【算法介绍】
基于YOLOv8的鸡粪疾病诊断检测系统是一种创新性的技术应用，旨在通过图像分析实现对鸡粪中疾病的快速、准确诊断。YOLOv8，即“You Only Look Once version 8”，是目前最先进的目标检测模型之一，以其高精度和高速度著称。
该系统利用YOLOv8模型的尖端技术，能够识别和分析鸡粪中的关键特征，从而判断鸡只是否存在某些特定疾病。通过对鸡粪的图像进行网格划分，每个网格单元都会独立预测出不同的边界框和类别概率，从而实现对疾病的准确诊断。
YOLOv8模型的优势在于其无锚点（Anchor-Free）的检测头，结合新的损失函数，提高了检测小尺寸物体的准确性，这对于鸡粪中细微的病理特征识别尤为重要。此外，该模型还具备高度的灵活性和可扩展性，能够在不同的硬件平台上运行，从CPU到GPU均能适配。
该系统能够实时、非接触式地进行鸡粪疾病诊断，极大地提高了养殖业的疾病防控效率。通过及时发现和处理疾病问题，该系统有助于减少鸡只的死亡率，提高养殖效益，同时也为动物福利提供了有力保障。
总的来说，基于YOLOv8的鸡粪疾病诊断检测系统为养殖业提供了一种高效、准确的疾病诊断解决方案，对于保障鸡只健康、提高养殖效益具有重要意义。
【效果展示】
温馨提示：为了防止引起不适做了涂黑处理，实际检测结果没有黑块
【项目编号】
mbd.pub/o/bread/Zp6YmJ1v
【测试环境】
windows10
anaconda3+python3.8
torch==1.9.0+cu111
ultralytics==8.3.21
【模型可以检测出类别】
Coccidiosis-like（球虫病样）、Healthy（健康）、NCD-like（新城疫样）、Salmonella-like（沙门氏菌样）
【训练数据集】
[数据集][目标检测]鸡粪疾病检测数据集VOC+YOLO格式15589张4类别-CSDN博客
【训练信息】
参数 | 值 |
训练集图片数 | 13644 |
验证集图片数 | 1298 |
训练map | 91.0% |
训练精度(Precision) | 90.8% |
训练召回率(Recall) | 85.5% |
验证集测试精度信息
类别 | MAP50(单位：%) |
all | 91 |
Coccidiosis-like | 95 |
Healthy | 93 |
NCD-like | 84 |
Salmonella-like | 91 |
【部分实现源码】
class Ui_MainWindow(QtWidgets.QMainWindow):
signal = QtCore.pyqtSignal(str, str)
def setupUi(self):
self.setObjectName("MainWindow")
self.resize(1280, 728)
self.centralwidget = QtWidgets.QWidget(self)
self.centralwidget.setObjectName("centralwidget")
self.weights_dir = './weights'
self.picture = QtWidgets.QLabel(self.centralwidget)
self.picture.setGeometry(QtCore.QRect(260, 10, 1010, 630))
self.picture.setStyleSheet("background:black")
self.picture.setObjectName("picture")
self.picture.setScaledContents(True)
self.label_2 = QtWidgets.QLabel(self.centralwidget)
self.label_2.setGeometry(QtCore.QRect(10, 10, 81, 21))
self.label_2.setObjectName("label_2")
self.cb_weights = QtWidgets.QComboBox(self.centralwidget)
self.cb_weights.setGeometry(QtCore.QRect(10, 40, 241, 21))
self.cb_weights.setObjectName("cb_weights")
self.cb_weights.currentIndexChanged.connect(self.cb_weights_changed)
self.label_3 = QtWidgets.QLabel(self.centralwidget)
self.label_3.setGeometry(QtCore.QRect(10, 70, 72, 21))
self.label_3.setObjectName("label_3")
self.hs_conf = QtWidgets.QSlider(self.centralwidget)
self.hs_conf.setGeometry(QtCore.QRect(10, 100, 181, 22))
self.hs_conf.setProperty("value", 25)
self.hs_conf.setOrientation(QtCore.Qt.Horizontal)
self.hs_conf.setObjectName("hs_conf")
self.hs_conf.valueChanged.connect(self.conf_change)
self.dsb_conf = QtWidgets.QDoubleSpinBox(self.centralwidget)
self.dsb_conf.setGeometry(QtCore.QRect(200, 100, 51, 22))
self.dsb_conf.setMaximum(1.0)
self.dsb_conf.setSingleStep(0.01)
self.dsb_conf.setProperty("value", 0.25)
self.dsb_conf.setObjectName("dsb_conf")
self.dsb_conf.valueChanged.connect(self.dsb_conf_change)
self.dsb_iou = QtWidgets.QDoubleSpinBox(self.centralwidget)
self.dsb_iou.setGeometry(QtCore.QRect(200, 160, 51, 22))
self.dsb_iou.setMaximum(1.0)
self.dsb_iou.setSingleStep(0.01)
self.dsb_iou.setProperty("value", 0.45)
