【YOLOV5 入门】——Pyside6/PyQt5可视化UI界面后端逻辑

声明：笔记是做项目时根据B站博主视频学习时自己编写，请勿随意转载！

一、环境安装

VScode/Pycharm终端进入虚拟环境后，输入下面代码安装pyside6，若用的Pycharm作为集成开发环境，也下载个pyqt5：

pip install pyside6

pip install pyqt5

安装完pyside6时其实一并安装了qtdesigner，这个工具可让我们以拖拽的方式设计界面，按下面方法找到这个工具放在桌面以便后续使用：

终端输入：

where python

现在用的虚拟环境是第二个，找到找到虚拟环境path/lib/site-packages/Pyside6/designer.exe：

右键创建桌面快捷方式并打开，界面如下：

注意：这个工具生成的文件为.ui文件，不是.py文件，还需要一个编译器编译为.py文件，若用的VScode，在左侧扩展中安装插件qt for python即可；若用的Pycharm，ui文件转换为py可参考这篇博客（记得先安装pip install pyqt5）：

Pycharm的QT Designer的.ui转.py文件http://t.csdnimg.cn/M8TlS

二、QT Designer进行UI设计

①创建一个Main Window

②利用左侧的Label，创建两个图片显示框，一个显示原图片/视频，另一个显示检测结果

③按钮选择是检测图片还是视频，用到左侧的Push Button：

布局如下，文字位置等可在右侧属性编辑器中更改居中，图片和检测结果框需选中scaledContents勾选，因为实际图片的尺寸是不确定的。

为了区分名称可以在右侧对象框中，根据实际作用更改名称原始图片Label命名为input，检测结果Label命名为output，按钮分别是det_image和det_video：

如此UI设计结束，将其保存在我们的yolov5-7.0文件夹中，.ui文件命名为main_window：

三、后端逻辑设计

首先利用上面提供的方法将.ui文件转换为.py文件，同名放在了文件夹如下图：

在yolov5-7.0文件夹中创建一个名为base_ui.py的文件用于编写我们的后端逻辑，先写个框架：

import sys
from PyQt5.QtWidgets import QMainWindow, QApplication  #注：如果用的VScode就是from Pyside6
from main_window import Ui_MainWindowclass MainWindow(QMainWindow, Ui_MainWindow):  #新建一个MainWindow类，继承了两个类（一个导入的QMainWindow，另一个是main_window.py文件里的Ui_MainWindow）def __init__(self):super(MainWindow, self).__init__()self.setupUi(self)  #调用setupUi()，它是main_window.py文件里的Ui_MainWindow类里的函数if __name__ == "__main__":app = QApplication(sys.argv)window = MainWindow()window.show()app.exec_()

