基于深度学习的植物病害检测系统（YOLOv12完整代码+论文示例+多算法对比）

矩阵因果科技

586人浏览 · 2026-05-21 20:05:40

矩阵因果科技 · 2026-05-21 20:05:40 发布

摘要：本文面向温室与田间等复杂场景，构建一套基于深度学习的植物病害检测桌面系统，目标是实现病斑/病害目标的快速定位、可视化解释与结果可追溯管理。系统提供数据与代码可下载，前端采用 PySide6/Qt 设计统一交互流程，支持图片/视频/本地摄像头多源输入，检测过程配套处理进度条与用时统计；推理结果可一键CSV 导出，并支持带框结果一键导出（单帧 PNG / 多帧 AVI）。账号侧提供登录/注册（可跳过），检测记录、导出索引与账户信息均以 SQLite 本地入库实现安全可控的离线管理；模型侧支持 YOLOv5–YOLOv12 共 8 种方案横向对比，并在同一界面中完成 模型选择/权重加载（.pt 热切换），同步刷新类别与配色，便于快速验证不同模型在 mAP、F1、PR 曲线、训练曲线 等指标上的差异。系统工程实现与交互细节可参考随附技术报告，文末提供完整工程与数据集链接。

➷点击跳转至文末所有涉及的完整代码文件页☇

1. 系统功能与效果

（1）登录注册：系统提供登录、注册与一次性跳过入口，用户可根据使用场景选择快速进入或启用账户体系。登录后会话在本次运行周期内生效，用于关联个人偏好与历史记录，并在主界面中按“概览—检测—模型—导出”的动线完成操作。账号与记录以本地数据库管理，口令校验与数据隔离保证基本安全性与可控性。
在这里插入图片描述

（2）功能概况：进入主界面后，用户可在概览页快速查看最近一次检测结果、关键指标与导出状态，并可直接定位到对应记录进行复查。整体交互遵循“左侧参数与数据源、中部画面展示、右侧目标详情、底部记录与进度”的布局，减少频繁切页带来的操作负担。对常用入口提供就近触达，使新手也能在短路径内完成一次完整检测闭环。
在这里插入图片描述

（3）选择模型：系统支持在界面中选择不同 YOLO 系列模型进行推理对比，并允许加载本地权重文件实现即时切换。切换后类别信息与显示配色会同步更新，避免出现标签错配或结果解释混乱。常用配置与主题风格可本地化保存，便于在不同任务与数据集间复用同一套交互习惯。
在这里插入图片描述

（4）图片检测：用户导入单张图片或图片集合后，系统可即时完成推理，并在主显示区叠加可解释的检测框，展示类别名与置信度。阈值参数可在界面中直接调整以控制误检与漏检的平衡，同时支持对单个目标的选择与高亮，便于查看细粒度病斑位置与置信度变化。检测结果会同步写入底部记录区，方便跨页面复用与对比。

番茄早疫病叶检测效果
在这里插入图片描述
马铃薯晚疫病叶检测效果

（5）文件保存：系统支持将检测结果导出为结构化表格，便于后续统计分析与复现核查，同时支持一键保存带框图片用于汇报与质检留档。导出文件统一采用时间戳命名并归档到固定位置，减少同名覆盖与追溯困难。用户可按文件名快速检索历史结果，实现“保存—定位—复查”的闭环体验。
在这里插入图片描述

2. 绪论

2.1 研究背景及意义

植物病害长期威胁粮食安全与农业产业链的稳定性，其危害从局部减产到区域性灾害均有可能发生，且防控往往需要“早发现、早处置”的闭环支撑。1 在农业生产中，即便化学防治投入增加，作物损失也未必随之显著下降，因此以精准识别为核心的综合植保理念更强调“监测—决策—干预”的协同效率。2 (Annual Reviews)

随着移动终端与低成本成像设备普及，基于图像的智能诊断成为可规模化落地的方向，其中公开图像资源与数据集建设显著降低了模型训练与评测门槛。3 早期研究在受控场景的叶片图像上验证了深度学习对病害识别的高准确性，同时也揭示了跨域泛化能力不足的问题，即模型从“实验室背景”走向“田间背景”仍面临明显性能落差。4 (arXiv)

