基于YOLO11s的苹果叶片病害检测系统 | 5类病害、2万+数据集、全栈闭环【计算机毕业设计选题推荐】

🍊作者：计算机编程-吉哥

🍊简介：专业从事JavaWeb程序开发，微信小程序开发，定制化项目、源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事，生活就是快乐的。

🍊心愿：点赞 👍 收藏 ⭐评论 📝

🍅 文末获取源码联系

👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~

Java毕业设计项目~热门选题推荐《1000套》

Python毕业设计精品项目《1000套》

微信小程序毕业设计精品项目《1000套》

大数据/机器学习毕业设计精品项目《1000套》

一、项目简介

二、技术选型

[2.1 后端技术栈](#2.1 后端技术栈)

[2.2 前端技术栈](#2.2 前端技术栈)

[2.3 模型训练](#2.3 模型训练)

三、功能模块

[3.1 登录 / 注册](#3.1 登录 / 注册)

[3.2 病害检测（核心模块）](#3.2 病害检测（核心模块）)

[3.3 检测记录](#3.3 检测记录)

[3.4 数据看板](#3.4 数据看板)

[3.5 智能问答](#3.5 智能问答)

[3.6 个人中心](#3.6 个人中心)

[3.7 用户管理（仅管理员）](#3.7 用户管理（仅管理员）)

一、项目简介

苹果叶片病害是影响苹果产量和品质的重要因素，早期发现和精准识别对防治至关重要。传统的人工识别方式依赖经验，效率低且容易误判。因此，我构建了AppleGuardYOLO11，用深度学习的方式实现自动化、智能化的病害检测。

系统覆盖5类常见苹果叶片病害：

类别ID	英文名称	中文名称
0	Rust	锈病
1	Mosaic	花叶病
2	Grey_spot	灰斑病
3	Brown_Spot	褐斑病
4	Alternaria_Boltch	斑点落叶病

整个系统采用Vue 3用户端 + Django 4后端 + YOLO11s模型 + MySQL 8数据库的架构，提供从登录注册、病害检测、检测记录、数据看板到智能问答的完整功能链路。

二、技术选型

2.1 后端技术栈

组件	版本	用途
Python	3.10	开发语言
Django	4.2.16	Web框架
ultralytics	8.3.40	YOLOv11模型加载与推理
torch	2.2.2	深度学习框架
MySQL	8.x	数据存储
PyMySQL	1.1.1	数据库驱动
scikit-learn	1.5.2	智能问答TF-IDF检索
jieba	0.42.1	中文分词

2.2 前端技术栈

依赖	版本	用途
Vue	^3.4.0	SPA框架
vue-router	^4.3.0	路由管理
Element Plus	^2.9.0	UI组件库
ECharts	^5.5.0	数据看板图表
marked	^15.0.0	Markdown渲染
Vite	^6.0.0	构建工具

2.3 模型训练

模型：YOLO11s（215层，约940万参数，21.4 GFLOPs）
数据集：18,451张训练图 + 5,270张验证图 + 2,638张测试图
训练配置：100 epoch，batch=16，640×640输入尺寸
优化器：SGD，初始学习率0.01，余弦退火
早停策略：30个epoch内mAP无提升则自动停止

三、功能模块

系统共包含7大模块，管理员额外拥有用户管理权限。

3.1 登录 / 注册

统一登录入口，后端根据 users.role 自动分流
普通用户注册默认 role='user'，前端无法注册为管理员
默认管理员账号：admin / admin123

3.2 病害检测（核心模块）

支持4种检测模式：

单图检测：上传单张叶片图片，实时返回检测结果
批量检测：一次上传多张图片，批量推理
视频检测：上传视频文件，逐帧检测并输出结果
摄像头实时检测：调用浏览器摄像头，每500ms采集一帧进行实时推理

摄像头模式是我个人比较满意的一个功能。它不依赖WebSocket，而是用浏览器原生 getUserMedia API + Canvas离屏渲染 + 定时POST帧数据到后端，实现了约2 FPS的实时检测体验。后端用内存字典按 session_key 隔离多用户会话，30分钟TTL自动清理，用户点击"停止并保存"时才聚合落库。