YOLO深度学习融合DeepSeekQwen双大模型西瓜病虫害智能诊断Web平台智慧农业田间植保视觉检测全栈实战项目标签#YOLO病虫害检测 #智慧农业 #西瓜病害识别 #DeepSeek #Qwen大模型 #Pytorch #Flask #SpringBoot #Vue3 #农业AI #计算机视觉 #植保诊断 #毕设项目 #农作物监测据联合国粮农组织统计果蔬作物因病虫害年均减产20%~40%西瓜作为高经济收益瓜果温室、露天种植高湿环境极易爆发多类病害虫害。国内西瓜种植基地超1300万亩传统人工植保巡检存在多重行业瓶颈1名农技员单日仅可巡查45亩瓜田早期微小病斑人工识别误判率高达28.5%基层农技人员配比严重不足每万名种植从业者仅0.8名专业植保人员病害爆发后错失最佳防治窗口期农药滥用提升种植成本、破坏土壤生态。现有单一视觉检测工具仅输出病害名称无法匹配田间温湿度、作物生长期给出标准化绿色防治方案通用大模型缺少农业植保专业知识库难以区分外观近似的真菌/细菌性病害多数系统仅支持单张图片上传无法满足基地批量巡检、田间摄像头实时监测需求。本项目搭建YOLO病害目标检测引擎 DeepSeek/Qwen双大模型植保专业诊断 Python算法微服务 SpringBoot业务后端 Vue3农业可视化前端一体化智能诊断平台完整覆盖图片/批量文件夹/视频/田间摄像头4类检测模式内置分级权限、病虫害统计看板、PDF专业防治报告导出适配瓜田日常管理、农科院植保研究、农业技术推广培训全场景可直接用于深度学习实训、计算机专业毕设、规模化种植基地商用部署。二、项目仓库简介项目总览本仓库是一套端到端落地的西瓜病虫害智能诊断全栈Web系统基于PyTorch YOLO框架训练西瓜专用病害检测模型融合DeepSeek、Qwen两款大模型输出病害成因、绿色防治方案、田间管护建议采用前后端分离双服务架构Flask承载图像推理、视频流解析、批量检测SpringBoot负责用户权限、检测记录存储、报表生成Vue3ElementPlus开发轻量化农业主题可视化页面配套完整标注数据集、预训练模型权重、全注释源码、Windows/Linux一键部署教程。核心量化性能指标数据集规模自建西瓜病虫害标注数据集16827张田间实拍图像训练集13462张、验证集3365张覆盖18类西瓜病害、虫害、生理性损伤样本模型精度验证集整体mAP0.924早期微小病斑召回率89.7%强光、叶片遮挡场景识别准确率88.3%推理速度单张2K田间叶片图像GPU推理≤0.24sCPU推理≤1.08s单实例Flask服务支持30路田间摄像头视频流并行实时识别批量处理能力单次支持上传600张田间图片批量自动检测一键导出Excel统计数据表大模型响应效率单批次病害检测数据调用大模型生成植保方案平均耗时0.52s双模型自动故障降级切换无中断业务承载上限支持1500种植户普通账号、70植保管理员分级管控全量检测日志本地持久存储360天报告输出批量检测任务可一键生成多页PDF专业诊断报告包含病斑标注图、病害占比、分期防治方案系统识别西瓜病虫害全品类真菌病害炭疽病、白粉病、霜霉病细菌病害细菌性果斑病、软腐病病毒病害西瓜花叶病毒病常见虫害蚜虫、红蜘蛛、瓜实蝇生理性损伤日灼病、裂果病、缺素黄叶三、分层完整技术架构3.1 深度学习算法推理层Pytorch检测主干YOLO轻量化模型针对西瓜微小病斑、叶面不规则病灶优化多尺度检测头训练优化策略MosaicCopyPaste农业专用数据增强模拟逆光、叶片重叠、露水水渍干扰AdamW优化器280轮完整训练早停策略防止田间样本过拟合图像预处理CLAHE光照均衡、Gamma校正解决田间强光/逆光识别下降问题视频解析OpenCV逐帧采样降噪降低重复画面无效计算大模型调度封装统一API接口DeepSeek为主模型请求超时自动切换Qwen兜底3.2 双后端解耦架构Python算法微服务Flask图像推理、批量文件夹处理、田间视频解析、实时摄像头流检测、大模型请求转发Java业务后端SpringBoot MyBatis-Plus账户登录鉴权、多级角色权限、检测记录持久化、统计图表数据计算、PDF报告生成、全操作日志审计数据库MySQL8.0分表存储用户信息、单图/批量/视频检测记录、病虫害月度统计数据3.3 前端可视化交互层开发框架Vue3 TypeScript Element Plus可视化组件Echarts柱状图、饼图、趋势折线图展示各类病害月度爆发占比、检出总量通信方案Axios大文件分片上传SocketIO低延迟推送田间摄像头实时检测画面个性化UI农业绿色主题基础界面支持自定义主题色、侧边栏布局、组件尺寸缩放、深浅色模式切换四、系统全功能模块拆解4.1 多模式田间病害检测模块单张图片检测上传西瓜叶片/果实实拍图返回病斑标注框、病害类别、置信度、可视化结果图文件夹批量自动化检测批量导入田间巡检照片自动统计各类病害数量输出Excel汇总表田间视频文件解析检测逐帧识别视频内全部病灶汇总视频内病害分布与爆发程度摄像头实时监测对接大棚、田间定点监控设备实时画面标注病害、实时计数预警4.2 双大模型植保智能诊断模块YOLO输出结构化病灶数据后送入农业专用Prompt大模型输出三类专业植保内容病害成因解析温湿度、种植密度、土壤条件诱发因素说明分级绿色防治方案轻度/中度/重度病害对应物理、生物、低毒农药防治手段长期田间管护建议轮作、水肥管理、大棚通风降湿预防措施内容可直接写入PDF报告4.3 数据可视化与专业报告模块日/周/月西瓜病害检出数量趋势图表自动刷新18类病虫害占比分布饼图直观展示基地高发病害模型识别准确率、漏检误检统计监控看板历史检测记录多条件检索、批量导出Excel/PDF标准化诊断报告4.4 多层级用户权限管理系统管理员植保技术员查看全部种植户检测记录、账户启用/禁用、系统推理参数配置、全局病害数据统计普通用户种植户仅查看本人上传田间图像、个人检测历史、下载自有诊断报告全链路日志留存登录、图片上传、批量检测、报告导出、界面配置修改全程溯源记录4.5 前端个性化界面定制功能原生农业风简洁UI支持自定义主题配色、页面布局拖拽调整、UI组件缩放适配电脑/平板访问兼顾田间户外便携设备查看需求。