在真实农田与温室环境中，病斑往往呈现尺度跨度大、纹理相似、遮挡与反光并存等特征，单纯的图像级分类难以满足“定位+识别”的生产需求，因此目标检测框架更适合支撑病害区域的可解释可视化与定量统计。5 面向系统落地，桌面端可视化交互、推理加速与结果追溯同样关键，它们共同决定了模型能否稳定服务于巡检、质检与植保决策等场景。 (MDPI)

2.2 国内外研究现状

面向温室与自然田间的植物病害实时检测，典型需求不仅是识别类别，更需要在复杂背景中准确定位病斑或虫害区域，并在多尺度、遮挡与光照剧烈变化下保持稳定性能。6 这类任务普遍存在类间相似性高与类内差异大的矛盾，同时还伴随长尾分布与密集目标带来的漏检风险，因此研究往往围绕“更强特征表征、更加鲁棒的多尺度融合、以及更高效的实时推理”展开。6

从检测范式看，两阶段方法以候选区域为核心，通常在精度上更稳健，但在高帧率场景中延迟压力较大。7 单阶段方法通过密集预测直接回归边界框与类别，具备更好的速度潜力，因而在实时农业巡检中更常见。8 针对密集样本不均衡问题，焦点损失通过抑制易样本梯度来提升难样本学习效果，为小病斑与遮挡目标提供了更有效的训练信号。[9] Anchor-free 思路进一步减少了对先验框的依赖，降低了尺度与形状敏感性，在多尺度病斑定位中更易获得稳定收敛。[10] (MDPI)

方法名称	范式/家族	数据集	关键改进技术	优势与局限性	关键性能指标	适用场景/对应难点	引用
RT-DETR-R50	Transformer，端到端	COCO	混合编码器与高质量查询选择	免后处理便于部署，但结构相对复杂	AP 53.1，T4 上 108 FPS	高帧率在线检测，减少后处理不确定性	[12] (CVF Open Access)
PP-YOLOE-l	单阶段，YOLO系	COCO test-dev	Anchor-free 与任务对齐标签分配	速度精度均衡，但工程组件较多	mAP 51.4，V100 上 78.1 FPS	边缘/端侧实时推理与快速迭代	[13]
YOLOv12-N	单阶段，YOLO系	COCO	注意力中心化设计	精度提升明显，但需权衡注意力开销	mAP 40.6，T4 延迟 1.64 ms	追求更强表征的实时检测	[14] (arXiv)
SerpensGate-YOLOv8	单阶段，YOLOv8改进	PlantDoc	DySnakeConv + 特征融合模块 + 注意力	适配复杂纹理，但依赖数据域一致性	Precision 0.719，mAP@0.5 相对提升 3.3%	复杂纹理与细粒度病斑识别	[15] (Frontiers)
YOLO-T（基于YOLOv7）	单阶段，YOLO系	自建茶叶病害数据	数据增强 + 注意力改进	精度高但训练耗时更长	Acc 97.3%，mAP 98.2%，F1 0.965	自然场景光照变化与纹理相似	[16]
改进YOLOX-Nano	单阶段，轻量化	多作物叶片病害	注意力模块 + 增强策略	移动端友好但表达能力受限	参数量 0.98M，移动端 0.187 s，mAP 99.56%	端侧实时与资源受限部署	[17] (SCAU Journal)

以 YOLO 家族为主线的技术演进，整体趋势是通过更强的特征提取与更合理的训练分配策略，在速度预算内挖掘精度上限。[13] 端到端检测器通过减少后处理环节，降低了阈值与 NMS 相关的工程不确定性，从而在“在线部署一致性”上更具吸引力。[12] 近期工作进一步探索注意力组件在实时检测中的可用性，并在统一速度约束下给出更强的准确性表现。[14]

面向植物病害这一细粒度任务，研究重点往往落在“复杂纹理建模、跨尺度病斑定位、以及密集小目标的召回提升”上。[15] 在自然场景采集与自建数据上，数据增强与结构改造常被用于缓解样本不足与光照域偏移，从而提升在田间背景下的鲁棒性。[16] 与此同时，轻量化路线通过压缩参数量与推理开销，增强了在移动端与边缘设备上的可部署性，但也需要更谨慎地处理精度与速度的平衡。[17] (Frontiers)

在训练与部署策略层面，IoU 系列回归损失通过更贴近定位目标的几何约束提升边界框回归质量，并可在遮挡与尺度剧烈变化时改善收敛稳定性。[18] 更细化的 IoU 变体进一步将宽高差与中心距离纳入优化目标，以缓解“同 IoU 不同形状”带来的回归歧义。[19] 工程落地通常会将模型导出到通用交换格式以提升跨平台兼容性，并结合高性能推理引擎实现端侧加速，从而满足实时在线检测需求。[20] (AEEISP)

