基于YoloV5的钢筋计数

这篇具有很好参考价值的文章主要介绍了基于YoloV5的钢筋计数。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


文章为原创内容,如转载请标明,严禁照搬照抄!
另外如果大家有什么问题可以在评论区留言,我也是小白,我会尽量帮大家解答的。

1、下载YoloV5源代码

yolov5的源码下载地址 yolov5官网
基于YoloV5的钢筋计数
基于YoloV5的钢筋计数
下载之后大致是这样的,因为我这个是做钢筋计数,可能有一点不同
基于YoloV5的钢筋计数

2、项目代码介绍

就简单做一下介绍:
1、data:主要是存放一些超参数的配置文件(这些文件(yaml文件)是用来配置训练集和测试集还有验证集的路径的,其中还包括目标检测的种类数和种类的名称);还有一些官方提供测试的图片。如果是训练自己的数据集的话,那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面,而是建议把数据集放到yolov5项目的同级目录下面。
2、models:里面主要是一些网络构建的配置文件和函数,其中包含了该项目的四个不同的版本,分别为是s、m、l、x。从名字就可以看出,这几个版本的大小。他们的检测测度分别都是从快到慢,但是精确度分别是从低到高。这就是所谓的鱼和熊掌不可兼得。如果训练自己的数据集的话,就需要修改这里面相对应的yaml文件来训练自己模型。
3、weights:放置训练好的权重参数。下载地址yolo_.pt
基于YoloV5的钢筋计数
4、train.py:训练自己的数据集的函数
基于YoloV5的钢筋计数
这里我们需要对这几行的代码进行修改
基于YoloV5的钢筋计数
这里再放一张目录的图片

基于YoloV5的钢筋计数

这里我们把数据集的路径添加进来,test这个可有可无,nc:后面记得有个空格,这里我们只检测钢筋,所以为1.
我们运行train.py之后会生成下面图片上的文件
基于YoloV5的钢筋计数

5、detect.py:利用训练好的权重参数进行目标检测,可以进行图像、视频和摄像头的检测。
基于YoloV5的钢筋计数
我们接下来在detect.py中修改上面的代码,第223行是把train.py生成的best.pt添加进来,第224行是我们要进行钢筋计数的图片。

3、在图片上显示计数的个数

这里我们需要在

`            if save_img:
                cv2.putText(im0, f"{n} {names[int(c)]}{'s' * (n > 1)}", (5, 50), cv2.FONT_HERSHEY_SIMPLEX, 1.2,
                            (0, 0, 255), 2)  # 添加的显示计数值`

if save_img:下面添加下面这行代码才可以显示计数的数量。大概在detect.py的190行左右

4、手机连接摄像头进行实时计数

1,下载IP摄像头APP
基于YoloV5的钢筋计数
2、按如下步骤操作
基于YoloV5的钢筋计数
基于YoloV5的钢筋计数
基于YoloV5的钢筋计数

基于YoloV5的钢筋计数
我们记下自己的ip地址,每个人的不一样
基于YoloV5的钢筋计数
基于YoloV5的钢筋计数
然后在上图中这个位置添加这行代码,填写自己的IP地址和端口号。

--view-img --source http://admin:admin@192.168.47.112:8081

点击ok,再在pycharm上运行detect.py就可以了。

5、图片检测效果

基于YoloV5的钢筋计数
基于YoloV5的钢筋计数
yolov5s.pt的计数效果(数量为134)
基于YoloV5的钢筋计数
yolov5m.pt的计数效果(数量为153)
基于YoloV5的钢筋计数
yolov5l.pt的计数效果(数量为169)
通过这个计数对比我们可以发现计数效果yolov5l.pt优于yolov5m.pt优于yolov5s.pt.