五、核心可运行深度学习代码附农业场景专属注释5.1 YOLO西瓜病虫害推理核心类 watermelon_detector.py 场景注释西瓜田间病害专用YOLO推理引擎针对微小病斑、叶面遮挡、强光逆光优化置信阈值 兼容单图、批量、视频流三种输入输出标准化结构化数据供DeepSeek/Qwen大模型解析植保方案 importcv2importtorchfromultralyticsimportYOLOimportnumpyasnpclassWatermelonPestDetector:def__init__(self,weight_path./weights/watermelon_best.pt,devicecuda,conf_thres0.28,iou_thres0.42):# 田间微小病斑降低置信阈值避免早期病害漏检IOU适配叶片重叠密集病灶场景self.devicetorch.device(deviceiftorch.cuda.is_available()elsecpu)self.modelYOLO(weight_path).to(self.device)self.conf_thresconf_thres self.iou_thresiou_thres# 西瓜病虫害数据集类别映射self.class_mapping{0:炭疽病,1:白粉病,2:霜霉病,3:细菌性果斑病,4:软腐病,5:西瓜花叶病毒病,6:蚜虫,7:红蜘蛛,8:瓜实蝇,9:日灼病,10:裂果病}defsingle_image_detect(self,img_path):单张瓜田叶片/果实图像推理前端图片上传接口调用入口imgcv2.imread(img_path)# 开启多尺度推理提升微小病斑识别精度resultsself.model(img,confself.conf_thres,iouself.iou_thres,imgsz960)detect_res[]forresinresults:boxesres.boxes.cpu().numpy()forboxinboxes:x1,y1,x2,y2box.xyxy[0]confround(float(box.conf[0]),4)cls_idint(box.cls[0])disease_nameself.class_mapping[cls_id]detect_res.append({bbox:[int(x1),int(y1),int(x2),int(y2)],confidence:conf,disease_type:disease_name})# 绘制粗框标注病斑适配田间打印报告查看marked_imgresults[0].plot(line_width3,font_size11)returnmarked_img,detect_resdeffield_video_analysis(self,video_path):田间巡检视频逐帧检测批量视频分析功能专用统计全视频病害总量capcv2.VideoCapture(video_path)disease_count{name:0fornameinself.class_mapping.values()}frame_cache[]whilecap.isOpened():ret,framecap.read()ifnotret:breakresself.model(frame,confself.conf_thres)frame_markres[0].plot()frame_cache.append(frame_mark)# 统计单帧各类病灶数量forboxinres[0].boxes.cpu():cidint(box.cls[0])d_nameself.class_mapping[cid]disease_count[d_name]1cap.release()returnframe_cache,disease_count5.2 Flask算法服务接口 agri_api.py双大模型兼容调度 场景注释西瓜病虫害检测算法微服务接收前端田间图像调用YOLO推理后自动调度DeepSeek/Qwen生成植保防治方案 统一JSON结构化返回图像Base64编码回传前端业务数据同步推送SpringBoot持久化存储 fromflaskimportFlask,request,jsonifyimportbase64importrequestsfromwatermelon_detectorimportWatermelonPestDetector appFlask(__name__)detectorWatermelonPestDetector()# 双大模型密钥配置主备切换保障农业场景不间断诊断DEEPSEEK_KEYYOUR_DEEPSEEK_API_KEYQWEN_KEYYOUR_QWEN_API_KEYDEEPSEEK_URLhttps://api.deepseek.com/v1/chat/completionsdefget_agri_plant_protect(detect_data):传入病害检测数据调用大模型输出专业西瓜植保防治方案agri_promptf 你是资深农业植保专家当前西瓜田间图像检测病灶数据{detect_data}请分三部分输出专业诊断内容 1. 每种病害/虫害的发病诱因、田间识别特征 2. 轻度、中度、重度三级绿色防治方案优先物理、生物防治农药标注低毒合规品类 3. 大棚/露天西瓜长期管护预防措施文字简洁适配PDF田间报告。 