YOLOV5 部署：QT的可视化界面推理（根据UI窗口编写内部函数）_yolov5目标检测qt界面制作

1、前言

上一章，UI的可视化界面已经创建好了。并且通过UI文件编译成了python可以处理的py文件，为了方便使用，我们新建了qt_inference 对ui的py脚本进行调用，效果如下

UI可视化的生成：YOLOV5 部署：QT的可视化界面推理（创建UI，并编译成py文件）-CSDN博客

本章将接着上面操作，完成一个可以实时检测的YOLOV5可视化推理界面

下面将根据项目一步一步实现函数，可能会看得有点头昏，或者害怕代码缺失的问题。不用担心，文末会有脚本的全部代码，可以拷贝下面跟着博文一起实现就行了

2、简单的图片、视频检测函数

下面对ui的每一个按钮绑定一个事件，达到理想的效果

run 方法的detect_image 就是上一章中，按钮的重新命名，当然在编译生成ui_main_window脚本里也可以看到按钮的名称

如下：点击按钮，就能出现信息啦

3、torch.hub 检测

因为yolov5的检测参数太多，不方便可视化的部署，所以这里介绍一个简单的推理方法

代码如下：

前面的pathlib是为了解决path报错的问题，如果没有报错的话，可以删除这三行

torch.hub.load 参数：当前文件夹、自定义模型、权重路径、本地项目

import torch
 
'''
解决下面的问题
Exception: cannot instantiate 'PosixPath' on your system. Cache may be out of date,
try `force_reload=True` or see https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading for help.
'''
import pathlib
temp = pathlib.PosixPath
pathlib.PosixPath = pathlib.WindowsPath
 
 
model = torch.hub.load('./','custom',path='runs/train/exp/weights/best.pt',source='local')
 
img = './datasets/images/train/180.jpg'
 
result = model(img)
 
result.show()

运行：其实pycharm控制台也可以看见解释器的位置

结果：

result.render()[0]  添加这个,可以将推理结果的图片数组提出来，而非show

4、图片检测事件

既然按钮已经和我们的代码绑定在一起了，只要在代码里实现想要的操作就易如反掌了，这也是我们擅长的

4.1 读取文件夹、图片

因为点击图片检测按钮的时候，应该会弹出一个窗口，让我们在本地的目录下进行查找待推理的图片，这里需要导入下面的库函数

这里的dir 是默认打开的文件路径，filter 是指定打开的文件格式，这里是图片格式

效果如下：

如果什么都不选，点击取消的话，也会返回两个元组，只不过都是空的。而我们只需要第一个元组，因为这个是图片的路径！！

4.2 在UI界面中显示图片

需要导入函数，用于QT的显示图片

然后把路径传入input窗口即可（还记得吗，input是我们定义的显示图片的组件名称）

4.3 推理部分

那么根据第三节的hub检测，推理的代码就很好写了

首先导入库

然后导入模型，并且推理即可

4.4 显示推理结果

因为image 是个数组形式，虽然也是个图片，但是QT不支持，所以需要转成QT的格式

将数组转入QT格式的数据

调用推理函数，并且输出即可

4.5 可视化图片检测的完整代码

代码：

import sys
from PySide6.QtWidgets import QMainWindow,QApplication,QFileDialog      # 打开文件夹的函数
from ui_main_window import Ui_MainWindow
from PySide6.QtGui import QPixmap,QImage           # 显示图片库,qt的图片格式
 
 
import torch
'''
解决下面的问题
Exception: cannot instantiate 'PosixPath' on your system. Cache may be out of date,
try `force_reload=True` or see https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading for help.
'''
import pathlib
temp = pathlib.PosixPath
pathlib.PosixPath = pathlib.WindowsPath
 
 
# 图片转换
def convert2QImage(img):
    h,w,c = img.shape
    return QImage(img,w,h,w*c,QImage.Format_RGB888)
 
 
class MainWindow(QMainWindow,Ui_MainWindow):
    def __init__(self):
        super(MainWindow,self).__init__()
        self.setupUi(self)      # 根据ui文件编译成的 py类
        self.model = torch.hub.load('./','custom',path='runs/train/exp/weights/best.pt',source='local')     # 加载模型
        self.run()              # 将按钮和事件绑定，通过鼠标点击触发
 
    def image_pred(self,file_path):
        results = self.model(file_path)
        image = results.render()[0]     # 推理结果，是个数组
        image = convert2QImage(image)   # 转成QT支持的数据
        return image
 
    def open_image(self):       # 打开图片
        print('image detect')
        file_path = QFileDialog.getOpenFileName(self,dir='datasets/images/val',filter='*.jpg;*.png;*.jpeg')
 
        if file_path[0]:        # 如果有图片的话
            file_path = file_path[0]
            self.input.setPixmap(QPixmap(file_path))        # 将图片显示到可视化窗口的输入部分
            qimage = self.image_pred(file_path)
            self.output.setPixmap(QPixmap.fromImage(qimage))         # # 将图片显示到可视化窗口的输出部分
 
    def open_video(self):       # 打开视频
        print('video detect')
 
    def run(self):              # 鼠标触发的事件
        self.detect_image.clicked.connect(self.open_image)
        self.detect_video.clicked.connect(self.open_video)
 
 
if __name__ == '__main__':
    app = QApplication(sys.argv)
 
    window = MainWindow()
    window.show()
 
    app.exec()

