102 lines
3.8 KiB
Plaintext
102 lines
3.8 KiB
Plaintext
基于深度学习的救援过程识别系统
|
||
作者：王海滨
|
||
|
||
一、系统简介
|
||
本系统是基于深度学习YOLOv8模型开发的救援过程识别系统，可以实时识别救援场景中的"已救援"和"救援中"两种状态，为救援工作提供智能辅助决策支持。系统支持自定义数据集训练，可根据实际需求扩展识别类别。
|
||
|
||
二、环境配置
|
||
1. 操作系统：Windows 10/11
|
||
2. Python版本：3.8及以上
|
||
3. 依赖库：
|
||
- PyQt5
|
||
- OpenCV (cv2)
|
||
- Ultralytics (YOLOv8)
|
||
- Torch
|
||
- Numpy
|
||
- PIL
|
||
|
||
三、安装说明
|
||
1. 安装Python环境（建议使用Anaconda）
|
||
2. 运行installPackages.py安装所需依赖：
|
||
python installPackages.py
|
||
3. 确保models文件夹中包含训练好的模型文件best.pt
|
||
|
||
四、使用说明
|
||
1. 启动系统：
|
||
python MainProgram.py
|
||
|
||
2. 功能模块：
|
||
a) 图片检测：
|
||
- 点击"图片"按钮，选择需要检测的图片
|
||
- 系统将自动识别图片中的救援状态并显示结果
|
||
|
||
b) 视频检测：
|
||
- 点击"视频"按钮，选择需要检测的视频文件
|
||
- 系统将逐帧分析视频中的救援状态并显示结果
|
||
|
||
c) 摄像头实时检测：
|
||
- 点击"摄像头"按钮，开启摄像头实时检测
|
||
- 系统将实时分析摄像头捕获的画面并显示救援状态
|
||
|
||
d) 批量图片检测：
|
||
- 点击文件夹图标，选择包含多张图片的文件夹
|
||
- 系统将批量处理文件夹中的所有图片并显示结果
|
||
|
||
3. 结果查看：
|
||
- 检测结果将在右侧面板显示，包括目标类别、置信度和位置信息
|
||
- 底部表格显示所有检测到的目标详细信息
|
||
- 可通过下拉菜单选择特定目标查看详情
|
||
|
||
4. 结果保存：
|
||
- 点击"保存"按钮可将检测结果（包含标注的图片或视频）保存到save_data文件夹
|
||
|
||
五、注意事项
|
||
1. 首次运行时，系统会自动下载YOLOv8模型权重文件，请确保网络连接正常
|
||
2. 处理大型视频文件时可能需要较长时间，请耐心等待
|
||
3. 如遇到GPU内存不足问题，可尝试降低视频分辨率或使用CPU模式
|
||
|
||
六、常见问题
|
||
1. Q: 系统无法启动？
|
||
A: 请检查Python环境和依赖库是否正确安装，确保models文件夹中包含模型文件
|
||
|
||
2. Q: 检测结果不准确？
|
||
A: 可能是由于光线、角度等因素影响，尝试调整拍摄环境或使用更高质量的图像
|
||
|
||
3. Q: 视频处理速度慢？
|
||
A: 视频处理需要较高的计算资源，建议使用配置较高的计算机或降低视频分辨率
|
||
|
||
七、自定义标注与训练
|
||
1. 数据准备：
|
||
- 收集与目标场景相似的图片（建议300张以上）
|
||
- 使用标注工具（如LabelImg）对图片进行标注
|
||
- 标注格式为YOLO格式（每个标注对应一个.txt文件）
|
||
|
||
2. 数据集组织：
|
||
- 在datasets目录下创建自定义数据集文件夹（如MyData）
|
||
- 创建train和val两个子文件夹，分别存放训练集和验证集
|
||
- 每个子文件夹下创建images和labels两个文件夹
|
||
- 将图片放入images文件夹，对应标注放入labels文件夹
|
||
|
||
3. 创建配置文件：
|
||
- 在数据集根目录创建data.yaml文件
|
||
- 配置文件内容示例：
|
||
```
|
||
train: 数据集路径/train/images
|
||
val: 数据集路径/val/images
|
||
nc: 2 # 类别数量
|
||
names: ['已救援', '救援中'] # 类别名称
|
||
```
|
||
|
||
4. 训练模型：
|
||
- 修改train.py中的数据集路径和参数
|
||
- 运行训练脚本：python train.py
|
||
- 训练完成后，模型将保存在runs/detect/train/weights目录下
|
||
|
||
5. 使用自定义模型：
|
||
- 将训练好的best.pt复制到models文件夹
|
||
- 修改Config.py中的模型路径和类别名称
|
||
- 重启系统即可使用自定义模型进行识别
|
||
|
||
八、联系方式
|
||
如有任何问题或建议，请联系：17705812500
|
||
作者：王海滨 |