基于改进YOLOv8的蓝莓成熟度检测系统-yolov8

项目描述 基于改进YOLOv8的蓝莓成熟度检测系统

基于改进 YOLOv8 的蓝莓成熟度检测系统。以 YOLOv8n 为基础网络，提出 BCM-Lite 模型，通过新增 P2 高分辨率检测头、BiFPN 可学习加权特征融合和 WIoUv3 动态聚焦损失三项改进，提升小目标蓝莓果实的检测与成熟度分类能力。模型 mAP50 达 0.741，较基线提升 0.079。配套 Web 界面，可上传图片在线检测并留存历史记录。

浏览器访问 http://127.0.0.1:8000

项目功能

– 蓝莓果实目标检测，区分未成熟、成熟两类
– 网页上传图片（点击或拖拽），实时输出标注检测框
– 统计未成熟数、成熟数、果实总数、平均置信度
– 检测记录自动保存，支持历史查询、缩略图查看大图和记录删除
– 支持模型训练、消融实验对比与验证出图

运行环境

– 操作系统：Windows
– Python 3.11
– PyTorch 2.14（CPU 版，可切换 CUDA 版加速训练）
– 启动命令：python app.py，浏览器访问 http://127.0.0.1:8000

项目技术

– 深度学习框架：PyTorch、Ultralytics YOLOv8
– 图像处理：OpenCV、NumPy
– 模型改进：P2 检测头、BiFPN 特征融合、WIoUv3 损失
– Web 后端：Flask
– 前端：HTML、CSS、原生 JavaScript
– 数据持久化：JSON 文件存储
– 数据集：Ni et al. (2020) 蓝莓果数据集，训练集 366 张、验证集 104 张、测试集 54 张，共 7480 个标注实例
以上系统源码经过技术整理与调试，确保能正常运行