【YOLO检测识别系统】【当前是病虫害检测系统，可更换其他检|||测】 | 基于YOLOv11 + Pytorch + Flask + SpringBoot | 支持玉米、水稻、番茄、草莓病害检测。
这是一款基于YOLOv11深度学习模型的农作物病虫害检测识别系统，融合了Pytorch、Flask、SpringBoot、Vue、MySQL等多种先进技术。通过本系统，用户可以快速识别玉米、水稻、草莓和西红柿的常见病虫害，精准高效，为农业病虫害的分析、预防和管理提供智能解决方案。
主要功能：
多方式检测：支持图片、视频和摄像头实时检测三种方式，适用于各种环境。
农作物病虫害识别： 玉米：疫病、普通锈病、灰斑病、健康
水稻：褐斑病、稻瘟病、细菌性叶枯病
草莓：角斑病、炭疽果腐病、花枯病、灰霉病、叶斑病、白粉病果、白粉病叶
西红柿：早疫病、晚疫病、潜叶病、叶霉病、花叶病毒、蜘蛛螨等
深度学习支持：使用YOLOv8至YOLOv11模型，支持多种权重的目标检测，精度高、速度快。
实时监控与预测：支持通过摄像头进行实时监测，并自动识别作物病虫害。
模型训练与自定义：用户可以使用自定义数据集重新训练模型，生成新的权重文件，支持YOLOv8到YOLOv11的训练。
简洁美观的UI：采用Vue3前端框架，支持主题颜色、布局和组件大小的个性化定制，兼容深色模式与色弱模式。
技术栈：
前端：Vue3、Element-Plus、TypeScript
后端：SpringBoot、MyBatis-Plus、Flask
深度学习：YOLOv11、Pytorch
数据库：MySQL
视频处理：FFmpeg
适用场景：
农业生产管理与病虫害防控
农业科技研发
智能农业应用
【农作物病虫害检测识别系统】
本系统是一个完整的基于YOLOV11+pytorch+Flask+SpringBoot+Vue+MySQL的农作物病虫害检测识别系统。
可使用YOLOV1-YOLOV11的任意模型进行目标检测。可以检测图片、视频、摄像头三种方式。能够识别检测玉米、水稻、番茄、草莓四种农作物的病害。具体可识别以下类型的病虫害：
玉米：'blight（疫病）', 'common_rust（普通锈病）', 'gray_spot（灰斑病）', 'health（健康）'
水稻：names: 'Brown_Spot（褐斑病）', 'Rice_Blast（稻瘟病）', 'Bacterial_Blight（细菌性叶枯病）'
草莓：'Angular Leafspot（角斑病）', ' Anthracnose Fruit Rot（炭疽果腐病）', 'Blossom Blight（花枯病）', 'Gray Mold（灰霉病）', ' Leaf Spot（叶斑病）', 'Powdery Mildew Fruit（白粉病果）', 'Powdery Mildew Leaf（白粉病叶）'
西红柿：'Early Blight（早疫病）', 'Healthy（健康）', 'Late Blight（晚疫病）', 'Leaf Miner（潜叶病）', 'Leaf Mold（叶霉病）', 'Mosaic Virus（花叶病毒）', 'Septoria（壳针孢属）', 'Spider Mites（蜘蛛螨）', 'Yellow Leaf Curl Virus（黄化卷叶病毒 ）'
可应用于农业病虫害分析、检测、预防等。
技术栈使用YOLO、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Ts、element-plus、Flask、Axios、MySQL等技术。
整个商品包括：
1.基于YOLOV11+pytorch+Flask+SpringBoot+Vue+MySQL的农作物病虫害检测识别系统的完整文件
2.安装文档
3.数据库文件
4.数据集
商品包含：
完整的系统代码（前端、后端、YOLO算法）
数据集与训练文件
安装部署文档
数据库文件