2.3 要解决的问题及其方案

围绕本文拟实现的植物病害检测系统，关键问题可概括为以下四点：（1）在田间与温室等复杂背景下兼顾检测准确性与实时性，避免因小目标与遮挡导致召回显著下降。（2）模型对光照变化、品种差异与拍摄设备差异的环境适应性不足，容易出现跨域性能波动。（3）桌面端交互需要同时满足直观可解释、参数可控与结果可追溯，避免仅“能跑起来”而难以用于实际巡检流程。（4）多源数据处理与存储需要在高吞吐下保持稳定与安全，确保记录、导出与查询的一致性。

针对上述问题，本文方案以端到端工程集成为主线进行设计：（1）以 YOLOv12 为核心检测模型，并对 YOLOv5 至 YOLOv12 进行统一训练与对比评测，通过数据增强、迁移学习与阈值策略提升精度与稳定性。（2）在训练侧引入与场景难点匹配的增强与正则化手段，并通过跨场景划分与一致的评测协议检验泛化能力。（3）前端采用 PySide6/Qt 构建桌面交互，打通图片、视频与本地摄像头输入，支持权重热切换与可视化叠加，形成“检测—交互—导出”的闭环。（4）在系统侧采用缓存序列与时间戳命名的统一归档策略，并结合本地 SQLite 管理账户与检测记录，以提升实时性、可追溯性与数据安全。

2.4 博文贡献与组织结构

本文工作的主要贡献概括如下：（1）面向植物病害实时检测的应用需求，系统化梳理了主流检测范式、YOLO 系列演进与端到端 Transformer 检测器的性能权衡，并结合任务难点给出工程取舍依据。（2）围绕 YOLOv5 至 YOLOv12 构建统一训练、推理与评测流程，形成可复现实验对比框架，为模型选择与部署决策提供量化支撑。（3）将深度学习检测算法与 PySide6/Qt 桌面端深度集成，实现多源输入、实时可视化、热切换与结果导出等完整交互体验，并强调可追溯的数据管理。（4）提供配套数据与工程资源组织方式，便于读者复现实验、扩展类别与迁移到其他作物或病害场景。

全文组织结构如下：第 3 章介绍数据集来源、标注规范与增强清洗策略，并讨论类别分布与划分原则；第 4 章以 YOLOv12 为主线阐述模型结构、损失设计与训练要点；第 5 章给出 YOLOv5 至 YOLOv12 的指标对比与误差分析；第 6 章从分层架构出发描述桌面端系统设计与实现细节，并给出关键流程图与框图；第 7 章总结系统在植物病害检测中的有效性与可迁移性，并展望模型、系统与数据闭环的后续工作。

3. 数据集处理

本系统使用包含 5150 张图像的植物病害目标检测数据集进行训练与测试，并按 4420 张训练、366 张验证、364 张测试进行划分，以在保证训练充分性的同时，保留独立验证与最终评估的客观性。类别体系覆盖苹果、甜椒、蓝莓、樱桃、玉米、桃、马铃薯、覆盆子、大豆、南瓜、草莓、番茄、葡萄等多作物叶片的健康与病害状态，共 29 类，并提供英文类名到中文类名的映射，便于在桌面端显示、记录与导出时保持可读性与一致性。结合样例可视化可以看到，图像来源与拍摄条件呈现显著多样性，既包含近景叶片纹理，也包含自然背景下的枝叶遮挡与复杂光照，这为模型泛化与系统实用性提供了更贴近真实场景的训练分布。标签及其对应中文名如下：

Chinese_name = {"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", "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": "番茄细菌性斑点叶","Tomato leaf late blight": "番茄晚疫病叶",
 "Tomato leaf mosaic virus": "番茄花叶病毒叶","Tomato leaf yellow virus": "番茄黄化病毒叶","Tomato leaf": "番茄叶",
    "Tomato mold leaf": "番茄霉病叶","Tomato two spotted spider mites leaf": "番茄双斑蜘蛛螨叶", 
    "grape leaf black rot": "葡萄叶黑腐病","grape leaf": "葡萄叶"}

