智慧农业平台 - 咖啡叶病害检测与农场管理系统

基于深度学习的综合性智慧农业平台，集咖啡叶病害检测、气象监测、农业AI助手、农场地图管理等功能于一体。

目录

• 系统概述
• 功能特性
• 技术架构
• 系统界面
• 模型训练
• 安装部署
• 使用说明
• 系统架构详解
• 更新日志
• 许可证

系统概述

本项目是一个面向咖啡种植的智慧农业综合管理平台，主要功能包括：

1. 咖啡叶病害检测：基于深度学习的ResNet50模型，识别健康、叶锈病、黑斑病三类，准确率达99.25%
2. 智慧控制台：展示天气信息、农事任务管理、备忘录编辑
3. 气象中心：支持地址输入，获取中国境内真实天气数据
4. 农业助手：支持文字提问和图片上传，集成多种大模型API
5. 农场地图：支持标记添加、路线规划、范围绘制、面积计算
6. 用户系统：登录认证、个人信息管理、农场信息设置
7. 设置中心：账号管理、AI API配置、农场信息配置

功能特性

病害检测核心功能

• 高准确率：99.25%的咖啡叶病害识别准确率
• 多模型支持：支持6种深度学习模型（ResNet50、MobileNetV2等）
• 批量检测：支持多图片同时上传和识别
• 模型信息：展示模型架构、可识别类别等详细信息
• 检测历史：保存用户检测记录

智慧农业管理

• 用户系统：登录认证、个人信息管理、密码修改
• 智慧控制台：天气展示、农事任务管理、备忘录编辑
• 气象中心：地址输入、真实天气数据获取
• 农业助手：文字聊天、图片分析、多AI模型支持
• 农场地图：高德地图、标记管理、路线规划、范围绘制、面积计算

AI集成能力

• 多供应商支持：超算互联网、通义千问、火山引擎、阿里百炼
• 灵活配置：用户可在设置中配置API Key和模型选择
• 农场上下文：自动将农场信息提供给AI作为对话上下文

地图功能特色

• 国内稳定访问：高德地图瓦片服务，无需VPN
• 搜索功能：经纬度定位、城市名搜索、国外地址搜索（需VPN）
• 标记管理：多种标记类型、自定义标记、批量删除
• 路线规划：两点连线、路径可视化
• 范围绘制：多边形绘制、实时预览、面积计算（Haversine公式）

数据管理

• SQLite数据库：7张数据表，完整的数据管理
• 农事任务：创建、编辑、删除、状态管理
• 备忘录：重要标记、日期管理
• 农场信息：农场名称、面积、品种、土壤、灌溉等配置

技术架构

整体架构

┌─────────────────────────────────────────────────────────────────┐
│                         用户界面层 (UI)                          │
├─────────────────────────────────────────────────────────────────┤
│  登录页面  │  智慧控制台  │  病害识别  │  气象中心  │  农业助手  │  农场地图  │  设置页面  │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│                      Web 应用层 (Flask)                         │
├─────────────────────────────────────────────────────────────────┤
│  路由管理  │  请求处理  │  Session管理  │  API接口  │  静态文件服务  │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│                        业务逻辑层                                 │
├─────────────────────────────────────────────────────────────────┤
│  用户认证  │  病害检测  │  天气服务  │  AI客户端  │  数据库管理  │  地图服务  │
└─────────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────────┐
│                        数据层                                      │
├─────────────────────────────────────────────────────────────────┤
│  SQLite数据库  │  模型文件  │  上传文件  │  天气API  │  AI API  │  高德地图  │
└─────────────────────────────────────────────────────────────────┘

技术栈

层级	技术选型	说明
前端	HTML5 + CSS3 + JavaScript	现代化响应式界面
地图库	Leaflet + 高德地图	国内稳定访问
Web框架	Flask	轻量级Python Web框架
深度学习	PyTorch + ResNet50	预训练模型迁移学习
图像处理	OpenCV + PIL + Albumentations	图像预处理与增强
数据库	SQLite	轻量级关系型数据库
会话管理	Flask-Session	用户登录状态管理
AI集成	超算互联网/通义千问/火山引擎/阿里百炼	多平台大模型支持
天气服务	中国天气数据	国内真实天气API

