基于图像识别的植物病虫害检测Web应用-TensorFlow+Flask

项目描述：基于图像识别的植物病虫害检测Web应用
DetectWeb 是一个基于图像识别的植物病虫害检测 Web 应用，覆盖苹果、樱桃、玉米、葡萄、桃子、胡椒、土豆、番茄 8 类作物共 38 种病害与健康状态。

登录网址： http://127.0.0.1:5000
账户密码：admin / admin123

项目功能：用户上传作物叶片图片，系统通过 TensorFlow 泛类模型进行通用识别，也可选择对应作物的 PyTorch 专类模型获取更高精度结果，返回病害名称与置信度。配套功能包括用户注册登录、识别历史记录、趋势分析仪表盘和访客免登录体验。

运行环境：Python 3.7.16，SQLite 数据库，CPU 推理（无需 GPU），Windows 系统。

项目技术：后端 Flask 1.0.2，SQLAlchemy 1.2.14 ORM，Flask-Login 会话管理，Flask-Mail 邮件服务，Flask-Migrate 数据库迁移；前端 Bootstrap；模型推理使用 TensorFlow 1.15.0（泛类模型）和 PyTorch 1.8.0+cpu / torchvision 0.9.0+cpu（8 个专类模型）；预训练模型已内置，无需额外下载数据集。

以上系统源码经过技术整理与调试，确保能正常运行