一、项目背景

在全球气候变化加剧、极端天气事件频发以及农业生产集约化程度不断提升的背景下，现代农业正面临病虫害发生日益复杂、防治难度持续增大、化学农药过度依赖导致生态环境压力骤增等多重挑战。传统的病虫害监测主要依赖农技人员田间人工巡查，存在效率低、覆盖面窄、识别准确性受主观经验影响大、无法实现早期预警等突出问题，往往导致防治不及时或过度防治，造成农作物减产、品质下降及不必要的资源浪费与环境破坏。同时，作物生长环境参数（如温湿度、光照、土壤状况等）与病虫害发生发展密切相关，然而现有监测手段大多分散独立，数据割裂，难以进行综合分析与智能决策，无法满足现代农业对精准化、智能化、绿色可持续管理的迫切需求。

为应对以上挑战，本项目旨在研发并构建一个 “基于YOLO+AI+DeepSeek的病虫害检测与环境监测一体化智能云平台” 。该平台深度融合计算机视觉、深度学习与大语言模型（LLM）等前沿人工智能技术，旨在为现代农业生产提供一套实时、精准、高效的智能监测与决策支持整体解决方案。

本平台的核心创新在于构建了一个“端-边-云”协同的智能体系。在边缘侧（如田间智能设备、无人机、手持终端），集成 YOLO（You Only Look Once） 系列先进的实时目标检测算法，实现对农作物叶片、茎秆、果实等部位的病虫害目标进行快速、精准的视觉识别与定位，将识别结果（病虫害种类、发生位置、严重程度）与环境传感器采集的实时数据（温、光、水、气、土）同步上传至云端。

在云端，平台不仅进行海量监测数据的汇聚、存储与管理，其核心智能引擎将基于 DeepSeek 等大型语言模型强大的自然语言理解、多模态信息融合与推理能力进行构建。该引擎能够：

1. 深度关联分析：将视觉识别的病虫害信息与环境参数、作物生长阶段、历史数据进行深度关联与综合分析，超越简单的阈值报警，实现病虫害发生风险的智能化预测与早期预警。

2. 生成决策建议：基于分析结果，自动生成包含具体防治措施（如生物防治建议、精准施药指导）、农事操作提醒、环境调控方案（如灌溉、通风建议）的综合性、可解释的农业知识报告与决策建议。

3. 知识问答与交互：为农技人员与种植者提供自然语言交互接口，可随时咨询病虫害防治知识、解读监测数据、获取个性化种植指导。

该平台的构建，旨在推动农业生产方式从“经验驱动、粗放管理”向“数据驱动、精准智能”的深刻变革。它不仅是人工智能技术在农业垂直领域的深度应用示范，更是落实“藏粮于技”战略、保障粮食安全、促进农业绿色发展、助力乡村振兴的重要技术支撑，具有显著的经济、生态与社会价值。

二、技术介绍

使用YOLOv11、AI智能问答、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Echarts、Ts、element-plus、Flask、Axios、MySQL等技术。 系统还支持分用户管理。分为管理员和普通用户，管理员可查看所有记录，并管理用户。普通用户只可查看自己的记录。 界面简洁、美观。支持主题色修改、布局样式修改、组件大小修改等。

本项目致力于构建一个技术架构先进、功能全面且用户体验优良的病虫害检测与环境监测一体化智能云平台。系统整合了从底层AI模型训练到上层Web应用展示的完整技术栈，实现了数据采集、智能分析、可视化展示与用户交互的全流程闭环。

在技术架构方面，系统采用前沿且稳健的技术组合：

• AI模型层：基于PyTorch深度学习框架，采用最新的YOLOv11目标检测算法进行模型训练与优化，实现对病虫害图像的精准、实时识别。同时，通过Flask构建轻量高效的AI服务中间层，封装模型推理与AI智能问答接口，处理自然语言查询与决策建议生成。

• 后端服务层：使用SpringBoot构建高性能、可扩展的RESTful API主服务，负责核心业务逻辑、用户认证与数据整合。数据持久化采用MyBatis-Plus增强框架操作MySQL数据库，显著提升开发效率与数据访问性能。

• 前端展示层：基于Vue3与TypeScript (Ts) 构建现代化的单页面应用，确保代码的健壮性与可维护性。采用Element-Plus作为UI组件库，结合Axios进行HTTP通信，快速搭建界面。数据可视化方面，集成ECharts库，将复杂的病虫害统计、环境趋势、预警信息等以丰富的图表形式直观呈现。

