YOLO 无人机目标检测实战：7261 张数据集与 QT 可视化界面实现

3. 训练流程

3.1 导入训练数据

下载 YOLOv8 项目压缩包并解压至本地工作区。同时下载 YOLOv8 预训练模型，放入项目根目录。

在项目根目录下创建 data 文件夹，并在其中建立子文件夹：Annotations、images、imageSets、labels。将 Pascal VOC 格式的 XML 文件手动导入到 Annotations 文件夹，JPG 图像导入到 images 文件夹。

3.2 数据分割

在 ultralytics-main 目录下创建 split_train_val.py 脚本，运行后将数据集划分为训练集、验证集和测试集的文件列表。

import os
import random

trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list_ = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_, tv)
train = random.sample(trainval, tr)

ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')

for i in list_:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

3.3 数据集格式化处理

创建 voc_label.py 脚本，将 XML 标注转换为 YOLO 格式。核心逻辑在于解析树结构，提取宽高，遍历对象并修正边界框坐标，最后写入归一化后的文本文件。

import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ['drone']
abs_path = os.getcwd()
print(abs_path)

def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id):
    in_file = open('data/Annotations/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('data/labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w: b2 = w
        if b4 > h: b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    wd = getcwd()
    for image_set in sets:
        if not os.path.exists('data/labels/'):
            os.makedirs('data/labels/')
        image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
        list_file = open('data/%s.txt' % (image_set), 'w')
        for image_id in image_ids:
            list_file.write(abs_path + '/data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
        list_file.close()

3.4 修改数据集配置文件

创建 drone.yaml 配置文件（原名为 wheat.yaml，此处已修正）。

train: data/train.txt
val: data/val.txt
test: data/test.txt
nc: 1
names: ['drone']

3.5 执行命令

使用 Python 脚本或终端命令启动训练。

model = YOLO('yolov8s.pt')
results = model.train(data='drone.yaml', epochs=200, imgsz=640, batch=16, workers=0, device=0)

或者直接在终端执行：

yolo train data=drone.yaml model=yolov8s.pt epochs=200 imgsz=640 batch=16 workers=0 device=0

3.6 模型预测

新建 predict.py 脚本进行视频流或图像预测。注意代码中需将类别名称修正为实际任务名称（如 drone）。

import cv2
from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO("./best.pt")

# Open the video file
video_path = "./demo.mp4"
cap = cv2.VideoCapture(video_path)

# Get the video properties
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)

# Define the codec and create VideoWriter object
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('./outputs.mp4', fourcc, fps, (frame_width, frame_height))

# Loop through the video frames
while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model.predict(source=frame, save=True, imgsz=640, conf=0.5)
        results[0].names[0] = "drone"  # 修正为实际类别名
        annotated_frame = results[0].plot()
        out.write(annotated_frame)
        cv2.imshow("YOLOv8 Inference", annotated_frame)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()

也可在命令行直接预测：

yolo predict model="best.pt" source='demo.jpg'

二、基于 QT 的目标检测可视化界面

1. 环境配置

pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 使用说明

界面主要包含以下区域：

• 原视频/图片区：展示输入源。
• 检测区：显示检测结果输出。
• 文本框：打印操作日志，告警信息以 JSON 格式输出（含坐标、标签名）。
• 加载模型：下拉框选择本地模型路径。
• 置信度阈值：支持滑动条自定义调整。
• 文件上传：支持 JPG 和 MP4 格式。
• 开始/停止：控制检测流程。

3. 前端代码核心逻辑

以下是主窗口类的初始化部分，展示了布局构建与组件设置。

class MyWindow(QtWidgets.QMainWindow):
    def __init__(self):
        super().__init__()
        self.init_gui()
        self.model = None
        self.timer = QtCore.QTimer()
        self.timer1 = QtCore.QTimer()
        self.cap = None
        self.video = None
        self.file_path = None
        self.base_name = None
        self.timer1.timeout.connect(self.video_show)

    def init_gui(self):
        self.folder_path = "model_file"  # 自定义修改：设置文件夹路径
        self.setFixedSize(1300, 650)
        self.setWindowTitle('目标检测')  # 自定义修改：设置窗口名称
        self.setWindowIcon(QIcon("111.jpg"))  # 自定义修改：设置窗口图标
        central_widget = QtWidgets.QWidget(self)
        self.setCentralWidget(central_widget)
        main_layout = QtWidgets.QVBoxLayout(central_widget)
        
        # 界面上半部分：视频框
        topLayout = QtWidgets.QHBoxLayout()
        self.oriVideoLabel = QtWidgets.QLabel(self)
        
        # 界面下半部分：输出框 和 按钮
        groupBox = QtWidgets.QGroupBox(self)
        groupBox.setStyleSheet('QGroupBox {border: 0px solid #D7E2F9;}')
        bottomLayout = QtWidgets.QHBoxLayout(groupBox)
        main_layout.addWidget(groupBox)
        btnLayout = QtWidgets.QHBoxLayout()
        btn1Layout = QtWidgets.QVBoxLayout()
        btn2Layout = QtWidgets.QVBoxLayout()
        btn3Layout = QtWidgets.QVBoxLayout()
        
        # 创建日志打印文本框
        self.outputField = QtWidgets.QTextBrowser()
        self.outputField.setFixedSize(530, 180)
        self.outputField.setStyleSheet('font-size: 13px; font-family: "Microsoft YaHei"; background-color: #f0f0f0; border: 2px solid #ccc; border-radius: 10px;')
        self.detectlabel = QtWidgets.QLabel(self)
        self.oriVideoLabel.setFixedSize(530, 400)
        self.detectlabel.setFixedSize(530, 400)
        self.oriVideoLabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top:75px;')
        self.detectlabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top: 75px;')
        topLayout.addWidget(self.oriVideoLabel)
        topLayout.addWidget(self.detectlabel)
        main_layout.addLayout(topLayout)

4. 预测效果展示

界面支持切换置信度重新执行检测，左下角文本框会反馈 JSON 格式的告警信息，便于后续管理系统集成决策。

• 图片检测：支持静态图像实时标注。
• 视频检测：支持视频流逐帧处理与录制。
• 日志文本框：实时记录操作状态与检测异常。