使用MobileNetV2获得最佳结果，准确率为94.4%。

图1  a蓝莓，b玉米斑叶，c橙子叶黄龙病，d草莓叶，e南瓜白粉病，f番茄叶斑枯病。

图2  a番茄斑枯病原图和b-h为增强图。

图3  方法框架。

图4  使用VGG 16的39类分类混淆矩阵。

图5 使用AlexNet的39类分类混淆矩阵。

图6 使用ResNet18和的39类分类混淆矩阵。

图7 使用MobileNetV2的39类分类混淆矩阵。