目录
近期学习目标检测很火的YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。
下面，重点从开发环境配置、目标的训练、目标的检测、程序发布4个方面进行分享，不对的地方关注、私聊，源码将整理后上传，供大家下载。
一、开发环境配置
操作系统Win10 64位 内存16G，显卡N卡 GTX1060 6G显存。开发环境：pycharm 2021版；pytorch版本为2.1.
关于anaconda、cuda、pytorch等安装，网上资料很多。windows系统经常踩坑（Linux系统就不会有这么多困扰了，所以今早变换赛道。），这里简要分享下笔者遇到的几个问题：
（一）显卡驱动安装
进入NVIDIA官网，按照自己电脑的显卡型号、操作系统版本等，查找驱动版本，下载studio稳定版本，我安装的是546.01版本。
（二）cuda安装
安装cuda tool，需要根据自己显卡驱动版本进行查询，网上能够查到。
下面知乎文章可以参考下：
笔者安装的cuda版本为12.1，最后通过nvcc -V验证是否安装成功。
（三）cudnn安装
安装cudnn，需要登录英伟达并注册一个账号，运行bandwidthTest.exe测试是否安装成功。
（四）pytorch安装
pytorch安装需要使用anaconda，创建虚拟环境，实现版本可控。虚拟环境创建、激活、删除等操作这里不再赘述。关于pytorch版本，跟上述软件版本有关系，通过pytorch官网可查，官网下载比较慢，会导致pytorch安装失败，这里介绍一种先下载whl包，再安装的方法，亲测有效，当然也可以找到相应的torchaudio和torchvision版本。
通过https://download.pytorch.org/whl/torch_stable.html
输入 ：python
输入 ：import torch
输入 torch.__version__
会显示安装版本。（在激活的虚拟环境里面测试）
（五）QT designer安装
界面设计需要使用QT，下载安装designer即可。不再赘述。
（六）pycharm开发环境配置
一是配置Python解释器。打开pycharm，在设置里面，配置需要的Python解释器。
自动检测到环境下安装好的各种包。
二是配置QT工具。主要是QT designer和pyuic，前者是在pycharm里可以打开qt designer界面工具，制作控件，后者是将qt的ui界面文件编译成py文件，实现Python代码调动。网上资料很多。
三是YOLO源代码下载。笔者用的是6.1版本，可以去GitHub上下载，如果不稳定，可以在这里下载。
二、目标训练部分
（一）总体效果
训练部分从数据下载、标注、配置到开始训练，实现一站式界面集成开发。涉及爬虫、多线程开发、进度条显示以及文本、图像读写操作等。效果如下：
（二）总体架构
1.mygui.py
通过
self.ui = uic.loadUi("./ui/my_yolov5.ui",self)
进行动态加载ui文件，这里建议使用pyuic工具进行自动生成py文件，笔者全部自己定义控件对象和绑定信号和槽，工作量很大，只能说很大。。。。
2.trainer.py
3. detector.py
（三）各个模块
1.图片爬虫下载
输入：关键词、图片保存位置、下载页数；
输出：爬虫下载的带顺序编号的图片。
考虑到爬虫爬取时间比较久，导致界面卡死，这里使用多线程+进度条的方式进行实现。编写一个类，初始化代码如下：
#多线程网页爬虫下载图片+进度条显示
class Download_Pic_Thread(QThread):
progressBarValue = pyqtSignal(int) # 更新进度条
signal_done = pyqtSignal(int) # 是否结束信号
def __init__(self, root_dir,keyword, page):#初始化
super(Download_Pic_Thread, self).__init__()
self.root_dir = root_dir
self.keyword = keyword
self.page = page
通过重载多线程的run()函数，实现某度图片的爬取下载（使用request库爬取），通过信号发射进度条的进度值给槽函数，用来更新进度条显示。部分代码段如下：
if request.status_code == 200:
print('Request success.')
