python运行YOLOv8推理详解及部署实现

参考文档：https://github.com/ultralytics/ultralytics/blob/main/README.zh-CN.md

代码仓库的名字不再沿用 yolovx 而是使用 ultralytics， 而这个名字正是创建该项目的公司的名字，之所以如此，一方面是该公司想要创建一个 CV 的通用仓库，使其能够支持大部分的 CV 任务，如 物体检测与跟踪、实例分割、图像分类和姿态估计等，以区分于之前只是检测任务使用的 yolovx。第二方面，估计有想提升公司知名度的意味，故命名为自己公司的名字。

 一，基本核心代码

from ultralytics import YOLO

model = YOLO("xxxx.pt")# 或者（用于训练）: model = YOLO("yolov8x.yaml")

image = "xxx.jpg"# 或者图片文件夹

model.predict(image, save=True)# 返回image的预测结果

# 训练：model.train(data="数据集路径.yaml", epochs=200, batch=16)
# 训练数据集类型看yolov8训练流程

二，代码扩展案例

1，训练

from ultralytics import YOLO

model = YOLO("./weights/yolov8n.pt")

data = "./dataset/car/mydata.yaml"

model.train(data=data, epochs=100, batch=1)

2，预测
2.1单图

from ultralytics import YOLO

save_path = './'
image_path = './dataset/fire_smoke/000010.jpg'
model = YOLO('./weights/best.pt')

# 单图预测
results = model.predict(image_path)
for r in result[0]:
if r.boxes.cls.item()==0.0:
print('有火')
elif r.boxes.cls.item()==1.0:
print('有烟')

2.2多图文件夹

from ultralytics import YOLO
from pathlib import Path

save_path = './'
images_path = './dataset/fire_smoke/images'
model = YOLO('./weights/best.pt')

for path in Path(images_path).glob('*.*'):
results = model.predict(str(path))
for result results: 
for r in result:
if r.boxes.cls.item()==0.0:
print('有火')
elif r.boxes.cls.item()==1.0:
print('有烟')

2.3 图片路径文件

from ultralytics import YOLO
from pathlib import Path

save_path = './'
txt_path = './xxx.txt'# txt内容是图片路径
model = YOLO('./weights/best.pt')

# 图集推理
with open(txt_path, 'r', encoding='utf-8') as f:
lines = f.readlines()
for path in lines:
results = model.predict(path[:-1])
for r in result[0]:
if r.boxes.cls.item()==0.0:
print('有火')
elif r.boxes.cls.item()==1.0:
print('有烟')

2.4网络摄像头

from ultralytics import YOLO
import cv2

save_path = './'
video_url = 0# 网络摄像头路径，0表示本机摄像头
model = YOLO('./weights/best.pt')

cap = cv2.VideoCapture(video_url)
while True:
ret, frame = cap.read()
results = model.predict(frame, save=True)
img = cv2.imread('./predict/image0.jpg')
cv2.imshow('img', img)
if cv2.waitKey(1) == ord('q'):
break
for r in results[0]:
# if r.boxes.conf.item()>5.0:# 置信度阈值
if r.boxes.cls.item()==0.0:
print('有火')
elif r.boxes.cls.item()==1.0:
print('有烟')