项目结构

coffee_leaf_disease_detection/
├── data/                           # 数据集目录
│   ├── train/                      # 原始数据集
│   │   ├── healthy/                # 健康叶片图像
│   │   ├── leaf_rust/              # 叶锈病图像
│   │   └── phoma/                  # 黑斑病图像
│   └── processed/                  # 预处理后的数据集
├── models/                         # 模型文件目录
│   └── best_model.pth              # ResNet50模型权重
├── results/                        # 实验结果目录（包含模型训练图片）
├── src/                            # 源代码目录
│   ├── data_preprocessing.py       # 数据预处理模块
│   ├── model.py                    # 模型定义模块
│   ├── train_model.py              # 模型训练模块
│   ├── evaluate_model.py           # 模型评估模块
│   ├── predict.py                  # 预测模块
│   ├── app.py                      # Web应用主入口
│   ├── database.py                 # 数据库操作模块
│   └── weather_service.py          # 天气服务模块
├── templates/                      # Web应用模板
│   ├── login.html                  # 登录页面
│   ├── dashboard.html              # 智慧控制台
│   ├── detect.html                 # 病害识别
│   ├── weather.html                # 气象中心
│   ├── assistant.html              # 农业助手
│   ├── map.html                    # 农场地图
│   └── settings.html               # 设置页面
├── static/                         # 静态资源
│   ├── css/                        # 样式文件
│   ├── js/                         # JavaScript文件
│   └── uploads/                    # 用户上传目录
├── 界面/                           # 系统界面截图
│   ├── 界面/                       # 页面截图
│   └── 交互/                       # 交互流程截图
├── requirements.txt                # 项目依赖
├── README.md                       # 项目说明文档
├── CODE_SUMMARY.md                 # 代码总结文档
└── coffee_farm.db                  # SQLite数据库（自动生成）

系统界面

1. 登录页面

用户登录界面，支持账号密码登录和记住登录状态。

2. 智慧控制台

展示今日天气、农事任务列表和备忘录编辑区域。

3. 病害识别

支持多图片上传和拖拽，实时检测咖啡叶病害。

识别流程

• 上传图片：

• 点击识别：

• 识别结果：

4. 气象中心

支持地址输入，获取中国境内真实天气数据。

气象交互

5. 农业助手

支持文字聊天和图片上传，集成多种大模型API。

农业助手流程

• 配置API：

• 交互结果：

6. 农场地图

基于高德地图的农场地图管理功能。

地图功能

• 整体结果：

• 添加标记：

• 添加路径：

• 添加范围：

7. 设置页面

包含账号管理、AI API配置、农场信息设置等。

模型训练

数据集信息

原始数据集

• 总图像数: 3,322张
• 类别数量: 3类
• 类别分布:
  • 健康（healthy）: 1,179张（35.5%）
  • 叶锈病（leaf_rust）: 1,033张（31.1%）
  • 黑斑病（phoma）: 1,110张（33.4%）

类别分布

样本可视化

模型对比实验

本项目对6种不同的深度学习模型进行了系统性的性能评估。

实验配置

• 数据集: 咖啡叶病害数据集（3类：健康healthy、叶锈病leaf_rust、黑斑病phoma）
• 数据划分: 训练集70%、验证集15%、测试集15%
• 图像尺寸: 224×224像素
• 训练轮数: 50轮（动态早停）
• 批次大小: 32
• 优化器: AdamW
• 学习率: 1e-4
• 早停耐心值: 10个epoch

模型性能对比

排名	模型名称	参数量	测试准确率	精确率	召回率	F1分数	训练状态
1	ResNet50	23,506,048	99.25%	0.9925	0.9925	0.9925	基准模型
2	MobileNetV2	2,227,715	95.97%	0.9624	0.9597	0.9595	新训练
3	ResNet18	11,178,051	95.35%	0.9569	0.9535	0.9534	新训练
4	ResNet34	21,286,211	92.71%	0.9265	0.9271	0.9266	新训练
5	DenseNet121	6,956,931	91.16%	0.9171	0.9116	0.9110	新训练
6	VGG16	134,272,835	49.77%	0.5468	0.4977	0.4351	新训练

模型对比图表

参数对比

ResNet50模型详情

混淆矩阵

所有模型混淆矩阵

ROC曲线

分类报告

预测可视化

数据增强

通过albumentations库实现的数据增强技术，在训练过程中动态生成图像变体。

增强技术：

• 水平翻转 (p=0.5)
• 垂直翻转 (p=0.3)
• 随机旋转90° (p=0.5)
• 亮度对比度调整 (p=0.3)
• 色调饱和度调整 (p=0.3)
• 高斯噪声 (p=0.2)
• 模糊处理 (p=0.1)

扩充效果：

• 理论上每个epoch可生成约2-3倍的图像变体
• 50轮训练中，每个原始图像可生成约50个不同的变体
• 有效缓解类别不平衡问题，提升模型泛化能力

实验结果总结

指标	数值
最佳模型	ResNet50
最高准确率	99.25%
参数量范围	222万 ~ 1.34亿
训练轮数	50轮（动态早停）
数据增强提升	50倍

安装部署

环境要求

• Python 3.8+
• PyTorch 1.9+
• CUDA 11.0+ (可选，用于GPU加速)

