基于深度學習YOLOv8+PyQt5的水底海底垃圾生物探測器檢測識別系統(tǒng)（源碼+數(shù)據(jù)集+配置說明）

這篇具有很好參考價值的文章主要介紹了基于深度學習YOLOv8+PyQt5的水底海底垃圾生物探測器檢測識別系統(tǒng)（源碼+數(shù)據(jù)集+配置說明）。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

wx供重浩：創(chuàng)享日記
對話框發(fā)送：323海底
獲取完整源碼+7000張數(shù)據(jù)集+配置說明+文件說明+遠程操作配置環(huán)境跑通程序

效果展示

基于深度學習YOLOv8+PyQt5的水底海底垃圾生物探測器檢測識別系統(tǒng)設(shè)計（源碼+數(shù)據(jù)集+配置文件）

基于深度學習YOLOv8+PyQt5的水底海底垃圾生物探測器檢測識別系統(tǒng)（源碼+數(shù)據(jù)集+配置說明）,YOLO,深度學習,YOLO,yolov8,pyqt,海底垃圾生物檢測,計算機視覺

各文件說明

程序運行說明

---------【第一步：安裝python3.9】---------
方法一【推薦】：
先安裝ananconda軟件，官網(wǎng)地址：https://www.anaconda.com/download
安裝完成后，在conda命令窗口，使用命令"conda create -n yolov8 python=3.9"創(chuàng)建3.9的虛擬環(huán)境
然后激活虛擬環(huán)境“conda activate py39”,然后再進行第二步依賴庫的安裝。
方法二：
直接在python官網(wǎng)下載pyhon3.9的exe文件，安裝即可。

---------【第二步：安裝軟件所需的依賴庫】---------
（注意：輸入命令前，命令行需先進入項目目錄的路徑下，不然會提示找不到文件）
方法一：【推薦】
直接運行installPackages.py一鍵安裝第三方庫的腳本。命令為：python installPackages.py
方法二: 運行下方命令
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

---------【運行程序】---------
按照以上兩步環(huán)境配置完成后，直接運行MainProgram.py文件即可打開程序。
命令為：python MainProgram.py

模型評價指標

mAP (mean Average Precision): 平均精度均值是目標檢測領(lǐng)域中最常用的評價指標之一。它衡量的是模型在不同IoU（Intersection over Union，交集與并集的比值）閾值下的性能。mAP通常在0到1之間，值越高表示模型性能越好。mAP50-95是一個更嚴格的評價指標，它計算了在50-95%的IoU閾值范圍內(nèi)的mAP值，然后取平均，這能夠更準確地評估模型在不同IoU閾值下的性能。

Precision (精度): 精度是評估模型預(yù)測正確的正樣本的比例。它表示在所有被模型預(yù)測為正類的樣本中，實際為正類的比例。

Recall (召回率): 召回率是評估模型對真實目標檢測率的指標。它表示模型正確預(yù)測出的目標數(shù)量與真實目標數(shù)量的比例。

F1 Score (F1分數(shù)): F1分數(shù)綜合了精度和召回率兩個指標，用于評估模型的綜合性能。它是精確率和召回率的調(diào)和平均值，適用于在不平衡類別分布的情況下評估模型性能。

IoU (Intersection over Union): 交集大于聯(lián)合是量化預(yù)測邊界框與地面實況邊界框之間重疊程度的指標。IoU的值介于0和1之間，值越高表示預(yù)測邊界框與實際邊界框的重疊程度越高。

FPS (Frames Per Second): 每秒幀數(shù)是衡量模型實時性能的指標，特別是在視頻處理或?qū)崟r應(yīng)用中。FPS越高，表示模型處理速度越快。

這些指標共同提供了對YOLO模型性能的全面評估，包括模型的準確性、效率和實用性。在實際應(yīng)用中，根據(jù)具體需求和場景，可能會重點考慮某些指標。例如，在需要高實時性的應(yīng)用中，F(xiàn)PS可能是一個關(guān)鍵指標；而在對準確性要求極高的場景中，mAP和精度可能是更重要的評價標準。

