简介
林业有害生物是指危害森林、林木和林木种子正常生长并造成经济损失的病、虫、杂草等有害生物。目前防治的主要办法是提前预防。而对于部分缺乏领域知识的人来说,种类庞大的林业害虫常常让人摸不到头脑,利用人工智能深度学习技术,本项目采用YOLOv5算法+微信小程序设计整个项目,使所有无专业知识的人员也可以轻松辨认林业害虫。
主界面
数据分享界面
检测识别界面
更多详情可以去看视频演示:林业害虫检测识别小程序(支持数据分享和任意模型更换)
要求环境:
- python3及及YOLOv5官方的指定环境:requirements.txt
- 微信开发者工具
- 设备要求:Windows(GPU/CPU)、Linux(GPU/CPU)
目录
.
├── back # 后端
│ ├── Serving_model
│ │ └── commodity
│ │ └── 1
│ │ └── best.pt
│ ├── clear.bat
│ ├── config.yaml
│ ├── detector.py
│ ├── models
│ ├── server_wx.py
│ ├── static
│ │ └── wx_image
│ │ ├── 丝带凤蝶.jpg
│ │ ├── 人纹污灯蛾.jpg
│ │ ├── 日本脊吉丁.jpg
│ │ ├── 杨小舟蛾.jpg
│ │ ├── 杨扇舟蛾.jpg
│ │ ├── 松墨天牛.jpg
│ │ ├── 柳蓝叶甲.jpg
│ │ ├── 桑天牛.jpg
│ │ ├── 褐边绿刺蛾.jpg
│ │ └── 黄刺蛾.jpg
│ └── utils
├── demo
│ ├── 000002.jpg
│ ├── 000009.jpg
│ ├── 000016.jpg
│ ├── 000110.jpg
│ ├── 000185.jpg
│ └── 000206.jpg
└── miniprogram # 前端微信小程序
├── app.js
├── app.json
├── app.wxss
├── colorui
├── images
├── pages
├── project.config.json
├── sitemap.json
└── style
如何使用
1、下载源代码:【源码】林业害虫目标检测小程序
2、修改成自己的模型权重,将你自己训练的模型重新命名为:weights.pt,在Serving_model\commodity文件夹下新建一个最新的数字文件夹(例如Serving_model\commodity文件夹下有一个1文件夹,你可以新建一个2文件夹),将weights.pt放入到新建的这个数字文件夹。这里我们的server_wx.py里面会自动检测大数字的文件夹并且调用其权重。这里2比1大因此会优先调用2文件夹中的权重。
3、修改配置文件config.yaml:
# 未解释内容不要做修改!!!
HOST: localhost # 本地测试为localhost,云端部署为0.0.0.0
PORT: 8090 # 根据需求指定端口,默认8090
FOLDER: ['caches', 'results','results_json']
CACHE_FOLDER: caches
RESULTS_FOLDER: results
ALLOWED_EXTENSIONS: ['png', 'jpg', 'jpeg']
MYDEVICE: '0' # 使用的设备('0':代表使用GPU;'cpu':代表使用CPU)
IMG_SIZE: 640 # 输入图片大小640
THRESHOLD: 0.6 # 置信度
DIR_PATH: Serving_model/commodity/
4、启动服务:
# 确认自己安装好python3环境,其他环境同YOLOv5官方指定环境
python server_wx.py
5、把miniprogram文件夹导入到微信小程序,然后就可以使用了。
需要注意,如果要部署云端或者上线小程序,只需要修改相应的ip地址即可
如果微信小程序不能接收到服务,必须要关闭掉小程序的域名校验
API参数解释
发送
参数 | 解释 |
---|---|
file | 二进制读取的图片 |
回传
参数 | 解释 |
---|---|
code | 1代表预测到目标;0代表没有预测到目标 |
msg | success代表成功;Method Not Allowed代表失败 |
newslist | 包含:output_url:预测的图片地址;result_arg:具体的预测图片目标信息;detect_time:检测时间 |