安装步骤

1. 克隆仓库

git clone https://github.com/G-YOUNG01/Deep-Learning-System-for-Coffee-Leaf-Disease-Detection.git
cd Deep-Learning-System-for-Coffee-Leaf-Disease-Detection

1. 创建虚拟环境

python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows

1. 安装依赖

pip install -r requirements.txt

1. 下载模型权重

将训练好的模型权重文件 best_model.pth 放置到 models/ 目录下。

1. 启动应用

python src/app.py

1. 访问系统

打开浏览器访问：http://localhost:5000

默认账号

• 用户名：admin
• 密码：admin123

使用说明

病害识别

1. 登录系统后进入"病害识别"页面
2. 点击或拖拽上传咖啡叶图片（支持多图）
3. 系统自动进行病害检测
4. 查看识别结果和置信度

农业助手配置

1. 进入"设置"页面
2. 选择AI服务提供商（超算互联网/通义千问/火山引擎/阿里百炼）
3. 填写API Key和模型名称
4. 对于超算互联网，还需要填写Base URL
5. 点击"保存配置"
6. 点击"测试连接"验证配置

农场地图使用

1. 进入"农场地图"页面
2. 使用搜索框或下拉菜单定位到目标位置
3. 点击"添加标记"按钮，在地图上点击添加标记
4. 点击"添加路线"按钮，依次点击两点连线
5. 点击"添加范围"按钮，依次点击多个点绘制多边形
6. 点击"完成绘制"确认范围，系统自动计算面积

系统架构详解

数据库设计

系统使用SQLite数据库，包含7张数据表：

表名	功能	主要字段
users	用户表	id, username, password_hash, nickname, created_at
farm_tasks	农事任务表	id, user_id, title, description, task_date, priority, status, created_at
memos	备忘录表	id, user_id, content, memo_date, is_important, created_at
weather_settings	天气设置表	id, user_id, city, updated_at
detection_history	检测历史表	id, user_id, image_path, result, confidence, created_at
ai_api_settings	AI API配置表	id, user_id, provider, api_key, model_name, base_url, updated_at
farm_info	农场信息表	id, user_id, farm_name, farm_area, coffee_variety, planting_year, soil_type, irrigation_method, updated_at

API接口

认证相关

• POST /api/login - 用户登录
• POST /api/logout - 用户登出
• GET /api/user - 获取当前用户信息
• PUT /api/user - 更新用户信息

天气相关

• GET /api/weather - 获取天气信息
• POST /api/weather_setting - 更新天气设置

农事任务

• GET /api/farm_tasks - 获取农事任务列表
• POST /api/farm_tasks - 添加农事任务
• PUT /api/farm_tasks/<id> - 更新农事任务
• DELETE /api/farm_tasks/<id> - 删除农事任务

备忘录

• GET /api/memos - 获取备忘录列表
• POST /api/memos - 添加备忘录
• PUT /api/memos/<id> - 更新备忘录
• DELETE /api/memos/<id> - 删除备忘录

AI相关

• GET /api/ai_settings - 获取AI API配置
• POST /api/ai_settings - 更新AI API配置
• POST /api/test_ai_connection - 测试AI连接
• POST /api/chat - AI聊天接口

农场信息

• GET /api/farm_info - 获取农场信息
• POST /api/farm_info - 更新农场信息

病害检测

• POST /upload - 图像上传和检测
• POST /api/predict - API预测接口
• GET /api/detection_history - 获取检测历史

更新日志

v2.0.0 (2024-03-31)

• ✨ 新增：智慧农业平台完整功能
• ✨ 新增：用户登录认证系统
• ✨ 新增：智慧控制台（天气、农事、备忘录）
• ✨ 新增：气象中心（真实天气数据）
• ✨ 新增：农业助手（AI聊天、图片分析）
• ✨ 新增：农场地图（高德地图、标记、路线、范围）
• ✨ 新增：设置中心（账号、AI配置、农场信息）
• 🎨 优化：界面美化和交互体验
• 🐛 修复：模型加载错误处理
• 🐛 修复：地图国内访问问题

v1.0.0 (2024-01-01)

• 🎉 初始版本发布
• ✨ 咖啡叶病害检测功能
• ✨ ResNet50模型实现
• ✨ 基础Web界面

许可证

MIT License

贡献

欢迎提交 Issue 和 Pull Request！

联系方式

如有问题或建议，请提交 Issue。

---

本系统可为咖啡种植业提供有力的病害识别技术支持，具有重要的实际应用价值。