在海洋環(huán)境保護和水下生態(tài)研究領(lǐng)域，及時發(fā)現(xiàn)并處理水底生物垃圾是維護水下生態(tài)環(huán)境健康的重要任務(wù)。然而，由于水下環(huán)境的復雜性和多變性，傳統(tǒng)的人工監(jiān)測方法既耗時又效率低下。為了提高水下生物垃圾監(jiān)測的效率和準確性，本文提出了一種基于YOLOv8（You Only Look Once version 8）和PyQt5的水底生物垃圾探測器檢測系統(tǒng)。該系統(tǒng)結(jié)合了深度學習技術(shù)和圖形用戶界面框架，旨在實時監(jiān)測并識別水下環(huán)境中的生物垃圾。

水底生物垃圾探測器檢測系統(tǒng)的設(shè)計和實現(xiàn)如下：

系統(tǒng)設(shè)計
數(shù)據(jù)集準備
首先，需要收集和標注一個包含各種水下環(huán)境和生物垃圾的圖像數(shù)據(jù)集。數(shù)據(jù)集應(yīng)涵蓋不同類型的生物垃圾，如塑料、漁網(wǎng)、玻璃瓶等，以及它們在不同水質(zhì)、光照和深度條件下的外觀。圖像標注需要精確識別出生物垃圾的位置和類別，以便訓練模型進行有效識別。

模型訓練
利用準備好的數(shù)據(jù)集，對YOLOv8模型進行訓練。在訓練過程中，需要調(diào)整超參數(shù)，如學習率、批大小和訓練周期，以優(yōu)化模型在水下環(huán)境中的檢測性能。同時，采用數(shù)據(jù)增強技術(shù)，如隨機調(diào)整亮度、對比度和水波紋模擬，以提高模型對水下復雜環(huán)境的適應(yīng)性。

系統(tǒng)實現(xiàn)
系統(tǒng)核心是YOLOv8模型，負責從水下攝像頭捕獲的實時圖像中檢測生物垃圾。系統(tǒng)還包括一個基于PyQt5的用戶界面，用于展示檢測結(jié)果和發(fā)出警報。當檢測到生物垃圾時，系統(tǒng)會通過聲音或視覺信號通知研究人員或清潔人員。

實時檢測
為了實現(xiàn)實時監(jiān)測，系統(tǒng)必須能夠在低延遲下處理圖像數(shù)據(jù)。這意味著模型不僅要準確，還要具備高效的推理能力。在實際部署時，可能需要在專用的水下無人機或自動化監(jiān)測設(shè)備上運行模型，以實現(xiàn)自主監(jiān)測和快速響應(yīng)。

結(jié)果與討論
在測試集上，YOLOv8模型顯示出了較高的水底生物垃圾檢測準確率。模型能夠在多種水下環(huán)境和光照條件下穩(wěn)定識別不同類型的生物垃圾。盡管如此，在處理水下生物垃圾被水流移動或與其他物體混合的情況下，模型的性能仍有待提高。

結(jié)論
本文提出的基于YOLOv8和PyQt5的水底生物垃圾探測器檢測系統(tǒng)，能夠有效地提升水下環(huán)境監(jiān)測的自動化水平。通過實時監(jiān)測和即時反饋，該系統(tǒng)有助于及時發(fā)現(xiàn)并處理水底生物垃圾，保護海洋生態(tài)環(huán)境。未來的工作將致力于進一步提升模型的魯棒性，并探索更加高效的模型部署方案，以適應(yīng)更多樣化的水下環(huán)境。

