基于深度学习的农作物叶片病害检测系统

简介

本资源文件提供了一个基于深度学习的农作物叶片病害检测系统，该系统结合了YOLOv5深度学习模型和PyQt设计的用户界面（UI）。系统能够自动化地标注、记录和保存病害的位置和类型，适用于图片、视频和摄像头的检测识别。训练数据集包括30种常见的农作物叶片病害，测试结果显示系统具有较高的识别准确率。

功能特点

• 自动化检测：系统能够自动识别农作物叶片上的病害，并标注病害的位置和类型。
• 多种输入支持：支持图片、视频和摄像头的实时检测识别。
• 用户界面友好：使用PyQt设计的UI界面，操作简便，功能齐全。
• 高准确率：基于YOLOv5深度学习模型，测试结果显示具有较高的识别准确率。
• 数据集丰富：训练数据集包括30种常见的农作物叶片病害。

使用说明

1. 安装依赖：请确保安装了Python 3.8及所需的依赖包，依赖包列表详见requirements.txt。
2. 运行界面：运行主程序runMain.py或LoginUI.py启动系统界面。
3. 测试图片：运行testPicture.py进行图片测试。
4. 测试视频：运行testVideo.py进行视频测试。

文件结构

• train.py：用于训练自己的数据集。
• runMain.py：主程序，启动系统界面。
• LoginUI.py：登录界面程序。
• testPicture.py：测试图片脚本。
• testVideo.py：测试视频脚本。
• requirements.txt：依赖包列表。

注意事项

• 请确保Python版本为3.8，其他版本可能导致兼容性问题。
• 运行前请仔细阅读requirements.txt文件，确保所有依赖包已正确安装。

致谢

本项目参考了CSDN博客文章，感谢原作者的分享和贡献。

联系我们

如有任何问题或建议，请联系项目维护者。