核心内容摘要
Ollama部署granite-4.0-h-350m：文本提取与增强检索生成实战
项目介绍摘要本项目基于YOLOv8目标检测算法开发了一套高效、准确的辣椒叶片病害智能检测系统。
系统可自动识别并分类5种辣椒叶片状态包括黄单胞菌病xanthomonas、花叶病mosaic、健康叶片healthy、尾孢菌病cercospora和卷叶病leaf curl。
数据集包含训练集1796张和验证集462张图像通过数据增强、模型优化和迁移学习等技术实现了高精度的病害检测。
该系统可部署于移动端或嵌入式设备为农业生产者提供实时、便捷的病害诊断工具助力智慧农业发展。
项目意义提升农业病害防治效率辣椒是全球重要的经济作物但其生长过程中易受多种病害侵袭如不及时识别和处理可能导致严重减产。
传统病害检测依赖人工观察效率低且易误判。
本系统利用YOLOv8的实时检测能力可在毫秒级完成病害识别帮助农户快速采取防治措施减少经济损失。
推动智慧农业技术应用随着人工智能和计算机视觉技术的发展农业病害智能化检测成为研究热点。
本项目结合轻量化的YOLOv8模型优化了计算效率使其可在低算力设备如无人机、智能手机上运行适用于田间地头的实时监测推动农业生产的数字化和智能化转型。
弥补小样本数据集的检测难题农业病害数据集通常规模有限且存在类别不均衡问题。
本项目通过数据增强如旋转、裁剪、色彩调整和迁移学习方法有效提升了小样本数据下的模型泛化能力为类似农业AI应用提供了可借鉴的解决方案。
促进精准农业与可持续发展病害的早期精准识别可减少农药滥用降低环境污染符合绿色农业的发展趋势。
本系统不仅能识别病害类型还可结合地理信息系统GIS分析病害分布为精准施药和农业管理提供数据支持助力可持续农业发展。
科研与教育价值本项目可作为农业AI领域的典型应用案例为相关研究提供技术参考。
同时其开源数据和代码可用于教学帮助学生学习目标检测、深度学习在农业中的应用培养跨学科人才。
总结本项目的YOLOv8辣椒叶片病害检测系统不仅具备较高的实际应用价值可帮助农户提高病害防治效率还为农业智能化提供了可行的技术方案。
未来可进一步扩展至其他作物病害检测或结合多模态数据如红外、多光谱提升检测鲁棒性推动农业信息化发展。
基于深度学习的辣椒叶片病害检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习的辣椒叶片病害检测系统YOLOv8YOLO数据集UI界面Python项目源码模型
项目功能展示系统功能✅图片检测可对图片进行检测返回检测框及类别信息。
✅视频检测支持视频文件输入检测视频中每一帧的情况。
✅摄像头实时检测连接USB 摄像头实现实时监测。
✅参数实时调节置信度和IoU阈值图片检测该功能允许用户通过单张图片进行目标检测。
输入一张图片后YOLO模型会实时分析图像识别出其中的目标并在图像中框出检测到的目标输出带有目标框的图像。
批量图片检测用户可以一次性上传多个图片进行批量处理。
该功能支持对多个图像文件进行并行处理并返回每张图像的目标检测结果适用于需要大规模处理图像数据的应用场景。
视频检测视频检测功能允许用户将视频文件作为输入。
YOLO模型将逐帧分析视频并在每一帧中标记出检测到的目标。
最终结果可以是带有目标框的视频文件或实时展示适用于视频监控和分析等场景。
摄像头实时检测该功能支持通过连接摄像头进行实时目标检测。
YOLO模型能够在摄像头拍摄的实时视频流中进行目标检测实时识别并显示检测结果。
此功能非常适用于安防监控、无人驾驶、智能交通等应用提供即时反馈。
核心特点高精度基于YOLO模型提供精确的目标检测能力适用于不同类型的图像和视频。
实时性特别优化的算法使得实时目标检测成为可能无论是在视频还是摄像头实时检测中响应速度都非常快。
批量处理支持高效的批量图像和视频处理适合大规模数据分析。
数据集介绍数据组成类别nc5xanthomonas黄单胞菌病mosaic花叶病healthy健康叶片cercospora尾孢菌病leaf curl卷叶病数据量训练集1796张标注图像验证集462张标注图像数据特点图像采集于真实田间环境涵盖不同光照条件、叶片生长阶段和病害严重程度。
标注格式符合YOLO标准归一化中心坐标宽高每张图像包含至少一个病害或健康叶片的边界框。
应用价值均衡的类别分布健康与病害样本均覆盖避免模型偏差。
验证集独立评估模型泛化能力确保在实际场景中的可靠性。
改进方向未来可扩充数据集规模特别是少数类别样本以进一步提升模型鲁棒性。
数据集配置文件data.yamltrain: .\datasets\images\train val: .\datasets\images\val test: .\datasets\images\test nc: 5 names: [xanthomonas, mosaic, healthy, cercospora, leaf curl]数据集制作流程标注数据使用标注工具如LabelImg、CVAT等对图像中的目标进行标注。
每个目标需要标出边界框并且标注类别。
转换格式将标注的数据转换为YOLO格式。
YOLO标注格式为每行object-class x_center y_center width height这些坐标是相对于图像尺寸的比例。
分割数据集将数据集分为训练集、验证集和测试集通常的比例是80%训练集、10%验证集和10%测试集。
