概要

本リポジトリは、YOLOv8を用いたサトウキビの病害・害虫検出アプリケーションです。カスタムで収集・アノテーションしたデータセットに基づく学習済みモデルを含み、画像を入力して病斑や害虫の位置・クラスを返すインスタンスセグメンテーションを実行できます。軽量なFlaskベースのWebインターフェースでローカル推論が可能で、農業現場での迅速な初期診断に役立ちます。開発・改善点やライセンス（MIT）も同梱されています。

リポジトリの統計情報

スター数: 23
フォーク数: 0
ウォッチャー数: 23
コミット数: 4
ファイル数: 12
メインの言語: Python

主な特徴

YOLOv8を用いたインスタンスセグメンテーションによる病害・害虫の検出
カスタム学習済みモデルと学習スクリプトを含むワークフロー
Flaskによる簡易ウェブUIで画像アップロード→推論が可能
MITライセンスで商用利用や改変がしやすい

技術的なポイント

本プロジェクトの核はUltralyticsのYOLOv8フレームワークを利用したインスタンスセグメンテーションモデルです。データは現地で収集したサトウキビ画像を専用フォーマットでアノテーションし（一般的にはCOCO/YOLOv8互換フォーマットを想定）、転移学習でカスタムクラスを学習させています。学習時はデータ拡張やバッチ設定、学習率スケジュール等の基本的な設定を行うことで、農作物特有の見え方に対応しています。推論パイプラインはモデル読み込み→前処理（リサイズ・正規化）→推論→後処理（マスク/バウンディングボックスの描画）という流れで、結果はJSONや画像出力で返却される構成です。Flaskアプリは軽量なAPI/フロントエンドを提供し、ローカル環境や小規模クラウド環境での試験運用に適しています。運用面ではモデルの軽量化（Pruning、量子化）、推論高速化（ONNX/TensorRT変換）、継続的データ収集による再学習、評価指標（mAP、IoU）による定量評価が今後の重要課題です。PROJECT_IMPROVEMENTS.mdに改善案や拡張方針が記載されており、実運用に向けた道筋も示唆されています。

プロジェクトの構成

主要なファイルとディレクトリ：

.env.example: file
.gitignore: file
CONTRIBUTING.md: file
LICENSE: file
PROJECT_IMPROVEMENTS.md: file

…他 7 ファイル

まとめ

実用的なYOLOv8ベースのサトウキビ病害検出の出発点で、拡張性が高い実装です。（約50字）

リポジトリ情報：

名前: Sugarcane-Disease-Detection
説明: A YOLOv8-powered instance segmentation system for identifying and localizing diseases infestations in sugarcane crops. Features a custom-trained model
スター数: 23
言語: Python
URL: https://github.com/Nith2005/Sugarcane-Disease-Detection
オーナー: Nith2005
アバター: https://avatars.githubusercontent.com/u/177467074?v=4

READMEの抜粋：

🌾 Sugarcane Disease & Insect Detection

An AI-powered web application for early detection and classification of diseases and insect pests in sugarcane crops using YOLOv8 deep learning models.

📋 Overview

This project provides a complete solution for…

サトウキビ病害・害虫検出 (Sugarcane Disease Detection)