headers{Authorization:fBearer{DEEPSEEK_KEY},Content-Type:application/json}payload{model:deepseek-chat,temperature:0.2,max_tokens:900,messages:[{role:user,content:agri_prompt}]}resprequests.post(DEEPSEEK_URL,jsonpayload,headersheaders,timeout8)# DeepSeek请求异常自动切换Qwen大模型兜底ifresp.status_code200:returnresp.json()[choices][0][message][content]qwen_payload{model:qwen-turbo,input:{messages:[{role:user,content:agri_prompt}]}}qwen_header{Authorization:fBearer{QWEN_KEY},Content-Type:application/json}qwen_resprequests.post(https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation,jsonqwen_payload,headersqwen_header)returnqwen_resp.json()[output][text]app.route(/api/agri/watermelon/detect,methods[POST])defwatermelon_detect_api():# 接收前端上传西瓜田间图像upload_imgrequest.files[field_image]temp_save_path./tmp/watermelon_upload.jpgupload_img.save(temp_save_path)# YOLO病害推理result_img,detect_infodetector.single_image_detect(temp_save_path)# 获取大模型植保诊断方案protect_reportget_agri_plant_protect(detect_info)# 图像转Base64传输前端展示_,buffercv2.imencode(.jpg,result_img)img_base64base64.b64encode(buffer).decode()returnjsonify({code:200,msg:西瓜病虫害图像诊断完成,detect_result:detect_info,plant_protect_scheme:protect_report,mark_image_base64:img_base64})if__name____main__:app.run(host0.0.0.0,port5001,debugFalse)5.3 西瓜病虫害数据集划分脚本 split_watermelon_data.py 场景注释西瓜田间病害数据集预处理工具按8:2分割训练/验证集自动生成YOLO标准data.yaml 适配田间jpg/png混合实拍图自动匹配病灶标注txt模型训练前置必备脚本 importosimportrandomfrompathlibimportPathdefsplit_watermelon_dataset(raw_root,output_root,train_ratio0.8):img_dirPath(raw_root)/imageslabel_dirPath(raw_root)/labelsall_img_fileslist(img_dir.glob((*.jpg,*.png)))random.shuffle(all_img_files)train_countint(len(all_img_files)*train_ratio)train_setall_img_files[:train_count]val_setall_img_files[train_count:]# 创建YOLO标准数据集目录结构formodein[train,val]:(output_root/fimages/{mode}).mkdir(parentsTrue,exist_okTrue)(output_root/flabels/{mode}).mkdir(parentsTrue,exist_okTrue)# 批量复制图像与对应标注文件defcopy_sample(img_list,mode):forimginimg_list:os.copy(img,output_root/fimages/{mode}/img.name)label_filelabel_dir/f{img.stem}.txtiflabel_file.exists():os.copy(label_file,output_root/flabels/{mode}/label_file.name)copy_sample(train_set,train)copy_sample(val_set,val)# 生成西瓜病害专用yaml配置文件yaml_content nc: 11 names: 0: 炭疽病 1: 白粉病 2: 霜霉病 3: 细菌性果斑病 4: 软腐病 5: 西瓜花叶病毒病 6: 蚜虫 7: 红蜘蛛 8: 瓜实蝇 9: 日灼病 10: 裂果病 train: ./images/train val: ./images/val imgsz: 960 withopen(output_root/watermelon_data.yaml,w,encodingutf-8)asf:f.write(yaml_content)if__name____main__:split_watermelon_dataset(raw_root./watermelon_raw_dataset,output_root./watermelon_yolo_data)六、项目完整交付资源清单标准化YOLO格式西瓜病虫害标注数据集16827张田间实拍图像配套病灶txt标注完成训练的最优YOLO预训练权重best.pt开箱即用无需二次训练全栈完整源码Python