leafMD 植物病害检测系统
leafMD
AI视觉
3/5
🧩 软硬件结合
已发布
项目简介
开源植物病害检测系统，用计算机视觉和PyTorch，针对Apple Silicon优化。
一个利用计算机视觉和PyTorch的开源植物病害检测系统，针对Apple Silicon硬件进行了全面优化。
标签
项目特点
**100% 开源**：无 API 费用，无云依赖，完全本地运行。
**边缘优先**：完全在 Mac 和移动设备上运行，保护数据隐私。
**面向农民**：可在偏远地区离线工作，无需网络连接。
**研究驱动**：基于最新的 YOLO26n 模型和 PlantVillage 数据集。
**自动化流水线**：从训练到 iOS 部署，一条命令即可完成。
**MPS 安全层**：自动检测并缓解 Apple Silicon GPU 的已知 bug。
**智能量化**：INT8 校准在保持 >95% 精度的同时，将模型大小缩小至 1/4。
技术规格
| 核心框架 | PyTorch 2.6+ |
|---|---|
| 模型架构 | YOLO26n (NMS-free) |
| 硬件要求 | Apple Silicon Mac (M1/M2/M3/M4)，推荐 M4 Max 36GB+ 内存 |
| 最低内存 | 16GB |
| 磁盘空间 | 25GB 空闲空间 |
| 操作系统 | macOS 12.3+ |
| Python 版本 | 3.11 或 3.12 |
| 导出格式 | CoreML (INT8), ONNX |
| 训练时间 | 约 60 分钟 (M4 Max) |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| macOS 12.3+ | 1 | — | 必需 |
| Python 3.11/3.12 | 1 | — | 必需 |
| PyTorch 2.6+ | 1 | — | 必需 |
| Xcode 15.0+ | 1 | — | 仅用于 iOS 部署 |
| Apple Silicon Mac | 1 | — | 必需 |
| 16GB+ RAM | 1 | — | 推荐 36GB+ |
| 25GB+ 磁盘空间 | 1 | — | 必需 |
| 互联网连接 | 1 | — | 仅首次下载数据集时需要 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
🔵 数理与计算: 4/5
🔵 动手与操作: 2/5
⚪ 狂热与坚持: 2/5
⚪ 创造与创新: 3/5
所需技能
🔧 **动手能力**：能够配置 Python 开发环境、安装依赖、运行命令行脚本。
💻 **编程能力**：具备 Python 基础，了解 PyTorch 和 YOLO 模型的基本概念，能够阅读和修改配置文件。
⚡ **电子电路**：不涉及。
适用场景
**农业技术研究**：用于快速开发和测试植物病害检测模型。
**移动端农业应用**：为 iOS 或 Android 应用提供离线、轻量级的病害识别功能。
**边缘计算部署**：在 Mac 或未来的嵌入式设备上部署，用于田间地头的实时诊断。
**教育与学习**：作为学习计算机视觉、模型训练和部署的完整项目案例。