基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的前后端分离昆虫识别检测系统（DeepSeek智能分析+web交互界面）-开发者社区

一、系统引言

随着精准农业和智慧植保的快速发展，利用计算机视觉技术对农作物病虫害进行快速、准确的识别与监测，已成为现代农业信息化的重要研究方向。昆虫作为影响农作物健康生长的关键生物因子，其早期发现与种类鉴定对于有效实施防治措施、减少农药滥用、保障粮食安全具有重要意义。然而，传统的人工田间调查方式存在效率低、主观性强、专业知识要求高等局限性。

为解决上述问题，我们设计并开发了这款“基于YOLOv8/v10/v11/v12与SpringBoot的前后端分离昆虫识别检测系统”。本系统深度融合了前沿的深度学习目标检测技术与现代化的Web开发框架，旨在为用户提供一个高效、精准、易用且功能完备的智能昆虫识别与分析平台。

系统核心采用了一系列先进的YOLO模型（涵盖YOLOv8至最新的YOLOv12），确保了检测算法在精度与速度上的前沿性。同时，我们创新性地集成了DeepSeek大语言模型的AI分析能力，使系统不仅能“识别”昆虫，更能“理解”和“解读”检测结果，提供专业的分析洞察。通过SpringBoot构建的后端API和响应式的前端界面，系统实现了用户管理、多模态检测（图像、视频、实时摄像头）、数据可视化与记录管理等全套功能，为农业技术人员、科研工作者及广大农户提供了一个强有力的数字化工具。

一、系统引言

项目源码+数据集下载链接

二、系统核心特性概述

功能模块

登录注册模块

可视化模块

更换导航栏背景颜色

图像检测模块

视频检测模块

实时检测模块

图片识别记录管理

视频识别记录管理

摄像头识别记录管理

用户管理模块

数据管理模块（MySQL表设计）

模型训练结果

YOLOv8

YOLOv10

YOLOv11

YOLOv12

前端代码展示

部分代码

后端代码展示

项目源码+数据集下载链接

项目安装教程

项目源码+数据集下载链接

完整代码在哔哩哔哩视频下方简介内获取

基于YOLOv8/v10/v11/v12与SpringBoot的前后端分离昆虫识别检测系统（DeepSeek智能分析+web交互界面）_哔哩哔哩_bilibili

https://www.bilibili.com/video/BV1V814B2EfS

视频介绍https://www.bilibili.com/video/BV1V814B2EfS

二、系统核心特性概述

本系统围绕智能化、可视化和易管理三大核心理念构建，主要特性如下：

先进的深度学习检测引擎
- 多模型支持：用户可在YOLOv8, YOLOv10, YOLOv11, YOLOv12四种先进的检测模型间自由切换，便于比较不同模型的性能或选择最适合的版本进行部署。
- 专注的检测目标：模型基于一个包含10类重要农业昆虫的数据集进行训练，具体包括：
  - army worm(粘虫)
  - legume blister beetle(豆芫菁)
  - red spider(红蜘蛛)
  - rice gall midge(稻瘿蚊)
  - rice leaf roller(稻纵卷叶螟)
  - rice leafhopper(稻叶蝉)
  - rice water weevil(稻水象甲)
  - wheat phloeothrips(小麦皮蓟马)
  - white backed plant hopper(白背飞虱)
  - yellow rice borer(三化螟)
- 数据集规模：模型训练充分，共使用训练集696张、验证集199张、测试集100张图像进行迭代优化。
全面的检测与交互模式
- 多模态检测：全面支持图像上传检测、视频文件分析以及摄像头实时流检测，满足田间实时巡查与事后资料分析等多种应用场景。
- DeepSeek智能分析：在图片检测后，系统可将检测结果（如昆虫种类、数量、位置）发送至DeepSeek API，获取关于虫害发生情况、潜在危害及防治建议的智能文本分析，极大提升了系统的实用价值。
完善的数据管理与可视化
- 数据持久化：所有检测记录（图片、视频、摄像头）均会连同详细结果（检测时间、目标种类、置信度等）保存至MySQL数据库，便于历史追溯与分析。
- 信息可视化：通过丰富的图表（如饼图、柱状图）对识别记录进行多维度数据可视化，直观展示各类昆虫的出现频率、时间分布等统计信息。
- 记录管理：提供独立的模块用于管理图片、视频和摄像头的历史识别记录，支持查询、浏览和删除操作。
人性化的用户与系统管理
- 用户体系：完善的用户登录/注册功能，支持密码强度检测，保障账户安全。
- 权限管理：设有用户管理模块，管理员可对系统内所有用户进行增、删、改、查操作。
- 个人中心：用户可随时在个人中心修改昵称、密码、头像等个人信息。
- 个性化设置：支持更换导航栏背景颜色，满足不同用户的审美偏好，提升用户体验。