准备标签文件为每张图片生成一个对应的标签文件确保标签文件与图片的命名一致。
调整图像尺寸根据YOLO网络要求统一调整所有图像的尺寸如416x416或608x608。
项目环境配置创建虚拟环境首先新建一个Anaconda环境每个项目用不同的环境这样项目中所用的依赖包互不干扰。
终端输入conda create -n yolov8 python
9激活虚拟环境conda activate yolov8安装cpu版本pytorchpip install torch torchvision torchaudiopycharm中配置anaconda安装所需要库pip install -r requirements.txt
模型训练训练代码from ultralytics import YOLO model_path yolov8s.pt data_path datasets/data.yaml if __name__ __main__: model YOLO(model_path) results model.train(datadata_path, epochs500, batch64, device0, workers0, projectruns/detect, nameexp, )根据实际情况更换模型 yolov8n.yaml (nano)轻量化模型适合嵌入式设备速度快但精度略低。
yolov8s.yaml (small)小模型适合实时任务。
yolov8m.yaml (medium)中等大小模型兼顾速度和精度。
yolov8b.yaml (base)基本版模型适合大部分应用场景。
yolov8l.yaml (large)大型模型适合对精度要求高的任务。
--batch 64每批次64张图像。
--epochs 500训练500轮。
--datasets/data.yaml数据集配置文件。
--weights yolov8s.pt初始化模型权重yolov8s.pt是预训练的轻量级YOLO模型。
训练结果
核心代码from PyQt5 import QtCore, QtGui, QtWidgets from PyQt
QtCore import Qt, QTimer from PyQt
QtGui import QImage, QPixmap, QIcon from PyQt
QtWidgets import (QFileDialog, QMessageBox, QTableWidgetItem, QStyledItemDelegate, QHeaderView) import cv2 import numpy as np from ultralytics import YOLO import os import datetime import sys class CenteredDelegate(QStyledItemDelegate): def initStyleOption(self, option, index): super().initStyleOption(option, index) option.displayAlignment Qt.AlignCenter class Ui_MainWindow(object): def setupUi(self, MainWindow): MainWindow.setObjectName(MainWindow) MainWindow.resize(1400,
MainWindow.setWindowTitle(YOLOv8 目标检测系统) # 设置窗口图标 if hasattr(sys, _MEIPASS): icon_path os.path.join(sys._MEIPASS, icon.ico) else: icon_path icon.ico if os.path.exists(icon_path): MainWindow.setWindowIcon(QIcon(icon_path)) self.centralwidget QtWidgets.QWidget(MainWindow) self.centralwidget.setObjectName(centralwidget) # 主布局 self.main_layout QtWidgets.QHBoxLayout(self.centralwidget) self.main_layout.setContentsMargins(10, 10, 10,
self.main_layout.setSpacing(
# 左侧布局 (图像显示) self.left_layout QtWidgets.QVBoxLayout() self.left_layout.setSpacing(
# 原始图像组 self.original_group QtWidgets.QGroupBox(原始图像) self.original_group.setMinimumHeight(
self.original_img_label QtWidgets.QLabel() self.original_img_label.setAlignment(QtCore.Qt.AlignCenter) self.original_img_label.setText(等待加载图像...) self.original_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) original_layout QtWidgets.QVBoxLayout() original_layout.addWidget(self.original_img_label) self.original_group.setLayout(original_layout) self.left_layout.addWidget(self.original_group) # 检测结果图像组 self.result_group QtWidgets.QGroupBox(检测结果) self.result_group.setMinimumHeight(
