项目简介本项目基于YOLOv8 目标检测算法Streamlit 交互式 Web 框架开发一套轻量化农业病害识别工具支持葡萄、苹果、水稻三大作物的病害与虫害检测上传图片 / 视频 / 本地摄像头实时推理自动输出病害名称、发病症状、防治方案与参考图无代码门槛浏览器直接使用适合农业教学、田间快速诊断、毕业设计使用。【开源】基于yolov8的病虫害专家系统_哔哩哔哩【开源】基于yolov8的病虫害专家系统技术栈深度学习框架PyTorch Ultralytics YOLOv8Web 可视化Streamlit图像处理OpenCV、Pillow环境管理Anaconda/miniconda推荐配套文档环境部署 PDF 手册核心功能多作物任务切换支持 3 类作物独立模型葡萄病虫害、苹果病虫害、水稻病害 水稻虫害三种推理输入源图片上传jpg/png/jpeg/bmp/webp本地视频文件逐帧检测电脑摄像头实时画面识别可调检测参数侧边栏滑动条自定义置信度阈值10~100适配不同清晰度样本完整病害知识库内置二十余种病害信息病害中文名、发病症状、全套防治方法、病害实拍图、治理参考图检测结果统计自动统计画面内各类病害数量分栏展示原图、标注效果图、病害说明、防治方案轻量化部署纯 Python 实现无需前端开发一行命令启动网页服务项目目录结构yolo8-agri-disease/ ├── app.py # 项目入口、Streamlit页面主逻辑 ├── config.py # 全局配置模型路径、作物任务映射、数据源类型 ├── utils.py # 工具函数模型加载、图像推理、病害知识库、视频/摄像头处理 ├── weights/ # YOLOv8训练权重存放目录 │ ├── grape_a.pt │ ├── grape_all.pt │ ├── apple.pt │ └── rice.pt ├── pic/ # 病害配套图片库 │ ├── grape/ # 葡萄病害图 │ ├── apple/ # 苹果病害图 │ ├── rice/ # 水稻病害图 │ └── insect/ # 水稻虫害图 ├── Streamlityolo8环境配置指导手册.pdf # 完整环境搭建教程 └── README.md # 项目说明文档支持识别病害清单葡萄病害黑腐病、黑痘病、褐斑病、酸腐病、霜霉病、溃疡病、灰霉病、花叶病、健康叶片苹果病害褐斑病、花叶病、白粉病、腐烂病、健康叶片水稻病害褐斑病、稻瘟病、白叶枯病水稻虫害稻蝽虫卵、小菜蛾、二化螟幼虫 / 成虫、稻绿蝽、蝗虫环境部署教程使用操作流程左侧侧边栏选择作物任务葡萄 / 苹果 / 水稻下拉框选择对应训练好的模型权重滑动条调整检测置信度建议默认 25选择输入类型图像 / 视频 / 摄像头上传文件 / 打开摄像头点击执行页面分栏展示原图、带检测框效果图、病害统计、症状说明、防治方案常见问题模型加载失败检查weights文件夹是否存在对应 pt 权重文件路径不要含中文。摄像头无法打开关闭其他占用摄像头软件Windows 需给予终端相机权限。运行速度极慢优先使用 NVIDIA GPUCPU 环境建议只处理图片避免长视频。streamlit 命令找不到确认已经激活环境yolo8虚拟环境重新执行 pip 安装 streamlit。开源说明本项目仅供学习、毕业设计、农业研究使用禁止商用模型权重、病害图片为标注数据集训练所得如需扩展作物可自行扩充数据集重新训练 YOLOv8。补充如需训练自定义作物病害模型可基于 ultralytics YOLOv8 官方训练脚本替换对应作物标注数据集即可接入本 Web 系统。