更多目标检测、图像分类识别、目标追踪、图像检索、图像分割等其他项目可看我主页其他文章

功能演示（看 shi pin 简介）：

基于yolov11的樱桃病虫害检测系统，支持图像检测，也支持视频和摄像实时检测【pytorch框架、python源码】_哔哩哔哩_bilibili

（一）简介

《基于YOLOv11的樱桃病虫害检测系统》是一个完整的深度学习项目，包含图像/视频/实时摄像头检测功能。系统采用PyTorch框架实现，提供训练好的模型权重和GUI界面（基于PySide6开发），支持USB摄像头和笔记本摄像头接入。项目包含完整代码、数据集、训练记录和验证指标，用户可直接使用预训练模型或自行训练（通过修改data.yaml配置训练集路径）。GUI界面简洁实用，涵盖图像检测、视频处理和实时检测三大功能模块。技术亮点包括YOLOv11模型优化、OpenCV集成和跨平台支持（兼容PyCharm/VSCode+Anaconda环境），为农业病虫害识别提供高效解决方案。

基于yolov11的樱桃病虫害检测系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。

GUI界面由pyside6设计实现，界面简洁明了，突出功能，并非那些花里胡哨的烂大街界面。

项目可外接USB摄像头或者直接使用笔记本摄像头。

该项目是可在pycharm和anaconda搭建的虚拟环境 或者 vscode和anaconda搭建的虚拟环境中 执行

pycharm和anaconda安装和配置可观看教程：
超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客

 vscode和anaconda安装和配置可观看教程： 

超详细的vscode+anaconda搭建python虚拟环境_vscode anaconda-CSDN博客  

（二）项目介绍

1. 项目结构

​

​​​​

该项目可以使用已经训练好的模型权重，也可以自己重新训练，自己训练也比较简单：

第一步：修改data/data.yaml中的训练集，验证集路径​

第二步：模型训练，即运行train.py文件 

第三步：模型验证，当模型训练完后，修改val.py中的模型权重路径，运行val.py文件

第四步：使用模型，即运行gui.py文件即可通过GUI界面来展示模型效果

2. 数据集 

​​​​​

部分数据展示： 

​​​

​​

3.GUI界面（技术栈：pyside6+python+opencv） 

a.GUI初始界面

​​​​​​

b.图像检测界面

​​​

c.视频检测界面​

​​​

d.摄像实时检测界面（可外接USB摄像头或直接用笔记本自带的摄像头）

​

4.模型训练和验证的一些指标及效果

​​​​

​​​

​​​​​

​​

​​​​​ ​

​

​

（三）总结​

以上即为整个项目的介绍，整个项目主要包括以下内容：完整的程序代码文件、训练好的模型、数据集、GUI界面和各种模型指标图表等。

项目包含整套资料，一步到位，拿来就用，省心省力。

项目运行过程如果出现问题，请及时沟通！