request.encoding = 'utf-8'
# 正则方式提取图片链接
html = request.text
image_url_list = re.findall('"thumbURL":"(.*?)",', html, re.S)
length = len(image_url_list)*1.0
i=0
for image_url in image_url_list:
self.progressBarValue.emit(int(i / (length * self.page) * 100)) # 发送进度条的值信号
image_data = requests.get(url=image_url, headers=header).content
with open(os.path.join(dir, f'{n:06d}.jpg'), 'wb') as fp:
fp.write(image_data)
n = n + 1
i+=1另外，在调用该线程类对象时，需要将信号和槽绑定，然后实现槽函数。如下：
信号与槽绑定：
self.thread_1.progressBarValue.connect(self.callback)
self.thread_1.signal_done.connect(self.callback_done)槽函数实现：
# 回传进度条参数
def callback(self, i):
self.pb.setValue(i)
self.pb.show()
# 回传结束信号
def callback_done(self, i):
self.is_done = i
if self.is_done == 1:
self.messageDialog1()
#结束隐藏进度条
def messageDialog1(self):
msg_box = QMessageBox(QMessageBox.Information, '通知', '数据处理已结束')
self.pb.setValue(100)
msg_box.exec_()
self.pb.hide()2.数据标注
对数据进行标注时，可能下载的图片或者图片格式来源比较乱，什么格式都有，后面训练的时候，代码默认图片格式是jpg格式，所以，写了一个小功能，实现对图片进行批量改格式。
这边要注意的是，opencv读写图片时，不支持中文路径名，虽然不会抛出异常，但是读入后，在处理时会异常，隐蔽性比较强，需要多加注意！！！要使用cv2.imdecode和cv2.imencode进行读写。
for name in names:
suffixs = name.split('.')
suffix = suffixs.pop()
if suffix == toext:
pass
elif suffix in ['bmp', 'png', 'jpg','jpeg','gif']:
# print(f'{pic_dir}/{name}')
try:
cv_img = cv2.imdecode(np.fromfile(f'{pic_dir}/{name}', dtype=np.uint8), -1)
if cv_img is not None:
cv2.imencode(f'.{toext}', cv_img)[1].tofile(f'{pic_dir}/{suffixs[0]}.{toext}')
os.remove(f'{pic_dir}/{name}')
except Exception as e:
os.remove(f'{pic_dir}/{name}')数据标注使用 labelImg 软件，直接用os.system和多线程进行调用
def start_label(self):
file_path = os.path.abspath("labelImg/labelImg.exe")
if not os.path.exists(file_path):
widget = QWidget()
QMessageBox.warning(widget, '警告', '标注软件不存在！', QMessageBox.Close, )
return
thread = threading.Thread(target = os.system,args = (file_path,))
thread.start()3.数据集配置
网上关于标注后的数据集的分配、格式转化、模型配置等介绍很多也很全了。比如下面：
https://www.cnblogs.com/wxfb/p/16654592.html
#一键数据初始化
def data_initial(self):
# 1.数据分配
self.data_split(self.root_dir,trainval_percent = self.trainval_percent,train_percent = self.train_percent)
#2.格式转化
self.dataset_path_labels_generate(self.root_dir,self.classes)
#3.数据集配置
self.dataset_conf(self.root_dir,self.classes_file)
#4.模型配置
self.model_conf(self.root_dir,self.model_file,self.classes_file)输入：数据集根目录、类别文件（txt，包含类的名称）、训练、验证、测试比例以及模型yaml文件（用于修改成自己数据集的yaml文件）
输出：数据集配置文件（yaml）、模型文件（yaml）、xml标注文件转成的txt标注文件、数据集分配后的图片路径文件等。
4.yolov5训练
考虑训练时间比较长，采用多线程实现。封装Train_thread（QThread）类。
输入：预训练权重文件，数据集配置文件、模型文件、epoch、batchsize等值
输出：训练权重结果、精度等文件。
部分代码段如下：
class Train_thread(QThread):
def __init__(self,weights_str,dataset_str,models_str,epochs,batchsize):
super(QThread,self).__init__()
self.weights_str = weights_str
self.dataset_str = dataset_str
self.models_str = models_str
self.epochs = epochs
self.batchsize = batchsize重写run()函数，直接调用YOLOv5训练的代码。
def run(self):
#开始训练
mytrain.myrun(self.weights_str,self.dataset_str,self.models_str,self.epochs,self.batchsize)
self.finished.emit()训练的实现这里不再赘述，下步争取把训练源码精简。
def myrun(weights_str,dataset_str,models_str,epochs,batchsize):#尝试实现logging重定向
opt = parse_opt(True)
setattr(opt, 'weights', weights_str)
setattr(opt, 'data', dataset_str)
