本发明提出一种花生叶片病害识别方法，针对数据集中不同种类样本数量差距巨大，极易导致过拟合问题，通过数据优化处理算法实现数据集的均衡化，在提升训练质量的同时，避免了过拟合问题。以轻量级卷积神经网络模型为基础，通过迁移原始轻量级卷积神经网络的卷积层提取花生叶部病害特征，重新添加归一化层、全局平均池化层、展平层、全连接层以及分类层构建花生叶部病害识别模型，并完成在嵌入式设备上的部署。本发明可最终在嵌入式设备上完成部署，进而实现便携式在线诊断，无需计算机支持，可独立运行和解析模型，实现在田间地头的在线即时诊断，提高诊断效率，为花生病虫害的诊治抢占先机，对推动农业可持续与高质量高效发展具有十分重要的意义。