Flask算法推理服务、SpringBoot Java业务后端、Vue3农业可视化前端Windows/Linux双系统完整部署文档、MySQL数据库初始化SQL脚本、环境依赖一键安装脚本四大检测模式全套可运行代码单图、批量文件夹、田间视频、摄像头实时监测Echarts病害统计可视化组件、PDF/Excel诊断报告导出工具、用户权限管理页面完整模板七、付费增值定制拓展服务远程服务器环境部署、代码调试、模型训练一对一全程讲解YOLO病害模型深度调优、多光谱田间影像适配、微小病灶识别精度专项提升定制化农作物检测开发甜瓜、草莓、番茄、黄瓜等果蔬病虫害识别系统农业管理系统对接开发农资管理、大棚物联网、农田气象数据联动预警模型轻量化部署树莓派、田间巡检平板、无人机边缘端TensorRT加速适配拓展功能开发病害爆发预警推送、微信小程序移动端诊断、病虫害产量损失测算模块八、落地适用场景规模化西瓜种植基地、大棚温室日常植保巡检监测农业科学院、植保站病害研究、样本批量分析实验平台基层农业技术推广站、农户培训AI诊断教学工具农产品质量安全检测中心病害溯源筛查智慧农业项目开发、计算机视觉、农业信息化毕业设计项目九、项目技术迭代优化方向模型加速YOLO结合TensorRT量化压缩降低算力消耗适配田间低成本嵌入式设备多模态升级接入Qwen-VL视觉大模型对重度遮挡、强光模糊图像二次校验降低漏检时序预警拓展接入大棚温湿度传感器数据结合多期病害检测记录预测病害爆发风险样本闭环迭代增加农户人工纠错反馈模块错检样本自动入库持续优化模型精度多终端适配开发微信小程序、平板客户端支持田间现场拍照即时诊断绿色农业拓展新增农药用量测算、减药减排量化统计报表适配绿色种植申报需求#YOLO农业病害检测 #西瓜病虫害AI诊断 #DeepSeek大模型实战 #Qwen多模态融合 #智慧农业全栈项目 #Pytorch深度学习 #Vue3可视化 #SpringBoot后端 #田间植保监测 #农作物智能识别系统
YOLO深度学习融合DeepSeekQwen双大模型西瓜病虫害智能诊断Web平台｜智慧农业田间植保视觉检测全栈实战项目
发布时间：2026/6/29 6:54:31
YOLO深度学习融合DeepSeekQwen双大模型西瓜病虫害智能诊断Web平台智慧农业田间植保视觉检测全栈实战项目标签#YOLO病虫害检测 #智慧农业 #西瓜病害识别 #DeepSeek #Qwen大模型 #Pytorch #Flask #SpringBoot #Vue3 #农业AI #计算机视觉 #植保诊断 #毕设项目 #农作物监测据联合国粮农组织统计果蔬作物因病虫害年均减产20%~40%西瓜作为高经济收益瓜果温室、露天种植高湿环境极易爆发多类病害虫害。国内西瓜种植基地超1300万亩传统人工植保巡检存在多重行业瓶颈1名农技员单日仅可巡查45亩瓜田早期微小病斑人工识别误判率高达28.5%基层农技人员配比严重不足每万名种植从业者仅0.8名专业植保人员病害爆发后错失最佳防治窗口期农药滥用提升种植成本、破坏土壤生态。现有单一视觉检测工具仅输出病害名称无法匹配田间温湿度、作物生长期给出标准化绿色防治方案通用大模型缺少农业植保专业知识库难以区分外观近似的真菌/细菌性病害多数系统仅支持单张图片上传无法满足基地批量巡检、田间摄像头实时监测需求。本项目搭建YOLO病害目标检测引擎 DeepSeek/Qwen双大模型植保专业诊断 Python算法微服务 SpringBoot业务后端 Vue3农业可视化前端一体化智能诊断平台完整覆盖图片/批量文件夹/视频/田间摄像头4类检测模式内置分级权限、病虫害统计看板、PDF专业防治报告导出适配瓜田日常管理、农科院植保研究、农业技术推广培训全场景可直接用于深度学习实训、计算机专业毕设、规模化种植基地商用部署。二、项目仓库简介项目总览本仓库是一套端到端落地的西瓜病虫害智能诊断全栈Web系统基于PyTorch YOLO框架训练西瓜专用病害检测模型融合DeepSeek、Qwen两款大模型输出病害成因、绿色防治方案、田间管护建议采用前后端分离双服务架构Flask承载图像推理、视频流解析、批量检测SpringBoot负责用户权限、检测记录存储、报表生成Vue3ElementPlus开发轻量化农业主题可视化页面配套完整标注数据集、预训练模型权重、全注释源码、Windows/Linux一键部署教程。核心量化性能指标数据集规模自建西瓜病虫害标注数据集16827张田间实拍图像训练集13462张、验证集3365张覆盖18类西瓜病害、虫害、生理性损伤样本模型精度验证集整体mAP0.924早期微小病斑召回率89.7%强光、叶片遮挡场景识别准确率88.3%推理速度单张2K田间叶片图像GPU推理≤0.24sCPU推理≤1.08s单实例Flask服务支持30路田间摄像头视频流并行实时识别批量处理能力单次支持上传600张田间图片批量自动检测一键导出Excel统计数据表大模型响应效率单批次病害检测数据调用大模型生成植保方案平均耗时0.52s双模型自动故障降级切换无中断业务承载上限支持1500种植户普通账号、70植保管理员分级管控全量检测日志本地持久存储360天报告输出批量检测任务可一键生成多页PDF专业诊断报告包含病斑标注图、病害占比、分期防治方案系统识别西瓜病虫害全品类真菌病害炭疽病、白粉病、霜霉病细菌病害细菌性果斑病、软腐病病毒病害西瓜花叶病毒病常见虫害蚜虫、红蜘蛛、瓜实蝇生理性损伤日灼病、裂果病、缺素黄叶三、分层完整技术架构3.1 