setattr(opt, 'cfg', models_str)
setattr(opt, 'epochs', epochs)
setattr(opt, 'batch_size', batchsize)
main(opt)
return opt三、目标检测部分
（一）总体效果
通过设置权重文件、置信度、iou等值，实现对图片、视频和摄像头视频流等格式进行实时的检测，并把检测类别和数量显示在列表里面。
（二）各个模块
总体上，封装了目标检测的类 YOLOv5_Detector，实现数据的读取和检测2个接口。
1.参数设置
该部分主要是QT控件的实现。重点设计radiobutton、combox、doublespinbox和slider等控件的基本操作实现，其中，还实现radiobutton控制控件灰色不可用功能。
特别注意的是，slider的最值不能是小数，在跟doublespinbox联动时，需要进行转换！！！
def SpinBox_conf_thres_Changed(self, new_value):
self.conf_thres = new_value
self.horizontalSlider_conf_thres.setValue(new_value*100)
def Slider_conf_thres_Changed(self, new_value):
self.conf_thres = new_value/100
self.doubleSpinBox_conf_thres.setValue(new_value/100)
def SpinBox_iou_thres_Changed(self, new_value):
self.iou_thres = new_value
self.horizontalSlider_iou_thres.setValue(new_value*100)
def Slider_iou_thres_Changed(self, new_value):
self.iou_thres = new_value/100
self.doubleSpinBox_iou_thres.setValue(new_value/100)2.数据选择及检测
yolo检测步骤：
一是初始化参数。
二是选择处理设备。
# self.device = select_device(device)
cuda = torch.cuda.is_available()
self.device = torch.device('cuda:0' if cuda else 'cpu')这里要特别特别特别注意的是：如果要用pyinstall转成exe时，这里必须要改成代码中的，不能用select_device（）方法，不然编译时会报找不到pytorc-util.pyc等错误！！！亲测有效！！！
三是加载模型。
def load_model(self,weights = './weights/yolov5s.pt'):
# device = select_device(self.device)
self.model = DetectMultiBackend(weights, device=self.device, dnn=self.dnn, data=self.data)
self.stride, self.names, self.pt, self.jit, self.onnx, self.engine = self.model.stride, self.model.names, \
self.model.pt, self.model.jit, self.model.onnx, self.model.engine
# imgsz = check_img_size(imgsz, s=stride) # check image size
# Half
half = self.half and (self.pt or self.jit or self.onnx or self.engine) and self.device.type != 'cpu' # FP16 supported on limited backends with CUDA
if self.pt or self.jit:
self.model.model.half() if half else self.model.model.float()四是NMS检测。
@torch.no_grad()
def detect(self, img, imgsz=(640, 640), classes=None,conf_thres = 0.25,iou_thres=0.45):
cal_detect = []
# device = select_device(self.device)
# names = self.model.module.names if hasattr(self.model, 'module') else self.model.names # get class names
# Set Dataloader
# Padded resize
im = letterbox(img, imgsz, self.stride, self.pt)[0]
# Convert
...
pred = self.model(im, self.augment)
pred = non_max_suppression(pred, conf_thres, iou_thres, self.classes, self.agnostic_nms, self.max_det)
# 第0类，名称：人，数量：5
#用于显示检测结果，形式为：第*类：，名称：，数量：
listview_str =['检测结果如下：']
# Process detections
for i, det in enumerate(pred): # detections per image
# annotator = Annotator(img, self.line_thickness, example=str(self.names))
if len(det):
# Rescale boxes from img_size to im0 size
det[:, :4] = scale_coords(im.shape[2:], det[:, :4], img.shape).round()
for c in det[:, -1].unique():
#类别：names[int(c)] 有 n个数量
n = (det[:, -1] == c).sum() # detections per class
str = '第%d类目标，名称：%s，数量：%d'%(int(c),self.model.names[int(c)],n)
listview_str.append(str)
# Write results
for *xyxy, conf, cls in reversed(det):
c = int(cls) # integer class
label = None if self.hide_labels else (self.names[c] if self.hide_conf else f'{self.names[c]} {conf:.2f}') #结果显示的标签
