基于yolov5的火焰+烟雾识别

1 准备工作

下载yolov5项目代码，并在本机上配置环境：正常按照requirements安装依赖包，下载权重文件即可。

2 训练数据

2.1 创建文件目录

在data文件夹下新建数据文件fire_data，fire_data文件下新建images和labels两个文件夹，文件夹内容如下：

• images

  • train -----放训练图片
  • val -----放验证图片

• labels —图像标注后的结果存放在这里

  • train -----放训练label
  • val -----放验证label

2.2 图像标记

通过labelimg工具，对图片进行标注，值得注意的是yolov5用的是yolo格式的文件：
第一个数字为标签序号，后四个数值为坐标【(x,y,w,h)，其中(x,y)为矩形中心坐标，w为矩形相对宽度，h为矩形相对高度。(x,y,w,h)均进行了归一化】。

在标注前将VOC格式转换为YOLO即可：

2.3 新建yaml配置文件

在data文件夹下新建一个fire.yaml配置文件（可参考coco128.yaml文件）

# train and val datasets (image directory or *.txt file with image paths)
train: ./data/fire_data/images/train/
val: ./data/fire_data/images/val/

# number of classes
nc: 2

# class names
names: ['fire', 'smog']

同时将models/yolov5s.yaml文件中的类别数nc修改为2（我标记了两类fire和smog），这里我用的是yolov5s模型，如果你选则使用其他如yolov5l、yolov5m、yolov5x则修改对应yaml文件中的nc值。

3 训练模型

3.1 train.py

修改参数为前面设置好的配置文件：

3.2 test.py

同样的，因为train.py中调用了test.py，因此也要在test.py中修改参数。

3.3 运行train.py

训练时间有点长，默默等待就好啦！
训练完成后，训练好的模型在weights文件夹下，分别是last.pt和best.pt，可运行detect.py验证啦~
效果如下，开心( * ^ ▽ ^ * )