图像分类和检测一体化平台目录结构说明：
Dataset图像标注根目录├─classfication 图像分类标注根目录├─detection 图像检测标注根目录│├─disease 某检测数据集标注目录-本例为病虫害││├─images Yolo训练时，默认指定的图片文件夹名称│││├─train Yolo训练时，默认指定的训练集图片文件夹名称，可由后续系统生成│││└─val Yolo训练时，默认指定的验证集图片文件夹名称，可由后续系统生成││├─labels Yolo训练时，默认指定的标注文件夹名称│││├─train Yolo训练时，默认指定的训练集标注文件夹名称，可由后续系统生成│││└─val Yolo训练时，默认指定的验证集标注文件夹名称，可由后续系统生成││└─original_image 图像检测标注时，临时用的文件夹││├─images 图像检测标注时，临时用的图片文件夹││├─jsonlabels 图像检测标注时，临时用的标注文件夹，建议为json标注格式，需要后续转换为txt格式││├─labels 图像检测标注时，临时用的标注文件夹，建议为txt标注格式，避免后续变更名称││└─xlmlabels 图像检测标注时，临时用的标注文件夹，建议为xml标注格式，需要后续转换为txt格式└─models 放置yolo自带的预训练模型
yolov8n.pt 属于其预训练权重文件，使用的是 COCO 数据集进行训练。COCO 数据集涵盖 80 个目标检测标签，具体如下：
人：person
交通工具：bicycle、car、motorcycle、airplane、bus、train、truck、boat
户外设施：traffic light、fire hydrant、stop sign、parking meter、bench
动物：bird、cat、dog、horse、sheep、cow、elephant、bear、zebra、giraffe
生活用品：backpack、umbrella、handbag、tie、suitcase、frisbee、skis、snowboard、sports ball、kite、baseball bat、baseball glove、skateboard、surfboard、tennis racket
厨房用品：bottle、wine glass、cup、fork、knife、spoon、bowl
食物：banana、apple、sandwich、orange、broccoli、carrot、hot dog、pizza、donut、cake
家具：chair、couch、potted plant、bed、dining table、toilet
电子设备：tv、laptop、mouse、remote、keyboard、cell phone
家电：microwave、oven、toaster、sink、refrigerator
其他：book、clock、vase、scissors、teddy bear、hair drier、toothbrush
为了和yolov8自带的模型有所区分，我们标注papillosa（荔枝蝽）6张图片和gallmidge（荔枝叶瘿蚊）7张图片。即上文完成的标注数据。
