效果展示
登录界面
主界面
基于 YOLO11 的目标检测系统，支持图片、视频和实时摄像头检测，集成 DeepSeek AI 分析功能。
功能特性
- 图片目标检测
- 视频文件检测
- 实时摄像头检测
- DeepSeek AI 智能分析
- 可调节的检测参数（置信度、IoU）
- 美观的用户界面
测试环境
- Windows 10
- Anaconda3 + Python 3.10
- Torch 2.3.1
- Ultralytics 8.4.7
- Django 5.2.11
模型检测类别
模型可检测 41 类别，包括苹果黑腐病、甜椒细菌性叶斑病、木薯褐色条纹病、玉米普通锈病、葡萄黑腐病、马铃薯早疫病、水稻褐斑病、番茄晚疫病等常见农作物病虫害。
训练数据集介绍
- 数据集格式：YOLO 格式（仅包含 jpg 图片及对应的 yolo 格式 txt 文件）
- 图片数量：33085
- 标注数量：33085
- 训练集数量：30105
- 验证集数量：1988
- 测试集数量：992
- 标注类别数：41
- 使用标注工具：labelImg
- 标注规则：对类别进行画矩形框
训练信息
- 训练集图片数：30223
- 验证集图片数：2001
- 训练 mAP：92.1%
- 训练精度 (Precision)：91.1%
- 训练召回率 (Recall)：90.4%
安装依赖
pip install -r requirements.txt
数据库迁移
python manage.py makemigrations
python manage.py migrate
运行项目
python manage.py runserver
默认登录信息
- 用户名：admin
- 密码：admin
项目主要文件结构
yolo11-django-deepseek-det-system/
├── manage.py
├── yolo_detection/
│ ├── __init__.py
│ ├── settings.py
│ ├── urls.py
│ └── wsgi.py
├── detection/
│ ├── __init__.py
│ ├── apps.py
│ ├── forms.py
│ ├── models.py
│ ├── urls.py
│ └── views.py
├── templates/
├── test_img/
│ ├── index.html
│ └── login.html
├── /
├── media/
│ └── uploads/
├── requirements.txt
├── weights/
│ ├── yolov11n.onnx
│ └── results.png
└── class_names