6、摄像头实时计数

基于yolov5的摄像头钢筋实时计数

此外还有yolov5s.pt与yolov5m.pt的摄像头计数。需要源码的可以关注一下公共号:
Belated to bide文章来源地址https://www.toymoban.com/news/detail-445065.html

到了这里,关于基于YoloV5的钢筋计数的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 使用YOLOV5实现视频中的车辆计数

    目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。

    2024年01月25日
    浏览(42)
  • YOLOv5实现目标分类计数并显示在图像上

            有同学后台私信我,想用YOLOv5实现目标的分类计数,因此本文将在之前目标计数博客的基础上添加一些代码,实现分类计数。阅读本文前请先看那篇博客,链接如下: YOLOv5实现目标计数_Albert_yeager的博客         以coco数据集为例,其类别如下(共80类)。注意,每个

    2024年02月08日
    浏览(80)
  • AI助力农作物自动采摘,基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建作番茄采摘场景下番茄成熟度检测识别计数分析系统

    去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物,专家设计出来了很多用于采摘不同农作物的大型机械,看着非常震撼,但是我们国内农业的发展还是相对比较滞后的,小的时候拔草是一个人一列

    2024年02月20日
    浏览(60)
  • 两百行C++代码实现yolov5车辆计数部署(通俗易懂版)

    本文是文章传统图像处理方法实现车辆计数的后续。这里用OpenCV实现了基于yolov5检测器的单向车辆计数功能,方法是撞线计数。该代码只能演示视频demo效果,一些功能未完善,离实际工程应用还有距离。 实现流程: (1)训练yolov5模型,这里就没有自己训练了,直接使用官方

    2024年02月06日
    浏览(68)
  • yolov5无人机视频检测与计数系统(创新点和代码)

    标题:基于YOLOv5的无人机视频检测与计数系统 无人机技术的快速发展和广泛应用给社会带来了巨大的便利,但也带来了一系列的安全隐患。为了实现对无人机的有效管理和监控,本文提出了一种基于YOLOv5的无人机视频检测与计数系统。该系统通过使用YOLOv5目标检测算法,能够

    2024年02月02日
    浏览(50)
  • 行人车辆检测与计数系统(Python+YOLOv5深度学习模型+清新界面)

    摘要:行人车辆检测与计数系统用于交通路口行人及车辆检测计数,道路人流量、车流量智能监测,方便记录、显示、查看和保存检测结果。本文详细介绍行人车辆检测,在介绍算法原理的同时,给出 P y t h o n 的实现代码、 P y Q t 的UI界面以及训练数据集。在界面中可以选择

    2024年02月01日
    浏览(48)
  • yolov5 代码内容解析

    目录 一、工程目录及所需的配置文件解析 二、训练代码详解 加载模型 优化器    数据生成器 参数及类别权重 warmup和前向传播 损失函数计算 准确性和召回率计算 Yolov5 目标检测   整个目录结构如下图所示: 其中config_document包含yolov5的预训练模型和模型参数等的配置文件,

    2024年02月14日
    浏览(33)
  • 智能交通系统-yolov5+deepsort车辆跟踪、计数、测速、碰撞检测、违规驶入检测(算法-毕业设计)

    本项目效果展示视频:https://www.bilibili.com/video/BV1E3411G7cP/ 1、本项目通过yolov8/yolov7/yolov5 5.0和deepsort实现了一个多功能智能交通监控系统,可为一些同学的课设、大作业等提供参考。分别实现了不同车辆的跟踪,统计不同车型“上行”和“下行”的数量,实时检测车辆速度,检

    2023年04月09日
    浏览(46)
  • 【极市任务——安全帽检测|yolov5】一文带你快速通过任务|使用yolov5[6.0]|和极市说明文档不一样的yolov5内容|python

    目录   时间:2022.6.23 极市的新人任务——安全帽识别通过简单的赛题带我们更好的熟悉了极市比赛、项目的打榜流程。 如果你也是深度学习爱好者,也不妨短暂停留看看!!! 1.开发环境选择 2.配置yolov5环境 3.编写代码 4.模型训练 5.模型测试 6.领取奖励 没有谁的成功是一步

    2024年02月03日
    浏览(53)
  • 用yolov5识别点选验证码中的目标内容

    目录 获取训练所需的图片 训练模型 总结与提高 源码下载 如果要过掉点选验证码,首先就要获取目标点选内容的坐标位置,我们可以训练一个yolov5模型来实现这一功能。在本节,我们拿凯格行为验证码来进行演示,验证码图片如下所示。   编写程序,获取一定数量的图片用

    2024年02月01日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包