YOLODeepSeekAI大模型苹果叶片病虫害检测系统YOLODeepSeekPytorchSpringBootFlaskVue技术栈提供1.整理好的yolo格式的数据集2.详细的系统部署教程3.实时视频摄像头图片检测4.代码简洁有注释5.提供训练好的yolo权重1*“基于YOLODeepSeek的苹果病虫害检测系统”**该系统不仅实现了基础的视觉识别黑星病、锈病、健康等还结合了大语言模型DeepSeek生成专业的农业防治建议。以下是构建该系统的核心简易代码方案涵盖前后端及AI集成。️ 1. 系统架构概览前端: Vue 3 Element Plus (界面) ECharts (数据大屏)后端业务: Java SpringBoot (用户管理、记录存储、调用DeepSeek)后端算法: Python Flask (YOLO模型推理)AI模型: YOLOv8/v11 (视觉检测) DeepSeek (文本建议)}); 3. 如何运行与定制准备模型:收集苹果叶片数据集包含黑星病、锈病、健康。使用yolo train modelyolov8n.pt dataapple.yaml epochs100训练。将生成的best.pt放入 Python 项目的weights/目录。启动服务:Python:python app.py(端口 5000)Java: 运行 SpringBoot 主类 (端口 8080)Vue:npm run dev(端口 5173)定制其他作物:只需更换数据集和模型权重文件。修改代码中的class_names映射例如将Apple_scab改为Rice_blast稻瘟病。系统架构无需改动即可支持水稻、玉米、小麦等各种作物病虫害检测。