使用pyqt5搭建yolo3目標識別界面的方法
由於這是我第一次寫這種博客，其目的也不是為瞭賺取積分，主要是為瞭記錄我的學習過程中的一些方法，以便以後我再次需要用的時候可以知道我當時是怎麼做的。所以文中會有很多地方並不會解釋其原理（主要是我自己壓根也沒搞明白，當時隻想知道怎麼用就行瞭，遇到需要用其他的再百度），主要著重於怎麼運用。如有不當之處，請指出我當改正。
搭建pyqt5環境
我用的IDE是PyCharm，深度學習環境搭建可以參考其他博主的教程。
pyqt5的環境搭建流程參考的是b站up主@劉金玉編程。
- 安裝Anaconda3，搭建好虛擬環境，在虛擬環境裡配置好yolo3所需的庫，並在這個虛擬環境裡安裝pyqt5。
- 用win + R打開快速運行，搜索cmd打開命令行窗口。
打開命令提示符窗口，輸入’activate‘+空格+所在虛擬環境的名稱。然後輸入’pip install pyqt5‘+回車，就會開始安裝pyqt5。
在PyCharm中配置好pyqt5。首先打開設置，在’External Tool‘中添加ptqt5組件。點擊 ‘+‘號，
點擊 ‘+‘號，創建工具，工具名字是自己設定的，第一個可以命名為’QTDesinger‘，Program路徑選擇Anaconda安裝路徑下的’Ananconda3\Library\bin\designer.exe‘,因為我是直接裝在D盤的，所以完整路徑為’D:\Ananconda3\Library\bin\designer.exe‘。點擊Program這一行末尾的’+‘號即可選擇路徑。選擇好之後，Argument不用填，Working directory會自己填好。
然後再添加一個工具，名字可以命名為’PyUIC‘，Program選擇路徑為虛擬環境的路徑，一般都安裝在Ananconda3下的evns文件夾裡，下一級文件夾就是虛擬環境的名稱，找到你創建的虛擬環境文件夾，在裡面找到 python.exe文件，完整路徑為’D:\Ananconda3\envs\python3-6\python.exe‘，Argument填入
-m PyQt5.uic.pyuic $FileName$ -o $FileNameWithoutExtension$.py
Working directory填入
$FileDir$
完成以上步驟，即可配置好所需工具，開始設計界面瞭。
可以右鍵項目名稱，選擇External Tool裡的QTDesinger可以直接開始設計界面，最後需要保存在項目根目錄裡，會生成一個後綴為’ui’的文件，然後右鍵點擊這個文件，選擇External Tool裡的PyUIC即可將其轉換為’py’文件，就可以從代碼中對界面進行調用和編輯。
我沒有從直接設計界面開始，而是從代碼中設計界面。
程序流程
主界面
子界面
設計界面
1.主函數
需要導入以下常用的庫：
from PyQt5.QtWidgets import * #這兩個是pyqt5常用的庫 from PyQt5.QtGui import QIcon, QPixmap #可以滿足小白大多數功能 import os #這兩個是其他的庫 import sys #可以完成一些打開文件保存文件的功能 from yolov3 import train, predict #這是我自己將yolov3模型整體放在我項目的子文件夾中，從中調用我的訓練和預測函數
下面是主程序：
# 創立一個主界面，並保持它，從各種按鈕或者組件中接受信號完成界面功能，相當於無限循環 # 隻有選擇退出後才會關掉程序退出循環 if __name__ == '__main__': app = QApplication(sys.argv) mc = MyClass() #這裡相當於實例化一個主界面，myclass是自己定義的主界面類 sys.exit(app.exec_()) #監聽退出，如果選擇退出，界面就會關掉
2.定義主界面的類
（1）主界面
首先是初始化，需要繼承父類。
class MyClass(QWidget): def __init__(self): super().__init__() #繼承父類 self.initUI() #自己定義的函數，初始化類界面，裡面放著自己各種定義的按鈕組件及佈局 self.child_window = ChildClass() #子界面的調用，本質和主界面一樣是一個類，在這裡將其聲明為主界面的成員
（2）主界面佈局
功能實現在代碼註釋都有詳細說明，關於self.TModelSelectSignal = [0, 0]和self.TModel= [1, 0]，可以理解為一種主界面和子界面的信號傳遞，由於我對深層次的參數傳遞不清楚，所以隻能采用一種的最笨的方法，在主界面的類裡活得已訓練好模型的序號，放在數組self.TModel裡，數組的第一位為1表示第一個模型已訓練，為0表示未訓練。同理第二位則表示第二個模型，如果有更多模型，可以設置更多位。數組的設置實在模型訓練之後，因此將賦值數組的代碼放在訓練函數裡。
def initUI(self):
self.setWindowTitle("COC缺陷檢測") #設置界面名稱