控制台输出：

可视化结果展示：

5、视频检测事件

视频检测的部分可图片检测一样，抽取每帧然后推理、输出，这里只做简单介绍

传统的while 循环在QT里面可能会有较大延迟，为了方便，这里使用计时器来实现视频检测

代码的逻辑很简单，通过计时器计数，达到一定时间自动抽取一帧进行预测

视频检测：

6、完整代码

项目的逻辑很简单，首先可视化窗口，检测鼠标是否点击了检测的按钮（run函数）

如果检测了图片，将根据路径找到图片进行推理，并且展示在窗口中

如果检测了视频，则计时器开始计时，每到一个间隔，自动运行video_pred 函数，也就是视频检测，自动读取一帧

 代码：

import sys
import cv2
from PySide6.QtWidgets import QMainWindow,QApplication,QFileDialog      # 打开文件夹的函数
from ui_main_window import Ui_MainWindow
from PySide6.QtGui import QPixmap,QImage           # 显示图片库,qt的图片格式
from PySide6.QtCore import QTimer               # 显示视频的计时器
 
import torch
'''
解决下面的问题
Exception: cannot instantiate 'PosixPath' on your system. Cache may be out of date,
try `force_reload=True` or see https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading for help.
'''
import pathlib
temp = pathlib.PosixPath
pathlib.PosixPath = pathlib.WindowsPath
 
 
# 图片转换
def convert2QImage(img):
    h,w,c = img.shape
    return QImage(img,w,h,w*c,QImage.Format_RGB888)
 
 
class MainWindow(QMainWindow,Ui_MainWindow):
    def __init__(self):
        super(MainWindow,self).__init__()
        self.setupUi(self)      # 根据ui文件编译成的 py类
        self.model = torch.hub.load('./','custom',path='runs/train/exp/weights/best.pt',source='local')     # 加载模型
        self.timer = QTimer()       # 创建计时器
        self.timer.setInterval(1)   # 计时器的间隔，ms
        self.video = None
        self.run()              # 将按钮和事件绑定，通过鼠标点击触发
 
    def image_pred(self,file_path):
        results = self.model(file_path)
        image = results.render()[0]     # 推理结果，是个数组
        image = convert2QImage(image)   # 转成QT支持的数据
        return image
 
    def open_image(self):       # 打开图片
        self.timer.stop()
        print('image detect')
        file_path = QFileDialog.getOpenFileName(self,dir='datasets/images/val',filter='*.jpg;*.png;*.jpeg')
 
        if file_path[0]:        # 如果有图片的话
            file_path = file_path[0]
            self.input.setPixmap(QPixmap(file_path))        # 将图片显示到可视化窗口的输入部分
            qimage = self.image_pred(file_path)
            self.output.setPixmap(QPixmap.fromImage(qimage))         # 将图片显示到可视化窗口的输出部分
 
    def video_pred(self):
        ret, frame = self.video.read()
        if not ret:
            self.timer.stop()       # 没有检测到视频，计时器停止
        else:
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            self.input.setPixmap(QPixmap.fromImage(convert2QImage(frame)))  # 将图片显示到可视化窗口的输入部分
            results = self.model(frame)
            image = results.render()[0]     # 推理结果，是个数组
            self.output.setPixmap(QPixmap.fromImage(convert2QImage(image)))  # 将图片显示到可视化窗口的输出部分
 
    def open_video(self):       # 打开视频
        print('video detect')
        file_path = QFileDialog.getOpenFileName(self, dir='datasets', filter='*.mp4')
        if file_path[0]:  # 如果有视频的话
            file_path = file_path[0]
            self.video = cv2.VideoCapture(file_path)             # 打开视频
            self.timer.start()
 
    def run(self):              # 鼠标触发的事件
        self.detect_image.clicked.connect(self.open_image)
        self.detect_video.clicked.connect(self.open_video)
        self.timer.timeout.connect(self.video_pred)    # 计时器时间到就预测
 
 
if __name__ == '__main__':
    app = QApplication(sys.argv)
 
    window = MainWindow()
    window.show()
 
    app.exec()

项目完整下载：YOLOV5部署，利用QT部署可视化的图片、视频推理界面资源-CSDN文库

订阅本专栏，根据文章自动生成即可，不需要下载