在这里插入图片描述

标注以矩形框形式描述目标区域，坐标分布图显示边界框的中心点 ((x,y)) 在 ([0,1]) 的归一化空间内呈明显的“中部聚集”趋势，说明大量目标（叶片或病斑主区域）位于画面中间，同时仍存在较大范围的离散分布以覆盖边缘与偏置构图。宽高 ((w,h)) 的直方图呈现“小框占比高、长尾明显”的特征，意味着数据中既包含以整片叶为主体的中大尺度目标，也包含病斑或虫害造成的细小区域，且后者在数量上更为密集；这类分布往往会放大漏检风险，尤其在纹理相似、光照变化或遮挡存在时更易出现“低置信度小目标”被抑制的情况。样例训练拼图中还可观察到同图多目标与密集框并存、背景包含枝叶重叠与反光、以及少量文字水印等干扰因素，这些因素共同构成了本任务需要重点应对的复杂性来源。
在这里插入图片描述

在数据预处理上，本系统遵循“统一输入尺度、保持几何一致、减少噪声干扰”的原则，对图像进行尺寸对齐与基本归一化，并对标注框做边界裁剪与合法性检查，避免越界与空框影响训练稳定性。为了缓解小目标与遮挡带来的学习困难，并提升跨场景鲁棒性，训练阶段通常会引入随机翻转、尺度抖动、颜色扰动与多图拼接类增强，使模型在不同光照、不同叶片姿态与不同背景复杂度下都能学习到更稳健的判别特征；这也与标注框分布中“中心聚集但仍覆盖全域”的现象相呼应，有助于减少模型对单一构图与单一背景的偏置。最终的训练/验证/测试划分在比例上兼顾了训练充分性与评估可靠性，并通过验证集对阈值与策略进行稳定选择，为后续 YOLOv5–YOLOv12 的公平对比与桌面端部署的一致性打下基础。

4. 模型原理与设计

本文以 YOLOv12 作为默认主线模型来构建植物病害检测的推理核心，其基本思想仍属于单阶段目标检测：在一次前向传播中同时完成目标定位与类别判别，从而在保证精度的同时满足桌面端在线交互对低延迟的要求。整体流程可以概括为“输入图像预处理—主干特征提取—多尺度特征融合—检测头预测—后处理输出”，其中检测头输出的结构化结果可表示为 ( ${c,; s,; b}$ )，分别对应类别 ( $c$ )、置信度 ( $s$ ）与边界框 ( $b=(x_{\min},y_{\min},x_{\max},y_{\max})$ )，再结合阈值筛选与非极大值抑制得到最终可视化框。相较于仅做分类的病害识别，目标检测能够把“病斑在哪里、面积多大、是否密集或被遮挡”等信息显式呈现出来，更贴合田间与温室巡检中对可解释性与定量统计的需求，也更容易在系统侧做结果追溯与批量导出。 (arXiv)

在网络结构层面，YOLOv12的关键特点是“注意力中心化”的高效建模：在保持实时性的前提下，将注意力机制融入到 YOLO 的主干与特征聚合中，以增强对复杂纹理与长程依赖的表征能力，从而更好应对病斑纹理细碎、类间相似度高与背景干扰强等问题。其注意力计算可用经典形式表述为
$\mathrm{Attention}(Q,K,V)=\mathrm{Softmax}!\left(\frac{QK^\top}{\sqrt{d}}\right)V,$
其中 ( $Q, K, V$ ) 分别是由特征映射线性变换得到的查询、键和值，( $d$ ) 为通道维度；YOLOv12进一步通过区域化的注意力设计与工程级内存访问优化来降低开销，使其在实时检测预算内仍可受益于注意力建模能力。与此同时，网络在多尺度特征融合上沿用 YOLO 系列“金字塔+路径聚合”的思路，把不同分辨率层的语义与细节进行互补，以提升小病斑与密集目标的召回；在检测头侧通常采用分类与回归解耦的输出方式，减少梯度相互干扰，使训练更稳定、阈值调参更直观，便于与桌面端 Conf/IoU 交互形成闭环。网络整体架构图如下图所示。 (arXiv)

