基于 YOLOv11 + DeepSeek 的病虫害检测与环境监测一体化智能云平台

智慧农业+融合AI大模型】
基于YOLO+AI+DeepSeek的病虫害检测与环境监测一体化智能云平台。

【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。

【功能】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。

【技术栈】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。

1

1

1

1

🌿 智农云脑：基于 YOLOv11 + DeepSeek 的病虫害检测与环境监测一体化智能云平台

📖 项目概述

本系统是一款新一代智慧农业全栈解决方案，创新性地将 YOLOv11 前沿视觉检测技术与 DeepSeek 大语言模型（LLM） 深度融合，构建了“感知 – 认知 – 决策”闭环的一体化智能云平台。系统不仅实现了对 9 大类核心农作物 的病虫害精准识别，更首创性地引入 IoT 环境感知联动机制，根据实时温湿度、光照等数据生成动态农事建议。通过 SpringBoot + Flask 双后端驱动 与 Vue3 现代化前端 的架构设计，为大型农场、农业合作社及科研机构提供了一套集实时监控、智能诊断、环境调控、农资管理于一体的数字化管理中枢。

🚀 核心功能矩阵

1. 🎯 九大作物品类·全域视觉检测

• 全品类覆盖：内置 9 种 主流经济作物专用检测模型，均配备独立训练的高精度权重文件 (.pt)：
  • 🌽 粮食作物：玉米、小麦、水稻
  • 🥔 经济作物：马铃薯、棉花
  • 🍅 果蔬作物：番茄（双重优化）、草莓、苹果
• 多模态检测引擎：
  • 图片秒级诊断：上传即测，输出病害位置、类别及置信度。
  • 视频流分析：支持本地视频文件批量处理，自动抽帧检测。
  • 摄像头实时监控：接入 IPC 摄像头，实现 7×24 小时无人值守巡检与异常报警。
• 真实 AI 防治建议：识别结果不仅显示病害名称，更调用 DeepSeek 生成针对性的、符合当前生长周期的防治方案（非固定模板，而是动态生成）。

2. 🌡️ 智能温室·环境感知与联动

• 实时环境监测：无缝对接物联网传感器，实时采集并展示温度、湿度、光照强度、CO₂浓度、土壤墒情等关键指标。
• AI 环境决策引擎：
  • 异常预警：当环境参数超出作物最佳生长阈值时，自动触发声光/消息报警。
  • 动态农事建议：结合当前环境数据与作物生长阶段，由 DeepSeek 生成个性化建议（如：“当前湿度过高，建议开启排风并预防灰霉病”）。
• 历史趋势分析：自动生成环境数据变化曲线，辅助优化温室控制策略。

3. 🤖 DeepSeek 智能助手·农业知识大脑

• 交互式问答：内置 DeepSeek-R1 大模型，支持自然语言提问（如：“草莓叶子发黄是什么原因？”、“最近适合施什么肥？”）。
• 上下文关联：助手可读取当前用户的检测记录与环境数据，提供“千人千面”的精准咨询。
• 专业知识库：涵盖植保知识、农药配伍禁忌、气象灾害应对等海量农业百科。

4. 📊 企业级业务管理与可视化

• 全景数据大屏：基于 ECharts 打造驾驶舱，实时呈现各基地虫害分布、环境健康度、农资消耗比及用户活跃度。
• 精细化权限管理 (RBAC)：
  • 👑 管理员：拥有全局视角，可查看所有用户检测记录、管理用户账号、维护病虫害数据库、配置系统参数。
  • 👤 普通用户：数据隔离，仅可查看和管理个人的检测历史、环境数据及农资记录，保障隐私安全。
• 农资进销存管理：记录农药、化肥的入库、出库及使用详情，实现投入品可追溯。
• 病虫害数据库：结构化存储各类病害特征、防治图谱，支持动态更新与检索。

5. 🎨 极致交互·个性化 UI 体验

• Vue3 + TypeScript：构建高性能、类型安全的响应式界面。
• 深度定制能力：
  • 🎨 主题色切换：一键更换品牌主色，适配不同企业形象。
  • 📐 布局调整：支持侧边栏、顶栏等多种布局模式切换。
  • 🔍 组件缩放：可自定义字体大小与组件密度，适应大屏监控或移动端操作。
• 无障碍设计：界面简洁美观，逻辑清晰，零学习成本上手。