# annotator.box_label(xyxy, label, color=colors(c, True))
box = xyxy
p1, p2 = (int(box[0]), int(box[1])), (int(box[2]), int(box[3]))
# im = (im[:, :, ::-1] * 255.0).astype(np.uint8)
cv2.rectangle(img, p1, p2, colors(c, True), self.line_thickness, lineType=cv2.LINE_AA)
# cv2.imwrite('test.jpg', img)
if label:
tf = max(self.line_thickness - 1, 1) # font thickness
w, h = cv2.getTextSize(label, 0, fontScale=self.line_thickness / 3, thickness=tf)[0] # text width, height
outside = p1[1] - h - 3 >= 0 # label fits outside box
p2 = p1[0] + w, p1[1] - h - 3 if outside else p1[1] + h + 3
cv2.rectangle(img, p1, p2, colors(c, True), -1, cv2.LINE_AA) # filled
lw = self.line_thickness or max(round(sum(im.shape) / 2 * 0.003), 2) # line width
cv2.putText(img, label, (p1[0], p1[1] - 2 if outside else p1[1] + h + 2), 0, lw / 3,
(255, 255, 255),thickness=tf, lineType=cv2.LINE_AA)
# cv2.imwrite('test.jpg', img)
#保存框中的内容
# if self.save_crop:
# save_one_box(xyxy, imc, file=save_dir / 'crops' / self.names[c] / f'{p.stem}.jpg', BGR=True)
return img,listview_str
3结果显示
区分2个部分。
一是图像显示部分。通过数据类型来判断检测和显示的数据类型。实质还是检测单张图片或者单帧画面，并显示。检测画面的显示使用QLabel，将pixmap贴到label上面。以图片为例：
if self.data_type == 1:
if self.cap:
self.cap.release()
#opencv imread 识别不了中文路径
self.image0 = cv2.imdecode(np.fromfile(self.lineEdit_pic_path.text(), dtype=np.uint8), -1)
# #绘制原图
height, width, depth = self.image0.shape
image_det,listview_str = self.detector.detect(self.image0, conf_thres=self.conf_thres, iou_thres=self.iou_thres)
# 获取图像的宽和高 Format_BGR888
self.image1 = QtGui.QImage(image_det, width, height, width*depth,QtGui.QImage.Format_BGR888) # 如果没有depth*width，图像可能会扭曲
self.pixmap1 = QtGui.QPixmap(self.image1) # 创建相应的QPixmap对象
# 根据图像与label的比例，最大化图像在label中的显示
ratio = max(width / self.label_detect_show.width(), height / self.label_detect_show.height())
self.pixmap1.setDevicePixelRatio(ratio)
self.label_detect_show.setPixmap(self.pixmap1) # 显示图像
self.label_detect_show.setAlignment(Qt.AlignCenter) # 图像居中
# 显示结果列表框
# 创建字符串列表模型
listview_model = QStringListModel(listview_str)
# 将字符串列表模型设置为QListView控件的模型
self.listView_detect_result.setModel(listview_model)
# 显示QListView控件
self.listView_detect_result.show()特别指出的是，这边还对计算机的摄像头进行检测，能控制指定的摄像头开启和关闭（如外接的USB摄像头），代码如下：
def check_camere_Index(self):
cameras = []
for i in range(10): # 尝试获取前10个摄像头
#cv2.CAP_DSHOW 打开摄像头快很多
cap = cv2.VideoCapture(i,cv2.CAP_DSHOW)
if cap.isOpened():
cameras.append(i)
cap.release()
else:
break
str_arr = "".join(str(x)+'、' for x in cameras)
str_arr = str_arr[0:len(str_arr) - 1]
self.lineEdit_camera_Index.setText(str_arr)二是结果列表显示部分。
用的是ListView控件，需要创建模型如下：
# 显示结果列表框
# 创建字符串列表模型
listview_model = QStringListModel(listview_str)
# 将字符串列表模型设置为QListView控件的模型
self.listView_detect_result.setModel(listview_model)
# 显示QListView控件
self.listView_detect_result.show()检测结果数组如下：
for c in det[:, -1].unique():
#类别：names[int(c)] 有 n个数量
n = (det[:, -1] == c).sum() # detections per class
str = '第%d类目标，名称：%s，数量：%d'%(int(c),self.model.names[int(c)],n)
listview_str.append(str)四、程序发布
主要介绍pyinstall进行生成可执行文件。pyinstall的安装和使用不再进行赘述，这里主要是讲几个出现的问题及笔者解决方法。
一是多线程。因为使用了多线程开发，需要用到下面的语句。
multiprocessing.freeze_support()二是提示pytorch找不到pyc文件。上面已经讲过不再阐述。
最后，码字分享不易，请大家点赞、加关注、评论。