# self.setWindowIcon(QIcon("iconimg/zhou.png")) #設計界面的圖標，圖片放在項目文件夾的子文件夾裡就不會出錯，名字也要對應
self.resize(350, 200) #設置界面大小
self.TModelSelectSignal = [0, 0] #選擇按鈕對應的模型
self.TModel= [0, 0] #表示已經訓練好的模型編號
myframe = QFrame(self) #實例化一個QFrame可以定義一下風格樣式，相當於一個框架，可以移動，其內部組件也可以移動
btn2 = QPushButton("開始訓練模型", self) #定義一個按鈕，括號裡需要一個self，如果需要在類內傳遞，則應該定義為self.btn2
btn2.clicked.connect(self.TestModel) #將點擊事件與一個函數相連，clicked表示按鈕的點擊事件，還有其他的功能函數，後面連接的是一個類內函數，調用時無需加括號
btn3 = QPushButton("上傳數據集", self)
btn3.clicked.connect(self.DataExplorerSelect) #連接一個選擇文件夾的函數
btn5 = QPushButton("退出程序", self)
btn5.clicked.connect(self.close) #將按鈕與關閉事件相連，這個關閉事件是重寫的，它自帶一個關閉函數，這裡重寫為點擊關閉之後會彈窗提示是否需要關閉
btn6 = QPushButton("檢測", self)
btn6.clicked.connect(self.show_child) #這裡將聯系彈出子界面函數，具體彈出方式在函數裡說明
combol1 = QComboBox(myframe) #定義為一個下拉框，括號裡為這個下拉框從屬的骨架（框架)
combol1.addItem(" 選擇模型") #添加下拉選項的文本表示，這裡因為沒有找到文字對齊方式，所以采用直接打空格，網上說文字對齊需要重寫展示函數
combol1.addItem(" YOLOv3")
combol1.addItem(" YOLOv4")
combol1.activated[str].connect(self.TModelSelect) #|--將選擇好的模型序號存到模型選擇數組裡
#|--後面的訓練函數會根據這個數組判斷需要訓練哪個模型
#|--[str]表示會將下拉框裡的文字隨著選擇信號傳過去
#|--activated表示該選項可以被選中並傳遞信號
vlo = QVBoxLayout() #創建一個垂直佈局，需要將需要垂直佈局的組件添加進去
vlo.addWidget(combol1) #添加相關組件到垂直佈局裡
vlo.addWidget(btn3)
vlo.addWidget(btn2)
vlo.addWidget(btn6)
vlo.addWidget(btn5)
vlo.addStretch(1) #一個伸縮函數，可以一定程度上防止界面放大之後排版不協調
hlo = QVBoxLayout(self) #創建整體框架佈局，即主界面的佈局
hlo.addLayout(vlo) #將按鈕佈局添加到主界面的佈局之中
hlo.addWidget(myframe) #將框架也加入到總體佈局中，當然也可以不需要這框架，直接按照整體框架佈局來排版
#之所以這裡有這個myframe，是因為嘗試過很多種佈局，其中一個佈局就是將其他組件都放到這個myframe中，移動這個myframe
#其裡面的組件佈局相對位置不會改變，後面又嘗試瞭多種佈局，所以這個myframe最後裡面其實就剩下一個下拉框
self.show() #顯示主界面
（3）主界面的功能函數（槽函數）
選擇數據上傳，其本質是打開一個文件夾，然後將相關照片按照規定排列好。這裡采用的是絕對路徑，按理來說相對路徑較好，但是沒有找到具體實現方法，一般的相對路徑方法打不開對應的文件夾，所以暫時選擇用這個。
def DataExplorerSelect(self):
path = r'D:\pycharm\QTYOLOV3\yolov3\VOCdevkit\VOC2007'
os.system("explorer.exe %s" % path)
打開子界面函數
def show_child(self): TModel1 = self.TModel #|--這是子界面的類內函數 self.child_window.GetTModel(TModel1) #|--將訓練好的模型序號傳到子界面的類內參數裡面 self.child_window.show() #|--子界面相當於主界面的一個類內成員 #|--但是本質還是一個界面類，也有show函數將其展示
選擇需要訓練的模型序號
如果這裡報錯，有可能是下拉框中文本信息與這裡的判斷文本信息不同。
