YOLO算法的水稻害虫检测与识别系统设计

本项目以水稻稻瘟病、胡麻斑病、细菌性条斑病三类常见水稻病害为识别对象，设计基于 YOLOv8 算法的水稻害虫检测与识别系统。项目收集构建水稻病害图像数据集，使用 LabelMe 完成样本标注，采用 K-means++ 优化锚框、WB-FPN 改进特征融合网络，提升小目标病害特征提取能力。依托 PyTorch 框架完成模型训练、调优与评估，对比实验验证改进模型具备更高识别精度。基于 PyQt5 开发可视化桌面系统，实现本地图片、批量图像、视频、摄像头实时检测功能，可展示病害类别、置信度、目标坐标，支持检测结果保存。系统突破人工识别主观性强、效率低下的弊端，能够在复杂田间背景下完成水稻病害定位与分类，为种植户提供病害识别参考，助力精准植保作业，同时为智慧农业领域农作物病害智能监测提供可行方案。

开发环境

开发语言：Python

深度学习框架：PyTorch

目标检测框架：Ultralytics YOLOv8

图形界面框架：PyQt5

图像处理库：OpenCV-Python

开发工具：PyCharm

标注工具：LabelMe

运行环境：Python3.9 及以上、Windows10/11、支持 CUDA 加速

项目类型：桌面端目标检测识别系统

系统实现

设置好预加载模型之后运行主程序便生成用户主界面，主界面用HTML，CSS以及JavaScript技术并结合Bootstrap或者Vue.js框架去设计成响应式的Web界面，该界面供应便捷且简单的操作模式，其中涵盖图像，视频上传区，检测结果表现区，历史记录单等来执行图像，视频的上传，检测或者查看检测结果及历史记录之类的操作，参照图3.6