yolov5的简单应用：训练模型对接到flask接口使用

1.依赖源项目代码

我在网上找了一圈没找到模型是怎么应用的，也许是找到姿势不对，索性自己再源项目中抽离出来了一份代码，如下结构

其中需要修改原detect文件为所需要的，可以通过函数直接调用即可

2.flask接口代码

记得将训练好的base.pt和最开始的data.yaml放到model目录下，开启服务即可

from flask import Flask,request
import io,base64
from my_detect import Detect

app = Flask(__name__)
weights = "./model/best.pt"
data = "./model/data.yaml"
detect = Detect(weights=weights,data=data)

# 预测
@app.route("/prediction",methods=["POST"])
def prediction():
    code = 100
    data = None
    msg = ""
    try:
        body = request.values.to_dict()
        image_64_str = body.get("image","").strip()
        if not image_64_str:
            raise RuntimeError(f"空数据")
        image_byte = io.BytesIO(base64.b64decode(image_64_str))
        data = detect.detect(sources=[image_byte])
        code = 200
    except Exception as e:
        msg = f"预测失败:{e}"

    return {
        "code":code,
        "data":data,
        "msg":msg,
    }
if __name__ == '__main__':
    app.run(host="0.0.0.0",port=5056)

3.接口测试

import requests,base64
import cv2
# 验证
def verify(file,box):
    img = cv2.imread(file)
    cv2.rectangle(img,box[:2],box[2:],(0,0,255),2)
    cv2.circle(img,(int(box[0] + (box[2]-box[0])/2),int(box[1] + (box[3]-box[1])/2)),2,(0,0,255))
    cv2.imshow("image",img)
    cv2.waitKey()

def main(file):
    with open(file,"rb") as r1:
        image_byte = r1.read()
    url = "http://127.0.0.1:5056/prediction"
    data = {
        "image":base64.b64encode(image_byte).decode("utf-8")
    }
    resp = requests.post(url=url,data=data)
    resp_json = resp.json()
    print(resp_json)
    verify(file=file,box=tuple(resp_json["data"][0]["xyxy"]))

import os
path = r"img"
for i in os.listdir(path):
    print(i)
    main(f"{path}\\{i}")

3.接口返回结果如下

{
    "code": 200,
    "data":
    [
        {
            "size": # 图片大小
            [
                300,
                200
            ],
            "xywh": # 中心点坐标和宽高 归一化后的值
            [
                0.721666693687439,
                0.7099999785423279,
                0.16333332657814026,
                0.25
            ],
            "xyxy": # 图片左上角xy坐标和右下角坐标xy坐标
            [
                192,
                117,
                241,
                167
            ]
        }
    ],
    "msg": "-"
}

4.计算滑块的滑动距离

得到返回结果计算一下中心点的坐标，横坐标就是滑动距离了，不过网页上的验证码图片可能会有缩放，实际可能要 *80%，需要按情况测试了，自此结束！
补一下打包的项目代码，需要的自取：项目代码