项目介绍
本项目是一个基于 YOLOv8n 的水稻害虫检测系统，面向水稻种植、病虫害巡查与农业信息化管理场景。系统通过 Vue3 与 Element Plus 构建前端页面，为用户提供账号注册登录、图片上传、害虫检测、结果查看、历史记录查询等功能；后端采用 Flask 提供接口服务，并使用 JWT 实现登录状态校验和权限控制。用户上传水稻害虫图片后，系统会调用训练好的 YOLOv8n 模型进行目标检测，识别褐飞虱、稻瘿蚊、稻叶蝉、稻纵卷叶螟、水稻螟虫等常见害虫类别，返回检测框、置信度、中文识别结果和带框结果图。
选题背景与意义
水稻是我国重要的粮食作物，其产量和质量直接关系到粮食安全与农业经济效益。在水稻生长过程中，褐飞虱、稻纵卷叶螟、稻叶蝉、稻瘿蚊和水稻螟虫等害虫会造成叶片受损、茎秆枯死、结实率下降等问题，严重时会导致大面积减产。传统害虫识别主要依赖人工巡田和经验判断，存在识别效率低、主观性强、基层技术人员不足以及信息记录不完整等问题。随着深度学习和计算机视觉技术的发展，利用目标检测模型对农业图像进行自动识别成为智慧农业的重要方向。本课题将 YOLOv8n 应用于水稻害虫检测，并结合 Web 系统完成结果展示、历史管理和知识科普，有助于提升害虫识别效率，降低人工判断成本，为病虫害早发现、早防治提供辅助依据，同时也体现了人工智能技术在农业生产数字化、智能化转型中的应用价值。
关键技术栈：YOLOv8
YOLOv8 是 Ultralytics 推出的单阶段目标检测算法，具有检测速度快、部署灵活、精度较高等特点，适合应用于农业害虫检测这类需要同时完成目标分类与位置定位的任务。系统选用 YOLOv8n 作为核心检测模型，其中 n 表示 nano 轻量化版本，参数量更小、推理速度更快，适合毕业设计系统、本地服务器以及后续边缘设备部署。YOLOv8 在输入图片后，会通过骨干网络提取害虫形态、纹理和颜色等图像特征，再通过检测头输出目标类别、置信度和边界框坐标。
技术架构图
系统功能模块图
