作品详情

大赛登录

大赛注册

当前位置：首页大赛首页基于图像识别的茶叶病虫害检测与预警系统

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：基于图像识别的茶叶病虫害检测与预警系统
学校名称：山东农业大学
参赛队伍：茶病虫害智防队
队伍编号：222122
参赛学生：李磊黄朝阳李传硕尤兴磊
指导老师：张开兴
投票日期：2025年10月10日 00:00->2025年12月15日 00:00
请在微信端进行投票。点此扫描二维码。

详细说明

本系统旨在构建一套集智能识别、数据分析与风险预警于一体的“基于图像识别的茶叶病虫害检测与预警系统”，以茶园常见病虫害为主要识别目标，利用改进的YOLOv8深度学习算法实现对病虫害的高效、精准检测。系统整体采用“边—端—云”协同架构设计，由图像采集、模型训练、智能识别与预警、数据分析与管理四个核心模块组成。首先，在图像采集环节，使用高分辨率成像设备对不同地区、不同品种的茶树叶片进行拍摄，获得高质量病虫害样本图像，为模型训练提供丰富的数据支撑。在模型训练阶段，系统搭建了基于Python语言与PyTorch框架的YOLOv8训练环境，通过引入Ghost模块实现模型结构的轻量化，提高特征提取效率，降低计算复杂度；同时采用WIoU损失函数优化边界框回归精度，从而提升模型对小目标与遮挡目标的检测能力。训练完成后，模型被部署至系统端和云端服务器，实现快速推理与远程调用。智能识别与预警模块可对茶园采集的图像进行实时检测，输出病虫害的分布位置、数量及置信度，当病虫害程度超过设定阈值时，系统自动生成预警信息并推送给管理人员，以便及时采取防治措施。数据管理模块负责历史检测结果的存储与分析，通过可视化界面展示病虫害变化趋势、高发区域及模型性能评估，支持用户进行科学决策与病虫害防控策略制定。总体而言，该系统融合了深度学习、图像识别与智能预警等多项技术，具备检测精度高、运行效率快、部署灵活等优势，不仅能够为茶农提供便捷的病虫害识别与防治指导，也为茶园智慧化管理和精准农业发展提供了创新的技术支撑与实践路径。