功能模块

✅ 用户登录注册：支持密码检测，保存到MySQL数据库。

✅ 支持四种YOLO模型切换，YOLOv8、YOLOv10、YOLOv11、YOLOv12。

✅ 信息可视化，数据可视化。

✅ 图片检测支持AI分析功能，deepseek

✅ 支持图像检测、视频检测和摄像头实时检测，检测结果保存到MySQL数据库。

✅ 图片识别记录管理、视频识别记录管理和摄像头识别记录管理。

✅ 用户管理模块，管理员可以对用户进行增删改查。

✅ 个人中心，可以修改自己的信息，密码姓名头像等等。

✅ 支持更换导航栏背景颜色

登录注册模块

可视化模块

更换导航栏背景颜色

图像检测模块

YOLO模型集成(v8/v10/v11/v12)
DeepSeek多模态分析
支持格式：JPG/PNG/MP4/RTSP

视频检测模块

实时检测模块

图片识别记录管理

视频识别记录管理

摄像头识别记录管理

用户管理模块

数据管理模块（MySQL表设计）

users- 用户信息表

imgrecords- 图片检测记录表

videorecords- 视频检测记录表

camerarecords- 摄像头检测记录表

模型训练结果

#coding:utf-8 #根据实际情况更换模型 # yolon.yaml (nano)：轻量化模型，适合嵌入式设备，速度快但精度略低。 # yolos.yaml (small)：小模型，适合实时任务。 # yolom.yaml (medium)：中等大小模型，兼顾速度和精度。 # yolob.yaml (base)：基本版模型，适合大部分应用场景。 # yolol.yaml (large)：大型模型，适合对精度要求高的任务。 from ultralytics import YOLO model_path = 'pt/yolo12s.pt' data_path = 'data.yaml' if __name__ == '__main__': model = YOLO(model_path) results = model.train(data=data_path, epochs=500, batch=64, device='0', workers=0, project='runs', name='exp', )

