基于YOLO目标检测与大语言模型的番茄智能决策系统-YOLOv8

项目描述 基于YOLO目标检测与大语言模型的番茄智能决策系统
本项目是一套基于 YOLO 目标检测与大语言模型的番茄智能决策系统，面向番茄种植场景，通过上传田间照片自动完成果实成熟度与叶片病虫害识别，并由通义千问大模型生成种植管理建议，同时支持在线问答，帮助种植者快速判断采摘时机与病害风险。

项目功能
一、果实成熟度检测：上传番茄果实照片，识别并统计不同成熟阶段的果实数量，输出标注结果图。
二、叶片病虫害检测：上传叶片照片，识别病虫害类别并统计数量，生成标注图。
三、智能分析建议：综合两类检测结果，由大模型给出植株健康分析、采摘建议、病害处理、种植管理及综合风险等级。
四、AI 在线问答：用户可就番茄种植问题与通义千问实时对话。

运行环境
Windows 操作系统，Python 3.11，浏览器访问；Flask 开发服务器运行于 5001 端口；需联网调用通义千问 DashScope 接口。主要依赖为 ultralytics、opencv-python、flask、requests，两个已训练模型权重 maturity_best.pt、disease_best.pt 内置在 models 目录，无需额外下载数据集或模型。

项目技术
后端采用 Python + Flask 框架；核心识别使用 Ultralytics YOLO（YOLOv8 系列）模型，配合 OpenCV 完成图像读取与检测结果绘制；智能问答与建议生成通过通义千问 qwen-flash 模型的 OpenAI 兼容接口实现；前端基于 HTML、JavaScript 与 Bootstrap 5 构建，采用文件上传与接口异步交互的前后端分离式调用。

以上系统源码经过技术整理与调试，确保能正常运行