self.dsb_iou.setObjectName("dsb_iou")
self.dsb_iou.valueChanged.connect(self.dsb_iou_change)
self.hs_iou = QtWidgets.QSlider(self.centralwidget)
self.hs_iou.setGeometry(QtCore.QRect(10, 160, 181, 22))
self.hs_iou.setProperty("value", 45)
self.hs_iou.setOrientation(QtCore.Qt.Horizontal)
self.hs_iou.setObjectName("hs_iou")
self.hs_iou.valueChanged.connect(self.iou_change)
self.label_4 = QtWidgets.QLabel(self.centralwidget)
self.label_4.setGeometry(QtCore.QRect(10, 130, 72, 21))
self.label_4.setObjectName("label_4")
self.label_5 = QtWidgets.QLabel(self.centralwidget)
self.label_5.setGeometry(QtCore.QRect(10, 210, 72, 21))
self.label_5.setObjectName("label_5")
self.le_res = QtWidgets.QTextEdit(self.centralwidget)
self.le_res.setGeometry(QtCore.QRect(10, 240, 241, 400))
self.le_res.setObjectName("le_res")
self.setCentralWidget(self.centralwidget)
self.menubar = QtWidgets.QMenuBar(self)
self.menubar.setGeometry(QtCore.QRect(0, 0, 1110, 30))
self.menubar.setObjectName("menubar")
self.setMenuBar(self.menubar)
self.statusbar = QtWidgets.QStatusBar(self)
self.statusbar.setObjectName("statusbar")
self.setStatusBar(self.statusbar)
self.toolBar = QtWidgets.QToolBar(self)
self.toolBar.setToolButtonStyle(QtCore.Qt.ToolButtonTextBesideIcon)
self.toolBar.setObjectName("toolBar")
self.addToolBar(QtCore.Qt.TopToolBarArea, self.toolBar)
self.actionopenpic = QtWidgets.QAction(self)
icon = QtGui.QIcon()
icon.addPixmap(QtGui.QPixmap(":/images/1.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
self.actionopenpic.setIcon(icon)
self.actionopenpic.setObjectName("actionopenpic")
self.actionopenpic.triggered.connect(self.open_image)
self.action = QtWidgets.QAction(self)
icon1 = QtGui.QIcon()
icon1.addPixmap(QtGui.QPixmap(":/images/2.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
self.action.setIcon(icon1)
self.action.setObjectName("action")
self.action.triggered.connect(self.open_video)
self.action_2 = QtWidgets.QAction(self)
icon2 = QtGui.QIcon()
icon2.addPixmap(QtGui.QPixmap(":/images/3.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
self.action_2.setIcon(icon2)
self.action_2.setObjectName("action_2")
self.action_2.triggered.connect(self.open_camera)
self.actionexit = QtWidgets.QAction(self)
icon3 = QtGui.QIcon()
icon3.addPixmap(QtGui.QPixmap(":/images/4.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)
self.actionexit.setIcon(icon3)
self.actionexit.setObjectName("actionexit")
self.actionexit.triggered.connect(self.exit)
self.toolBar.addAction(self.actionopenpic)
self.toolBar.addAction(self.action)
self.toolBar.addAction(self.action_2)
self.toolBar.addAction(self.actionexit)
self.retranslateUi()
QtCore.QMetaObject.connectSlotsByName(self)
self.init_all()【使用步骤】
使用步骤：
（1）首先根据官方框架ultralytics安装教程安装好yolov8环境，并安装好pyqt5
（2）切换到自己安装的yolov8环境后，并切换到源码目录，执行python main.py即可运行启动界面，进行相应的操作即可
【提供文件】
python源码
yolov8n.onnx模型（不提供pytorch模型）
训练的map,P,R曲线图(在weights\results.png)
测试图片（在test_img文件夹下面）