def TModelSelect(self, s): #s是形參，表示傳回來的選中的選項的文字 if s == ' YOLOv3': self.TModelSelectSignal[0] = 1 #如果選中的是YOLOv3-COC就將第一位置1 # print(self.TModelSelectSignal[0]) elif s == ' YOLOv4': self.TModelSelectSignal[1] = 1 #如果選中的是YOLO-Efficientnet就將第二位置1 # print(self.TModelSelectSignal[1])
訓練函數。因為這裡隻導入一個訓練函數，所以隻有一個判別選項，訓練完之後會將self.TModelSelectSignal的對應位置零以便下一次可以繼續訓練。
def TestModel(self):
if self.TModelSelectSignal[0] == 1:
train.run()
self.TModelSelectSignal[0] = 0
else:
print("沒有該模型")
關閉函數。這裡是將其重寫，多瞭一個關閉時會有彈窗出現的功能。前一個文本參數時彈出框的名字，後一個文本參數是顯示在窗口的文本。
def closeEvent(self, event): result = QMessageBox.question(self, "提示：", "您真的要退出程序嗎", QMessageBox.Yes|QMessageBox.No, QMessageBox.Yes) if result == QMessageBox.Yes: event.accept() else: event.ignore()
3.定義子界面
（1）子函數
同樣需要初始化並繼承父類。
class ChildClass(QWidget): def __init__(self): super().__init__() self.initUI() self.TModel = [] #用來接收主界面的訓練好的模型的序號 self.openfile_name_image = '' #存儲原始圖像的地址 self.result_name_image = '' #存儲檢測好的圖像的地址
（2）子界面佈局
def initUI(self):
self.resize(1100, 450) #縮放界面大小
self.setWindowTitle("目標檢測") #設置界面標題
# self.setWindowIcon(QIcon("iconimg/zhou.png")) #設置界面圖標
self.PModelSelectSignal = [0, 0] #設置需要預測模型的序號，在下拉框裡選擇
myframe = QFrame(self)
self.label1 = QLabel("檢測模型", self)
combol1 = QComboBox(myframe)
combol1.addItem("選擇檢測模型")
combol1.addItem("YOLOV3")
combol1.addItem("YOLOV4")
combol1.activated[str].connect(self.PModelSelect) #鏈接預測模型序號選擇函數
btn1 = QPushButton("選擇檢測圖片", self)
btn1.clicked.connect(self.select_image) #鏈接檢測圖片選擇函數，本質是打開一個文件夾
btn2 = QPushButton("開始檢測", self)
btn2.clicked.connect(self.PredictModel) #鏈接預測模型函數
self.label2 = QLabel("", self) #創建一個label，可以存放文字或者圖片，在這裡是用來存放圖片，文本參數為空就會顯示為空，留出空白區域，選擇好圖片時會有函數展示圖片
self.label2.resize(400, 400)
self.label3 = QLabel("", self)
self.label3.resize(400, 400)
label4 = QLabel(" 原始圖片", self) #用來放在圖片底部表示這是哪一種圖片
label5 = QLabel(" 檢測圖片", self)
vlo2 = QHBoxLayout() #創建一個子佈局，將圖片水平排放
vlo2.addWidget(label4)
vlo2.addWidget(label5)
vlo = QHBoxLayout() #創建一個子佈局，將按鈕水平排放
vlo.addStretch()
vlo.addWidget(self.label1)
vlo.addWidget(combol1)
vlo.addWidget(btn1)
vlo.addWidget(btn2)
vlo.addStretch(1)
vlo1 = QHBoxLayout() #創建一個水平佈局，將兩個提示標簽豎直排放
vlo1.addWidget(self.label2)
vlo1.addWidget(self.label3)
hlo = QVBoxLayout(self) #創建一個總的垂直佈局，將三個子佈局垂直排放
hlo.addLayout(vlo)
hlo.addLayout(vlo1)
hlo.addStretch(1)
hlo.addLayout(vlo2)
