Python+Yolov5果树上的水果(苹果)检测识别

最新推荐文章于 2025-09-19 12:15:00 发布

原创

最新推荐文章于 2025-09-19 12:15:00 发布 · 4.8k 阅读

37 ·

CC 4.0 BY-SA版权

文章标签：

#python #YOLO #机器学习

该文介绍了如何利用Python和Yolov5框架进行苹果检测识别的步骤，包括引入必要的库、代码实现和运行结果展示。代码清晰，适用于学习和应用。通过非极大值抑制（NMS）处理检测结果，对图像进行处理，可以应用于实际的果树果实检测场景。

程序示例精选

Python+Yolov5果树上的水果(苹果)检测识别

如需安装运行环境或远程调试，见文章底部个人QQ名片，由专业技术人员远程协助！

前言

这篇博客针对<<Python+Yolov5果树上的水果(苹果)检测识别>>编写代码，代码整洁，规则，易读。学习与应用推荐首选。

文章目录

一、所需工具软件

二、使用步骤

1. 引入库

2. 代码实现

3. 运行结果

三、在线协助

一、所需工具软件

1. Python，Pycharm

2. Yolov5

二、使用步骤

1.引入库

import argparse
import time
from pathlib import Path

import cv2
import torch
import torch.backends.cudnn as cudnn
from numpy import random

from models.experimental import attempt_load
from utils.datasets import LoadStreams, LoadImages
from utils.general import check_img_size, check_requirements, check_imshow, non_max_suppression, apply_classifier, \
    scale_coords, xyxy2xywh, strip_optimizer, set_logging, increment_path
from utils.plots import plot_one_box
from utils.torch_utils import select_device, load_classifier, time_synchronized

2. 代码实现

代码如下:

def detect(save_img=False):
    source, weights, view_img, save_txt, imgsz = opt.source, opt.weights, opt.view_img, opt.save_txt, opt.img_size
    webcam = source.isnumeric() or source.endswith('.txt') or source.lower().startswith(
        ('rtsp://', 'rtmp://', 'http://'))

    # Directories
    save_dir = Path(increment_path(Path(opt.project) / opt.name, exist_ok=opt.e