【源码】林业害虫检测小程序（可拓展美化）

简介

林业有害生物是指危害森林、林木和林木种子正常生长并造成经济损失的病、虫、杂草等有害生物。目前防治的主要办法是提前预防。而对于部分缺乏领域知识的人来说，种类庞大的林业害虫常常让人摸不到头脑，利用人工智能深度学习技术，本项目采用YOLOv5算法+微信小程序设计整个项目，使所有无专业知识的人员也可以轻松辨认林业害虫。

主界面

数据分享界面

检测识别界面

更多详情可以去看视频演示：林业害虫检测识别小程序（支持数据分享和任意模型更换）
要求环境：

python3及及YOLOv5官方的指定环境：requirements.txt
微信开发者工具
设备要求：Windows（GPU/CPU）、Linux（GPU/CPU）

.
├── back                          # 后端
│   ├── Serving_model
│   │   └── commodity
│   │       └── 1
│   │           └── best.pt
│   ├── clear.bat
│   ├── config.yaml
│   ├── detector.py
│   ├── models
│   ├── server_wx.py
│   ├── static
│   │   └── wx_image
│   │       ├── 丝带凤蝶.jpg
│   │       ├── 人纹污灯蛾.jpg
│   │       ├── 日本脊吉丁.jpg
│   │       ├── 杨小舟蛾.jpg
│   │       ├── 杨扇舟蛾.jpg
│   │       ├── 松墨天牛.jpg
│   │       ├── 柳蓝叶甲.jpg
│   │       ├── 桑天牛.jpg
│   │       ├── 褐边绿刺蛾.jpg
│   │       └── 黄刺蛾.jpg
│   └── utils
├── demo
│   ├── 000002.jpg
│   ├── 000009.jpg
│   ├── 000016.jpg
│   ├── 000110.jpg
│   ├── 000185.jpg
│   └── 000206.jpg
└── miniprogram                           # 前端微信小程序├── app.js├── app.json├── app.wxss├── colorui├── images├── pages├── project.config.json├── sitemap.json└── style

如何使用

1、下载源代码：【源码】林业害虫目标检测小程序
2、修改成自己的模型权重，将你自己训练的模型重新命名为：weights.pt，在Serving_model\commodity文件夹下新建一个最新的数字文件夹（例如Serving_model\commodity文件夹下有一个1文件夹，你可以新建一个2文件夹），将weights.pt放入到新建的这个数字文件夹。这里我们的server_wx.py里面会自动检测大数字的文件夹并且调用其权重。这里2比1大因此会优先调用2文件夹中的权重。
3、修改配置文件config.yaml：

# 未解释内容不要做修改！！！
HOST: localhost # 本地测试为localhost，云端部署为0.0.0.0
PORT: 8090 # 根据需求指定端口，默认8090FOLDER: ['caches', 'results','results_json']
CACHE_FOLDER: caches
RESULTS_FOLDER: results
ALLOWED_EXTENSIONS: ['png', 'jpg', 'jpeg']MYDEVICE: '0' # 使用的设备（'0'：代表使用GPU；'cpu'：代表使用CPU）
IMG_SIZE: 640 # 输入图片大小640
THRESHOLD: 0.6 # 置信度
DIR_PATH: Serving_model/commodity/

4、启动服务：

# 确认自己安装好python3环境，其他环境同YOLOv5官方指定环境
python server_wx.py

5、把miniprogram文件夹导入到微信小程序，然后就可以使用了。

需要注意，如果要部署云端或者上线小程序，只需要修改相应的ip地址即可
如果微信小程序不能接收到服务，必须要关闭掉小程序的域名校验

API参数解释

发送

参数	解释
file	二进制读取的图片

回传

参数	解释
code	1代表预测到目标；0代表没有预测到目标
msg	success代表成功；Method Not Allowed代表失败
newslist	包含：output_url：预测的图片地址；result_arg：具体的预测图片目标信息；detect_time：检测时间