魔塔训练模型

第一步：在电脑上建立文档datasetr
在datasetr建立train文档、vai文档
在train建立images文档、lables_json文档
在vai建立>images文档、lables_json文档

第二步：复制粘贴视频
第三步：用KIMI等工具，生成python程序

首选需要先安装库ultralytics的库

pip install ultralytics

运行python程序 

import cv2
import os

# 视频文件路径
video_path = '轮胎3.mp4'

# 获取视频文件所在的目录
output_dir = os.path.dirname(video_path)

# 创建一个视频捕获对象
cap = cv2.VideoCapture(video_path)

# 检查视频是否成功打开
if not cap.isOpened():
    print("Error: Could not open video.")
    exit()

# 当前帧数计数器
frame_count = 0

# 图像保存计数器
image_count = 0

while True:
    # 逐帧读取视频
    ret, frame = cap.read()

    # 如果没有读取到帧，那么就跳出循环
    if not ret:
        break

    # 保存每100帧的图像
    if frame_count % 100 == 0:
        # 构造图像文件名，并将其保存到视频文件所在的目录
        image_filename = os.path.join(output_dir, f'image_{image_count}.jpg')
        # 保存图像
        cv2.imwrite(image_filename, frame)
        print(f'Saved: {image_filename}')
        image_count += 1

    # 增加帧数计数器
    frame_count += 1

# 释放视频捕获对象
cap.release()
print("Done extracting frames.")

第四步 ：复制截取的的照片到datasetr建立train文档（大概60张精选照片）、vai文档（大概30张精选照片）里面的照片库里
第五步：打开X-AnyLabeling-CPU-v2.5.3程序，运行
第六步：对视频要求进行标注
第七步：标签完成导出标签，生成cllsa.txt 输入相关车型代码
第八步：
data.yaml文件

# data.yaml文件 关联yolo数据
path: .
train: datasets/train/images
val: datasets/val/images
#test: data/test/images

nc: 2
names: ['l12f', 'l21b']

# roboflow:
#   workspace: yolo-ccdgk
#   project: test_3-qm1g6
#   version: 3
#   license: CC BY 4.0
#   url: https://universe.roboflow.com/yolo-ccdgk/test_3-qm1g6/dataset/3

# train.py文件 跑模型
from ultralytics import YOLO

if __name__ == '__main__':
    # Load a pretrained YOLOv8 model
    model = YOLO('yolo11n.pt')

    # Train the model on a custom dataset
    model.train(data='data.yaml', epochs=100, imgsz=640, batch=64, workers=4)

    # Save the trained model

# 文件名：model.yaml，大模型导出三种格式
from ultralytics import YOLO

if __name__ == '__main__':
    # Load a pretrained model
    model = YOLO('runs/detect/train6/weights/best.pt')

    # Export the model to ONNX format
    model.export(format='onnx',dynamic=False)

    model.export(format='openvino')

    # Export the model to TorchScript format

# 文件名：export.yp 用于pt转nonx格式
from ultralytics import YOLO

if __name__ == '__main__':
    # Load a pretrained model
    model = YOLO('best.pt')

    # Export the model to ONNX format
    model.export(format='onnx')

    # Export the model to TorchScript format

 

 

# 模型转换文件名：openvino.yp
def convert_to_openvino():
    model = YOLO("best.pt")
    model.export(format="openvino")

#文件名： model.yaml
type: yolo11
name: yolo11s-r20240930
display_name: yolo_day1
model_path: best.onnx
nms_threshold: 0.45
confidence_threshold: 0.25
classes:
  - l12f
  - l21b