如何构建基于YOLOv5的番茄病虫害监测系统Pyqt5界面及训练代码？

视频演示 基于深度学习的番茄叶子病虫害监测系统 1. 前言​ 大家好！欢迎来到 Coding茶水间。 今天给大家介绍的题目是 《基于YOLO算法的番茄叶子病害检测系统》。 在现代化设施农业中，番茄作为重要经济作物，其叶片的健康状况直接关系到产量与品质。然而在现状中，很多种植基地仍依赖人工田间巡查或定期抽样检查，不仅工作量大、效率低，而且在病害早期、症状不明显或叶片重叠、光照变化时极易漏检。同时，番茄常见病害种类繁多——包括叶斑病、花叶病毒、卷叶病以及多种虫害，人工识别不但受经验限制，还容易出现误判，难以及时采取防治措施。随着精准农业和智慧植保的发展，市场对能自动识别多种病害类型、支持批量检测和实时监测的智能系统需求越来越迫切。 针对这一痛点，我们团队研发了这套成品级番茄叶子病害检测系统。它基于YOLO算法，可一次性识别多达14种病害及虫害，支持图片、视频、文件夹批量图片以及实时摄像头检测。系统提供多模型切换、置信度与IOU调节、语音播报、检测结果可视化与表格导出等功能，并能通过训练脚本扩展至更多病害类型，满足科研实验、农场无人巡检与病害大数据采集等多种场景。 接下来，我们就从主界面布局、核心参数调节、多场景检测演示，到模型训练与脚本调用，为大家完整呈现这套系统的实现与应用价值。 2. 项目演示 2.1用户登录界面 登录界面布局简洁清晰，左侧展示系统主题，用户需输入用户名、密码及验证码完成身份验证后登录系统。 2.2新用户注册 注册时可自定义用户名与密码，支持上传个人头像；如未上传，系统将自动使用默认头像完成账号创建。 2.3主界面布局 主界面采用三栏结构，左侧为功能操作区，中间用于展示检测画面，右侧呈现目标详细信息，布局合理，交互流畅。 2.4个人信息管理 用户可在此模块中修改密码或更换头像，个人信息支持随时更新与保存。 2.5多模态检测展示 系统支持图片、视频及摄像头实时画面的目标检测。识别结果将在画面中标注显示，并且带有语音播报提醒，并在下方列表中逐项列出。点击具体目标可查看其类别、置信度及位置坐标等详细信息。 2.6 检测结果保存 可以将检测后的图片、视频进行保存，生成新的图片和视频，新生成的图片和视频中会带有检测结果的标注信息，并且还可以将所有检测结果的数据信息保存到excel中进行，方便查看检测结果。 2.7多模型切换 系统内置多种已训练模型，用户可根据实际需求灵活切换，以适应不同检测场景或对比识别效果。 3.模型训练核心代码 本脚本是YOLO模型批量训练工具，可自动修正数据集路径为绝对路径，从pretrained文件夹加载预训练模型，按设定参数（100轮/640尺寸/批次8）一键批量训练YOLOv5nu/v8n/v11n/v12n模型。 # -*- coding: utf-8 -*- """ 该脚本用于执行YOLO模型的训练。 它会自动处理以下任务： 1. 动态修改数据集配置文件 (data.yaml)，将相对路径更新为绝对路径，以确保训练时能正确找到数据。 2. 从 'pretrained' 文件夹加载指定的预训练模型。 3. 使用预设的参数（如epochs, imgsz, batch）启动训练过程。 要开始训练，只需直接运行此脚本。 """ import os import yaml from pathlib import Path from ultralytics import YOLO def main(): """ 主训练函数。 该函数负责执行YOLO模型的训练流程，包括： 1. 配置预训练模型。 2. 动态修改数据集的YAML配置文件，确保路径为绝对路径。 3. 加载预训练模型。 4. 使用指定参数开始训练。