深度学习算法推理层Pytorch检测主干YOLO轻量化模型针对西瓜微小病斑、叶面不规则病灶优化多尺度检测头训练优化策略MosaicCopyPaste农业专用数据增强模拟逆光、叶片重叠、露水水渍干扰AdamW优化器280轮完整训练早停策略防止田间样本过拟合图像预处理CLAHE光照均衡、Gamma校正解决田间强光/逆光识别下降问题视频解析OpenCV逐帧采样降噪降低重复画面无效计算大模型调度封装统一API接口DeepSeek为主模型请求超时自动切换Qwen兜底3.2 双后端解耦架构Python算法微服务Flask图像推理、批量文件夹处理、田间视频解析、实时摄像头流检测、大模型请求转发Java业务后端SpringBoot MyBatis-Plus账户登录鉴权、多级角色权限、检测记录持久化、统计图表数据计算、PDF报告生成、全操作日志审计数据库MySQL8.0分表存储用户信息、单图/批量/视频检测记录、病虫害月度统计数据3.3 前端可视化交互层开发框架Vue3 TypeScript Element Plus可视化组件Echarts柱状图、饼图、趋势折线图展示各类病害月度爆发占比、检出总量通信方案Axios大文件分片上传SocketIO低延迟推送田间摄像头实时检测画面个性化UI农业绿色主题基础界面支持自定义主题色、侧边栏布局、组件尺寸缩放、深浅色模式切换四、系统全功能模块拆解4.1 多模式田间病害检测模块单张图片检测上传西瓜叶片/果实实拍图返回病斑标注框、病害类别、置信度、可视化结果图文件夹批量自动化检测批量导入田间巡检照片自动统计各类病害数量输出Excel汇总表田间视频文件解析检测逐帧识别视频内全部病灶汇总视频内病害分布与爆发程度摄像头实时监测对接大棚、田间定点监控设备实时画面标注病害、实时计数预警4.2 双大模型植保智能诊断模块YOLO输出结构化病灶数据后送入农业专用Prompt大模型输出三类专业植保内容病害成因解析温湿度、种植密度、土壤条件诱发因素说明分级绿色防治方案轻度/中度/重度病害对应物理、生物、低毒农药防治手段长期田间管护建议轮作、水肥管理、大棚通风降湿预防措施内容可直接写入PDF报告4.3 数据可视化与专业报告模块日/周/月西瓜病害检出数量趋势图表自动刷新18类病虫害占比分布饼图直观展示基地高发病害模型识别准确率、漏检误检统计监控看板历史检测记录多条件检索、批量导出Excel/PDF标准化诊断报告4.4 多层级用户权限管理系统管理员植保技术员查看全部种植户检测记录、账户启用/禁用、系统推理参数配置、全局病害数据统计普通用户种植户仅查看本人上传田间图像、个人检测历史、下载自有诊断报告全链路日志留存登录、图片上传、批量检测、报告导出、界面配置修改全程溯源记录4.5 前端个性化界面定制功能原生农业风简洁UI支持自定义主题配色、页面布局拖拽调整、UI组件缩放适配电脑/平板访问兼顾田间户外便携设备查看需求。五、核心可运行深度学习代码附农业场景专属注释5.1 YOLO西瓜病虫害推理核心类 watermelon_detector.py 场景注释西瓜田间病害专用YOLO推理引擎针对微小病斑、叶面遮挡、强光逆光优化置信阈值 兼容单图、批量、视频流三种输入输出标准化结构化数据供DeepSeek/Qwen大模型解析植保方案 importcv2importtorchfromultralyticsimportYOLOimportnumpyasnpclassWatermelonPestDetector:def__init__(self,weight_path./weights/watermelon_best.pt,devicecuda,conf_thres0.28,iou_thres0.42):# 田间微小病斑降低置信阈值避免早期病害漏检IOU适配叶片重叠密集病灶场景self.devicetorch.device(deviceiftorch.cuda.is_available()elsecpu)self.modelYOLO(weight_path).to(self.device)self.conf_thresconf_thres self.iou_thresiou_thres# 西瓜病虫害数据集类别映射self.class_mapping{0:炭疽病,1:白粉病,2:霜霉病,3:细菌性果斑病,4:软腐病,5:西瓜花叶病毒病,6:蚜虫,7:红蜘蛛,8:瓜实蝇,9:日灼病,10:裂果病}defsingle_image_detect(self,img_path):单张瓜田叶片/果实图像推理前端图片上传接口调用入口imgcv2.imread(img_path)# 开启多尺度推理提升微小病斑识别精度resultsself.model(img,confself.conf_thres,iouself.iou_thres,imgsz960)detect_res[]forresinresults:boxesres.boxes.cpu().numpy()forboxinboxes:x1,y1,x2,y2box.xyxy[0]confround(float(box.conf[0]),4)cls_idint(box.cls[0])disease_nameself.class_mapping[cls_id]detect_res.append({bbox:[int(x1),int(y1),int(x2),int(y2)],confidence:conf,disease_type:disease_name})# 绘制粗框标注病斑适配田间打印报告查看marked_imgresults[0].plot(line_width3,font_size11)returnmarked_img,detect_resdeffield_video_analysis(self,video_path):田间巡检视频逐帧检测批量视频分析功能专用统计全视频病害总量capcv2.VideoCapture(video_path)disease_count{name:0fornameinself.class_mapping.values()}frame_cache[]whilecap.isOpened():ret,framecap.read()ifnotret:breakresself.model(frame,confself.conf_thres)frame_markres[0].plot()frame_cache.append(frame_mark)# 