YOLO算法实战（3）：火情检测。小白半天学会yolo算法，附详细教程和代码！！！

上两个文章中其实分别讲到了如何使用PyQT来搭建一个可视化的用户界面，以及如何找到数据集，并且训练自己的模型，得到pt文件，有点忘记的同学可以点击下面的链接回顾一下

yolo算法实战（1）：人脸检测+实时显示界面GUI（附代码！！！）

yolo算法实战（2）：小白怎么用数据集训练自己的yolo算法？附详细教程和代码！

不知道小伙伴们还记不记得上次，我说要做100个场景下yolo算法的应用，

这两天我仔细回看自己的帖子，感觉还是要规划一下整体的方案，要不然太零散了，同学们找都不好找

所以，今天带来第一个算法的应用，使用yolo检测火情

1. 安装python（推荐版本311）

这里直接给出下载地址

https://www.python.org/downloads/

点击【Download Python 3.11】

安装时务必勾选 ✅【Add Python to PATH】再点击 Install Now

等待安装完成后，在命令行窗口输入

python --version

如果也能显示下面的界面就说明已经安装完成了

关于怎么找到命令行窗口，我在这里给出两种简单的方式

如果你使用的是 Windows
✅ 方式1：使用“命令提示符（CMD）”
按下键盘上的 Win 键（或者点击左下角开始菜单）

输入 cmd, 回车，就打开了命令提示符窗口（黑底白字）

✅ 方式2：使用“PowerShell”
同样在开始菜单搜索 powershell，回车，打开一个蓝色背景的命令窗口

如果你使用的是 macOS
按下 Command + 空格，搜索Terminal，回车，即可打开终端，然后在里面输入

python3 --version

如果你使用的是 Linux
可以按 Ctrl + Alt + T 快捷键直接打开终端，或者点左下角“活动”，搜索“Terminal”

一般linux下默认安装好了 Python

2. 安装PyCharm（社区版免费！！！）

这里直接给出一个链接

https://www.jetbrains.com/pycharm/download

选择左边的 Community（免费版），下载安装

安装完成后打开，点击：

“New Project” → 选择 Python解释器

新建一个 .py 文件，输入 print("Hello YOLO")，运行测试是否正常

3. 下载yolo v5

那么安装完前两个必须的内容，就可以真正着手训练自己的算法了，

但是这里需要先从网上下载发布的yolo算法，然后再使用自己的数据集进行训练

为什么要这么做呢？，在文章最后，给大家讲解，这里不写，避免影响大家整体的学习节奏，感兴趣的可以直接到最后部分深入了解原因。

那么，怎么下载yolo v5呢？
第一步、在 PyCharm 终端或系统命令行中依次执行：

git clone https://github.com/ultralytics/yolov5

cd yolov5

pip install -r requirements.txt

这里出现了Git，可能小伙伴，又迷惑了，怎么又出来一个东西，与github什么关系？这个这次没办法讲，下次我会专门出一个与github相关的文章，为大家答疑解惑。欢迎大家保持关注！

如果没有安装 Git，可以手动下载 zip：

https://github.com/ultralytics/yolov5

点击右上角【Code → Download ZIP】，解压后打开

4. 下载数据集

简答的说，刚刚我们下载的yolo算法可以初步识别一些常见的内容，但是没办法完成我们特定目标的识别，所以我们还需要下载特别的数据集，然后对算法进行重新的训练，以达到我们的目的，这一点在文章最后有详细原因说明。

这里直接提供一个公开火灾数据集，直接可用：

https://universe.roboflow.com/fire-detection/fire-dataset-4kjkq

点击右上角 Download this Dataset

格式选择：YOLOv5 + ZIP

下载后解压，得到一个结构类似这样的目录：

fire-dataset/
  ├── train/
  │   ├── images/
  │   └── labels/
  ├── valid/
  │   ├── images/
  │   └── labels/

关于上面几个部分的介绍，我在这个里面都详细介绍了，还不明白的可以去了解一下

5.（最关键）训练和测试

1️⃣ 创建配置文件 fire.yaml
在 yolov5/data/ 目录下新建 fire.yaml，内容如下（根据数据集实际路径改）：

train: ../fire-dataset/train/images
val: ../fire-dataset/valid/images
nc: 1
names: ['fire']

2️⃣ 启动训练（在 yolov5 根目录下执行）：

python train.py --img 640 --batch 8 --epochs 30 --data data/fire.yaml --weights yolov5s.pt --name fire_detector

训练完成后，会在 runs/train/fire_detector/weights/ 目录下生成 best.pt

测试一张图片：

python detect.py --weights runs/train/fire_detector/weights/best.pt --source your_test.jpg

测试摄像头

python detect.py --weights runs/train/fire_detector/weights/best.pt --source 0

6. tips

1.很多同学有点搞不清python和pycharm的区别，以为下载了pycharm就已经下载了Python，不是这样的。

python是一种编程语言，而PyCharm则被认为是一个ide，也就是集成开发环境，在这里面，你可以使用可视化的界面，进行编码，但是写完的代码如果需要运行，则需要你的电脑上已经安装了python

2.对我们来说，python最强大的不是语言本身，而是使用python的时候我们可以调用不同的包
3. 注意苹果系统下要输入的是``python3 --version``
4. 下载好的yolo算法部分情况下可以直接用，但是大部分时候还是要有自己的数据集，进行训练出专属的模型

7. 预告

这次详细介绍了火情的检测，里面还涉及到软件的安装，相信跟着我学，一定能短时间学会应用

那么，下一期，出什么呢？

有想法的同学可以直接斯我或者评论区留下自己的需求

8. 附录

下载了 YOLOv5，为什么还要自己下载数据集训练？不能直接用？

✅ 可以直接用 YOLOv5（但用途不同）

当下载 YOLOv5 时，里面带有 预训练模型（如 yolov5s.pt、yolov5m.pt 等），这些模型是 已经训练好了的，可以立刻用来识别常见目标，比如：

➤ 示例：直接使用

python detect.py --weights yolov5s.pt --source your_image.jpg

这行命令不需要你训练，它会识别你图像中是否有“人”、“车”等常见目标。

❌ 但是预训练模型不能识别火情

因为 预训练模型没有学过“火焰”或“烟雾” 这类东西。就像你教学生学英语，他们没学过“火焰”这个单词，自然不会认。

✅ 所以要识别“火情”，必须重新训练 YOLO

我们要做的是

1. 准备好包含“火”和“烟”的图片 + 标签
2. 用这些数据 教会 YOLO 怎么识别火情
3. 得到一个新的模型 best.pt，它能专门识别火焰