RA6M5 茶叶病害智能识别网站

这是一个面向 RA6M5/Linux 边缘设备部署的茶叶病害识别网站。项目使用 Flask 提供 Web 页面与接口，使用 PyTorch CNN 模型完成图片分类，并可从 /dev/video0 读取 USB 摄像头画面进行实时识别；同时提供基于 DashScope 的农业知识问答页面。

主要功能

上传茶叶图片并返回病害类别、置信度和推理耗时
USB 摄像头实时视频流与逐帧分类
支持 8 类茶叶叶片状态识别
浏览器端展示识别结果、运行状态和实时 FPS
可选DeepSeek智能问答，需要接入API
保留项目中的 Ultralytics、示例和测试代码，便于继续扩展目标检测功能

项目结构

web5_RA6M5/
├── app2.py                  # RA6M5 网站主入口
├── app.py                   # 历史 YOLO 检测入口
├── app1.py                  # 历史图片分类入口
├── requirements.txt         # Python 依赖
├── templates/               # Flask 页面模板
├── static/                  # CSS、JavaScript、图片及模型资源
├── tea/
│   ├── model.py             # CNN 网络定义
│   ├── class_indices.json   # 类别映射
│   └── CNN1.pth             # 当前分类模型权重
├── ultralytics/             # 项目内保留的 Ultralytics 源码
├── examples/                # 推理示例
├── docs/                    # 相关文档
└── tests/                   # 测试代码

训练数据集体积较大，不包含在 GitHub 仓库中：

tea/data/
tea/picture/

环境要求

Python 3.9 或更高版本
Linux、WSL 或 RA6M5 Linux 系统
USB 摄像头（实时识别功能需要）
PyTorch 与 Torchvision

在 ARM/RA6M5 平台上，建议先安装与设备架构和系统版本匹配的 PyTorch、Torchvision 软件包，再安装其余依赖。

安装依赖

python -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -r requirements.txt

Windows PowerShell 激活虚拟环境时使用：

.\.venv\Scripts\Activate.ps1

配置智能问答

智能问答使用环境变量读取 DashScope 配置，不要把真实密钥写入代码或提交到 GitHub。

Linux：

export DASHSCOPE_APP_ID="your-app-id"
export DASHSCOPE_API_KEY="your-api-key"

Windows PowerShell：

$env:DASHSCOPE_APP_ID="your-app-id"
$env:DASHSCOPE_API_KEY="your-api-key"

未配置上述变量时，图片和摄像头识别仍可使用，但智能问答接口不可用。

启动网站

请在项目根目录执行：

python app2.py

浏览器访问：

http://127.0.0.1:5000

局域网中的其他设备可通过 RA6M5 主机 IP 访问：

http://<RA6M5-IP>:5000

USB 摄像头

当前摄像头设备固定为：

/dev/video0

启动前可检查设备：

ls -l /dev/video0

如果当前用户没有摄像头权限，可将用户加入 video 组，重新登录后再运行：

sudo usermod -aG video "$USER"

网站中的“开启识别”和“关闭识别”按钮分别控制摄像头采集。模型首次启动时会加载 tea/CNN1.pth，耗时取决于设备性能。

主要接口

接口	方法	功能
`/`	GET	图片识别首页
`/predict`	POST	接收 `image` 文件并返回分类结果
`/produce`	GET	USB 摄像头实时识别页面
`/camera/control`	POST	开启或关闭摄像头
`/camera/feed`	GET	MJPEG 实时视频流
`/camera/latest_result`	GET	获取最新识别结果
`/aichat`	GET	智能问答页面
`/chat`	POST	调用 DashScope 应用

类别说明

当前模型包含以下 8 类：健康茶叶、灰色光、炭疽病、白斑病、红叶斑点病、藻类叶片、褐枯病和鸟眼斑点。实际类别名称以 tea/class_indices.json 为准。

注意事项

app2.py 是本项目面向 RA6M5 的当前入口。
项目默认以 Flask 调试服务器启动，仅适合开发和局域网演示。
摄像头路径、模型路径及结果目录目前在代码中配置，运行时请从项目根目录启动。
不要公开 DashScope 密钥、设备凭据或用户上传的图片。
模型效果取决于训练数据、拍摄光照、背景与叶片清晰度，不应将识别结果直接作为农业用药依据。

工业级多通道数据采集与嵌入式控制终端