点击运行即可加载出刚才设计的UI界面：

然后在代码框架中逐个定义需要的逻辑或者说函数。功能按钮的编写关键在于绑定信号与槽（bind_slots)，即为每个按钮绑定触发事件。

import sys
import cv2
import torch
from PyQt5.QtWidgets import QMainWindow, QApplication, QFileDialog  #注：如果用的VScode就是from Pyside6
from PyQt5.QtGui import QPixmap, QImage
from PyQt5.QtCore import QTimer  #解决视频检测时阻塞问题，循环不用while True用timer
from main_window import Ui_MainWindowdef convert2QImage(img):  #将array转换为UI Label可以显示的格式height, width, channel= img.shapereturn QImage(img, width, height, width*channel, QImage.Format_RGB888)class MainWindow(QMainWindow, Ui_MainWindow):  #新建一个MainWindow类，继承了两个类（一个导入的QMainWindow，另一个是main_window.py文件里的Ui_MainWindow）def __init__(self):super(MainWindow, self).__init__()self.setupUi(self)  #调用setupUi()，它是main_window.py文件里的Ui_MainWindow类里的函数# Model 使用torch.hub.load()函数加载YOLOv5目标检测模型self.model = torch.hub.load("./", "custom", "runs/train/exp9/weights/best", source="local")  #参照hub_detect代码加载模型self.timer = QTimer() #解决视频检测时阻塞问题，循环不用while True用timerself.timer.setInterval(100) #计时间隔msself.video = Noneself.bind_slots()def image_pred(self, file_path):# 使用加载的模型对指定的图像进行目标检测。# model()方法接受一个图像路径作为输入，并返回检测结果。检测结果包含了检测框的坐标、类别标签和置信度等信息。results = self.model(file_path)image = results.render()[0]  #检测结果图片的array数组，但没法直接显示在ui的Label，需要上面编写的转换函数convert2QImagereturn convert2QImage(image)def open_image(self):#print("检测图片")file_path = QFileDialog.getOpenFileName(self, "选择图片", "./datasets/images/train", "Images (*.jpg *.png *.jpeg)")  #第一个参数是弹出框的名字，第二个参数是默认跳转路径，第三个参数过滤只显示某些文件格式的文件#file_path返回一个元组，('.../datasets/images/train/30.jpg', 'Images (*.jpg *.png *.jpeg)')，# 我们只需要第一个元素file_path[0]。不选路径元组为空if file_path[0]:file_path = file_path[0]qimage = self.image_pred(file_path)self.input.setPixmap(QPixmap(file_path))  #依据选择路径传入图片文件并显示self.output.setPixmap(QPixmap.fromImage(qimage))  #显示检测结果#print(file_path)def video_pred(self):ret, frame = self.video.read()  # 抽取一帧放在frameif not ret:self.timer.stop()else:frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)  # 将这一帧frame转换为常规的RGB格式self.input.setPixmap(QPixmap.fromImage(convert2QImage(frame)))  # 依据选择路径传入图片文件并显示# 使用加载的模型对指定的图像进行目标检测。# model()方法接受一个图像路径作为输入，并返回检测结果。检测结果包含了检测框的坐标、类别标签和置信度等信息。results = self.model(frame)image = results.render()[0]  #检测结果图片的array数组，但没法直接显示在ui的Label，需要上面编写的转换函数convert2QImageself.output.setPixmap(QPixmap.fromImage(convert2QImage(image)))  # 显示检测结果def open_video(self):  #抽帧+单个图片检测+显示print("检测视频")file_path = QFileDialog.getOpenFileName(self, "选择图片", "./datasets", "Images (*.mp4)")if file_path[0]:file_path = file_path[0]self.video = cv2.VideoCapture(file_path)self.timer.start()def bind_slots(self):self.det_image.clicked.connect(self.open_image)  #当det_image按钮点击时（链接）执行open_image函数self.det_video.clicked.connect(self.open_video)self.timer.timeout.connect(self.video_pred)if __name__ == "__main__":app = QApplication(sys.argv)window = MainWindow()window.show()app.exec_()

上面是最终更改好的代码。函数逻辑：按钮bind_slots函数里面套了open_image函数和open_video函数（绑定槽）；然后open_image函数和open_video函数里面分别套了image_pred函数和video_pred函数，使得选好图片/视频路径后自动开始检测并显示。

其中原本视频检测用的是抽帧和while true循环检测并显示的逻辑，但在前端中经常会遇到时间步长不合适出现阻塞问题，后来跟着博主用了qtimer计数器的方法，更改过程的视频如下：

YOLOv5检测UI可视化：timer时间步长更改

最终效果演示如下：

YOLOv5检测可视化界面效果演示

如果嫌显示的视频太卡顿，可在代码中更改时间步长：

self.timer.setInterval(100) #计时间隔ms，可以把100改的更小

小BUG

检测视频时，切换图片检测输入图片后一闪即逝，还在检测刚才的视频。这是由于计时器timer一直在运行，需要在open_image()函数中加一句，打开图片时关闭timer即可：

 def open_image(self):#print("检测图片")self.timer.stop().....

往期精彩

STM32专栏（付费9.9）http://t.csdnimg.cn/E2F88

OpenCV-Python专栏（付费9.9）http://t.csdnimg.cn/zK1jV

AI底层逻辑专栏（付费9.9）http://t.csdnimg.cn/zic0f

机器学习专栏（免费）http://t.csdnimg.cn/FaXzAFreeRTOS专栏（免费）http://t.csdnimg.cn/SjIqU电机控制专栏（免费）http://t.csdnimg.cn/FNWM7