在这里插入图片描述

在损失函数与任务建模方面，植物病害检测的核心矛盾往往是“小目标多、长尾明显、遮挡与反光导致边界不清晰”，因此定位回归通常采用 IoU 系列损失以直接约束预测框与真值框的几何一致性。IoU 定义为
$\mathrm{IoU}(B,\hat{B})=\frac{|B\cap \hat{B}|}{|B\cup \hat{B}|},$
并可扩展到包含中心距离与长宽一致性项的 CIoU 形式：
$\mathcal{L}*{\mathrm{CIoU}}=1-\mathrm{IoU}+\frac{\rho^2(\mathbf{p},\hat{\mathbf{p}})}{c^2}+\alpha v,$
其中 ( $\mathbf{p},\hat{\mathbf{p}}$ ) 为预测框与真值框中心点，( $\rho(\cdot)$ ) 表示欧氏距离，© 为最小外接框对角线长度，(v) 用于刻画长宽比差异，( $\alpha$ ) 为权衡系数；直观上，它能在遮挡或尺度变化剧烈时缓解“仅靠面积重叠难以指导收敛”的问题。分类与置信度分支通常采用二元交叉熵或其改进形式，为缓解密集预测下正负样本不均衡，可引入焦点损失
$\mathcal{L}*{\mathrm{FL}}=-\alpha (1-p_t)^\gamma \log(p_t),$
其中 ( $p_t$ ) 为对真实类别的预测概率，( $\gamma$ ) 控制难样本聚焦程度，( $\alpha$ ) 用于类别/样本再权重，这对“小病斑易被背景淹没”的场景尤其重要。 (arXiv)

训练与正则化策略上，本文默认遵循 Ultralytics 风格的统一输入与批量训练范式，通过批归一化等机制稳定梯度分布，并结合学习率调度与数据增强提升泛化；从任务难点出发，颜色扰动与尺度抖动可对抗光照与拍摄距离变化，随机遮挡或拼接类增强可逼迫模型学习更鲁棒的局部判别，从而降低遮挡与叶脉纹理相似造成的误检。推理阶段的后处理通常使用非极大值抑制（NMS）来去除重复框：对同类框集合按分数排序，若两框 ( $\mathrm{IoU}>\tau$ ) 则抑制分数较低者，其中 ( $\tau$ ) 与界面中的 IoU 阈值滑块可一一对应；同理，置信度阈值用于控制误检与漏检的平衡，适合在桌面端通过交互调参快速找到不同作物与病害类别的“可用工作点”。在工程集成上，模型权重以 (.pt) 形式热切换时，本质是替换参数 ( $\theta$ ) 并保持推理图与后处理协议一致，使系统能够在同一套交互与导出流程下对 YOLOv5–YOLOv12 做公平对比与快速复现。 (Ultralytics Docs)

5. 实验结果与分析

本章实验目标是对 YOLOv5–YOLOv12 共 8 种检测模型在植物病害数据集上的精度与效率进行统一对比评估，指标包括 Precision、Recall、F1、mAP50、mAP50-95，以及端到端推理耗时（预处理/推理/后处理）。所有结果均在 NVIDIA GeForce RTX 3070 Laptop GPU（8GB） 上复现得到，并保持一致的数据划分与评测协议，以确保模型间的可比性；其中 “n” 系列面向轻量实时，“s” 系列面向更高精度与更强表征能力，二者共同覆盖桌面端在线检测与离线批处理两类典型使用路径。

Model	Size	Params(M)	FLOPs(G)	Total(ms)	Precision	Recall	F1	mAP50	mAP50-95
YOLOv5nu	n	2.6	7.7	10.94	0.6234	0.6214	0.6224	0.6162	0.4571
YOLOv6n	n	4.3	11.1	10.34	0.6419	0.6056	0.6232	0.6153	0.4754
YOLOv7-tiny	n	6.2	13.8	21.08	0.6644	0.5385	0.5949	0.5833	0.3948
YOLOv8n	n	3.2	8.7	10.17	0.6726	0.6122	0.6410	0.6290	0.4849
YOLOv9t	n	2.0	7.7	19.67	0.6460	0.6333	0.6396	0.6409	0.4987
YOLOv10n	n	2.3	6.7	13.95	0.7185	0.6017	0.6549	0.6461	0.5081
YOLOv11n	n	2.6	6.5	12.97	0.6942	0.6424	0.6673	0.6452	0.4951
YOLOv12n	n	2.6	6.5	15.75	0.7463	0.5865	0.6568	0.6499	0.5061
YOLOv5su	s	9.1	24.0	12.24	0.7447	0.5911	0.6591	0.6366	0.5057
YOLOv6s	s	17.2	44.2	12.26	0.6972	0.6181	0.6553	0.6365	0.4996
YOLOv7	s	36.9	104.7	29.52	0.7615	0.6329	0.6913	0.6762	0.5348
YOLOv8s	s	11.2	28.6	11.39	0.7761	0.5914	0.6713	0.6508	0.5281
YOLOv9s	s	7.2	26.7	22.17	0.7147	0.6249	0.6668	0.6752	0.5335
YOLOv10s	s	7.2	21.6	14.19	0.7182	0.6260	0.6690	0.6733	0.5398
YOLOv11s	s	9.4	21.5	13.47	0.6678	0.6646	0.6662	0.6833	0.5403
YOLOv12s	s	9.3	21.4	16.74	0.7523	0.5973	0.6659	0.6852	0.5558

