草莓作为重要的经济作物，其病害问题日益严重，传统识别方法主要靠农民经验，存在评价指标不客观的问题。本研究基于深度 学习技术，利用 MobileNetV3 和迁移学习算法，构建了一种高效、轻量化的草莓病害识别模型。采集了 2500 张草莓病害图像，涵盖角斑病、 炭疽病果实、花枯病等 7 种常见病害，并通过数据增强策略扩充数据集以提升模型泛化能力。实验采用 Adam 优化器，在 50 轮训练后，用 验证集的数据对模型的性能进行了验证，模型的加权准确率、召回率、及 F1 分数分别为 0.9620、0.9627、0.9623，对灰霉病、叶斑病等病 害识别效果显著，但在果实白粉病和炭疽病果实等相似症状病害上存在误判。本文建立的模型在草莓病害诊断中具有较高准确性和鲁棒性， 可为智慧农业提供技术支撑。