目录
一、前言
二、关于项目UI
2.1、修改界面内容的文本
2.2、修改界面的图标和图片
三、项目修改地方
四、其他配置问题
一、前言
- 因为后续有许多兄弟说摄像头卡顿，我在之前那个MATS上面改一下就可以了，MAST项目：基于YOLOv8的多端车流检测系统（用于毕设+开源）-CSDN博客
- 其实这个直接用yolov8的官方api就可以了，然后在画标签那里修改一下代码，就可以了
- 卡顿的原版项目：（这里有配置方法）Python——基于YOLOV8的车牌识别（源码+教程）_车牌识别python代码-CSDN博客
代码包：
YOLOv8-license-plate-recognize-2.zip - 蓝奏云文件大小：42.0 M|
https://wwwf.lanzout.com/inCTH1izjrqh配置方法和原项目差不多~如果有配置问题，可以看看下面的内容
二、关于项目UI
因为MATS那个基础项目，就没有用ui文件，所以这个也没有UI文件了
在修改pyside6时，最好有一些这方面的基础
2.1、修改界面内容的文本
可以自行修改ui文件夹里面的main_window.py
2.2、修改界面的图标和图片
1、替换或修改YOLOv8-license-plate-recognize-2\ui\img中的图片（img那个文件夹里面）
2、把resources.qrc中的对应映射进行修改，如果你是添加了文件，就按照那个格式新增就好了
3、使用命令——重新编译为资源文件：pyside6-rcc resources.qrc -o resources_rc.py
重新启动程序，查看是否更新成功
三、项目修改地方
其实，很多东西，原项目都写好了，只需要在画标签那里，自定义一下就好了，把对应的坐标和图片丢给lprr就行了
关于lprr本人一窍不通，只是调用了他的api，然后他可以返回一个车牌的结果
画标签的代码：（写得丑陋，请大佬们指正，Python没有常用，常写）
在yolo.py的333行
# 画标签到图像上 def creat_labels(self, detections, img_box, model): # 画车牌 draw a license plate label_plate = [] xy_xy_list = detections.xyxy.squeeze() class_id_list = detections.class_id.squeeze().tolist() xyxy = [] # 车牌获取 for i in range(len(xy_xy_list)): if isinstance(class_id_list, int) and class_id_list != 0: continue # 如果长度为1，则是int if isinstance(class_id_list, int) and class_id_list == 0: xy_xy_filter = xy_xy_list xyxy.append(xy_xy_filter) plate = de_lpr(xy_xy_filter, img_box) plate = np.array(plate) car_number = "" for m in range(0, plate.shape[1]): # 将字符转换成车牌号码 b = CHARS[plate[0][m]] car_number += b label_plate.append(car_number) continue # 长度不为1 if class_id_list[i] != 0: # 只选择是车牌的目标 continue xy_xy_filter = xy_xy_list[i] xyxy.append(xy_xy_filter) plate = de_lpr(xy_xy_filter, img_box) plate = np.array(plate) car_number = "" for m in range(0, plate.shape[1]): # 将字符转换成车牌号码 b = CHARS[plate[0][m]] car_number += b label_plate.append(car_number) # 修改坐标数组 detections.xyxy = np.array(xyxy) # 要画出来的信息 labels_draw = label_plate # labels_draw = [ # f"ID: {tracker_id} {tracker_id}" # for _, _, confidence, class_id, tracker_id in detections # if model.model.names[class_id] in label_names # ] ''' 如果Torch装的是cuda版本的话：labels_draw代码需改成： labels_draw = [ f"OBJECT-ID: {tracker_id} CLASS: {model.model.names[class_id]} CF: {confidence:0.2f}" for _,confidence,class_id,tracker_id in detections ] ''' # 存储labels里的信息 labels_write = [ f"目标ID: {tracker_id} 目标类别: {class_id} 置信度: {confidence:0.2f}" for _, _, confidence, class_id, tracker_id in detections ] ''' 如果Torch装的是cuda版本的话：labels_write代码需改成： labels_write = [ f"OBJECT-ID: {tracker_id} CLASS: {model.model.names[class_id]} CF: {confidence:0.2f}" for _,confidence,class_id,tracker_id in detections ] ''' pprint(detections) # 打印结果 print(detections.xyxy) # 如果显示标签 （要有才可以画呀！）---否则就是原图 if (self.show_labels == True) and (self.class_num != 0): img_box = self.box_annotator.annotate(scene=img_box, detections=detections, labels=labels_draw) return labels_write, img_box
四、其他配置问题
- 配置环境中，有一个lap，在pip安装时，需要下载一个东西，根据报错提示中的链接，去下载就好了
- 如果你预测失败，多半是yolo版本问题，需要你自己根据报错修改一下，还有关于其他库，就是opencv版本（或者其他库，比如sv等）不一样，根据报错的库名，卸载重新安装对应版本
- 此项目的main_window的ui文件是没有的，用猫鱼老哥的开源改的，他当时就没有用ui文件。直接手写了，然后我也只好手写ui了。
- 关于type object 'Detections' has no attribute 'from_yolov8'问题的解决：由于Detection删除了from，所以需要降级，又因为前面的sv调用，所以把supervision降级为0.6.0即可解决pip install supervision==0.6.0
- 如果你遇到了问题：可以看看这个文章里面的评论区：基于YOLOv8的多端车流检测系统（用于毕设+开源）-CSDN博客
关于训练模型+预测：（如何训练模型——我之前写过一篇文章，可以翻翻前面的看看）
- 如果训练版本使用的是和预测版本一样的话，就可以直接用
- 要用自己训练的那个yolo版本的话，那么预测项目里面yolo版本就换为你训练的那个版本（不过可能有api改了，但是一般改动不大，自行根据报错修改就好了）
关于使用CUDA
- cuda版本的pytorch，需要自己根据项目的注释和报错修改就好了
- 因为使用了CUDA，他预测返回的数据格式和之前的不一样，建议自行打印出来，根据数据找到自己需要数据，就可以啦~
- label根据具体内容，修改就行了~
