一、代码功能:

• 检测任务：基于 YOLOv12 的植物叶片病害识别实时检测
• 检测类别：支持 30 类（中英文对照）：Apple Scab Leaf（苹果黑星病叶） / Apple leaf（苹果叶） / Apple rust leaf（苹果锈病叶） / Bell_pepper leaf spot（甜椒叶斑） / Bell_pepper leaf（甜椒叶） / Blueberry leaf（蓝莓叶） / Cherry leaf（樱桃叶） / Corn Gray leaf spot（玉米灰斑病叶） / Corn leaf blight（玉米叶枯病） / Corn rust leaf（玉米锈病叶） / Peach leaf（桃叶） / Potato leaf early blight（马铃薯早疫病叶） / Potato leaf late blight（马铃薯晚疫病叶） / Potato leaf（马铃薯叶） / Raspberry leaf（覆盆子叶） / Soyabean leaf（大豆叶） / Soybean leaf（黄豆叶） / Squash Powdery mildew leaf（南瓜白粉病叶） / Strawberry leaf（草莓叶） / Tomato Early blight leaf（番茄早疫病叶） / Tomato Septoria leaf spot（番茄斑点病叶） / Tomato leaf bacterial spot（番茄细菌性斑点病叶） / Tomato leaf late blight（番茄晚疫病叶） / Tomato leaf mosaic virus（番茄花叶病害叶） / Tomato leaf yellow virus（番茄黄化病害叶） / Tomato leaf（番茄叶） / Tomato mold leaf（番茄霉变叶） / Tomato two spotted spider mites leaf（番茄双斑螨叶） / grape leaf black rot（葡萄叶黑腐病） / grape leaf（葡萄叶）
• 数据集总量：内置 2558 张植物叶片病害标注数据集
• 数据集划分：训练集 2002 张，验证集 311 张，测试集 245 张
• 输入方式：支持图片、视频、浏览器摄像头三种输入源，浏览器端实时显示检测框与置信度
• 系统架构：采用 Flask + Flask-SocketIO 后端推理，配套 HTML / CSS / JS Web 界面，支持一键启动可视化演示
• 结果输出：检测结果支持 CSV 导出，支持保存带框图片 / 视频，支持写入 SQLite 数据库存档
• 用户功能：有登录注册界面，也可以不启用登录注册
• 权重管理：支持在线上传与切换 YOLO 模型权重，方便对比不同版本效果

二、详细教程:

• 原理介绍博客: Gitee项目
• 项目详细说明文档: https://deeppython.feishu.cn/wiki/YKX2wrGjBi2xjrkjqr0cMawHnRh
• 功能效果展示视频: https://www.bilibili.com/video/BV1Ro2sBVEW7/
• 环境配置博客教程: （1）Pycharm以及Anaconda安装；（2）Python环境配置教程；
• 注意事项：版权所有，禁止盗卖或用于商业化用途。