深度学习框架YOLO+DeepSeek农作物病虫害检测系统 结合DeepSeek、Qwen等大模型对检测结果给出相关建议，并可将检测报告导出为PDF文件。另外添加可视化界面对检测结果进行可视化显示。

YOLO+DeepSeek农作物病虫害检测系统

【结合Deepseek，Qwen】
【可以上传文件夹批量检测，可以导出图片检测结果为PDF文件】

可以实现检测图片、批量检测图片、视频检测、摄像头检测四种方式。

能够检测出[“苹果-黑腐病”, “苹果-健康”, “苹果-结痂”, “甜椒-细菌性斑疹”, “甜椒-健康”, “木薯-褐条病”, “木薯-细菌性枯萎病”, “木薯-绿斑病”, “樱桃-健康”, “樱桃-白粉病”, “玉米-叶斑病”, “玉米-普通锈病”, “玉米-健康”, “葡萄-黑腐病”, “葡萄-健康”, “葡萄-叶枯病”, “木薯-健康”, “木薯-花叶病毒”, “玉米-大斑病”, “柑桔-黄龙病”, “桃子-桃细菌性穿孔病”, “桃子-健康”, “土豆-早疫病”, “土豆-健康”, “土豆-晚疫病”, “水稻-褐斑病”, “水稻-健康”, “水稻-稻瘟病”, “草莓-白粉病”, “草莓-健康”, “草莓-角斑病”, “番茄-细菌性斑疹病”, “番茄-早疫病”, “番茄-晚疫病”, “番茄-健康”, “番茄-叶霉病”, “番茄-斑枯病”]37种检测情况。

结合DeepSeek、Qwen等大模型对检测结果给出相关建议，并可将检测报告导出为PDF文件。另外添加可视化界面对检测结果进行可视化显示。 技术栈使用YOLO、DeepSeek、Qwen、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Echarts、Ts、element-plus、Flask、Axios、MySQL等技术。 系统还支持分用户管理。分为管理员和普通用户，管理员可查看所有记录，并管理用户。普通用户只可查看自己的记录。 界面简洁、美观。支持主题色修改、布局样式修改、组件大小修改等。

源码+部署教程

1

1

基于 YOLO + DeepSeek 的农作物病虫害检测系统的完整技术架构、功能解析与详细代码实现（含前后端），支持：

✅ 37 类病虫害检测
✅ 图片/批量/视频/摄像头检测
✅ 结合 DeepSeek / Qwen 提供智能建议
✅ 检测结果导出 PDF 报告
✅ 用户权限管理（管理员/普通用户）
✅ 数据可视化（ECharts）
✅ 前后端分离（SpringBoot + Vue3）

✅ 一、系统概览

✅ 二、37 类病虫害分类表

["苹果-黑腐病","苹果-健康","苹果-结痂","甜椒-细菌性斑疹","甜椒-健康","木薯-褐条病","木薯-细菌性枯萎病","木薯-绿斑病","樱桃-健康","樱桃-白粉病","玉米-叶斑病","玉米-普通锈病","玉米-健康","葡萄-黑腐病","葡萄-健康","葡萄-叶枯病","木薯-健康","木薯-花叶病毒","玉米-大斑病","柑桔-黄龙病","桃子-桃细菌性穿孔病","桃子-健康","土豆-早疫病","土豆-健康","土豆-晚疫病","水稻-褐斑病","水稻-健康","水稻-稻瘟病","草莓-白粉病","草莓-健康","草莓-角斑病","番茄-细菌性斑疹病","番茄-早疫病","番茄-晚疫病","番茄-健康","番茄-叶霉病","番茄-斑枯病"]

