pyqt5 yolov11目标检测界面

### 构建PyQt5 GUI以实现YOLOv11目标检测应用 #### 创建项目结构 为了高效地管理代码，建议按照模块化的方式组织文件夹和文件。通常情况下，一个典型的项目结构如下： - `main.py`：程序入口点。 - `ui/`：存储由 Qt Designer 设计并转换成 Python 代码的 UI 文件。 - `models/`：放置 YOLOv11 的权重和其他配置文件。 - `utils/`：辅助函数库。 #### 使用Qt Designer设计界面 通过Qt Designer可视化编辑器来绘制用户交互窗口[^2]。完成布局后保存为`.ui`格式，并使用`pyuic5`命令将其编译为Python脚本以便于后续编程调用。 ```bash $ pyuic5 -o ui_mainwindow.py mainwindow.ui ``` #### 加载预训练模型 对于YOLOv11而言，在加载之前需确认已安装必要的依赖项如OpenCV、Torch等。接着定义一个类负责初始化网络参数以及执行推理过程。 ```python import torch from models.experimental import attempt_load class Detector(): def __init__(self, weights_path='weights/yolov11.pt'): device = 'cuda' if torch.cuda.is_available() else 'cpu' model = attempt_load(weights_path, map_location=device) self.model = model.eval().to(device) def detect(self, img): results = self.model(img) return results.pandas().xyxy[0].values.tolist() ``` #### 实现主窗体逻辑 继承自`QMainWindow`基类创建新的子类表示应用程序的主要视图控制器。在此基础上关联按钮点击事件处理方法至槽函数，从而触发图像上传、预测分析等功能操作。 ```python from PyQt5.QtWidgets import QMainWindow, QApplication, QFileDialog from ui.ui_mainwindow import Ui_MainWindow from utils.detector import Detector import sys class MainWindow(QMainWindow, Ui_MainWindow): def __init__(parent=None): super().__init__(parent=parent) setupUi(this) detector_instance = Detector() @Slot() def on_btn_select_image_clicked(): file_name,_ = QFileDialog.getOpenFileName( caption="Select Image", filter="Images (*.png *.jpg)") if not file_name: return pixmap.load(file_name) lbl_image.setPixmap(pixmap.scaled(lbl_image.size())) detections = detector_instance.detect(cv2.imread(file_name)) update_detection_list(detections) if __name__ == '__main__': app = QApplication(sys.argv) window = MainWindow() showMaximized(window) exit(app.exec_()) ```