基于YOLOv8n与DeepSeek集成的番茄叶部病害智能识别与问答系统
基于YOLOv8n与DeepSeek集成的番茄叶部病害智能识别与问答系统
摘要
叶部病害的准确、及时识别是智慧农业保障番茄产量与品质的核心环节。现有研究在实验室数据集上取得了高精度，但农作物病虫害识别模型部署落地难、诊断结果缺乏可解释性与针对性防治建议的问题始终未能有效解决。本文提出一个端到端番茄叶部病害智能识别与问答系统，前端基于改进型YOLOv8n目标检测模型实现番茄叶部病害的实时定位与分类，后端借助大型语言模型DeepSeek，将识别结果与病害特征、防治知识深度融合，生成具可操作性的问答响应。在PlantDoc真实场景数据集上，增强后的YOLOv8n模型mAP达85.6％、精确率87.2％、召回率82.9％、F1分数84.6％，推理速度49 fps；在PlantVillage简化背景下精度达到79.4％、87.6％、90.1％和92.3％。DeepSeek模块检索与生成的平均响应耗时为2.8 s。融合实验表明，系统错误绑定率18.1％、拒答率22.0％，识别+检索+问答全流程平均耗时4.6 s，95％的农户可据此独立实施有效防治。本文所提框架实现了从“病害检测”到“防治决策”的完整智能化闭环，为田间农业生产提供实时、精准、可解释的技术支撑。
关键词：番茄叶部病害；YOLOv8n；目标检测；大型语言模型；DeepSeek；问答系统
1 引言
番茄（Solanum lycopersicum）是全世界种植最广泛、消费量最大的蔬菜作物之一，其鲜果及加工制品在全球农业经济和日常饮食中占据重要地位。然而，番茄