💡训练建议：使用yolov8s.pt预训练权重，数据增强（mosaic、mixup）提升小病斑检出率。

✅ 三、系统架构图

┌────────────────────┐ ┌────────────────────┐ │ 前端 (Vue3) │◄───►│ 后端 (SpringBoot) │ │ (Web界面 + ECharts) │ │ (API + 用户管理) │ └────────────────────┘ └────────────────────┘ ↑ ↑ │ │ │ │ ▼ ▼ ┌────────────────────┐ ┌────────────────────┐ │ AI 推理 (Flask) │◄───►│ 大模型 (DeepSeek/Qwen) │ │ (YOLOv8 + OpenCV) │ │ (API 调用) │ └────────────────────┘ └────────────────────┘ ↑ ↑ │ │ │ │ ▼ ▼ ┌────────────────────┐ ┌────────────────────┐ │ MySQL 数据库 │ │ 文件存储 (MinIO) │ └────────────────────┘ └────────────────────┘

✅ 四、前端代码（Vue3 + TypeScript）

1.src/router/index.ts

import{createRouter,createWebHistory}from'vue-router'importHomefrom'@/views/Home.vue'importLoginfrom'@/views/Login.vue'importPredictfrom'@/views/Predict.vue'importBatchPredictfrom'@/views/BatchPredict.vue'importVideoPredictfrom'@/views/VideoPredict.vue'importUserManagefrom'@/views/UserManage.vue'constroutes=[{path:'/login',component:Login},{path:'/',component:Home,children:[{path:'',redirect:'/predict'},{path:'predict',component:Predict},{path:'batch',component:BatchPredict},{path:'video',component:VideoPredict},{path:'user',component:UserManage}]}]constrouter=createRouter({history:createWebHistory(),routes})exportdefaultrouter

2.src/views/Predict.vue—— 单图检测页面

<template> <div class="predict-container"> <h2>作物检测</h2> <div class="upload-area"> <input type="file" @change="handleImageUpload" accept="image/*" /> <button @click="startDetect">开始预测</button> <button @click="exportPDF">导出PDF</button> </div> <div class="result-area"> <img v-if="originalImage" :src="originalImage" alt="原图" /> <img v-if="resultImage" :src="resultImage" alt="检测结果" /> <div class="details"> <p><strong>识别结果：</strong> {{ resultLabel }}</p> <p><strong>置信度：</strong> {{ confidence }}%</p> <p><strong>耗时：</strong> {{ inferenceTime }}s</p> </div> </div> </div> </template> <script setup lang="ts"> import { ref } from 'vue' import axios from 'axios' const originalImage = ref<string>() const resultImage = ref<string>() const resultLabel = ref<string>() const confidence = ref<number>(0) const inferenceTime = ref<number>(0) const handleImageUpload = (e: Event) => { const file = (e.target as HTMLInputElement).files?.[0] if (file) { const reader = new FileReader() reader.onload = (event) => { originalImage.value = event.target?.result as string } reader.readAsDataURL(file) } } const startDetect = async () => { const formData = new FormData() formData.append('image', (document.querySelector('input[type=file]') as HTMLInputElement).files![0]) const res = await axios.post('/api/predict', formData, { headers: { 'Content-Type': 'multipart/form-data' } }) resultImage.value = `data:image/jpeg;base64,${res.data.image_base64}` resultLabel.value = res.data.label confidence.value = parseFloat(res.data.confidence) * 100 inferenceTime.value = parseFloat(res.data.inference_time) } </script>

3.src/components/EchartsChart.vue—— 可视化图表

<template> <div ref="chartRef" style="width: 100%; height: 400px;"></div> </template> <script setup lang="ts"> import { onMounted, ref } from 'vue' import * as echarts from 'echarts' const chartRef = ref<HTMLDivElement | null>(null) onMounted(() => { const chart = echarts.init(chartRef.value!) chart.setOption({ title: { text: '不同用户的平均准确度' }, tooltip: {}, legend: { data: ['admin', '111', '123', '222', '333'] }, radar: { indicator: [ { name: 'admin', max: 100 }, { name: '111', max: 100 }, { name: '123', max: 100 }, { name: '222', max: 100 }, { name: '333', max: 100 } ] }, series: [{ name: '准确度', type: 'radar', data: [ { value: [93.38, 92.5, 89.41, 90.02, 89.39], name: 'admin' } ] }] }) }) </script>

