基于YOLO的智慧农业植物病害检测项目(vue+flask+数据集+模型训练)

一、项目演示视频

基于YOLO的智慧农业植物病害检测项目(vue+flask+数据集+模型训练)

二、技术栈

1. 前端技术栈

• HTML5/CSS3：页面结构和样式
• Vue.js 3：前端响应式框架
• Element Plus 2.4.1：UI组件库
• JavaScript：前端交互逻辑
• Echarts: 前端图表库

2. 算法端技术栈

• Python 3：主要编程语言
• Flask 3.1.1：Web应用框架
• Flask-CORS 6.0.1：跨域资源共享支持
• Ultralytics 8.3.170：YOLO模型库
• PyTorch 2.7.1：深度学习框架
• Pillow 11.3.0：图像处理库
• OpenCV 4.12.0：计算机视觉库

三、功能模块

1. 用户管理

• 用户登录：支持用户名密码登录
• 用户注册：新用户可注册账号
• 账户验证：确保系统安全性

2. 植物病害检测

• 图像检测：支持本地植物图像文件上传检测
• 视频检测：支持本地视频文件逐帧检测分析
• 实时摄像头检测：通过摄像头实时拍摄植物进行病害检测
• 结果展示：显示检测框、病害类别（中英文）及置信度
• 统计分析：提供详细的检测统计和分析结果
• 多模型支持：提供已训练模型和新训练模型两种选择

3. 模型数据查看

• 训练数据展示：查看模型训练过程中的数据和指标
• 验证结果展示：查看模型在测试集上的性能表现
• 精度统计：展示模型检测精度、mAP等关键指标

四、项目链接

https://pan.baidu.com/s/11yF79h52am8kfJSmZ2HImw?pwd=wmip 提取码: wmip

1. 完整系统源码
   (1)前端源码(web-flask/templates)
   (2)算法端源码(web-flask)
   (4)模型训练代码(other/model_train/detect)
2. 部署教程
   (1)环境安装教程(视频+文档)
   (2)系统启动教程(视频+文档)
3. 项目文档
   (1)系统介绍文档
   (2)模型训练文档
4. 植物病害检测数据集(30类)

• 总样本数：2328
• 训练集：1629 (用于模型训练)
• 验证集：465 (用于模型验证和性能调优)
• 测试集：234 (用于模型最终性能评估)
• 类别：苹果黑星病叶片、苹果叶片、苹果锈病叶片、甜椒叶片、甜椒叶斑病、蓝莓叶片、樱桃叶片、玉米灰叶斑病、玉米叶枯病、玉米锈病叶片、桃叶片、马铃薯叶片、马铃薯早疫病、马铃薯晚疫病、覆盆子叶片、大豆叶片、南瓜白粉病叶片、草莓叶片、番茄早疫病叶片、番茄叶斑病、番茄叶片、番茄细菌性斑点病、番茄晚疫病叶片、番茄花叶病毒、番茄黄化病毒、番茄霉病叶片、番茄双斑叶螨叶片、葡萄叶片、葡萄黑腐病叶片

5. 已经训练好的模型和测试结果(精度如下)

• precision: 0.459 (精确率)
• recall: 0.533 (召回率)
• mAP50: 0.533 (IoU阈值0.5时的平均精度)
• mAP50-95: 0.359 (IoU阈值0.5-0.95的平均精度)
• 基于YOLO v8架构的深度学习模型，针对植物病害特征优化
• 部分类别检测精度表现优秀：玉米锈病叶片(mAP50: 0.962)、葡萄黑腐病叶片(mAP50: 0.995)、草莓叶片(mAP50: 0.871)等