统计单帧各类病灶数量forboxinres[0].boxes.cpu():cidint(box.cls[0])d_nameself.class_mapping[cid]disease_count[d_name]1cap.release()returnframe_cache,disease_count5.2 Flask算法服务接口 agri_api.py双大模型兼容调度 场景注释西瓜病虫害检测算法微服务接收前端田间图像调用YOLO推理后自动调度DeepSeek/Qwen生成植保防治方案 统一JSON结构化返回图像Base64编码回传前端业务数据同步推送SpringBoot持久化存储 fromflaskimportFlask,request,jsonifyimportbase64importrequestsfromwatermelon_detectorimportWatermelonPestDetector appFlask(__name__)detectorWatermelonPestDetector()# 双大模型密钥配置主备切换保障农业场景不间断诊断DEEPSEEK_KEYYOUR_DEEPSEEK_API_KEYQWEN_KEYYOUR_QWEN_API_KEYDEEPSEEK_URLhttps://api.deepseek.com/v1/chat/completionsdefget_agri_plant_protect(detect_data):传入病害检测数据调用大模型输出专业西瓜植保防治方案agri_promptf 你是资深农业植保专家当前西瓜田间图像检测病灶数据{detect_data}请分三部分输出专业诊断内容 1. 每种病害/虫害的发病诱因、田间识别特征 2. 轻度、中度、重度三级绿色防治方案优先物理、生物防治农药标注低毒合规品类 3. 大棚/露天西瓜长期管护预防措施文字简洁适配PDF田间报告。 headers{Authorization:fBearer{DEEPSEEK_KEY},Content-Type:application/json}payload{model:deepseek-chat,temperature:0.2,max_tokens:900,messages:[{role:user,content:agri_prompt}]}resprequests.post(DEEPSEEK_URL,jsonpayload,headersheaders,timeout8)# DeepSeek请求异常自动切换Qwen大模型兜底ifresp.status_code200:returnresp.json()[choices][0][message][content]qwen_payload{model:qwen-turbo,input:{messages:[{role:user,content:agri_prompt}]}}qwen_header{Authorization:fBearer{QWEN_KEY},Content-Type:application/json}qwen_resprequests.post(https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation,jsonqwen_payload,headersqwen_header)returnqwen_resp.json()[output][text]app.route(/api/agri/watermelon/detect,methods[POST])defwatermelon_detect_api():# 接收前端上传西瓜田间图像upload_imgrequest.files[field_image]temp_save_path./tmp/watermelon_upload.jpgupload_img.save(temp_save_path)# YOLO病害推理result_img,detect_infodetector.single_image_detect(temp_save_path)# 获取大模型植保诊断方案protect_reportget_agri_plant_protect(detect_info)# 图像转Base64传输前端展示_,buffercv2.imencode(.jpg,result_img)img_base64base64.b64encode(buffer).decode()returnjsonify({code:200,msg:西瓜病虫害图像诊断完成,detect_result:detect_info,plant_protect_scheme:protect_report,mark_image_base64:img_base64})if__name____main__:app.run(host0.0.0.0,port5001,debugFalse)5.3 西瓜病虫害数据集划分脚本 split_watermelon_data.py 场景注释西瓜田间病害数据集预处理工具按8:2分割训练/验证集自动生成YOLO标准data.yaml 适配田间jpg/png混合实拍图自动匹配病灶标注txt模型训练前置必备脚本 