YOLOv8

YOLOv10

YOLOv11

YOLOv12

前端代码展示

部分代码

<template> <div class="brain-detection-container" id="id" v-loading="state.loading"> <!-- 顶部导航栏 --> <div class="top-nav"> <div class="logo"> <i class="icon-brain"></i> <span>Computer Vision</span> </div> <div class="user-info"> <el-avatar :size="32" :src="userInfos.avatar" /> <span class="username">{{ userInfos.userName }}</span> </div> </div> <div class="main-content"> <!-- 左侧功能区 --> <div class="left-panel"> <div class="panel-section"> <h3 class="section-title">模型配置</h3> <div class="config-item"> <label>选择模型</label> <el-select v-model="weight" placeholder="请选择模型" size="large"> <el-option v-for="item in state.weight_items" :key="item.value" :label="item.label" :value="item.value" /> </el-select> </div> <div class="config-item"> <label>AI助手</label> <el-select v-model="ai" placeholder="请选择AI助手" size="large" @change="getData"> <el-option v-for="item in state.ai_items" :key="item.value" :label="item.label" :value="item.value" /> </el-select> </div> <div class="config-item"> <label>置信度阈值: {{ (conf/100).toFixed(2) }}</label> <el-slider v-model="conf" :format-tooltip="formatTooltip" show-stops :max="100" :step="5" /> </div> <div class="action-buttons"> <el-button type="primary" @click="upData" class="predict-btn"> <i class="icon-scan"></i> 开始检测 </el-button> <el-button @click="resetForm" class="reset-btn"> <i class="icon-reset"></i> 重置 </el-button> </div> </div> <div class="panel-section"> <h3 class="section-title">历史记录</h3> <div class="history-list"> <div v-for="(item, index) in state.history" :key="index" class="history-item"> <div class="history-time">{{ item.time }}</div> <div class="history-result">{{ item.result }}</div> </div> <div v-if="state.history.length === 0" class="empty-history"> 暂无历史记录 </div> </div> </div> </div> <!-- 中间内容区 --> <div class="center-panel"> <div class="upload-section"> <el-card class="upload-card"> <template #header> <div class="card-header"> <span>上传图片</span> <el-button type="text" @click="showExample">查看示例</el-button> </div> </template> <el-upload v-model="state.img" ref="uploadFile" class="avatar-uploader" action="http://localhost:9999/files/upload" :show-file-list="false" :on-success="handleAvatarSuccessone" drag> <div class="upload-area"> <el-icon v-if="!imageUrl" class="upload-icon"> <Plus /> </el-icon> <img v-else :src="imageUrl" class="uploaded-image" /> <div v-if="!imageUrl" class="upload-text"> <p>将图片拖拽到此处，或<em>点击上传</em></p> <p class="upload-tip">支持 JPG、PNG 格式，大小不超过 10MB</p> </div> </div> </el-upload> </el-card> </div> <div class="result-section" v-if="state.predictionResult.label"> <el-card class="result-card"> <template #header> <div class="card-header"> <span>检测结果</span> <el-button type="primary" @click="() => htmlToPDF('id', '检测报告')" size="small"> <i class="icon-download"></i> 导出报告 </el-button> </div> </template> <div class="result-content"> <div class="result-overview"> <div class="result-item"> <div class="result-icon diagnosis"></div> <div class="result-info"> <div class="result-label">诊断结果</div> <div class="result-value highlight">{{ state.predictionResult.label || '-' }}</div> </div> </div> <div class="result-item"> <div class="result-icon confidence"></div> <div class="result-info"> <div class="result-label">置信度</div> <div class="result-value accent">{{ state.predictionResult.confidence || '-' }}</div> </div> </div> <div class="result-item"> <div class="result-icon time"></div> <div class="result-info"> <div class="result-label">分析用时</div> <div class="result-value">{{ state.predictionResult.allTime ? `${state.predictionResult.allTime}` : '-' }}</div> </div> </div> </div> <div class="detailed-results"> <h4>详细分析</h4> <el-table :data="state.data" style="width: 100%"> <el-table-column prop="label" label="预测结果" align="center" /> <el-table-column prop="confidence" label="置信度" align="center" /> <el-table-column prop="allTime" label="用时(秒)" align="center" /> </el-table> </div> </div> </el-card> </div> </div> <!-- 右侧AI建议区 --> <div class="right-panel" v-if="state.predictionResult.suggestion"> <div class="panel-section"> <h3 class="section-title">AI建议</h3> <div class="ai-suggestion"> <div v-html="state.predictionResult.suggestion" class="markdown-body"></div> </div> <div class="suggestion-actions"> <el-button type="text" @click="copySuggestion"> <i class="icon-copy"></i> 复制建议 </el-button> <el-button type="text" @click="saveSuggestion"> <i class="icon-save"></i> 保存建议 </el-button> </div> </div> </div> </div> <!-- 底部状态栏 --> <div class="status-bar"> <div class="status-item"> <i class="icon-status"></i> <span>系统状态: 正常</span> </div> <div class="status-item"> <i class="icon-time"></i> <span>最后更新: {{ currentTime }}</span> </div> </div> </div> </template> <script setup lang="ts" name="brainDetection"> import { reactive, ref, onMounted, computed } from 'vue'; import type { UploadInstance, UploadProps } from 'element-plus'; import { ElMessage } from 'element-plus'; import request from '/@/utils/request'; import { Plus } from '@element-plus/icons-vue'; import { useUserInfo } from '/@/stores/userInfo'; import { storeToRefs } from 'pinia'; import { formatDate } from '/@/utils/formatTime'; import { htmlToPDF } from '/@/utils/pdf' import { marked } from "marked"; import { SocketService } from '/@/utils/socket'; const imageUrl = ref(''); const ai = ref(''); const conf = ref(60); const weight = ref(''); const uploadFile = ref<UploadInstance>(); const stores = useUserInfo(); const { userInfos } = storeToRefs(stores); // 新增功能：当前时间显示 const currentTime = computed(() => { return formatDate(new Date(), 'YYYY-mm-dd HH:MM:SS'); }); const state = reactive({ loading: false, weight_items: [] as any, img: '', data: [] as any, history: [] as any, // 新增历史记录功能 predictionResult: { label: '', confidence: '', allTime: '', suggestion: '' as any }, ai_items: [ { value: 'DeepSeek', label: 'DeepSeek', }, { value: 'Qwen', label: 'Qwen', }, { value: '不使用AI', label: '不使用AI', }, ], form: { username: '', inputImg: null as any, weight: '', conf: null as any, ai: '', startTime: '' }, }); // 新增功能：格式化工具提示 const formatTooltip = (val: number) => { return val / 100 } // 新增功能：重置表单 const resetForm = () => { imageUrl.value = ''; state.img = ''; state.predictionResult = { label: '', confidence: '', allTime: '', suggestion: '' }; state.data = []; ai.value = ''; conf.value = 60; weight.value = ''; ElMessage.success('已重置表单'); }; // 新增功能：显示示例图片 const showExample = () => { ElMessage.info('示例功能开发中...'); }; // 新增功能：复制AI建议 const copySuggestion = () => { const suggestionText = state.predictionResult.suggestion.replace(/<[^>]*>/g, ''); navigator.clipboard.writeText(suggestionText).then(() => { ElMessage.success('建议已复制到剪贴板'); }); }; // 新增功能：保存AI建议 const saveSuggestion = () => { ElMessage.info('保存功能开发中...'); }; const socketService = new SocketService(); socketService.on('message', (data) => { console.log('Received message:', data); ElMessage({ message: data, type: 'success', duration: 3000 }) }); const handleAvatarSuccessone: UploadProps['onSuccess'] = (response, uploadFile) => { imageUrl.value = URL.createObjectURL(uploadFile.raw!); state.img = response.data; }; const getData = () => { request.get('/api/flask/file_names').then((res) => { if (res.code == 0) { res.data = JSON.parse(res.data); state.weight_items = res.data.weight_items; } else { ElMessage.error(res.msg); } }); }; const transformData = (rawData: any): any => { return rawData.label.map((label, index) => ({ allTime: rawData.allTime, confidence: rawData.confidence[index], label: label, })); } const upData = () => { state.loading = true; state.form.weight = weight.value; state.form.conf = (parseFloat(conf.value.toString()) / 100); state.form.username = userInfos.value.userName; state.form.inputImg = state.img; state.form.ai = ai.value; state.form.startTime = formatDate(new Date(), 'YYYY-mm-dd HH:MM:SS'); request.post('/api/flask/predict', state.form).then((res) => { if (res.code == 0) { try { state.loading = false; res.data = JSON.parse(res.data); state.predictionResult.label = JSON.parse(res.data.label); state.predictionResult.confidence = JSON.parse(res.data.confidence); state.predictionResult.allTime = res.data.allTime; state.predictionResult.suggestion = marked(res.data.suggestion); state.data = transformData(state.predictionResult); // 新增功能：添加到历史记录 state.history.unshift({ time: currentTime.value, result: state.predictionResult.label }); // 限制历史记录数量 if (state.history.length > 5) { state.history.pop(); } // 覆盖原图片 if (res.data.outImg) { imageUrl.value = res.data.outImg; } } catch (error) { console.error('解析 JSON 时出错:', error); } ElMessage.success('检测完成！'); } else { state.loading = false; ElMessage.error(res.msg); } }); }; onMounted(() => { getData(); }); </script>