在这里插入图片描述

从整体趋势看，图5-1与表5-1共同表明：在 “n” 系列中，YOLOv12n 在 mAP50=0.6499 上取得最高值，YOLOv10n 在 mAP50-95=0.5081 上占优，而 YOLOv11n 在 F1=0.6673 与 Recall=0.6424 上表现更均衡；这意味着如果桌面端更强调“少漏检、阈值不敏感”的交互体验，YOLOv11n 往往更接近一个稳定的工作点。值得注意的是，YOLOv12n 的 Precision 达到 0.7463，但 Recall 相对偏低，反映其在默认阈值下更偏“保守输出”，在病斑较小或边界模糊时可能更容易被压到阈值之下；这类现象在实际系统中往往可以通过降低 Conf 阈值或启用更偏召回的后处理策略来缓解。效率方面，YOLOv8n 与 YOLOv6n 的端到端时延均约 10ms 左右，明显优于 v9t、v7-tiny 等推理耗时更高的配置，说明“参数量小”并不必然带来“推理更快”，推理速度仍高度依赖具体算子组合与实现路径。
在这里插入图片描述

在 “s” 系列中，YOLOv12s 以 mAP50=0.6852、mAP50-95=0.5558 给出了本组最强的综合检测精度，更适合用于离线批处理、结果归档与高质量复查；而 YOLOv7 的 F1=0.6913 最高，但其推理耗时达到约 29.5ms，明显更偏向“精度优先”的离线路线。若强调桌面端的交互流畅性，YOLOv8s 以约 11.4ms 的总耗时提供了较高的 Precision（0.7761），适合在“先保证少误检，再通过人工复核兜底”的场景下使用；若强调召回，YOLOv11s 的 Recall=0.6646 更突出，但 Precision 相对偏低，实际部署时需要结合业务对误检成本的容忍度做权衡。总体而言，“s” 系列相对 “n” 系列在 mAP50-95 上提升更明显，这通常对应更强的细粒度定位能力，能更好覆盖小病斑、边缘模糊与遮挡导致的回归不稳定问题。
在这里插入图片描述

从曲线与可解释分析角度，平均 PR 曲线可以直观看到各模型在 Recall 提升过程中的 Precision 衰减速度，整体上 YOLOv10/11/12 相比早期版本曲线更“上凸”，说明在较宽的阈值区间内能保持更好的精确率与召回折中（可下载：/mnt/data/PlantsDisease_n_type_pr_curve.png 与 /mnt/data/PlantsDisease_s_type_pr_curve.png）。单模型 PR 图显示全类别 mAP@0.5≈0.685，
在这里插入图片描述

而 F1-Confidence 曲线给出全局最优点约为 F1=0.63 at Conf=0.419，这对系统默认阈值设置很有参考价值：若以 F1 最大化为目标，Conf 初值更接近 0.4 往往比 0.25 更稳；但当业务更关注召回时，Conf 仍可下调并配合 IoU 与 NMS 策略实现可控的“多检再筛”。训练过程曲线（可下载：/mnt/data/results.png）显示 box/cls/dfl 等损失整体单调下降，mAP50 与 mAP50-95 在中后期逐步进入平台区，表明在该数据规模与类别难度下模型已基本收敛，但后期轻微震荡也提示类别间相似与标注噪声仍会带来一定上限约束。
在这里插入图片描述