importosimportrandomfrompathlibimportPathdefsplit_watermelon_dataset(raw_root,output_root,train_ratio0.8):img_dirPath(raw_root)/imageslabel_dirPath(raw_root)/labelsall_img_fileslist(img_dir.glob((*.jpg,*.png)))random.shuffle(all_img_files)train_countint(len(all_img_files)*train_ratio)train_setall_img_files[:train_count]val_setall_img_files[train_count:]# 创建YOLO标准数据集目录结构formodein[train,val]:(output_root/fimages/{mode}).mkdir(parentsTrue,exist_okTrue)(output_root/flabels/{mode}).mkdir(parentsTrue,exist_okTrue)# 批量复制图像与对应标注文件defcopy_sample(img_list,mode):forimginimg_list:os.copy(img,output_root/fimages/{mode}/img.name)label_filelabel_dir/f{img.stem}.txtiflabel_file.exists():os.copy(label_file,output_root/flabels/{mode}/label_file.name)copy_sample(train_set,train)copy_sample(val_set,val)# 生成西瓜病害专用yaml配置文件yaml_content nc: 11 names: 0: 炭疽病 1: 白粉病 2: 霜霉病 3: 细菌性果斑病 4: 软腐病 5: 西瓜花叶病毒病 6: 蚜虫 7: 红蜘蛛 8: 瓜实蝇 9: 日灼病 10: 裂果病 train: ./images/train val: ./images/val imgsz: 960 withopen(output_root/watermelon_data.yaml,w,encodingutf-8)asf:f.write(yaml_content)if__name____main__:split_watermelon_dataset(raw_root./watermelon_raw_dataset,output_root./watermelon_yolo_data)六、项目完整交付资源清单标准化YOLO格式西瓜病虫害标注数据集16827张田间实拍图像配套病灶txt标注完成训练的最优YOLO预训练权重best.pt开箱即用无需二次训练全栈完整源码Python Flask算法推理服务、SpringBoot Java业务后端、Vue3农业可视化前端Windows/Linux双系统完整部署文档、MySQL数据库初始化SQL脚本、环境依赖一键安装脚本四大检测模式全套可运行代码单图、批量文件夹、田间视频、摄像头实时监测Echarts病害统计可视化组件、PDF/Excel诊断报告导出工具、用户权限管理页面完整模板七、付费增值定制拓展服务远程服务器环境部署、代码调试、模型训练一对一全程讲解YOLO病害模型深度调优、多光谱田间影像适配、微小病灶识别精度专项提升定制化农作物检测开发甜瓜、草莓、番茄、黄瓜等果蔬病虫害识别系统农业管理系统对接开发农资管理、大棚物联网、农田气象数据联动预警模型轻量化部署树莓派、田间巡检平板、无人机边缘端TensorRT加速适配拓展功能开发病害爆发预警推送、微信小程序移动端诊断、病虫害产量损失测算模块八、落地适用场景规模化西瓜种植基地、大棚温室日常植保巡检监测农业科学院、植保站病害研究、样本批量分析实验平台基层农业技术推广站、农户培训AI诊断教学工具农产品质量安全检测中心病害溯源筛查智慧农业项目开发、计算机视觉、农业信息化毕业设计项目九、项目技术迭代优化方向模型加速YOLO结合TensorRT量化压缩降低算力消耗适配田间低成本嵌入式设备多模态升级接入Qwen-VL视觉大模型对重度遮挡、强光模糊图像二次校验降低漏检时序预警拓展接入大棚温湿度传感器数据结合多期病害检测记录预测病害爆发风险样本闭环迭代增加农户人工纠错反馈模块错检样本自动入库持续优化模型精度多终端适配开发微信小程序、平板客户端支持田间现场拍照即时诊断绿色农业拓展新增农药用量测算、减药减排量化统计报表适配绿色种植申报需求#YOLO农业病害检测 #西瓜病虫害AI诊断 #DeepSeek大模型实战 #Qwen多模态融合 #智慧农业全栈项目 #Pytorch深度学习 #Vue3可视化 #SpringBoot后端 #田间植保监测 #农作物智能识别系统
相关文章
英伟达打破20年封印，“红皇后哥德尔机器”让AI自我进化，2028年ASI降临或成现实！
【导语：英伟达等机构发布“红皇后哥德尔机器”论文，让AI进入无休止的自我进化。此前“哥德尔机”因证明难题被封印20年，而新机制不仅突破限制，还在多领域展现强大效果，引发2028年ASI降临的猜想。】“红皇后哥德尔机器”…
免费解锁iPhone激活锁：applera1n终极绕过方案完整指南
免费解锁iPhone激活锁：applera1n终极绕过方案完整指南 【免费下载链接】applera1n icloud bypass for ios 15-16 项目地址: https://gitcode.com/gh_mirrors/ap/applera1n 对于拥有二手iPhone却无法激活的用户来说，iOS设备的激活锁一直是个令人头…
SQL注入进阶：报错、堆叠、头部与Cookie注入实战解析
1. 项目概述：从“常规”到“另辟蹊径”的注入思维跃迁在网络安全的学习与实战中，SQL注入无疑是最经典、最基础，也最考验渗透测试者思维广度的漏洞类型。很多初学者在掌握了基础的联合查询注入、布尔盲注和时间盲注后，往往会陷入一…
