# 垃圾分类识别系统

**Repository Path**: fengsheng404/yolov8

## Basic Information

- **Project Name**: 垃圾分类识别系统
- **Description**: 本项目为毕设项目，基于YOLOv8目标检测算法的图像识别系统，使用PyQt5开发了图形用户界面。 支持多种输入源：可以处理单张图片、图片文件夹、视频文件和实时摄像头画面 实时检测展示：能够对输入的图像进行目标检测，并在界面上实时显示检测结果 数据管理功能：检测结果可以保存到本地，方便后续分析 交互式界面：提供了友好的用户界面，包括检测结果展示、参数配置等功能
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 8
- **Forks**: 1
- **Created**: 2025-03-22
- **Last Updated**: 2025-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YOLOv8目标检测系统

基于YOLOv8的目标检测系统，提供图形化界面，支持图片、视频和摄像头实时检测。

## 功能特点

- 支持多种输入源：图片、视频、摄像头
- 实时目标检测和识别
- 结果可视化展示
- 数据导出功能（Excel/CSV）
- 结果分类和筛选
- 友好的图形用户界面
- 用户登录系统
- 模型训练和验证功能

## 环境要求

- Python 3.8+
- PyQt5
- OpenCV
- Ultralytics YOLOv8
- xlwt (用于Excel导出)
- PyTorch
- CUDA (可选，用于GPU加速)

## 安装步骤

1. 克隆项目到本地：
```bash
git clone [项目地址]
cd yolov8
```

2. 安装依赖：
```bash
pip install -r requirements.txt
```

3. 下载预训练模型：
将YOLOv8模型权重文件(.pt)放置在`weights`目录下

## 使用方法

1. 运行主程序：
```bash
python main.py
```

2. 界面操作：
- 首次使用需要注册账号并登录
- 点击"打开图片"按钮选择单张图片
- 点击"打开文件夹"按钮选择图片文件夹
- 点击"打开视频"按钮选择视频文件
- 点击"打开摄像头"按钮启动摄像头
- 点击"开始"按钮开始检测
- 使用下拉框选择要显示的目标类别
- 点击"导出数据"按钮导出检测结果

3. 模型训练：
- 准备训练数据集并放置在指定目录
- 运行train.py进行模型训练
- 使用val.py验证模型性能

4. 结果查看：
- 检测结果会实时显示在界面中
- 检测信息会记录在表格中
- 结果图片保存在output目录下
- 可以导出Excel或CSV格式的检测数据

## 项目结构

```
├── main.py          # 主程序入口
├── UI.py            # 主界面设计
├── UI.ui            # 主界面布局文件
├── UI_login.py      # 登录界面设计
├── UI_login.ui      # 登录界面布局文件
├── train.py         # 模型训练脚本
├── val.py           # 模型验证脚本
├── tool/            # 工具函数
├── config/          # 配置文件
├── weights/         # 模型权重文件
├── output/          # 输出结果目录
├── img/             # 图片资源
├── icon/            # 图标资源
└── ultralytics/     # YOLOv8源码
```

## 注意事项

1. 首次运行前请确保已安装所有依赖
2. 使用摄像头功能需要连接摄像头设备
3. 导出数据前请确保有足够的磁盘空间
4. 建议使用GPU加速检测过程
5. 训练模型需要较大的显存，建议使用GPU进行训练
6. 请确保数据集格式符合YOLOv8要求

## 常见问题

1. 如果遇到依赖安装问题，请检查Python版本
2. 如果检测速度较慢，可以尝试使用更小的模型
3. 如果界面显示异常，请检查显示器分辨率设置
4. 如果训练过程中出现显存不足，可以减小batch size
5. 如果登录失败，请检查用户名和密码是否正确

## 更新日志

### v1.1.0
- 添加用户登录系统
- 增加模型训练和验证功能
- 优化界面布局
- 改进检测性能

### v1.0.0
- 初始版本发布
- 支持图片、视频、摄像头输入
- 提供图形化界面
- 支持结果导出

## 许可证

MIT License