部分PyQt5可視化代碼文章來源地址http://www.zghlxwxcb.cn/news/detail-842899.html

# -*- coding: utf-8 -*-
import time
from PyQt5.QtWidgets import QApplication , QMainWindow, QFileDialog, \
    QMessageBox,QWidget,QHeaderView,QTableWidgetItem, QAbstractItemView
import sys
import os
from PIL import ImageFont
from ultralytics import YOLO
sys.path.append('UIProgram')
from UIProgram.UiMain import Ui_MainWindow
import sys
from PyQt5.QtCore import QTimer, Qt, QThread, pyqtSignal,QCoreApplication
import detect_tools as tools
import cv2
import Config
from UIProgram.QssLoader import QSSLoader
from UIProgram.precess_bar import ProgressBar
import numpy as np
# import torch

class MainWindow(QMainWindow):
    def __init__(self, parent=None):
        super(QMainWindow, self).__init__(parent)
        self.ui = Ui_MainWindow()
        self.ui.setupUi(self)
        self.initMain()
        self.signalconnect()

        # 加載css渲染效果
        style_file = 'UIProgram/style.css'
        qssStyleSheet = QSSLoader.read_qss_file(style_file)
        self.setStyleSheet(qssStyleSheet)

    def signalconnect(self):
        self.ui.PicBtn.clicked.connect(self.open_img)
        self.ui.comboBox.activated.connect(self.combox_change)
        self.ui.VideoBtn.clicked.connect(self.vedio_show)
        self.ui.CapBtn.clicked.connect(self.camera_show)
        self.ui.SaveBtn.clicked.connect(self.save_detect_video)
        self.ui.ExitBtn.clicked.connect(QCoreApplication.quit)
        self.ui.FilesBtn.clicked.connect(self.detact_batch_imgs)

    def initMain(self):
        self.show_width = 770
        self.show_height = 480

        self.org_path = None

        self.is_camera_open = False
        self.cap = None

        # self.device = 0 if torch.cuda.is_available() else 'cpu'

        # 加載檢測模型
        self.model = YOLO(Config.model_path, task='detect')
        self.model(np.zeros((48, 48, 3)))  #預(yù)先加載推理模型
        self.fontC = ImageFont.truetype("Font/platech.ttf", 25, 0)

        # 用于繪制不同顏色矩形框
        self.colors = tools.Colors()

        # 更新視頻圖像
        self.timer_camera = QTimer()

        # 更新檢測信息表格
        # self.timer_info = QTimer()
        # 保存視頻
        self.timer_save_video = QTimer()

        # 表格
        self.ui.tableWidget.verticalHeader().setSectionResizeMode(QHeaderView.Fixed)
        self.ui.tableWidget.verticalHeader().setDefaultSectionSize(40)
        self.ui.tableWidget.setColumnWidth(0, 80)  # 設(shè)置列寬
        self.ui.tableWidget.setColumnWidth(1, 200)
        self.ui.tableWidget.setColumnWidth(2, 150)
        self.ui.tableWidget.setColumnWidth(3, 90)
        self.ui.tableWidget.setColumnWidth(4, 230)
        # self.ui.tableWidget.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch)  # 表格鋪滿
        # self.ui.tableWidget.horizontalHeader().setSectionResizeMode(0, QHeaderView.Interactive)
        # self.ui.tableWidget.setEditTriggers(QAbstractItemView.NoEditTriggers)  # 設(shè)置表格不可編輯
        self.ui.tableWidget.setSelectionBehavior(QAbstractItemView.SelectRows)  # 設(shè)置表格整行選中
        self.ui.tableWidget.verticalHeader().setVisible(False)  # 隱藏列標題
        self.ui.tableWidget.setAlternatingRowColors(True)  # 表格背景交替

        # 設(shè)置主頁背景圖片border-image: url(:/icons/ui_imgs/icons/camera.png)
        # self.setStyleSheet("#MainWindow{background-image:url(:/bgs/ui_imgs/bg3.jpg)}")

    def open_img(self):
        if self.cap:
            # 打開圖片前關(guān)閉攝像頭
            self.video_stop()
            self.is_camera_open = False
            self.ui.CaplineEdit.setText('攝像頭未開啟')
            self.cap = None

