【大作业-5】火灾目标检测，YOLO+PyQt+MySQL

最新推荐文章于 2025-07-23 09:06:15 发布

宋大水

最新推荐文章于 2025-07-23 09:06:15 发布

阅读量1k

点赞数 29

CC 4.0 BY-SA版权

文章标签： YOLO pyqt 目标检测深度学习人工智能 mysql 课程设计

本文链接：https://blog.youkuaiyun.com/fzzazy/article/details/149447029

YOLO11+PyQt+MySQL，火灾目标检测模型

大家好，这里是宋大水，今天给大家分享的是火灾目标模型，主要用到的技术包括YOLO目标检测模型、MySQL数据库和PyQt的检测界面。

主要的工作量有登录、注册、图片检测、视频检测和摄像头流的检测，四次对比试验（YOLOv5s,YOLOv8s,YOLO11s,YOLO12s）。为了进一步提升模型的性能，还在表现最好的yolo11s模型的基础上进行改进优化，加入了SE注意力机制和修改损失函数为WIOU。

选择了目前主流的v5,v8,11,12这四个模型进行训练，从表中可以看出YOLO11s的最终表现结果最好。在表现最好的yolo11s模型的基础上进行改进优化，加入了SE注意力机制和修改损失函数为WIOU。

这个界面由PyQt设计，具备两个功能，一个是登录功能，一个是注册功能，使用了MySQL数据库，因此我们在登录前首先要配置好数据库，才可以进行注册和登录，登录进去后进行目标检测功能。

这个检测界面也是由PyQt所设计的，因为我们训练了五次，所以可以选择五个检测模型pt文件，分别是v5,v8,v11,v12和v11-se，选择需要检测的资源，例如图片，视频，摄像头和rtsp流，设置好置信度和IOU，选择是否要将检测结果保存到文件夹，然后点击下方的停止按钮即可开始推理检测。

在这里展示一些表现最好的YOLO11s-se-wiou的重要的训练结果图片（F1曲线、P-R曲线、训练结果和训练图片）。

大家可以点击顶端的B站视频评论区置顶链接获取相关资源。

本实验数据集是一个火灾检测数据集，如下图所示。

本代码运行需要安装一些深度学习包，例如PyTorch，Torchvision，opencv，ultralytics等。

深度学习环境的三种搭建方式（彻底理解安装逻辑和步骤）

大家可以看上面这个视频学习如何安装深度学习环境。

因为登录和注册功能使用到了MySQL数据库，所以我们需要安装配置下这个数据库，只需用该文件中的安装包安装mysql8数据库，然后将下面这个sql语句导入到数据库中，并且配置下LoginWindows.py文件的数据库用户名和密码即可使用。

这就是本次给大家分享的目标检测项目，如需更加详细的信息，可以看置顶的B站视频，谢谢。