基于YOLOv8目标检测的水稻病害检测系统

资深码侬

1270人浏览 · 2025-05-18 07:30:00

资深码侬 · 2025-05-18 07:30:00 发布

内含6715张水稻病害数据集，共3类
标签names:[‘Bacteria Leaf Blight’,‘Brown Spot’, ‘Leaf smut’]
名称：【‘细菌叶斑病’, ‘褐斑病’, ‘叶瘤病’】

也可自行替换模型，使用该界面做其他检测

文章目录

基于YOLOv8目标检测的水稻病害检测系统

在这里插入图片描述

基于YOLOv8目标检测的水稻病害检测系统

本项目旨在利用 YOLOv8 模型构建一个高效的 水稻病害识别与定位系统，可用于农业病虫害防治、智能巡田机器人或无人机图像分析等场景。该系统可以对水稻叶片上的病害进行精准识别和边界框标注。

🧰 一、开发环境准备

安装依赖库：

pip install ultralytics opencv-python PyQt5 matplotlib numpy

在这里插入图片描述

📁 二、数据集说明（以公开水稻病害数据集为例）

假设你有一个基于 YOLO 格式的数据集结构如下：

rice_disease_dataset/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/
└── data.yaml

data.yaml 内容示例：

train: ./images/train
val: ./images/val

nc: 3
names: ['Bacterial Blight', 'Brown Spot', 'Leaf Blast']

🔧 三、模型训练（可选）

如果你需要自己训练模型，使用以下命令训练自己的水稻病害检测模型：

yolo train model=yolov8s.pt data=data.yaml epochs=100 imgsz=640

训练完成后会在 runs/detect/train/weights/ 下生成最佳权重文件：best.pt

🖥️ 四、图形界面设计（PyQt5 + OpenCV）

我们将创建一个带有 GUI 的应用程序，支持：

图像上传
模型推理
病害检测结果可视化
实时摄像头检测（可选）

📌 示例代码：GUI 应用程序主窗口

import sys
import cv2
from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QFileDialog, QVBoxLayout, QWidget
from PyQt5.QtGui import QPixmap, QImage
from PyQt5.QtCore import Qt
from ultralytics import YOLO


class RiceDiseaseApp(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("水稻病害检测系统 - YOLOv8")
        self.setGeometry(100, 100, 800, 600)

        self.model = YOLO('best.pt')  # 替换为你训练好的模型路径

        self.initUI()

    def initUI(self):
        layout = QVBoxLayout()

        self.image_label = QLabel(self)
        self.image_label.setAlignment(Qt.AlignCenter)
        self.image_label.setStyleSheet("border: 1px solid black;")
        self.image_label.setFixedSize(760, 500)
        layout.addWidget(self.image_label)

        upload_button = QPushButton("上传图片", self)
        upload_button.clicked.connect(self.upload_image)
        layout.addWidget(upload_button)

        self.setLayout(layout)

        container = QWidget()
        container.setLayout(layout)
        self.setCentralWidget(container)

    def upload_image(self):
        file_name, _ = QFileDialog.getOpenFileName(self, "选择图片", "", "Image Files (*.png *.jpg *.jpeg)")
        if file_name:
            self.detect_and_show(file_name)

    def detect_and_show(self, image_path):
        results = self.model(image_path)
        annotated_frame = results[0].plot()

        # 将图像转换为QPixmap显示
        rgb_image = cv2.cvtColor(annotated_frame, cv2.COLOR_BGR2RGB)
        h, w, ch = rgb_image.shape
        bytes_per_line = ch * w
        qt_image = QImage(rgb_image.data, w, h, bytes_per_line, QImage.Format_RGB888)
        pixmap = QPixmap.fromImage(qt_image).scaled(
            self.image_label.width(), self.image_label.height(), Qt.KeepAspectRatio
        )
        self.image_label.setPixmap(pixmap)


if __name__ == "__main__":
    app = QApplication(sys.argv)
    window = RiceDiseaseApp()
    window.show()
    sys.exit(app.exec_())

在这里插入图片描述

📸 五、实时视频检测（可选功能）

在上述代码中增加摄像头检测功能：

def start_camera(self):
    cap = cv2.VideoCapture(0)
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        results = self.model(frame)
        annotated_frame = results[0].plot()

        cv2.imshow("Real-time Detection", annotated_frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()