混淆矩阵进一步揭示了误差来源：同一作物内部、病斑形态相近的类别更容易互相混淆，例如“健康叶”与“轻度病斑”、以及同一作物的不同病害类型在纹理与颜色上高度相似时更易发生错分；此外，背景纹理、反光高亮、叶脉阴影与水印等干扰会造成“背景与目标”之间的误检/漏检交替出现。针对这些现象，后续可优先从三条路径提升上限：其一是训练侧加强与难点对应的数据增强与采样策略（面向小目标与长尾的再平衡）；其二是提高输入分辨率或采用更偏多尺度的小目标友好配置以提升召回；其三是在系统侧结合 Conf/IoU 的交互调参与类别高亮复核，把“模型不确定性”显式暴露给用户，从而在实际巡检中形成更稳定的人机协同工作流。

6. 系统设计与实现

6.1 系统设计思路

本系统采用面向工程落地的分层架构，将“表现与交互层（Qt 客户端）—业务与会话管理层—推理与任务调度层—数据持久化层”解耦组织，以降低多源输入、实时推理与结果管理之间的耦合度。表现与交互层以 PySide6/Qt 为载体，围绕“左侧数据源与阈值控制—中央检测画面—右侧目标详情—底部记录与进度”的稳定布局，将 Conf/IoU 调参与目标高亮选择直接映射为可见且可回溯的交互动作；业务与会话管理层负责把用户会话、当前模型、阈值参数与统计状态统一编排，使得一次检测的上下文在图片、视频与摄像头三类输入之间保持一致。推理与任务调度层以事件驱动的帧流为核心，把媒体读取、预处理、模型推理与后处理串成可中断、可恢复的流水线，避免阻塞式推理导致界面卡顿，并为后续扩展异步队列与并行策略预留接口；数据持久化层则以 SQLite 与文件归档共同承载“账户与权限、检测记录、导出索引、日志与资源文件”，保证离线可用与可追溯。

跨层协同的关键在于“帧级任务的生命周期管理”与“参数一致性”。当输入源为视频或摄像头时，媒体模块持续产生帧事件，业务层对源互斥、暂停/停止、进度条与用时统计进行统一调度，并把 Conf/IoU 的实时变化同步到后处理策略；推理层输出的结构化结果会被统一转换为可视化叠加（类别名、置信度、边界框）与表格记录（类别、位置、置信度、推理耗时等），并支持在界面侧对单个目标的选择与高亮，从而形成“检测结果—交互确认—统计与导出”的闭环。为提升在线体验，系统将耗时拆分为预处理/推理/后处理三个阶段计时，并用进度条表达帧流推进或批量图片处理进度，使用户能够直观理解性能瓶颈与等待成本。

可扩展性方面，系统以权重热切换作为核心能力之一：用户选择新的本地权重后，业务层触发模型管理器更新推理引擎，同时刷新类别信息与配色映射，确保可视化、记录与导出字段保持一致。配置与主题样式的本地化持久化使得不同用户、不同数据集或不同作物任务能够复用同一套交互习惯；异常恢复策略则通过输入源互斥、任务可中断、队列清空与状态回滚来避免“半帧半状态”带来的不一致，保证系统在高频切换图片/视频/摄像头与模型权重时仍能稳定运行。

在这里插入图片描述

图6-1 系统流程图
图注：系统从初始化加载配置与模型列表开始，完成多源输入接入、640×640 预处理、YOLO 推理与后处理，并在 Qt 端实现叠加框、目标高亮与统计信息联动；导出阶段支持 CSV/PNG/AVI 并采用时间戳命名形成可追溯归档。

在这里插入图片描述

图6-2 系统设计框图
图注：框图刻画了 Qt 交互界面、会话与业务编排、推理流水线与数据持久化的模块边界，数据自多源媒体接入进入推理链路，并在记录、导出与本地数据库中形成可追溯闭环；模型权重管理与日志接口为热切换与运行监控提供支撑。

6.2 登录与账户管理 — 流程图

在这里插入图片描述

图6-3 登录与账户管理流程图
图注：流程覆盖登录、注册、口令校验、个性化配置加载与进入主界面，并与注销/切换账号及资料修改形成闭环，为多用户场景下的记录隔离与设置持久化提供支撑。

登录与账户管理在系统中承担“安全入口与个性化上下文装配”的双重作用：应用启动后首先进入登录界面，用户可选择直接输入账号口令进行校验，或在无账号时完成注册并写入本地数据库以建立可追溯的账户空间；当口令校验成功后，系统从本地持久化数据中载入主题风格、默认模型、最近检测记录等偏好信息，使用户在进入主界面后能够以更短路径恢复到上一次工作状态。该流程与主检测链路通过会话状态相连，确保检测记录、导出索引与配置项在不同账号之间隔离存放，同时支持注销或切换账号以完成多用户共享设备场景下的安全切换；在此基础上，资料修改能力进一步将口令更新、界面语言与主题偏好纳入统一的本地持久化机制，从而实现“账户—配置—记录—检测”的稳定闭环衔接。