        # 彈出的窗口名稱：'打開圖片'
        # 默認打開的目錄：'./'
        # 只能打開.jpg與.gif結(jié)尾的圖片文件
        # file_path, _ = QFileDialog.getOpenFileName(self.ui.centralwidget, '打開圖片', './', "Image files (*.jpg *.gif)")
        file_path, _ = QFileDialog.getOpenFileName(None, '打開圖片', './', "Image files (*.jpg *.jepg *.png)")
        if not file_path:
            return

        self.ui.comboBox.setDisabled(False)
        self.org_path = file_path
        self.org_img = tools.img_cvread(self.org_path)

        # 目標檢測
        t1 = time.time()
        self.results = self.model(self.org_path)[0]
        t2 = time.time()
        take_time_str = '{:.3f} s'.format(t2 - t1)
        self.ui.time_lb.setText(take_time_str)

        location_list = self.results.boxes.xyxy.tolist()
        self.location_list = [list(map(int, e)) for e in location_list]
        cls_list = self.results.boxes.cls.tolist()
        self.cls_list = [int(i) for i in cls_list]
        self.conf_list = self.results.boxes.conf.tolist()
        self.conf_list = ['%.2f %%' % (each*100) for each in self.conf_list]

        # now_img = self.cv_img.copy()
        # for loacation, type_id, conf in zip(self.location_list, self.cls_list, self.conf_list):
        #     type_id = int(type_id)
        #     color = self.colors(int(type_id), True)
        #     # cv2.rectangle(now_img, (int(x1), int(y1)), (int(x2), int(y2)), colors(int(type_id), True), 3)
        #     now_img = tools.drawRectBox(now_img, loacation, Config.CH_names[type_id], self.fontC, color)
        now_img = self.results.plot()
        self.draw_img = now_img
        # 獲取縮放后的圖片尺寸
        self.img_width, self.img_height = self.get_resize_size(now_img)
        resize_cvimg = cv2.resize(now_img,(self.img_width, self.img_height))
        pix_img = tools.cvimg_to_qpiximg(resize_cvimg)
        self.ui.label_show.setPixmap(pix_img)
        self.ui.label_show.setAlignment(Qt.AlignCenter)
        # 設(shè)置路徑顯示
        self.ui.PiclineEdit.setText(self.org_path)

        # 目標數(shù)目
        target_nums = len(self.cls_list)
        self.ui.label_nums.setText(str(target_nums))

        # 設(shè)置目標選擇下拉框
        choose_list = ['全部']
        target_names = [Config.names[id]+ '_'+ str(index) for index,id in enumerate(self.cls_list)]
        # object_list = sorted(set(self.cls_list))
        # for each in object_list:
        #     choose_list.append(Config.CH_names[each])
        choose_list = choose_list + target_names

        self.ui.comboBox.clear()
        self.ui.comboBox.addItems(choose_list)

        if target_nums >= 1:
            self.ui.type_lb.setText(Config.CH_names[self.cls_list[0]])
            self.ui.label_conf.setText(str(self.conf_list[0]))
        #   默認顯示第一個目標框坐標
        #   設(shè)置坐標位置值
            self.ui.label_xmin.setText(str(self.location_list[0][0]))
            self.ui.label_ymin.setText(str(self.location_list[0][1]))
            self.ui.label_xmax.setText(str(self.location_list[0][2]))
            self.ui.label_ymax.setText(str(self.location_list[0][3]))
        else:
            self.ui.type_lb.setText('')
            self.ui.label_conf.setText('')
            self.ui.label_xmin.setText('')
            self.ui.label_ymin.setText('')
            self.ui.label_xmax.setText('')
            self.ui.label_ymax.setText('')

        # # 刪除表格所有行
        self.ui.tableWidget.setRowCount(0)
        self.ui.tableWidget.clearContents()
        self.tabel_info_show(self.location_list, self.cls_list, self.conf_list,path=self.org_path)

if __name__ == "__main__":
    app = QApplication(sys.argv)
    win = MainWindow()
    win.show()
    sys.exit(app.exec_())

到了這里，關(guān)于基于深度學習YOLOv8+PyQt5的水底海底垃圾生物探測器檢測識別系統(tǒng)（源碼+數(shù)據(jù)集+配置說明）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)！