1.资源介绍

简介：智能草莓病害检测分割系统利用了YOLOv8这一最新的深度学习算法，能够高效地准确识别并分割草莓中的病害区域。在农业生产中，病害的早期发现和准确诊断是减少作物损失和提高产品质量的关键。本文基于YOLOv8深度学习框架，通过2500张图片，训练了一个进行草莓病害的目标分割模型，准确率高达92%。最终基于此模型开发了一款带UI界面的草莓病害检测与分割系统，可用于实时检测场景中的草莓病害检测与病害区域分割，可以更加方便的进行功能展示。该系统是基于python与PyQT5开发的，支持图片、批量图片、视频以及摄像头进行目标检测分割，并保存分割结果。并提供了完整的Python代码和使用教程。

付费完成后面包多网站会在本页面下方自动解锁资源下载链接，滑动页面到下方就能看到了，点击下载即可。

该软件的功能及代码详细介绍见本人在CSDN上分享的博文：【基于YOLOv8深度学习的智能草莓病害检测与分割系统】

资源详情如下：

本资源包括环境配置说明文档及环境配置视频、完整的python源码、UI界面源码文件、数据集、训练代码、测试文件，训练好的结果文件等。

注：提供了环境配置说明文档与一键环境配置脚本，按照步骤配置即可完美运行。

【pycharm打开项目界面如下】

注意：该代码基于Python3.9+pyqt5开发，运行界面的主程序为MainProgram.py，其他测试脚本说明见上图。为确保程序顺利运行，请按照程序运行说明文档txt配置软件运行所需环境。

软件初始界面如下图所示：

检测结果界面如下：

检测结果说明：

一、软件核心功能介绍及效果演示

软件主要功能

1. 1可进行7种草莓病害检测与分割，病害类型分别为：['角斑病','炭疽病','花枯病','灰霉病','叶斑病','白粉病果','白粉病叶']；
2. 支持图片、图片批量、视频及摄像头进行检测分割；
3. 可显示总分割面积占比以及单个目标的分割面积占比；
4. 界面可实时显示目标位置、分割结果、分割面积占比、置信度、用时等信息;
5. 结果保存：支持图片、视频及摄像头的分割结果保存；

界面参数设置说明

1. 置信度阈值：也就是目标检测时的conf参数，只有检测出的目标置信度大于该值，结果才会显示；
2. 交并比阈值：也就是目标检测时的iou参数，只有目标检测框的交并比大于该值，结果才会显示；
3. 窗口1:显示分割结果：表示是否在检测图片中显示分割结果，默认勾选；
4. 窗口1:显示检测框与标签：表示是否在检测图片中显示检测框与标签，默认勾选；
5. 窗口2:显示Mask或者显示原始分割图片：表示在窗口2中显示分割的Mask或者原始图片分割内容；

IoU：全称为Intersection over

Union，表示交并比。在目标检测中，它用于衡量模型生成的候选框与原标记框之间的重叠程度。IoU值越大，表示两个框之间的相似性越高。通常，当IoU值大于0.5时，认为可以检测到目标物体。这个指标常用于评估模型在特定数据集上的检测准确度。

显示Mask或者显示原始分割图片选项的功能效果如下：

（1）图片检测演示

1.点击打开图片按钮，选择需要检测的图片，或者点击打开文件夹按钮，选择需要批量检测图片所在的文件夹，操作演示如下：

2.点击目标下拉框后，可以选定指定目标的结果信息进行显示。

3. 点击保存按钮，会对图片检测结果进行保存，存储路径为：save_data目录下。

4.点击表格中的指定行，界面会显示该行表格所写的信息内容。

注：右侧目标位置默认显示置信度最大一个目标位置,可用下拉框进行信息切换。所有检测结果均在表格中显示。

单个图片检测操作如下：

批量图片检测操作如下：

点击保存按钮，会对图片的检测结果进行保存，共会保存3种类型结果，分别是：检测分割结果标识图片、分割的Mask图片以及原图分割后的图片。存储在save_data目录下，保存结果如下：

（2）视频检测演示

1.点击打开视频图标，打开选择需要检测的视频，就会自动显示检测结果。再次点击该按钮，会关闭视频。

2.点击保存按钮，会对视频检测结果进行保存，同样会保存3种类型结果，分别是：检测分割结果标识视频、分割Mask视频以及原视频分割后的视频，存储路径为：save_data目录下。

视频检测演示：

视频保存演示：

视频检测保存结果如下：

（3）摄像头检测演示

1.点击打开摄像头按钮，可以打开摄像头，可以实时进行检测，再次点击该按钮，可关闭摄像头；

2.点击保存按钮，可以进行摄像头实时图像的检测结果保存。

摄像头检测演示：

摄像头保存演示：

摄像头检测保存结果如下：

（4）检测结果保存

点击保存按钮后，会将当前选择的图片【含批量图片】、视频或者摄像头的分割结果进行保存。结果会存储在save_data目录下，保存内容如下：

注意事项:

(1) 注意:虚拟产品一经售出概不退款!

(2) 本套系统已经经过本人长时间的调试修改，只需按照要求配置好运行环境，都可以完美运行。

(3) 版权所有，未经许可禁止转载及用于商业化用途;

(4) 该代码基于Python3.9+pyqt5开发，程序运行的主程序为MainProgram.py。为确保程序顺利运行，请按照程序运行说明文档txt配置软件运行所需环境。