yoloweb 1.0.0

通用YOLO检测Web服务，支持动态模型替换

YOLOWeb - 通用YOLO检测Web服务

一个基于Flask和YOLO的通用目标检测Web服务，支持实时摄像头检测、动态模型替换和Web界面展示。

✨ 功能特点

• 🎯 通用YOLO检测: 支持所有YOLO模型格式 (.pt, .onnx, .engine)
• 📹 实时摄像头检测: 高性能实时视频流检测
• 🔄 动态模型替换: 无需重启即可更换检测模型
• 🌐 Web界面: 现代化的Web管理界面
• 🚀 RESTful API: 完整的API接口支持
• 📊 检测结果展示: 实时显示检测框和置信度
• ⚙️ 灵活配置: 支持多种配置方式

🚀 快速开始

安装

pip install yoloweb

基本使用

# 启动Web服务 (默认使用yolov8n.pt模型)
yoloweb --mode web

# 指定自定义模型
yoloweb --mode web --model your_model.pt --confidence 0.6

# 自定义服务器配置
yoloweb --mode web --host 0.0.0.0 --port 8080 --camera 0

从源码安装

git clone https://github.com/yourusername/yoloweb.git
cd yoloweb
pip install -e .

📖 使用说明

命令行参数

yoloweb --help

参数	说明	默认值
--mode	运行模式	web
--host	服务器主机地址	0.0.0.0
--port	服务器端口	5000
--model	YOLO模型文件路径	yolov8n.pt
--confidence	检测置信度阈值	0.5
--camera	摄像头索引	0
--width	摄像头画面宽度	1280
--height	摄像头画面高度	720
--debug	启用调试模式	False

Web界面功能

启动服务后，访问 http://localhost:5000 即可使用Web界面：

• 实时检测画面: 查看摄像头实时检测结果
• 检测状态监控: 实时显示检测统计信息
• 模型管理: 上传和切换YOLO模型文件
• 参数调整: 动态调整置信度阈值等参数
• 系统控制: 重启检测器等系统操作

🔧 API接口

获取检测状态

GET /api/status

响应示例：

{
  "status": "success",
  "model_path": "yolov8n.pt",
  "confidence_threshold": 0.5,
  "detection_count": 3,
  "detections": [
    {
      "bbox": [100, 150, 300, 400],
      "confidence": 0.85,
      "class_id": 0,
      "class_name": "person"
    }
  ],
  "timestamp": 1640995200.0
}

上传模型

POST /api/model
Content-Type: multipart/form-data

# 上传模型文件
curl -X POST -F "file=@your_model.pt" http://localhost:5000/api/model

更新配置

POST /api/config
Content-Type: application/json

{
  "confidence_threshold": 0.6
}

重启检测器

GET /api/restart

💻 编程接口

基本使用

from yoloweb import YOLODetector, create_app, Config

# 创建检测器
detector = YOLODetector(model_path="yolov8n.pt", confidence_threshold=0.5)

# 初始化摄像头
detector.initialize_camera(camera_index=0, width=1280, height=720)

# 获取检测结果
frame = detector.get_frame()  # 返回标注后的图像
status = detector.get_detection_status()  # 返回检测状态

# 动态更换模型
success = detector.change_model("new_model.pt")

创建Web应用

from yoloweb import create_app, Config

# 创建配置
config = Config(
    default_model_path="yolov8n.pt",
    confidence_threshold=0.5,
    flask_host="0.0.0.0",
    flask_port=5000
)

# 创建Flask应用
app = create_app(config)
app.run()

🛠️ 环境变量配置

# 模型配置
export YOLO_MODEL_PATH="your_model.pt"
export CONFIDENCE_THRESHOLD=0.5

# 摄像头配置
export CAMERA_INDEX=0
export CAMERA_WIDTH=1280
export CAMERA_HEIGHT=720

# 服务器配置
export FLASK_HOST="0.0.0.0"
export FLASK_PORT=5000
export FLASK_DEBUG=false

📋 系统要求

• Python 3.8+
• OpenCV 4.0+
• PyTorch 2.0+
• 摄像头设备 (可选)

🔍 支持的模型格式

• PyTorch模型: .pt 格式
• ONNX模型: .onnx 格式
• TensorRT模型: .engine 格式

🐳 Docker部署

FROM python:3.9-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .
RUN pip install -e .

EXPOSE 5000
CMD ["yoloweb", "--mode", "web", "--host", "0.0.0.0"]

# 构建和运行
docker build -t yoloweb .
docker run -p 5000:5000 --device=/dev/video0 yoloweb

📄 许可证

MIT License - 查看 LICENSE 文件了解详情。