在核心功能与设计上，系统注重实用性、安全性与个性化：

• 分角色用户管理：系统明确划分为管理员与普通用户两类角色。管理员拥有最高权限，可查看全平台所有用户的检测记录、环境数据、操作日志，并对用户账户进行统一管理。普通用户则只能查看和管理个人提交的检测任务、历史记录及个人收藏，实现了严格的数据隔离与隐私保护。

• 高度可定制的用户界面：秉承“界面简洁、美观”的设计原则，系统提供深色/浅色主题切换、自定义主题色、灵活调整布局样式（如导航栏位置、菜单风格）以及组件尺寸个性化设置功能。用户可根据自身偏好调整视觉体验，提升操作舒适度与工作效率。

该平台通过上述技术实现与功能设计，不仅提供了强大的病虫害智能识别与环境数据分析能力，更以安全、友好、灵活的前端交互，满足了不同角色用户的专业化需求，是一套集技术前瞻性、功能实用性与体验卓越性于一体的综合性智慧农业解决方案。

三、功能介绍

【可识别作物类型9种】可识别 玉米、小麦、水稻、番茄、马铃薯、草莓、番茄、苹果、棉花，均有训练权重文件。

首页展示，数据大屏，智能温室环境检测，根据环境数据获取实时建议，病虫害数据库，图片检测（真实AI建议），视频检测，摄像头检测，农资管理，用户管理，智能AI助手。

本项目构建的智能云平台，其核心能力与功能模块设计紧密围绕农业生产全流程的数字化、智能化需求展开，旨在为用户提供从环境感知、病害识别到农事决策的一站式服务。

核心识别能力：系统目前已具备对9种关键作物的高精度病虫害视觉识别能力，覆盖大田作物（玉米、小麦、水稻、棉花）、经济作物（番茄、马铃薯）及果树作物（苹果、草莓）。针对每种作物，我们均已完成大规模、高质量数据集的采集与标注，并训练了独立的专用权重文件，确保模型在实际田间复杂场景下对不同作物的特定病虫害（如玉米大斑病、小麦锈病、水稻稻瘟病、番茄早疫病等）具有高度的识别准确率与鲁棒性。

全方位功能模块：

1. 综合概览与决策指挥（首页与数据大屏）：系统首页为用户提供个性化的数据看板，汇总关键指标。专设的“数据大屏”模式，面向农场管理者或指挥中心，以驾驶舱的形式动态、可视化地展示全域温室状态、作物健康总览、实时预警统计、环境参数热力图等宏观信息，支持决策研判。

2. 智能环境监控与联动：智能温室环境检测模块实时采集并展示各监测点的空气温湿度、土壤温湿度、光照强度、CO₂浓度等数据。系统不仅能进行阈值告警，更能基于环境数据模型与作物生长模型，获取实时农事建议，例如自动提示“当前温湿度利于白粉病发生，建议午后通风降湿”。

3. 多层次病虫害识别与知识库：

   • 图片检测：支持用户上传田间拍摄的作物局部或整体照片，进行快速识别并返回包含病害名称、置信度、危害部位及基于图像分析生成的真实AI治理建议（如推荐药剂、生物防治方法）。

   • 视频检测与摄像头检测：支持视频文件上传分析，并可接入田间固定或移动摄像头，实现特定区域病虫害的连续监测与自动巡检，及时发现病害点并定位。

   • 病虫害数据库：提供一个结构化的知识库，包含每种病虫害的详细文字说明、典型症状图片、发生规律、防治要点等，辅助用户学习与确认。

4. 农事与系统管理：

   • 农资管理：记录和管理农药、肥料等农资的入库、出库、库存及使用记录，并可关联识别结果，智能推荐可用农资。

   • 用户管理：实现多角色、分权限的账户体系，确保数据安全与操作合规。

   • 智能AI助手：集成基于大模型的对话接口，用户可通过自然语言随时询问各类农业问题，如“明天适合给草莓浇水吗？”或“针对刚识别的番茄晚疫病，有机种植有什么办法？”，获得即时、专业的交互式指导。

综上所述，本平台深度融合了精准的视觉AI识别、实时的环境物联数据、专业的农业知识库与智能的对话交互，形成了一个“监测-识别-分析-决策-管理”的完整智能闭环，切实助力农业生产者实现降本增效与绿色可持续发展。

四、系统实现