深度學習目標檢測-鋼材缺陷檢測系統(tǒng)上位機ui和web界面

之前寫過這個博客: 工業(yè)缺陷檢測項目實戰(zhàn)(二)——基于深度學習框架yolov5的鋼鐵表面缺陷檢測
里面介紹了使用yolov5進行訓(xùn)練的步驟。今天我們一起學習利用qt將缺陷檢測封裝為一個系統(tǒng)。

上位機ui界面效果

首先看看效果：
我們運行，先可以看到登錄界面：

如果密碼和賬號輸入錯誤，會提示警告，輸入正確之后，我們會進入缺陷檢測界面，我們必須先打開圖片，才能進行識別和保持識別結(jié)果:

我們打開一張等待檢測的圖像，接著點擊開始

接著可以看到顯示了檢測結(jié)果，正確

點擊保存檢測圖像

實現(xiàn)步驟：

(1) 需要安裝：

sip
PyQt5
PyQt5-tools

(2) 添加設(shè)計器：
file——>settings——>Tools——>ExternalTools

先添加第一個：

4個步驟分別填：

1.名稱，隨便
2.填designer.exe路徑，我的路徑是：
D:\anaconda3\envs\keras\Lib\site-packages\qt5_applications\Qt\bin\designer.exe
3.$FileName$
4.項目文件夾的路徑

再添加第二個：

從上往下分別為：

1.名稱，隨便
2.填python解釋器路徑，我的路徑是：
D:\anaconda3\envs\keras\python.exe
3. -m PyQt5.uic.pyuic $FileName$ -o $FileNameWithoutExtension$.py
4.$FileDir$

添加完后，我們才可以運行Qt界面，以及界面編輯設(shè)計器：

選擇ui文件，右鍵選擇QtDesigner，出現(xiàn)設(shè)計器


選擇PyUIC是編譯ui文件，每次修改都必須先單獨編譯ui文件，除非是直接在py文件修改組件代碼。

(3) 編寫事件內(nèi)容：
設(shè)計完組件后，我們需要添加點擊事件函數(shù)：

 self.pushButton.clicked.connect(self.openfile)
 self.pushButton_2.clicked.connect(self.defect)
 self.pushButton_3.clicked.connect(self.save_img)

接著，編寫函數(shù)內(nèi)容，比如，打開文件：

 def openfile(self):
        # 定義文件讀取函數(shù)，解決中文路徑讀取錯誤的問題
        def cv_imread(file_path):
            cv_img = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), -1)
            return cv_img

        self.fname, ok = QFileDialog.getOpenFileName(None, "打開圖片", "", "*;;*.png;;All Files(*)")
        if not ok:
            return
        self.lineEdit.setText(self.fname)
        # 顯示圖片
        img = cv_imread(self.fname)  # opencv讀取圖片
        # res = cv2.resize(img, (411, 361), interpolation=cv2.INTER_CUBIC)  # 用cv2.resize設(shè)置圖片大小
        self.img_o = img
        _image = QtGui.QImage(self.img_o[:], self.img_o.shape[1], self.img_o.shape[0], self.img_o.shape[1] * 3,
                              QtGui.QImage.Format_RGB888)  # pyqt5轉(zhuǎn)換成自己能放的圖片格式
        jpg_out = QtGui.QPixmap(_image)  # 轉(zhuǎn)換成QPixmap
        self.label_4.setPixmap(jpg_out)  # 設(shè)置圖片顯示

這里利用opecv進行圖像的打開。其他類似。
保存文件：

   def save_img(self):
       if self.defect_res == False:
           QMessageBox.warning(self, '警告', '圖片為空', QMessageBox.Yes)
           return
       img = self.label_5.pixmap().toImage()
       fpath, ftype = QFileDialog.getSaveFileName(None, "保存圖片", "d:/", " *.jpg;; *.png;;All Files(*)")
       img.save(fpath)

(4) 檢測算法：
檢測時我們只需要訓(xùn)練好的best.pt文件，接著使用defect.py這個檢測腳本，當然，直接使用行不通，我們得對原函數(shù)進行改造，變成一個可以輸入圖片，權(quán)重pt文件，和保存檢測結(jié)果的路徑圖片：

def defect_main(weights, soucre, save_path):
    check_requirements(exclude=('tensorboard', 'thop'))
    run(weights, soucre, save_path)

這樣方便直接調(diào)用函數(shù)。

(5) 打包為exe：

pip install pyinstaller
pyinstaller -F main.py 

報錯集錦：

1. 報錯：This application failed to start because no Qt platform plugin could be initialized.
   解決方法：Qt開發(fā)，報錯：This application failed to start because no Qt platform plugin could be initialized.
2. 報錯：pyinstaller打包提示PermissionError: [Errno 13] Permission denied…\ucrtbase.dll
   解決方法：pyinstaller打包提示PermissionError: [Errno 13] Permission denied…\ucrtbase.dll.
   或者，直接從C:\Windows\System32里面找到ucrtbase.dll，copy到項目文件夾就行。

當然，此上位機換成什么檢測都可以，只要有訓(xùn)練好的權(quán)重文件

web界面效果

需要工程代碼，定制界面，或者優(yōu)化界面的可私信我即可。文章來源地址http://www.zghlxwxcb.cn/news/detail-428387.html

到了這里，關(guān)于深度學習目標檢測-鋼材缺陷檢測系統(tǒng)上位機ui和web界面的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！