Python配合yolov11开发对象检测软件

1. 上编文件写了yolov11开发分类，写篇文章写开发对象检测软件
2. 环境配置onnx 1.16.1,onnx-graphsurgeon 0.5.2,onnxruntime 1.19.2,onnxruntime-gpu 1.19.2,onnxslim 0.1.34,torch 2.3.1+cu121,torchaudio 2.3.1+cu121,torchvision 0.18.1+cu121,PySide6 6.6.1,PySide6-Addons 6.6.1,PySide6-Essentials 6.6.1
3. 分类使用的数据集，halcon的pill_bag对象检测的数据集
   4.软件界面

5.关键代码

 image_mat_ = self.CoverQImageToMat()
            results_=self.Model.predict(image_mat_)
            for result_ in  results_:
                boxes_ = result_.boxes
                # names_=results_.names
                for box_ in boxes_:
                    x_,y_,w_,h_=box_.xywh[0]
                    c=box_.cls
                    cls_=self.Model.names[int(c)]
                    self.BoxX.append(float(x_))
                    self.BoxY.append(float(y_))
                    self.BoxWidth.append(float(w_))
                    self.BoxHeight.append(float(h_))
                    self.BoxClass.append(cls_)

  ###运行推理
            # outputs=self.OnnxModel.run(["output0"],{"images":image_np_})
            outputs = self.OnnxModel.run([output_onnx_.name], {input_onnx_.name: image_np_})
            len(outputs)
            # print("OutputShape:", outputs.shape)
            ###outputs处理
            output_onnx_ = outputs[0][0]
            print("OutputOnxxShape:", output_onnx_.shape)

            ###转换 行列
            output_onnx_ = output_onnx_.transpose()
            print("OutputOnxxShape:", output_onnx_.shape)
            row = output_onnx_[0]
            print(row)  ###输出下第一个特征

6.推理效果