【前言】
本项目来自于开源AI项目：https://gitcode.com/langgptai/ImageDetection。
这是一个基于YOLO（You Only Look Once）的实时目标检测项目，可以处理视频和图片。本项目特别适合想要入门计算机视觉和深度学习的初学者。
本篇旨为带领大家在【米尔-瑞芯微RK3576核心板及开发板】实现YOLO实时目标检测。
【主要功能】
使用【米尔-瑞芯微RK3576核心板及开发板】实现实时分类检测。
【环境要求】
https://mbb.eet-china.com/forum/topic/147562_1_1.html
这一篇我详细介绍了Anaconda环境的创建。请在虚拟环境中安装以下组件：
  • Python 3.8 或更高版本
  • OpenCV (cv2)
  • Ultralytics YOLO
    1. # 基础依赖
    2. pip install torch torchvision
    3. pip install transformers
    4. pip install pillow
    5. pip install opencv-python
    6. pip install ultralytics
    7. pip install tqdm
    8. pip install ffmpeg-python

    10. # 如果下载速度慢，可以使用清华源：
    11. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision
    12. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple transformers pillow opencv-python ultralytics tqdm ffmpeg-python
    根据项目，我们下载项目：
    1. git clone https://gitcode.com/langgptai/ImageDetection.git
    2. cd ImageDetection
    3. pip install ultralytics opencv-python imageio
    【代码编写】
    1. import cv2
    2. from ultralytics import YOLO

    4. # 加载模型
    5. model = YOLO("./models/yolo11s.pt")  # 假设我们使用的是 YOLOv8 的 nano 模型

    7. # 读取图片
    8. image_path = "media/image.png"
    9. image = cv2.imread(image_path)

    11. # 进行目标检测
    12. results = model.predict(source=image, save=True, save_txt=True)  # 保存检测结果为图片和文本文件

    14. # 打印检测结果
    15. for result in results:
    16.     boxes = result.boxes
    17.     for box in boxes:
    18.         if box.conf >= 0.5:  # 只绘制概率在 0.5 及以上的检测结果
    19.             print(f"类别: {box.cls}, 置信度: {box.conf}, 边界框: {box.xyxy}")

    21.             # 提取类别标签和置信度
    22.             label = f"{model.names[int(box.cls)]} {float(box.conf):.2f}"
    23.             
    24.             # 绘制边界框和类别标签
    25.             x1, y1, x2, y2 = box.xyxy[0]
    26.             x1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)
    27.             cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
    28.             cv2.putText(image, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    30. # 显示图像
    31. cv2.imshow("Image with Detection", image)
    32. cv2.waitKey(0)
    33. cv2.destroyAllWindows()
    确保项目的文件如下：
    image.png
    验证，在media中放入imag.jpg,
    image.png
    然后执行python image.py
    后在runs/dectects/predict/目录下生成image0.jpg
    image.png
    如果我们想识别另一张图，那就修改
    1. # 读取图片
    2. image_path = "media/image.png"
    同时也会在当前窗口中生成预览。