yolov5实现火焰识别/检测步骤记录

最新推荐文章于 2025-06-19 14:50:11 发布

原创最新推荐文章于 2025-06-19 14:50:11 发布 · 1.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #目标检测

本文介绍如何从零开始使用YOLOv5框架训练火灾检测模型，包括环境搭建、数据集准备、模型训练及推理步骤。通过详细指导，帮助读者快速上手目标检测任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.克隆yolov5仓库

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

2.安装python3.7、Pytorch1.7.0环境

3.安装yolov5环境

pip install -r requirements.txt

4.数据集与配置文件

#数据集来源
https://universe.roboflow.com/dataset-9xayt/fire-data-annotations-lwfou
在…/datasets保存数据集

在data目录创建 fire.yaml
内容：
path: …/datasets/fire #dataset path
train: train/images
val: test/images
#test: test/images #optional
nc: 1
names: [‘Fire’]

4.开始训练

#epochs default 300
python train.py --img 640 --batch 16 --epochs 300 --data fire.yaml --weights yolov5s.pt

5.输出的结果在 runs/train/expxx

6.使用模型进行推理

python detect.py --weights runs/train/expxx/weights/best.pt --source
0 # cam
img.jpg # image
vid.mp4 # video
path/ # directory
‘path/*.jpg’ # glob
‘https://youtu.be/Zgi9g1ksQHc’ # YouTube
‘rtsp://example.com/media.mp4’ # RTSP, RTMP, HTTP stream