本教程使用的是Pyside6

1、安装PySide6模块

pip install pyside6

安装完成之后，会有一个designer.exe可执行文件，打开之后，我们可以通过拖拉拽的方式来布局我们的界面。

designer.exe文件位置，一般位于当前虚拟环境下面的路径。

虚拟环境--->Lib--->site-packages-->PySide6--->designer.exe文件

建议发送桌面快捷方式，便于下次查找起来更方便

2、界面布局

主要使用的控件是：

QTabWiget  容器布局

Qlabel   图片和视频显示区域

QPushButton 按钮

Line 画线

使用背景色，主要是好区分哪一个组件，功能完成之后，可以再做调整

3、图片检测功能

需要用到的技术就是插槽和信号

将ui文件转换为python文件（这是第一步）

将生成好ui文件，导入到项目中，执行以下命令。

pyside6-uic project_ui.ui -o main.py

基础UI界面，封装好的，大家可以使用（第二步，这里面调用上面生成好的main.py模块注意命名和引入）第四行代码

# -*- coding: utf-8 -*-
# Auther : qiutiejun
# Date : 2024/6/2 13:35
# File : main_project_ui.py
# 主界面，基础ui
import torch
import sys
from PySide6.QtWidgets import QApplication,QMainWindow,QFileDialog
from main import Ui_MainWindow
from PySide6.QtGui import QPixmap,QImageclass MainWindow(QMainWindow,Ui_MainWindow):def __init__(self):super(MainWindow, self).__init__()self.setupUi(self)if __name__ == '__main__':app = QApplication(sys.argv)window = MainWindow()window.show()app.exec()

运行次模块，你会看到以下界面：

需要注意的几个地方：

1、控价摆放好之后，一定要给控件进行重命名操作

2、对于显示图片的lable来说，需要勾选自适应的标识。

编码：

可参考官网：

https://docs.ultralytics.com/modes/predict/#__tabbed_1_2

ps:需要大家有一点QT编码知识点，也不要求太多。只需要掌握插槽和信号这两个概念就行。

简单来讲就是，信号就是当有什么事件发生时，会触发的。比如常见的点击事件。插槽，就是信号接收器，当某一个信号发出后，我们需要做什么的应对处理。

代码如下：

1、信号处理(点击选择图片是触发)

self.select_img.clicked.connect(self.detect_img_methods)

我是把图片按钮和视频按钮的信号放置在一个方法中，在初始化的过程中就会调用

    def btn_slot(self):print("按钮触发事件")self.select_img.clicked.connect(self.detect_img_methods)self.select_video.clicked.connect(self.detect_video_methods)

接下来就是处理信号信息的插槽，自己也是通过方法来处理的。

第一种方式：

 # 检测图片按钮的功能def detect_img_methods(self):print("图片检测")files = QFileDialog.getOpenFileName(dir='ui_information',filter='*.jpg')print("路径",files)if files[0]:# 显示图片self.old_img.setPixmap(QPixmap(files[0]))# 获取文件名file_info = QFileInfo(files[0])# 获取文件名file_name_only = file_info.fileName()change_img = self.make_detect_image_name(files[0],file_name_only)self.detect_img.setPixmap(QPixmap(change_img))

    def make_detect_image_name(self,filepath,filename):results = self.model.predict(source=filepath, show=False, save=True)curr_path = os.getcwd()result_path = ""for result in results:result_path = result.save_dirreturn os.path.join(curr_path, result_path, filename)

思路分析：

1、原始图片显示

QFileDialog.getOpenFileName() 方法可以获取文件的路径，返回值是一个元组，我们可以获取第一个元素，就是flies[0],通过setPixmap将原始图片显示处理。

2、识别图片结果显示

思路分析。通过调用model.predict()方法，每次运行成功之后，就会在runs/detect----->目录下面

predict存放识别结果的图片。 有了这个思路之后，我们只需要获取对应的路径，就能拿到识别图片。然后同样的方式显示处理。这里通过result.save_dir获取识别的结果路径，通过os来拼接完成的路径，最终图片就会显示处理。结果如下：

样式大家下去可以自行调整

弊端：需要准确到找到路径位置

第二种实现思路：

我们可以通过调用model(frame)来训练模型，会生成识别图像的向量数据，然后我们通过该方法，将对应的向量转换为图像，也可以做到以下效果。

核心代码如下：

4、下一张图片功能

思路分析：

获取当前目录的所有文件（图片），列表格式，获取选取到的图片对应的下标，下标+1往后移动一个，下标-1往前移动，对应的就是下一张或者上一张，需要增加最小值和最大的值判断。

代码如下（下）：

初始化的代码

 # 批量识别图片的下标self.current_image_index = -1# 存放所有的图片self.all_images=[]

    def next_img_methods(self):if self.current_image_index ==-1:print("请先选择图片")QMessageBox.critical(None,"error","请先选择图片！")returnprint('下一张图片')# 识别结果complox_path = os.path.join(self.root_path,self.all_images[self.current_image_index+1])# 显示self.old_img.setPixmap(QPixmap(complox_path))results = self.model(complox_path)[0].plot()# for result in results:#     print(result.orig_img)change_img = conver2Qimage(results)self.detect_img.setPixmap(QPixmap.fromImage(change_img))# 增加1self.current_image_index += 1print('最大下标',self.current_image_index,len(self.all_images))# 最大值if self.current_image_index >= len(self.all_images)-1:self.current_image_index = len(self.all_images)-2

5、上一张图片功能

思路分析：主要是想办法知道当前显示图片的下标，上一页减少下标，上一页增加下标。注意控制边界就行，代码和下一张图片功能类似。

6、视频检测功能

思路分析：其实视频的每一帧就是一张图片，所以其实跟检测图片的功能类似，可以使用opencv解析视频获取每一张图片，然后就跟图片的检测逻辑差不多。

思路二：视频解析如果放在主线程中，会影响其他业务的操作，可以考虑放到线程中去检测视频。

放入主要代码作为参考：

  # 开启视频处理独立线程Thread(target=self.video_detail,daemon=True).start()

# 视频处理流程def video_detail(self):while True:if not self.frameToAnalyze:time.sleep(0.01)continueframe = self.frameToAnalyze.pop(0)result = self.model(frame)[0].plot()qimage = conver2Qimage(result)if self.stop_flag==False:self.detect_video.setPixmap(QPixmap.fromImage(qimage))# 写入表格数据self.detect_video_jianche_result(frame)# 获取检测结果self.show_table_data()# 休眠0.3秒time.sleep(0.3)

    def display_origin_video_image(self,frame):frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)qImage = conver2Qimage(frame)# 往显示视频的Label里 显示QImageself.old_video.setPixmap(QPixmap.fromImage(qImage))# 如果当前没有处理任务if not self.frameToAnalyze:self.frameToAnalyze.append(frame)

7、效果展示：

程序没什么难度，对于视频检测来说，不仅是实现功能，还需要考虑性能的问题

补充知识

修改TabWidget的选项样式，字体大小，放大选项

参考代码：

  self.tabWidget.setStyleSheet("QTabBar::tab { font-size: 12px;width:100px;height:50px;}")