智慧农业基于 YOLO+DeepSeek 烟草叶病虫害检测系统 4类病虫害检测 结合大模型提供 AI 建议YOLO+DeepSeek+Pytorch+SpringBoot+Flask+Vue

烟草叶病虫害检测系统
YOLO+DeepSeek+Pytorch+SpringBoot+Flask+Vue

共4种病虫害，[“白星病”，“花叶病”，“烟青虫”，“叶厚病”]

结合DeepSeek、Qwen等大模型，给出相关建议。设置智能问的小助手，调用ai大模型进行实时对话与分析。

支持分用户管理，管理员可查看所有记录，普通用户只能看自己。
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。技术栈：YOLO、DeepSeek、Qwen、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Echarts、Ts、element-plus、Flask、Axios、MySQL。
系统还支持分用户管理，分为管理员和普通用户。普通用户只能查看自己的记录。

附：
1.整理好的yolo格式的数据集
2.详细的系统部署教程
3.实时视频，摄像头，图片检测
4.代码简洁，有注释
5.提供训练好的yolo权重

基于 YOLO + DeepSeek 的烟草叶病虫害检测系统 的完整构建代码与架构说明，支持 4 类病虫害检测（白星病、花叶病、烟青虫、叶厚病），结合大模型提供 AI 建议，具备用户权限管理、可视化界面和多模态检测功能。

✅ 项目技术栈：
后端：Flask / SpringBoot + MyBatis-Plus + MySQL
前端：Vue3 + TypeScript + Element Plus + ECharts
AI 模型：YOLOv8 + DeepSeek / Qwen 大模型
部署：Docker 可选

✅ 一、系统功能概述

✅ 二、目录结构（简化版）

TobaccoDiseaseDetection/
├── backend/               # 后端（Flask 或 SpringBoot）
│   ├── app.py             # Flask 主程序
│   ├── models/
│   │   └── best.pt        # 训练好的 YOLO 权重
│   ├── uploads/           # 上传图片
│   ├── outputs/           # 检测结果图
│   ├── reports/           # PDF 报告
│   └── database.sql       # MySQL 表结构
├── frontend/              # Vue3 前端
│   ├── src/
│   │   ├── views/
│   │   │   ├── login.vue
│   │   │   ├── dashboard.vue
│   │   │   ├── detect.vue
│   │   │   └── aiQ&A.vue
│   │   └── utils/api.js     # Axios 请求封装
│   └── public/index.html
├── datasets/              # YOLO 格式数据集（含标注）
│   ├── images/
│   │   ├── train/
│   │   └── val/
│   └── labels/
└── requirements.txt       # 依赖

✅ 三、后端核心代码（Flask 版本）

# backend/app.py
from flask import Flask, request, jsonify, send_file
from ultralytics import YOLO
import cv2
import base64
import json
import requests
from datetime import datetime
import os

app = Flask(__name__)

# 加载 YOLO 模型
model = YOLO('models/best.pt')# 4类：['white_spot', 'mosaic_virus', 'tobacco_bug', 'leaf_thick']

# 中文类别映射
class_map ={
'white_spot':'白星病',
'mosaic_virus':'花叶病',
'tobacco_bug':'烟青虫',
'leaf_thick':'叶厚病'
}

# DeepSeek API 调用（模拟）
defget_ai_advice(detections):
    prompt =f"这是烟草叶片的病虫害检测结果：{detections}。请给出专业防治建议，包括原因、预防措施、化学药剂推荐、生物防治方法等，用中文回答。"
try:
        response = requests.post(
"https://api.deepseek.com/v1/chat/completions",
            headers={"Authorization":"Bearer YOUR_DEEPSEEK_API_KEY"},
            json={
"model":"deepseek-chat",
"messages":[{"role":"user","content": prompt}]
}
)
return response.json()['choices'][0]['message']['content']
except Exception as e:
print("API 错误:", e)
return"建议：及时清除病叶，加强通风，避免高湿环境。"

# 用户数据库（实际用 MySQL + MyBatis-Plus）
users ={
"admin":{"password":"admin123","role":"admin"},
"user1":{"password":"user123","role":"user"}
}
records =[]

@app.route('/login', methods=['POST'])
deflogin():
    data = request.json
    username = data.get('username')
    password = data.get('password')
if users.get(username)and users[username]['password']== password:
return jsonify({"success":True,"role": users[username]['role'],"username": username})
return jsonify({"success":False})

@app.route('/detect', methods=['POST'])
defdetect_image():
file= request.files['image']
    username = request.form.get('username')
    filename =file.filename
    save_path =f"uploads/{filename}"
file.save(save_path)

# YOLO 检测
    results = model(save_path)
    annotated_img = results[0].plot()
    output_path =f"outputs/{filename}"
    cv2.imwrite(output_path, annotated_img)

# 解析结果
    detections =[]
for box in results[0].boxes:
        cls_id =int(box.cls.item())
        conf =float(box.conf.item())
        label_en = model.names[cls_id]
        label_cn = class_map[label_en]
        detections.append({
"label": label_cn,
"confidence":round(conf,2),
"bbox": box.xyxy[0].tolist()
})

# 获取 AI 建议
    advice = get_ai_advice(detections)

# 保存记录
    record ={
"id":len(records)+1,
"username": username,
"timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
"detections": detections,
"advice": advice,
"image": output_path
}
    records.append(record)

# 返回 base64 图像
withopen(output_path,"rb")as f:
        img_b64 = base64.b64encode(f.read()).decode()

return jsonify({
"success":True,
"detections": detections,
"advice": advice,
"image": img_b64
})

@app.route('/ai_qa', methods=['POST'])
defai_qa():
    question = request.json.get('question')
    prompt =f"你是农业专家，用户问：{question}。请用中文详细回答，不要使用术语堆砌。"
try:
        response = requests.post(
"https://api.deepseek.com/v1/chat/completions",
            headers={"Authorization":"Bearer YOUR_DEEPSEEK_API_KEY"},
            json={
"model":"deepseek-chat",
"messages":[{"role":"user","content": prompt}]
}
)
return jsonify({"answer": response.json()['choices'][0]['message']['content']})
except:
return jsonify({"answer":"建议：保持田间通风，避免过度密植。"})

if __name__ =='__main__':
    os.makedirs("uploads", exist_ok=True)
    os.makedirs("outputs", exist_ok=True)
    app.run(debug=True, port=5000)

✅ 四、前端核心代码（Vue3 + Element Plus）