self.result_img_label QtWidgets.QLabel() self.result_img_label.setAlignment(QtCore.Qt.AlignCenter) self.result_img_label.setText(检测结果将显示在这里) self.result_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) result_layout QtWidgets.QVBoxLayout() result_layout.addWidget(self.result_img_label) self.result_group.setLayout(result_layout) self.left_layout.addWidget(self.result_group) self.main_layout.addLayout(self.left_layout, stretch
# 右侧布局 (控制面板) self.right_layout QtWidgets.QVBoxLayout() self.right_layout.setSpacing(
# 模型选择组 self.model_group QtWidgets.QGroupBox(模型设置) self.model_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.model_layout QtWidgets.QVBoxLayout() # 模型选择 self.model_combo QtWidgets.QComboBox() self.model_combo.addItems([best.pt]) self.model_combo.setCurrentIndex(
# 加载模型按钮 self.load_model_btn QtWidgets.QPushButton( 加载模型) self.load_model_btn.setIcon(QIcon.fromTheme(document-open)) self.load_model_btn.setStyleSheet( QPushButton { padding: 8px; background-color: #4CAF50; color: white; border-radius: 4px; } QPushButton:hover { background-color: #45a049; } ) self.model_layout.addWidget(self.model_combo) self.model_layout.addWidget(self.load_model_btn) self.model_group.setLayout(self.model_layout) self.right_layout.addWidget(self.model_group) # 参数设置组 self.param_group QtWidgets.QGroupBox(检测参数) self.param_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.param_layout QtWidgets.QFormLayout() self.param_layout.setLabelAlignment(Qt.AlignLeft) self.param_layout.setFormAlignment(Qt.AlignLeft) self.param_layout.setVerticalSpacing(
# 置信度滑块 self.conf_slider QtWidgets.QSlider(Qt.Horizontal) self.conf_slider.setRange(1,
self.conf_slider.setValue(
self.conf_value QtWidgets.QLabel(
0.
self.conf_value.setAlignment(Qt.AlignCenter) self.conf_value.setStyleSheet(font-weight: bold; color: #2196F3;) # IoU滑块 self.iou_slider QtWidgets.QSlider(Qt.Horizontal) self.iou_slider.setRange(1,
self.iou_slider.setValue(
self.iou_value QtWidgets.QLabel(
0.
