用训练好的模型在Yolov8上进行推理演示python代码，含图像检测，视频推理，实时摄像头检测。_yolov8图像识别

一，图像检测

用已经训练好的模型进行图像推理检测，运行时注意修改图像和模型路径。

# 引入opencv
import cv2
 
# 引入YOLO模型
from ultralytics import YOLO
 
# 打开图像
img_path = "./img.jpg"  # 这里修改你图像保存路径
 
# 打开图像
img = cv2.imread(filename=img_path)
 
# 加载模型
model = YOLO(model="yolov8n.pt") # 这里修改你图像保存路径
 
# 正向推理
res = model(img)
 
# 绘制推理结果
annotated_img = res[0].plot()
 
# 显示图像
cv2.imshow(winname="YOLOV8", mat=annotated_img)
 
# 等待时间
cv2.waitKey(delay=10000)
 
# 绘制推理结果
cv2.imwrite(filename="jieguo.jpeg", img=annotated_img) 

二， 视频检测

用已经训练好的模型进行视频推理检测，运行时注意修改图像和模型路径。

import cv2
 
from ultralytics import YOLO
 
# 加载模型
model = YOLO(model="yolov8x.pt")
 
# 视频文件
video_path = "nanwangjinxiao.mp4"
 
# 打开视频
cap = cv2.VideoCapture(video_path)
 
while cap.isOpened():
    # 获取图像
    res, frame = cap.read()
    # 如果读取成功
    if res:
        # 正向推理
        results = model(frame)
 
        # 绘制结果
        annotated_frame = results[0].plot()
 
        # 显示图像
        cv2.imshow(winname="YOLOV8", mat=annotated_frame)
 
        # 按ESC退出
        if cv2.waitKey(1) == 27:
            break
 
    else:
        break
 
# 释放链接
cap.release()
# 销毁所有窗口
cv2.destroyAllWindows() 

三，实时摄像头检测

这里默认打开的是你电脑本地摄像头（编号0）

import cv2
 
from ultralytics import YOLO
 
# 加载模型
model = YOLO(model="yolov8n.pt")
 
# 摄像头编号
camera_no = 0
 
# 打开摄像头
cap = cv2.VideoCapture(camera_no)
 
while cap.isOpened():
    # 获取图像
    res, frame = cap.read()
    # 如果读取成功
    if res:
        # 正向推理
        results = model(frame)
 
        # 绘制结果
        annotated_frame = results[0].plot()
 
        # 显示图像
        CV2.imshow(winname="YOLOV8", mat=annotated_frame)
 
        # 按ESC退出
        if CV2.waitKey(1) == 27:
            break
 
    else:
        break
 
# 释放链接
cap.release()
# 销毁所有窗口
cv2.destroyAllWindows()