基于YOLOv8的农业害虫目标检测系统，能够识别和定位102种不同类型的害虫。本项目使用YOLOv8深度学习模型，对IP102害虫数据集进行训练，实现高效的害虫检测和识别。系统提供Web界面，支持单张图片预测、批量图片预测等功能。
PestYOLO/
├── IP102_v1.1/ # 原始数据集
│ └── Detection/
│ └── VOC2007/
│ ├── Annotations/ # XML标注文件
│ ├── ImageSets/
│ │ └── Main/ # 训练/测试集划分
│ └── JPEGImages/ # 原始图片
├── IP102_YOLOv8/ # YOLO格式数据集
│ ├── train/
│ │ ├── images/ # 训练图片
│ │ └── labels/ # YOLO格式标签
│ ├── val/
│ │ ├── images/ # 验证图片
│ │ └── labels/ # YOLO格式标签
│ ├── runs/
│ │ └── IP102_detection/
│ │ └── weights/
│ │ └── best.pt # 训练好的模型权重
│ ├── classes.txt # 害虫类别列表
│ └── data.yaml # 数据集配置文件
├── main.py # 主程序 - Web界面
├── download_IP102.PY # 数据集下载脚本
├── voc2yolo.py # 数据格式转换脚本
├── train.py # 模型训练脚本
├── predict_image.py # 单张图片预测脚本
└── README.md # 项目说明文档
└── 基于yolo的病虫害目标检测.ipynb # 项目训练脚本
- Python 3.8+
- CUDA 11.0+ (GPU训练推荐)
- 至少8GB RAM
pip install ultralytics gradio opencv-python pillow gdown- 下载数据集
python download_IP102.PY- 转换数据格式
python voc2yolo.pypython train.py训练配置：
- 模型: YOLOv8n (可替换为yolov8s.pt/yolov8m.pt)
- 轮数: 30 epochs
- 批次大小: 16
- 图片尺寸: 640x640
python main.py访问 http://localhost:7860 使用害虫检测系统。
- 上传单张图片进行害虫检测
- 实时显示检测框和置信度
- 详细的检测结果统计
- 支持多张图片批量处理
- 生成检测结果图库
- 处理进度和结果汇总
- 模型详细信息展示
- 害虫类别列表
- 使用说明文档
- 类别数量: 102种害虫
- 图片数量: 训练集 + 验证集
- 标注格式: Pascal VOC → YOLO格式
包括但不限于：
- 稻纵卷叶螟 (rice leaf roller)
- 褐飞虱 (brown plant hopper)
- 玉米螟 (corn borer)
- 蚜虫 (aphids)
- 斜纹夜蛾 (Prodenia litura)
- 自动下载IP102数据集
- 解压和验证数据完整性
- 创建标准目录结构
- 将Pascal VOC格式转换为YOLO格式
- 生成训练/验证集划分
- 创建data.yaml配置文件
- YOLOv8模型训练脚本
- 支持多种YOLOv8模型变体
- 自动保存最佳权重
- Gradio Web界面
- 实时害虫检测
- 用户友好的交互设计
- 输入尺寸: 640x640
- 置信度阈值: 可调节 (默认0.25)
- 检测类别: 102种害虫
- 推理速度: 实时检测
from ultralytics import YOLO
model = YOLO("./IP102_YOLOv8/runs/IP102_detection/weights/best.pt")
results = model.predict("image.jpg", conf=0.25)results = model.predict(["img1.jpg", "img2.jpg"], save=True)在Web界面中滑动调节或在代码中设置：
results = model.predict(source=image, conf=0.5) # 更高阈值在train.py中修改：
model = YOLO("yolov8s.pt") # 更大型号- 首次运行需要下载数据集和训练模型
- GPU加速推荐用于训练和快速推理
- 内存要求批量处理时注意系统内存
- 文件路径确保数据集路径正确配置
欢迎提交Issue和Pull Request来改进这个项目！
本项目仅供学习和研究使用。
如有问题，请通过项目Issue反馈。
开始使用: 按照快速开始步骤安装环境并运行Web界面，体验高效的害虫检测系统！