后端代码展示

项目源码+数据集下载链接

完整代码在哔哩哔哩视频下方简介内获取

基于YOLOv8/v10/v11/v12与SpringBoot的前后端分离昆虫识别检测系统（DeepSeek智能分析+web交互界面）_哔哩哔哩_bilibili

https://www.bilibili.com/video/BV1V814B2EfS

视频介绍https://www.bilibili.com/video/BV1V814B2EfS

项目安装教程

https://www.bilibili.com/video/BV1YLsXzJE2X/?spm_id_from=333.1387.homepage.video_card.click

YOLO+spring boot+vue项目环境部署教程（YOLOv8、YOLOv10、YOLOv11、YOLOv12）_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1YLsXzJE2X/?spm_id_from=333.1387.homepage.video_card.click&vd_source=549d0b4e2b8999929a61a037fcce3b0f

基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的前后端分离昆虫识别检测系统（DeepSeek智能分析+web交互界面）

一、系统引言

项目源码+数据集下载链接

二、系统核心特性概述

功能模块

登录注册模块

可视化模块

更换导航栏背景颜色

图像检测模块

视频检测模块

实时检测模块

图片识别记录管理

视频识别记录管理

摄像头识别记录管理

用户管理模块

数据管理模块（MySQL表设计）

模型训练结果

YOLOv8

YOLOv10

YOLOv11

YOLOv12

前端代码展示

部分代码

后端代码展示

项目源码+数据集下载链接

项目安装教程

FaceFusion支持多GPU并行处理：大幅提升批处理效率

具身智能的兴起与测试变革

FaceFusion图形界面版发布：小白用户也能轻松操作

超30W+次下载！纯本地离线永久免费Ai抠图软件，支持AI擦除+批量抠图背景颜色

Open-AutoGLM高效推理实战（内存压缩技术全公开）

Open-AutoGLM性能优化秘诀：5步实现任意分辨率无缝适配

一、 系统引言

项目源码+数据集下载链接

二、 系统核心特性概述

功能模块

登录注册模块

可视化模块

更换导航栏背景颜色

图像检测模块

视频检测模块

实时检测模块

图片识别记录管理

视频识别记录管理

摄像头识别记录管理

用户管理模块

数据管理模块（MySQL表设计）

模型训练结果

YOLOv8

YOLOv10

YOLOv11

YOLOv12

前端代码展示

部分代码

后端代码展示

项目源码+数据集下载链接

项目安装教程

FaceFusion支持多GPU并行处理：大幅提升批处理效率

具身智能的兴起与测试变革

FaceFusion图形界面版发布：小白用户也能轻松操作

超30W+次下载！纯本地离线永久免费Ai抠图软件，支持AI擦除+批量抠图背景颜色

Open-AutoGLM高效推理实战（内存压缩技术全公开）

Open-AutoGLM性能优化秘诀：5步实现任意分辨率无缝适配

一、系统引言

二、系统核心特性概述