文章目录
前言最终实现效果图后端实现主界面检测函数+检测结果显示
前端实现主界面(index.html）+显示图片界面
总结
前言
最近，老板让写一个程序把yolov5检测模型部署到web端，在网页直接进行目标检测。经过1个星期的努力，终于实现基本功能（累晕了）。网上查阅了很多资料，发现很多的技术比较复杂，当然他们的页面都比较漂亮，然后我打算自己写一篇简单记录一下哈哈。进入正题，该项目完全由Python的轻量级web框架flask完成，其实有一点js代码，简单易懂
最终实现效果图
先看项目的效果图吧哈哈，比较辣鸡，但是功能实现了！
检测结果显示：
哈哈 可以看到检测结果还是可以的爛
后端实现
首先，写了二个路由函数，分别是主界面、检测函数结果显示。如下所示
主界面
# 定义路由
@app.route('/', methods=['GET', 'POST'])
def upload():
if request.method == 'POST': #post是一种请求方式
# 从表单中获取上传的文件
f = request.files['file'] #request.files 函数作用就是获取前端名为 'file'的文件信息
global filename # 定义全局变量，方便其他地方调用filename，如果不定义全局变量，其他地方无法调用
filename = f.filename # 获取前端上传图片名字
global file_path #同理，定义全局变量
# 将文件保存到服务器本地
file_path = os.path.join(os.getcwd(), filename) #本地路径+图片名字= 文件路径（file-path)
print(file_path) # 当时只是为了测试程序
f.save(file_path) # 保存上传的图片到本地目录下，方便后续推理，直接找到图片
# 返回文件路径
# return file_path
#进行检测
opt = parse_opt()
main(opt)
return render_template('index.html')
检测函数+检测结果显示
# 检测结果显示
def return_img_stream(img_local_path):
"""
工具函数:
获取本地图片流
:param img_local_path:文件单张图片的本地绝对路径
:return: 图片流
"""
import base64
img_stream = ''
with open(img_local_path, 'rb') as img_f:
img_stream = img_f.read()
img_stream = base64.b64encode(img_stream).decode()
return img_stream
@app.route('/sh', methods=['GET', 'POST']) #定义新路由，显示图片
def hello_world():
#图片路径，推理完之后，默认保存的就是runs\\detect\\exp，这里加上filename，是变成完整的图片路径，然后才能获取显示
img_path = 'runs\\detect\\exp\\' + str(filename)
img_stream = return_img_stream(img_path) #获取图片流
return render_template('index.html', img_stream=img_stream)
最后，我把detect文件中的函数，parse_out函数直接放到app.py文件中了，因为这样传递图片路径比较方便。其中的main函数直接是调用的detect文件，如下所示：
# 检测图片的
def parse_opt():
parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default= 'yolov5s.pt', help='model path or triton URL')
#parser.add_argument('--source', type=str, default=0, help='file/dir/URL/glob/screen/0(webcam)')
parser.add_argument('--source', type=str, default= file_path, help='file/dir/URL/glob/screen/0(webcam)')
parser.add_argument('--data', type=str, default= 'models/yolov5s.yaml', help='(optional) dataset.yaml path')
parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')
parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--project', default= 'runs/detect', help='save results to project/name')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')
opt = parser.parse_args()
opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand
#print_args(vars(opt))
args = parser.parse_args(args=[])
print(args)
return opt
到这里，后端实现就基本写完了。接下来，看看前端页面 很简单，我都不好意思写
前端实现
主要就两个页面，分别是主页面index1.html和showimage.html。
主界面(index.html）+显示图片界面
index1.html就是主界面，显示的一些操作按钮。代码如下：
目标检测系统
总结
写的比较潦草，代码的功能不难理解，相对比较基础。有什么问题可以在评论直接问。然后就是代码基本上都放上来了，可以直接复制然后用。
5.22 更新了一下代码
更加简洁了，没有那么多繁琐的步骤加了一点点样式，增加了一些代码注释（不少人私信问我一些代码问题，之前忘记写了，不好意思）然后大家可以根据自己的需要进行改进 ······························· 如果觉得有用，就点点赞哈哈 我看代码需要的同学比较多，我直接把代码上传到github了，就不一个个私发你们了。 大家帮我点点赞或关注哈哈哈，然后自己下载吧 源码链接：https://github.com/Jss666/yolo_web
最新更新
修改了一版yolov7的，如果需要可以私聊，v7不是免费的哦爛
精彩链接
您阅读本篇文章共花了：
发表评论