📦 支持作物与检测类别

系统预置 9 大作物的独立训练权重，确保在特定作物场景下的最高识别精度：

(注：具体病害类别可根据实际训练数据集动态扩展)

🏗️ 技术架构蓝图

🎨 前端交互层

• 核心框架：Vue 3 (Composition API) + TypeScript
• UI 组件库：Element-Plus (深度定制主题)
• 数据可视化：ECharts 5 (大屏图表、动态地图)
• 网络通信：Axios (拦截器、统一错误处理、Token 刷新)
• 状态管理：Pinia (全局状态持久化)

⚙️ 后端服务层 (双核异构)

• 业务中台 (Java)：
  • 框架：SpringBoot 3.x
  • ORM：MyBatis-Plus (高效 CRUD、分页插件)
  • 安全认证：Spring Security + JWT (多角色权限控制)
  • 功能：用户管理、农资管理、环境数据存储、大屏数据聚合。
• AI 中台 (Python)：
  • 框架：Flask (微服务 API)
  • 视觉引擎：PyTorch + Ultralytics YOLOv11 (9 模型动态加载)
  • 认知引擎：DeepSeek API (智能问答、报告生成、环境建议)
  • 视频处理：OpenCV + FFmpeg (流媒体转码、抽帧)

💾 数据与物联层

• 关系型数据库：MySQL 8.0 (用户、业务数据、检测记录)
• 时序数据 (可选)：InfluxDB (高频环境传感器数据，若数据量极大)
• 文件存储：MinIO / 本地文件系统 (图片、视频、模型权重)
• IoT 接口：MQTT / HTTP (对接温湿度传感器、控制器)

💻 运行环境指南

🖥️ 硬件推荐配置

🛠️ 软件依赖环境

• Python: 3.8 – 3.10
• Java: JDK 17 或 21
• Node.js: 18.0+
• Database: MySQL 5.7+ / 8.0+
• Key Libraries: ultralytics, torch, spring-boot-starter, mybatis-plus, element-plus, echarts

✨ 系统核心优势

🔬 技术融合创新

• 视觉 + 大模型双驱：突破传统检测系统“只识不治”的局限，利用 DeepSeek 的理解能力，将检测结果转化为可执行的农事指导。
• 环境 + 病害联动：独创环境数据与病害预测的关联分析，从“事后治疗”转向“事前预防”。
• 9 模型并行架构：针对 9 种作物分别训练专用模型，避免“万能模型”精度稀释问题，确保垂直场景 SOTA 性能。

🏢 企业级管理能力

• 多租户权限隔离：完善的 RBAC 模型，严格区分管理员与普通用户数据视野，满足团队协作与商业化运营需求。
• 全链路溯源：从环境数据、病害检测到农资使用，形成完整的农业生产数字档案。
• 高度可定制化：前端主题、布局、组件大小均可配置，轻松适配不同客户的 VI 风格。

🎓 应用与教育价值

• 智慧农场落地：可直接部署于温室大棚、露天基地，作为生产管理核心系统。
• 科研数据分析：积累的环境与病害多维数据，是研究气候变化对病虫害影响的宝贵资产。
• 全栈教学案例：涵盖 IoT、AI、大模型、前后端分离、权限管理等计算机专业核心知识点，是毕业设计与课程实训的顶级选题。

📥 交付清单

🌍 适用场景展望

• 🚜 规模化种植基地：多地块、多作物的统一数字化管理，降低人工巡检成本。
• 🏭 智能温室园区：环境自动化控制与病害早期预警的联动中枢。
• 🔬 农业科研院所：病虫害发生规律研究、新药/新防治技术效果评估平台。
• 📱 农技服务平台：为农户提供远程诊断、专家问答的 SaaS 化后端支撑。
• 🎓 高校实训中心：智慧农业、物联网工程、人工智能专业的综合实验平台。

总结：本系统是**“视觉感知 + 环境物联 + 大模型认知”**三位一体的智慧农业标杆之作。它不仅解决了“是什么病”的问题，更回答了“为什么生病”和“该怎么治”的核心痛点，以科技力量赋能现代农业，让种植更简单、更智能、更高效。