✅ 五、后端代码（SpringBoot + Java）

1.controller/PredictController.java

@RestController@RequestMapping("/api")publicclassPredictController{@AutowiredprivatePredictionServicepredictionService;@PostMapping("/predict")publicResponseEntity<PredictionResult>predict(@RequestParam("image")MultipartFileimage)throwsIOException{Stringresult=predictionService.predict(image);returnResponseEntity.ok(result);}@GetMapping("/predictions")publicResponseEntity<List<PredictionRecord>>getPredictions(){List<PredictionRecord>records=predictionService.getAllPredictions();returnResponseEntity.ok(records);}}

2.service/PredictionService.java

@ServicepublicclassPredictionService{@AutowiredprivateFlaskClientflaskClient;@AutowiredprivateDeepSeekClientdeepSeekClient;publicPredictionResultpredict(MultipartFileimage)throwsIOException{// 1. 调用 Flask 进行 YOLO 检测PredictionResultyoloResult=flaskClient.detect(image);// 2. 调用 DeepSeek 生成建议Stringadvice=deepSeekClient.generateAdvice(yoloResult.getLabel());// 3. 保存到数据库PredictionRecordrecord=newPredictionRecord();record.setUserId("admin");record.setLabel(yoloResult.getLabel());record.setConfidence(yoloResult.getConfidence());record.setAdvice(advice);record.setTimestamp(newDate());// 保存记录predictionRepository.save(record);// 返回结果yoloResult.setAdvice(advice);returnyoloResult;}}

3.flask_client.py—— Flask 推理接口（Python）

# flask_app.pyfromflaskimportFlask,request,jsonifyimportcv2importnumpyasnpfromultralyticsimportYOLOimportbase64 app=Flask(__name__)model=YOLO('best.pt')@app.route('/detect',methods=['POST'])defdetect():file=request.files['image']img=cv2.imdecode(np.frombuffer(file.read(),np.uint8),cv2.IMREAD_COLOR)results=model(img)result_img=results[0].plot()# 编码为 base64_,buffer=cv2.imencode('.jpg',result_img)img_base64=base64.b64encode(buffer).decode()label=results[0].names[int(results[0].boxes.cls[0])]conf=float(results[0].boxes.conf[0])returnjsonify({'label':label,'confidence':conf,'image_base64':img_base64,'inference_time':0.123})if__name__=='__main__':app.run(port=5000)

✅ 六、大模型建议生成（DeepSeek / Qwen）

# deepseek_client.pyimportrequestsdefgenerate_advice(disease_name):url="https://api.deepseek.com/v1/chat/completions"headers={"Authorization":"Bearer YOUR_API_KEY","Content-Type":"application/json"}payload={"model":"deepseek-chat","messages":[{"role":"system","content":"你是一个农业专家，提供病虫害防治建议"},{"role":"user","content":f"请给出针对{disease_name}的防治建议"}]}response=requests.post(url,headers=headers,json=payload)returnresponse.json()['choices'][0]['message']['content']

✅ 七、PDF 导出功能（使用pdfkit）

# export_pdf.pyimportpdfkitfromjinja2importTemplatedefexport_to_pdf(result,filename):template=Template(""" <html> <head><title>农作物病虫害检测报告</title></head> <body> <h1>检测报告</h1> <p><strong>作物：</strong>{{ result.label }}</p> <p><strong>置信度：</strong>{{ result.confidence*100 }}%</p> <p><strong>建议：</strong>{{ result.advice }}</p> </body> </html> """)html=template.render(result=result)pdfkit.from_string(html,filename)

✅ 八、部署教程

1. 启动 Flask 服务

cdflask_app python flask_app.py

2. 启动 SpringBoot 服务

mvn spring-boot:run

3. 启动 Vue 前端

cdfrontendnpmrun serve

4. Docker 部署（可选）

FROM nginx:alpine COPY dist /usr/share/nginx/html EXPOSE 80 CMD ["nginx", "-g", "daemon off;"]

✅ 九、用户权限管理

使用 JWT + Spring Security 实现认证。

✅ 十、系统亮点总结