参考文献（GB/T 7714）

1 Strange R N, Scott P R. Plant disease: a threat to global food security[J]. Annual Review of Phytopathology, 2005, 43: 83-116. DOI:10.1146/annurev.phyto.43.113004.133839.
2 Oerke E C. Crop losses to pests[J]. The Journal of Agricultural Science, 2006, 144(1): 31-43. DOI:10.1017/S0021859605005708.
3 Hughes D P, Salathé M. An open access repository of images on plant health to enable the development of mobile disease diagnostics[EB/OL]. arXiv:1511.08060, 2015.
4 Mohanty S P, Hughes D P, Salathé M. Using deep learning for image-based plant disease detection[J]. Frontiers in Plant Science, 2016, 7: 1419. DOI:10.3389/fpls.2016.01419.
5 Fuentes A, Yoon S, Kim S C, Park D S. A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition[J]. Sensors, 2017, 17(9): 2022. DOI:10.3390/s17092022.
6 Singh D, Jain N, Jain P, Kayal P, Kumawat S, Batra N. PlantDoc: A dataset for visual plant disease detection[EB/OL]. arXiv:1911.10317, 2019.
7 Ren S, He K, Girshick R, Sun J. Faster R-CNN: Towards real-time object detection with region proposal networks[C]//Advances in Neural Information Processing Systems. 2015: 91-99.
8 Liu W, Anguelov D, Erhan D, Szegedy C, Reed S, Fu C Y, Berg A C. SSD: Single shot multibox detector[C]//European Conference on Computer Vision. Cham: Springer, 2016: 21-37.
[9] Lin T Y, Goyal P, Girshick R, He K, Dollár P. Focal loss for dense object detection[C]//Proceedings of the IEEE International Conference on Computer Vision. 2017: 2980-2988.
[10] Tian Z, Shen C, Chen H, He T. FCOS: Fully convolutional one-stage object detection[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2019: 9627-9636.
[11] Carion N, Massa F, Synnaeve G, Usunier N, Kirillov A, Zagoruyko S. End-to-end object detection with transformers[C]//European Conference on Computer Vision. Cham: Springer, 2020: 213-229.
[12] Zhao Y, Lv W, Xu S, Wei J, Wang G, Dang Q, Liu Y, Chen J. DETRs beat YOLOs on real-time object detection[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.
[13] Xu S, Wang X, Lv W, Chang Q, Cui C, Deng K, Wang G, Dang Q, Wei S, Du Y, Lai B. PP-YOLOE: An evolved version of YOLO[EB/OL]. arXiv:2203.16250, 2022.
[14] Tian Y, Ye Q, Doermann D. YOLOv12: Attention-Centric Real-Time Object Detectors[EB/OL]. arXiv:2502.12524, 2025.
[15] Miao Y, Meng W, Zhou X. SerpensGate-YOLOv8: an enhanced YOLOv8 model for accurate plant disease detection[J]. Frontiers in Plant Science, 2025, 15: 1514832. DOI:10.3389/fpls.2024.1514832.
[16] Soeb M J A, Jubayer M F, Tarin T A, Al Mamun M R, Ruhad F M, Parven A, Mubarak N M, Karri S L, Meftaul I M. Tea leaf disease detection and identification based on YOLOv7 (YOLO-T)[J]. Scientific Reports, 2023, 13: 6078. DOI:10.1038/s41598-023-33270-4.
[17] 李康顺, 杨振盛, 江梓锋, 王健聪, 王慧. 基于改进YOLOX-Nano的农作物叶片病害检测与识别方法[J]. 华南农业大学学报, 2022. DOI:10.7671/j.issn.1001-411X.202207039.
[18] Zheng Z, Wang P, Liu W, Li J, Ye R, Ren D. Distance-IoU loss: Faster and better learning for bounding box regression[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2020, 34(07): 12993-13000.
[19] Zhang Z, Huang W, Tan X, Chen J. Focal and Efficient IoU Loss for Accurate Bounding Box Regression[EB/OL]. arXiv:2101.08158, 2021.
[20] ONNX Community. Open Neural Network Exchange (ONNX)[EB/OL]. 2019.