Master's Thesis Defense — Crop Disease Recognition

This is the complete input used to generate this example — nothing was edited by hand.

硕士学位论文答辩：基于轻量化深度学习的农作物叶片病害识别方法研究

研究背景：我国每年因农作物病害造成的粮食损失超过 10%；传统人工识别依赖专家经验、效率低；现有深度模型参数量大，难以部署到田间移动设备。

研究目标：构建一个高精度、可在手机端实时运行的病害识别模型。

研究内容：
1. 构建数据集：采集 6 种作物 28 类病害共 4.2 万张图像，含复杂田间背景。
2. 模型设计：基于 MobileNetV3 引入坐标注意力机制（CA），并设计多尺度特征融合模块。
3. 模型压缩：知识蒸馏 + 通道剪枝，参数量从 5.4M 降至 1.9M。

实验结果：
- 识别准确率 96.8%，比基线 MobileNetV3 提升 3.1 个百分点；
- 在骁龙 8 Gen2 手机上单张推理 18ms；
- 在 PlantVillage 公开数据集上准确率 99.2%。

消融实验：坐标注意力贡献 +1.6%，多尺度融合 +1.0%，蒸馏 +0.5%。

创新点：轻量化注意力结构；面向田间复杂背景的数据增强策略；端侧部署方案。

不足与展望：数据集作物种类有限；未来将研究小样本学习与病害严重程度分级。

致谢：感谢导师和课题组的指导与帮助。