智慧农业#深度学习基于YOLOv11n辣椒病害检测系统  辣椒病害检测数据集

辣椒病害检测数据集，1062张，提供yolo，voc，coco三种标注方式
图像尺寸:512*512
类别数量:3类![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/7e7e103ba91efb926ea96394b638ccc0.png)

训练集图像数量:744; 验证集图像数量:212； 测试集图像数量:106
类别名称: 每一类图像数 ，每一类标注数
antraknosa-炭疽病：562,934
cabai_normal-辣椒正常：749,3353
lalat_buah-果实蝇：303,388
image num: 1062
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/6d4ded38ad593483684dfa3f985d9669.png)
 辣椒病害检测数据集![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/bfc065f35326b395c0dce5c5b61ec78b.png)


| 项目 | 详情 |
| --- | --- |
| 数据集名称 | 辣椒病害检测数据集 |
| 样本总量 | 1062张 |
| 图像尺寸 | 512×512 |
| 标注格式 | YOLO、VOC、COCO三种标注 |
| 类别总数 | 3类 |
| 数据集划分 | 训练集：744张；验证集：212张；测试集：106张 |
| 类别分布 | antraknosa-炭疽病：含该类图像562张，标注框934个   cabai_normal-辣椒正常：含该类图像749张，标注框3353个   lalat_buah-果实蝇：含该类图像303张，标注框388个 |
| 配套模型 | YOLOv11n，训练轮次80epoch |
| 配套源码 | 训练+测试全套代码；PyQt5可视化界面全套源码（.ui/.qrc/.py/图标） |
| 界面功能 | 图片检测、视频检测、摄像头实时检测；输出目标位置、目标数量、置信度；结果保存导出，免命令行操作 |
| 运行环境 | Python3.8，opencv-python、PyQt5、torch；支持Windows、Linux |

## YOLOv11n 简易训练代码![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/737d20407a8e1644031dcc300f347a9a.png)


```
from ultralytics import YOLO

# 加载yolov11n预训练权重
model = YOLO("yolo11n.pt")

# 开始训练
results = model.train(
    data="pepper_disease.yaml", #辣椒病害数据集yaml配置文件
    epochs=80,
    imgsz=512,
    batch=8,
    device="cpu", #cpu训练，有gpu可改为0
    save=True,
    project="pepper_disease_result"
)

# 模型评估
metrics = model.val()
print(f"mAP@0.5: {metrics.box.map50}")

# 单图推理
res = model("test.jpg")
res[0].show()
```
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/ac264f1c3411e4f8f07ffdbd834b813f.png)

## PyQt简易推理片段（图片检测）

```
import sys
from PyQt5.QtWidgets import QApplication,QMainWindow,QPushButton
from ultralytics import YOLO

model = YOLO("runs/detect/train/weights/best.pt")

def detect_img(img_path):
    res = model(img_path)[0]
    res.save("output.jpg")
    return res.boxes

class MainWin(QMainWindow):
    def __init__(self):
        super().__init__()
        self.btn = QPushButton("选择图片检测",self)
        self.btn.clicked.connect(lambda:detect_img("test.jpg"))

if __name__=="__main__":
    app = QApplication(sys.argv)
    w = MainWin()
    w.show()
    sys.exit(app.exec_())
```
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/f68d40e0d19006846138dad8b94b526b.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/d5563ee5fdc4d669dc9d31672e035d44.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/22ad4d5d651c5819feaa76b05e00b7fc.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/fa40db2e9671898c3c43a7a09b5c9197.png)




辣椒病害检测数据集，1062张，提供yolo，voc，coco三种标注方式图像尺寸:512*512类别数量:3类

深度学习基于YOLOv11n辣椒病害检测系统  辣椒病害检测数据集

人工智能

算法

开发工具

基于YOLOv11n的辣椒病害检测系统，采用1062张512×512图像数据集，覆盖炭疽病、果实蝇及正常三类，提供YOLO/VOC/COCO三种标注格式。配套PyQt5可视化界面，支持图片、视频及摄像头实时检测，实现目标定位、计数与置信度输出，简化农业病害监测流程。

深度学习

代码解释

Windows

Python

YOLO

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

深度学习基于YOLOv11n辣椒病害检测系统  辣椒病害检测数据集-腾讯云开发者社区-腾讯云

深度学习基于YOLOv11n辣椒病害检测系统辣椒病害检测数据集

深度学习基于YOLOv11n辣椒病害检测系统辣椒病害检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

深度学习基于YOLOv11n辣椒病害检测系统 辣椒病害检测数据集

深度学习基于YOLOv11n辣椒病害检测系统 辣椒病害检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

深度学习基于YOLOv11n辣椒病害检测系统辣椒病害检测数据集

深度学习基于YOLOv11n辣椒病害检测系统辣椒病害检测数据集