yolov11网页版(html+Fastapi+sqlite数据库) 超简单

源码:

「yolov11检测网页版1.0(HTML+Fastapi+sqlite)」
链接:https://pan.quark.cn/s/4569ef78d186

链接:https://pan.quark.cn/s/4569ef78d186

链接:https://pan.quark.cn/s/4569ef78d186

功能:

1、实现图片预测

2、实现视频预测

-----------------------------------

3、可以查看预测记录(图片和视频)

数据库是使用的sqlite,不需要配置任何关于数据库的东西

图片预测

点击表格里面的图片,会可以放大查看图片

视频预测

查看结果(点击表格里面的视频):

数据库是使用的sqlite,不需要配置任何关于数据库的东西

有很多小伙伴因为学校作业,需要搞yolo,还有很多零基础的,甚至不是计算机专业的

这对于他们来说很折磨

这里就提供了最简单的方法,直接HTML网页+Fastapi后端

1、网页打开即可使用

2、后端只需要有对应Python解释器和第三方库即可运行

网页打开即可使用(双击:yolov11网页.html)

后端如何启动?
1、Python环境 (3.9以上)

2、安装第三方库 

pip install fastapi uvicorn ultralytics opencv-python-headless pillow numpy pydantic python-multipart python-dotenv

3、运行main.py

project/
│
├── main.py                 # 后端主程序(FastAPI 应用)
├── models/                 # 模型存储目录
│   └── yolov8n.pt          # YOLOv8n 通用模型(示例)
│
├── static/                 # 静态资源目录
│   ├── before_img/         # 原始图片存储
│   ├── after_img/          # 标注图片存储
│   ├── before_video/       # 原始视频存储
│   └── after_video/        # 标注视频存储
│
├── detect_image_history.db # 检测历史数据库
└── simhei.ttf              # 中文字体文件(用于标注文字显示)

 

快速启动

  1. 下载项目代码:https://pan.quark.cn/s/4569ef78d186
  2. 安装后端依赖:pip install -r requirements.txt
  3. 准备模型文件:将 YOLO 模型(.pt 格式)放入 models/ 目录
  4. 准备字体文件:将中文字体(如 simhei.ttf)放入项目根目录
  5. 启动后端服务:python main.py
  6. 前端直接打开 index.html 文件(需确保后端服务已启动)

 

环境要求

  • 后端
    • Python 3.8+
    • CUDA(可选,GPU 加速)
    • 依赖包:fastapi uvicorn ultralytics paddleocr opencv-python numpy pillow sqlite3
  • 前端
    • 现代浏览器(Chrome/Firefox/Edge 等,支持 WebSocket 与 Canvas)

视频检测流程

  1. 用户选择视频文件,前端通过 Video 标签加载
  2. 用户点击 "开始检测",前端建立 WebSocket 连接
  3. 前端定时从视频中提取帧,转换为 Base64 发送到后端
  4. 后端接收帧数据,进行 YOLO+OCR 检测,返回标注帧
  5. 前端接收标注帧并显示,形成实时检测效果
  6. 检测完成后,后端将原始视频与标注视频保存,记录到数据库

 

图片检测流程

  1. 用户上传图片 -> 前端将图片转换为 Base64 格式
  2. 后端接收图片数据,加载对应 YOLO 模型进行检测
  3. 对检测到的目标(如车牌)进行 PaddleOCR 文字识别
  4. 在原图上绘制检测框与识别结果,生成标注图片
  5. 保存原始图片与标注图片到本地,记录到数据库
  6. 返回标注图片 Base64 数据到前端显示

前端技术栈

  • 框架:Vue.js 2.0
  • UI 组件:Element UI(响应式界面组件库)
  • 多媒体处理:Canvas(图片渲染)、Video(视频播放与帧提取)
  • 通信:WebSocket(与后端实时交互)
  • 文件处理:FileReader(图片 / 视频文件解析)

 

后端技术栈

  • 框架:FastAPI(高性能 Web 框架)
  • 深度学习
    • YOLOv8(Ultralytics 实现)用于目标检测
  • 数据库:SQLite(本地存储检测历史记录)
  • 视频处理:OpenCV(帧提取与图像处理)
  • 实时通信:WebSocket(视频帧传输与实时检测结果返回)

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

peter123123123123

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值