self.iou_value.setAlignment(Qt.AlignCenter) self.iou_value.setStyleSheet(font-weight: bold; color: #2196F3;) self.param_layout.addRow(置信度阈值:, self.conf_slider) self.param_layout.addRow(当前值:, self.conf_value) self.param_layout.addRow(QtWidgets.QLabel()) # 空行 self.param_layout.addRow(IoU阈值:, self.iou_slider) self.param_layout.addRow(当前值:, self.iou_value) self.param_group.setLayout(self.param_layout) self.right_layout.addWidget(self.param_group) # 功能按钮组 self.func_group QtWidgets.QGroupBox(检测功能) self.func_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.func_layout QtWidgets.QVBoxLayout() self.func_layout.setSpacing(
# 图片检测按钮 self.image_btn QtWidgets.QPushButton( 图片检测) self.image_btn.setIcon(QIcon.fromTheme(image-x-generic)) # 视频检测按钮 self.video_btn QtWidgets.QPushButton( 视频检测) self.video_btn.setIcon(QIcon.fromTheme(video-x-generic)) # 摄像头检测按钮 self.camera_btn QtWidgets.QPushButton( 摄像头检测) self.camera_btn.setIcon(QIcon.fromTheme(camera-web)) # 停止检测按钮 self.stop_btn QtWidgets.QPushButton( 停止检测) self.stop_btn.setIcon(QIcon.fromTheme(process-stop)) self.stop_btn.setEnabled(False) # 保存结果按钮 self.save_btn QtWidgets.QPushButton( 保存结果) self.save_btn.setIcon(QIcon.fromTheme(document-save)) self.save_btn.setEnabled(False) # 设置按钮样式 button_style QPushButton { padding: 10px; background-color: #2196F3; color: white; border: none; border-radius: 4px; text-align: left; } QPushButton:hover { background-color: #0b7dda; } QPushButton:disabled { background-color: #cccccc; } for btn in [self.image_btn, self.video_btn, self.camera_btn, self.stop_btn, self.save_btn]: btn.setStyleSheet(button_style) self.func_layout.addWidget(btn) self.func_group.setLayout(self.func_layout) self.right_layout.addWidget(self.func_group) # 检测结果表格组 self.table_group QtWidgets.QGroupBox(检测结果详情) self.table_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.table_layout QtWidgets.QVBoxLayout() self.result_table QtWidgets.QTableWidget() self.result_table.setColumnCount(
self.result_table.setHorizontalHeaderLabels([类别, 置信度, 左上坐标, 右下坐标]) self.result_table.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch) self.result_table.verticalHeader().setVisible(False) self.result_table.setSelectionBehavior(QtWidgets.QAbstractItemView.SelectRows) self.result_table.setEditTriggers(QtWidgets.QAbstractItemView.NoEditTriggers) # 设置表格样式 self.result_table.setStyleSheet( QTableWidget { border: 1px solid #e0e0e0; alternate-background-color: #f5f5f5; } QHeaderView::section { background-color: #2196F3; color: white; padding: 5px; border: none; } QTableWidget::item { padding: 5px; } ) # 设置居中代理 delegate CenteredDelegate(self.result_table) self.result_table.setItemDelegate(delegate) self.table_layout.addWidget(self.result_table) self.table_group.setLayout(self.table_layout) self.right_layout.addWidget(self.table_group, stretch
self.main_layout.addLayout(self.right_layout, stretch
MainWindow.setCentralWidget(self.centralwidget) # 状态栏 self.statusbar QtWidgets.QStatusBar(MainWindow) self.statusbar.setStyleSheet(QStatusBar { border-top: 1px solid #c0c0c0; }) MainWindow.setStatusBar(self.statusbar) # 初始化变量 self.model None self.cap None self.timer QTimer() self.is_camera_running False self.current_image None self.current_result None self.video_writer None self.output_path output # 创建输出目录 if not os.path.exists(self.output_path): os.makedirs(self.output_path) # 连接信号槽 