本项目是一个基于 Ultralytics YOLOv11 的完整计算机视觉解决方案，旨在实现特定工具或物体的实时检测与识别。项目涵盖了从 数据采集、环境配置 到 模型训练 和 实时推理 的全流程。
主要功能包括：
- 📸 数据集采集：通过 GUI 界面调用摄像头，快速采集并保存训练图片。
- 🔧 环境检测：自动检测 GPU、CUDA 及 PyTorch 环境配置，确保训练环境可用。
- ⚡ 模型训练：基于 YOLOv11 架构，支持自定义数据集进行目标检测模型训练。
- 🎥 实时推理：调用本地摄像头，加载训练好的模型进行实时物体检测与标注。
- 深度学习框架: Ultralytics YOLO
- 编程语言: Python 3.x
- GUI 库: PyQt5
- 图像处理: OpenCV
- 硬件加速: CUDA, cuDNN (可选)
在开始之前，请确保您已安装 Python 3.8+。建议创建一个虚拟环境以避免依赖冲突。
您可以通过以下 pip 命令安装所有必需的依赖包：
pip install ultralytics opencv-python pyqt5 torch torchvision torchaudio| 库名称 | 用途说明 |
|---|---|
ultralytics |
YOLOv11 模型的核心库，用于模型训练和推理 (train.py, demo.py) |
opencv-python |
计算机视觉库，用于摄像头捕获和图像处理 (capture.py, demo.py) |
PyQt5 |
用于构建 capture.py 中的图形用户界面 (GUI) |
torch |
PyTorch 深度学习框架，支持 GPU 加速 (gpu_check.py) |
为了加速模型训练，强烈建议使用 NVIDIA GPU。请确保您的系统已安装：
- NVIDIA 驱动
- CUDA Toolkit
- cuDNN
您可以通过运行以下脚本来验证您的 GPU 环境是否已正确配置：
python gpu_check.py以下示例展示如何运行 demo.py 脚本，加载训练好的模型并启动摄像头进行实时目标检测。
确保您已经训练好模型（默认路径为 runs/detect/train8/weights/best.pt），然后执行以下命令：
python demo.py运行后，程序会自动尝试打开摄像头。如果摄像头打开成功，将弹出一个名为“工具检测”的窗口，实时显示检测结果。按 Q 键退出程序。
预期输出：
成功打开摄像头，使用后端: 700
实时检测中，按Q键退出...
注意：首次运行时，程序会尝试多种摄像头后端（如
CAP_DSHOW,CAP_V4L2）以确保兼容性。如果您的摄像头索引不是默认的0，请在demo.py中修改backends列表。
本项目的工作流程遵循标准的深度学习目标检测 pipeline，主要分为三个阶段：数据采集、模型训练 和 实时推理。
- 数据采集：运行
capture.py，通过摄像头采集图像并保存到datasets文件夹下。 - 模型训练：准备好数据集（通常包含
images和labels子目录）后，运行train.py进行模型训练。 - 实时检测：训练完成后，使用
demo.py加载生成的权重文件（如best.pt）进行实时摄像头检测。
graph TD
subgraph A["阶段一：数据采集"]
A1[capture.py] --> A2[打开摄像头]
A2 --> A3{按下按键}
A3 -- 拍摄 --> A4[保存图片到 datasets/images]
A3 -- 退出 --> A5[结束采集]
end
subgraph B["阶段二：模型训练"]
F[train.py] --> G[读取 datasets 数据集]
G --> H[加载预训练模型]
H --> I[开始训练]
I --> J[生成 runs/detect/trainX/weights/best.pt]
end
subgraph C["阶段三：实时推理"]
K[demo.py] --> L[加载 best.pt 模型]
L --> M[打开摄像头]
M --> N[实时目标检测]
N --> O[显示结果窗口]
end
A --> B --> C