植物叶病害识别对农业来说至关重要，及早识别有助于防止疾病的传播，可能会对作物产量和食品安全产生重大影响。 识别特定的疾病使农民能够采取适当的措施来控制或消灭疾病，比如仅针对目标植物施用恰当的农药或实施隔离措施。
方法
在 STM32 Model Zoo可以找到所需的所有模型，您可以用自己的数据对模型进行训练和再训练。
该解决方案提供了一个在公共数据集上训练的模型，拥有出色的准确率，同时在STM32上运行。
该模型可以通过STM32 Model Zoo的Python脚本轻松部署在STM32H747探索套件上
演示的用例基于植物叶数据集，用于识别病害。
该解决方案提供了一个在公共数据集上训练的模型，拥有出色的准确率，同时在STM32上运行。
该模型可以通过STM32 Model Zoo的Python脚本轻松部署在STM32H747探索套件上
演示的用例基于植物叶数据集，用于识别病害。
传感器
视觉：摄像头模块捆绑包（参考： B-CAMS-OMV）
数据
数据集 Plant Village植物叶数据集（许可证CC0 1.0公共领域）
数据格式
39种不同类别的植物叶和背景图像。
RGB彩色图像
结果
模型快速下采样MobileNet 0.25模型
输入大小：224x224x3
存储器占用：
137 KB Flash存储器用于加权
152 KB RAM用于激活
精度：
浮点模型： 99.82%
量化模型： 99.62%
400 MHz时STM32H747（高性能）的性能
推理时间： 63.2 ms
帧率： 16 fps
混淆矩阵
资源 ![ST EDGE AI MODEL ZOO]()
![ST EDGE AI MODEL ZOO]()
![STM32Cube.AI]()
![STM32Cube.AI]()
![STM32H7系列]()
![STM32H7系列]()
模型库： ST EDGE AI MODEL ZOO
一系列经过优化的参考AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
优化工具： STM32Cube.AI
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
兼容： STM32H7系列
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。它包括一系列产品，集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身，同时还保持了集成度高和易于开发的特点。