yolov5算法可视化界面

### YOLOv5算法可视化界面实现 对于YOLOv5算法的可视化界面实现，可以采用多种工具和技术来完成。一种常见的方式是在`detect_defect`函数中集成YOLOv5模型进行检测并展示结果[^1]。 #### 使用PyQt6构建图形用户界面(GUI) 为了创建更加复杂的用户交互体验，可以选择使用PyQt6作为开发环境。PyQt6是一个强大的跨平台Python GUI框架，适用于各种规模的应用程序开发。它不仅支持丰富的控件集，还提供了良好的文档和支持社区[^2]。 ```python import sys from PyQt6.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel, QVBoxLayout, QWidget from PyQt6.QtGui import QPixmap import cv2 from yolov5.detect import run # 假设这是调用YOLOv5检测的方法 class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("YOLOv5 Defect Detection") layout = QVBoxLayout() self.label = QLabel(self) layout.addWidget(self.label) button = QPushButton("Capture Frame", self) button.clicked.connect(self.capture_frame) layout.addWidget(button) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) def capture_frame(self): cap = cv2.VideoCapture(0) ret, frame = cap.read() if not ret: print("Failed to grab frame") return results = run(frame=frame) # 这里假设run()返回的是带有标注框的结果图片路径或者numpy数组形式的数据 image_path_or_array = results['image'] pixmap = QPixmap(image_path_or_array) self.label.setPixmap(pixmap) app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec()) ``` 此代码片段展示了如何利用PyQt6建立一个简单的窗口应用程序，在其中包含了捕获图像按钮以及用于显示处理后的图像标签组件。当按下“Capture Frame”按钮时，会触发摄像头捕捉一帧，并将其传递给YOLOv5模型进行预测；之后再把含有边界框标记的目标识别结果显示出来。 #### 结合OpenCV与Matplotlib实现实时预览功能 除了上述提到的技术栈外，还可以考虑结合OpenCV和Matplotlib这两个库来进行更灵活的操作。比如可以在不启动独立GUI的情况下快速测试YOLOv5的效果： ```python import matplotlib.pyplot as plt import numpy as np import torch from PIL import Image import cv2 from yolov5.models.experimental import attempt_load from yolov5.utils.general import non_max_suppression, scale_coords from yolov5.utils.plots import plot_one_box device = 'cuda' if torch.cuda.is_available() else 'cpu' model = attempt_load('path/to/yolov5s.pt', map_location=device).eval() cap = cv2.VideoCapture(0) while True: ret, img_bgr = cap.read() if not ret: break img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) img_tensor = (torch.from_numpy(np.ascontiguousarray(img_rgb)).float().to(device)/255.).unsqueeze(0) pred = model(img_tensor)[0] det = non_max_suppression(pred, conf_thres=0.4, iou_thres=0.5)[0] if len(det): det[:, :4] = scale_coords(img_tensor.shape[2:], det[:, :4], img_bgr.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{conf:.2f}' plot_one_box(xyxy, img_bgr, label=label, color=(0, 255, 0), line_thickness=3) cv2.imshow('YOLOv5 Real-Time Preview', img_bgr) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release() ``` 这段脚本实现了从摄像头读取视频流并通过YOLOv5执行目标检测的任务。每次迭代都会更新窗口内的实时画面，直到按下了键盘上的‘Q’键才会停止循环并关闭所有资源[^3]。