Tanvi-77/crop-disease-project

# 🌱 基于机器学习的农作物病害检测系统 这是一个由 AI 驱动的 Web 应用程序，它使用 **MobileNetV2 迁移学习** 从叶片图像中检测农作物病害。用户可以上传叶片图像，系统会预测病害，显示置信度得分，并通过基于规则的推荐系统推荐合适的治疗方法。 ## 📌 项目概述 如果不及时发现，农作物病害会显著降低农业生产力。本项目旨在帮助农民和农业爱好者通过使用深度学习模型分析叶片图像，快速检测植物病害。 该应用程序使用 **Python** 和 **Streamlit** 构建，界面简单且具有交互性。在预测病害后，系统还会提供治疗建议，并将预测历史记录存储在 SQLite 数据库中。 ## ✨ 功能 - 上传农作物叶片图像 - 预测前进行图像预处理 - 使用 MobileNetV2 进行病害检测 - 为每次预测提供置信度得分 - 基于规则的治疗建议 - 预测历史记录存储在 SQLite 中 - 简单且响应式的 Streamlit 界面 - 支持多语言（英语、印地语、马拉地语） ## 🛠️ 技术栈 | 类别 | 技术 | |----------|------------| | 编程语言 | Python | | 深度学习 | TensorFlow, Keras | | 模型 | MobileNetV2 (迁移学习) | | 前端 | Streamlit | | 数据库 | SQLite | | 图像处理 | OpenCV, Pillow | | 数据处理 | NumPy, Pandas | | 可视化 | Matplotlib | ## ⚙️ 工作流程 用户上传叶片图像 │ ▼ 图像预处理 │ ▼ MobileNetV2 模型 │ ▼ 病害预测 │ ▼ 置信度得分 │ ▼ 治疗建议 │ ▼ 将结果存储在 SQLite 中 │ ▼ 在 Streamlit 上显示结果 ## 📊 支持的农作物类别 ### 🍅 番茄 - 健康 - 早疫病 - 晚疫病 ### 🥔 马铃薯 - 健康 - 早疫病 - 晚疫病 ### 🫑 辣椒 - 健康 - 细菌性斑点病 ## 🚀 安装说明 ### 1. 克隆仓库 ``` git clone https://github.com/yourusername/Crop-Disease-Detection.git cd Crop-Disease-Detection ``` ### 2. 创建虚拟环境 ``` python -m venv venv ``` ### 3. 激活虚拟环境 Windows ``` venv\Scripts\activate ``` ### 4. 安装依赖项 ``` pip install -r requirements.txt ``` ### 5. 运行应用程序 ``` streamlit run app/app.py ``` ## 💾 数据库 SQLite 用于存储： - 预测历史 - 病害名称 - 置信度得分 - 时间戳 ## 📸 未来增强功能 - 支持更多农作物品种 - 实时摄像头检测 - 云数据库集成 - 基于天气的病害预测 - 肥料推荐 - 移动应用程序 ## 👩‍💻 作者 **Tanvi Salaskar** MCA 学生 ## ⭐ 如果您觉得这个项目有用，请不要忘记给它点个 Star！

标签：Kubernetes, MobileNetV2, SQLite, Streamlit, 人工智能, 农作物病害检测, 图像分类, 用户模式Hook绕过, 访问控制, 逆向工具