测试转大模型：一篇讲清核心用法
这篇不先堆名词。我们把《测试转大模型：一篇讲清核心用法》拆成几级台阶，看完至少知道下一步该学什么、该练什么。摘要本文概述文章目标、核心观点和实践价值。做了五年传统功能测试，最近半年一直在啃 AI 相关的业务。很多同行问我࿱…
从WGS数据到演化洞察：群体遗传学核心参数实战解读
1. WGS数据与群体遗传学的黄金组合 全基因组重测序（WGS）就像给生物群体拍了一张超高精度的CT扫描片。我处理过上百个物种的WGS数据，发现这套技术最厉害的地方在于能同时捕捉单核苷酸变异（SNP）、插入缺失（In…
Codex EPERM 操作被拒绝错误处理
Codex EPERM 操作被拒绝错误处理 用 Codex 改项目代码时，偶尔会遇到 EPERM: operation not permitted、permission denied、operation not permitted, unlink 这类错误。最常见的场景是：Codex 想创建、修改、删除某个文件，但当前进程没有权限…
Web自动化测试中登录状态判定的三层策略与实战实现
1. 项目概述与核心挑战 最近在带团队做自动化测试项目，发现一个挺有意思的现象：很多同学在掌握了Selenium、Playwright这些工具的基本操作后，一遇到需要处理登录状态的场景就有点懵。特别是面对一个完整的开源电商商城系统，比如我…
DLSS Swapper完整指南：简单三步实现游戏性能智能优化
DLSS Swapper完整指南：简单三步实现游戏性能智能优化 【免费下载链接】dlss-swapper 项目地址: https://gitcode.com/GitHub_Trending/dl/dlss-swapper 你是否曾为游戏帧率不稳定而苦恼？是否想提升游戏性能却不知从何下手？DLSS Swapp…
AP-14 DDSI-RTPS协议深度解析 - 发现机制、可靠传输与线协议报文结构的硬核拆解
AP-14 DDSI-RTPS协议深度解析 - 发现机制、可靠传输与线协议报文结构的硬核拆解 📚 AUTOSAR AP实战指南系列导航 AP-01~AP-12：已完成（基础架构、COM、E2E、安全通信等）AP-13：DDS核心架构与QoS策略体系（已发…
Java开发者转型安全开发：从代码审计到自动化工具实践
1. 转型背景与核心驱动力最近几年，身边不少做Java后端开发的朋友，都开始或多或少地关注起安全开发这个方向。我自己也是从写了七八年Java业务代码，一步步转向了安全领域，现在主要做代码审计和自动化安全工具开发。这个转变不是一时…
【TEE从入门到精通及实战】75 TEE内Wasm沙箱的内存安全：从“段错误”到“编译时保证”
75 TEE内Wasm沙箱的内存安全：从“段错误”到“编译时保证” 开篇故事 去年夏天，我正帮一家金融科技公司优化他们的TEE内Wasm沙箱。他们的核心业务是在Intel SGX enclave里运行用户提交的Wasm合约，用于实时交易验证。 一天下午，运维突然报警：生产环境的enclave进程频繁崩…
YAML函数动态解析：打造智能接口自动化测试用例
1. 项目概述：为什么YAML测试用例需要函数动态解析？在接口自动化测试的实践中，我们常常会面临一个核心矛盾：测试用例的可维护性与灵活性。早期的测试脚本，无论是用Python的unittest还是pytest，往往将测试数据…
AI Coding 六个月真实ROI账本：产品经理的血泪教训，研发的冷静忠告
6个月前的2025年12月，Boris Cherny 公开宣布自己卸载了 IDE。一时间，Vibe Coding 成了全行业最热的话题。6个月后，当我们回过头来拉一份真实账本，发现事情远没有"一句话生成一个App"那么浪漫。本文从产品经理和研发两个…
华为OD机试2025C卷-字符统计及重排[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率
📫 个人主页：深夜coding算法 📣 专栏系列：2026年华为最新OD机试题库详解 🔥 一次订阅，永久解锁 | 持续更新100篇 | 6语言全覆盖 文章目录❄️前言：☀️一：题目描述🌙 题目…
华为OD机试2025C卷-寻找相同子串[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率
📫 个人主页：深夜coding算法 📣 专栏系列：2026年华为最新OD机试题库详解 🔥 一次订阅，永久解锁 | 持续更新100篇 | 6语言全覆盖 文章目录❄️前言：☀️一：题目描述🌙 题目…
Zotero Duplicates Merger：5步彻底清理文献库重复条目
Zotero Duplicates Merger：5步彻底清理文献库重复条目 【免费下载链接】ZoteroDuplicatesMerger A zotero plugin to automatically merge duplicate items 项目地址: https://gitcode.com/gh_mirrors/zo/ZoteroDuplicatesMerger 还在为文献库中堆积如山的重…
利用随机有限集理论对蜂群的ILQR和MPC控制研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室🍊个人信条：格物致知,完整Matlab代码及仿真咨询…
为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因
更多请点击： https://intelliparadigm.com 第一章：为什么你的Gemini邮件CTE低于行业均值2.8倍？：从Prompt架构到发送时序的深度归因 Gemini邮件的客户转化效率（CTE）显著偏低，根本原因常被误判为…