hlo.addStretch(0)
hlo.addWidget(myframe)
（3）子界面功能函數（槽函數） 一個賦值函數，在外部調用給類內成員賦值
def GetTModel(self, a): self.TModel = a
關閉事件，和主界面一樣是重寫之後的。
def closeEvent(self, event): result = QMessageBox.question(self, "提示：", "您真的要退出程序嗎", QMessageBox.Yes | QMessageBox.No, QMessageBox.Yes) if result == QMessageBox.Yes: event.accept() else: event.ignore()
def select_image(self):
self.openfile_name_image, _ = QFileDialog.getOpenFileName(self, "選擇照片文件",
r"./yolov3/imgtest/")
#彈出一個對話窗，是一個文件夾，可以選擇一個文件然後返回地址到 self.openfile_name_image中
print('加載照片文件地址為：' + str(self.openfile_name_image))
self.label2.setPixmap(QPixmap(str(self.openfile_name_image))) #將選中的文件名字傳入QPixmap（）中，括號內為文件地址，就會讀取這個圖片
self.label2.resize(300, 400)
self.label2.setScaledContents(True) #表示這個label可以可以自適應窗口大小，可以讓圖片隨窗口大小而變化
選擇需要預測的模型，s是形參，傳回的是下拉框中的文本信息。
def PModelSelect(self, s):
if s == 'YOLOV3':
if self.TModel[0] == 1:
self.PModelSelectSignal[0] = 1
self.PModelSelectSignal[1] = 0
print(self.PModelSelectSignal[0])
else:
print("模型YOLOV3未訓練") ##如果已經訓練好的模型數組裡對應的位置為0，則表示該模型未訓練
self.PModelSelectSignal[1] = 0 #同時也要講模型選擇信號清零，以便下次可以繼續選擇賦值
elif s == 'YOLOV4':
if self.TModel[1] == 1:
self.PModelSelectSignal[1] = 1
self.PModelSelectSignal[0] = 0
print(self.PModelSelectSignal[1])
else:
print("模型YOLOV4未訓練")
self.PModelSelectSignal[0] = 0
圖像預測。由於隻導入瞭一個模型，所以隻有一個判別程序，我寫的預測函數是可以讀取文件路徑的圖片，所以我隻需將需要預測的圖片的路徑傳入預測函數，就會將預測好的圖片保存在指定文件夾，然後後面用程序將其讀出展示在界面裡。
def PredictModel(self):
if self.PModelSelectSignal[0] == 1:
predict.predict(self.openfile_name_image) #將需要預測的圖片傳入導入的預測函數
elif self.PModelSelectSignal[1] == 1:
print('YOLOV4正在檢測') #這裡應該放入另外一個模型
else:
print('沒有該模型')
a = self.openfile_name_image
a = a.split('/') #將預測圖片裡的編號分離出來
a = './yolov3/imgtestresult/' + a[-1] #將指定路徑與圖片編號組合，即可得到預測好的圖片的路徑
self.label3.setPixmap(QPixmap(a)) #直接讀取預測好的圖片
self.label3.resize(300, 400)
self.label3.setScaledContents(True)
print(a)
界面展示
一些尚未解決的問題
由於保存圖片路徑變量覆蓋的問題，會導致選擇第二張檢測圖片之後，檢測圖片的結果仍然展示的是第一張，可以在選擇檢測圖片的函數裡加上每當選擇一張新的圖片，即可清除上一張圖片。
另外一個問題就是無法連續兩次檢測，具體原因還沒有查明，可能是用的同一個保存圖片文件的變量，最後並沒有傳入預測函數。
另外一個還沒有實現的功能就是實時展示訓練進程，在原始訓練函數裡，是會實時打印出訓練進程，所以應該可以做到讀取訓練函數裡的打印的文本，然後傳遞到界面類裡的一個函數，然後展示在界面裡。
到此這篇關於使用pyqt5搭建yolo3目標識別界面的方法的文章就介紹到這瞭,更多相關pyqt5搭建yolo3識別界面內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！