self.load_model_btn.clicked.connect(self.load_model) self.image_btn.clicked.connect(self.detect_image) self.video_btn.clicked.connect(self.detect_video) self.camera_btn.clicked.connect(self.detect_camera) self.stop_btn.clicked.connect(self.stop_detection) self.save_btn.clicked.connect(self.save_result) self.conf_slider.valueChanged.connect(self.update_conf_value) self.iou_slider.valueChanged.connect(self.update_iou_value) self.timer.timeout.connect(self.update_camera_frame) # 设置全局样式 self.set_style() def set_style(self): style QMainWindow { background-color: #f5f5f5; } QGroupBox { border: 1px solid #e0e0e0; border-radius: 5px; margin-top: 10px; padding-top: 15px; } QGroupBox::title { subcontrol-origin: margin; left: 10px; padding: 0 3px; } QLabel { color: #333333; } QComboBox { padding: 5px; border: 1px solid #cccccc; border-radius: 3px; } QSlider::groove:horizontal { height: 6px; background: #e0e0e0; border-radius: 3px; } QSlider::handle:horizontal { width: 16px; height: 16px; margin: -5px 0; background: #2196F3; border-radius: 8px; } QSlider::sub-page:horizontal { background: #2196F3; border-radius: 3px; } self.centralwidget.setStyleSheet(style) def load_model(self): model_name self.model_combo.currentText().split( )[0] try: self.model YOLO(model_name) self.statusbar.showMessage(f模型 {model_name} 加载成功,
self.image_btn.setEnabled(True) self.video_btn.setEnabled(True) self.camera_btn.setEnabled(True) except Exception as e: QMessageBox.critical(None, 错误, f模型加载失败: {str(e)}) def update_conf_value(self): conf self.conf_slider.value() / 100 self.conf_value.setText(f{conf:.2f}) def update_iou_value(self): iou self.iou_slider.value() / 100 self.iou_value.setText(f{iou:.2f}) def detect_image(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择图片, , 图片文件 (*.jpg *.jpeg *.png *.bmp);;所有文件 (*) ) if file_path: try: # 读取图片 img cv
imread(file_path) img cv
cvtColor(img, cv
COLOR_BGR2RGB) # 显示原始图片 self.display_image(img, self.original_img_label) self.current_image img.copy() # 检测图片 conf self.conf_slider.value() / 100 iou self.iou_slider.value() / 100 self.statusbar.showMessage(正在检测图片...) QtWidgets.QApplication.processEvents() # 更新UI results self.model.predict(img, confconf, iouiou) result_img results[0].plot() # 显示检测结果 self.display_image(result_img, self.result_img_label) self.current_result result_img.copy() # 更新结果表格 self.update_result_table(results[0]) self.save_btn.setEnabled(True) self.statusbar.showMessage(f图片检测完成: {os.path.basename(file_path)},
except Exception as e: QMessageBox.critical(None, 错误, f图片检测失败: {str(e)}) self.statusbar.showMessage(图片检测失败,
def detect_video(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择视频, , 视频文件 (*.mp4 *.avi *.mov *.mkv);;所有文件 (*) ) if file_path: try: self.cap cv
VideoCapture(file_path) if not self.cap.isOpened(): raise Exception(无法打开视频文件) # 获取视频信息 fps self.cap.get(cv
CAP_PROP_FPS) width int(self.cap.get(cv
CAP_PROP_FRAME_WIDTH)) height int(self.cap.get(cv
CAP_PROP_FRAME_HEIGHT)) # 创建视频写入器 timestamp datetime.datetime.now().strftime(%Y%m%d_%H%M%S) output_file os.path.join(self.output_path, foutput_{timestamp}.mp
fourcc cv
VideoWriter_fourcc(*mp4v) self.video_writer cv
VideoWriter(output_file, fourcc, fps, (width, height)) # 启用停止按钮禁用其他按钮 self.stop_btn.setEnabled(True) self.save_btn.setEnabled(True) self.image_btn.setEnabled(False) self.video_btn.setEnabled(False) self.camera_btn.setEnabled(False) # 开始处理视频 self.timer.start(
# 30ms间隔 self.statusbar.showMessage(f正在处理视频: {os.path.basename(file_path)}...) except Exception as e: QMessageBox.critical(None, 错误, f视频检测失败: {str(e)}) self.statusbar.showMessage(视频检测失败,
3000)