Yolov10训练的餐盘菜品目标检测软件(包含源码及数据集)

本文摘要

摘要:本文主要使用YOLOV10深度学习框架自训练了一个"餐盘菜品目标检测模型",基于此模型使用PYQT5实现了一款界面软件用于功能演示。让您可以更好的了解和学习,该软件支持图片、视频以及摄像头进行目标检测,本系统所涉及的训练数据及软件源码已打包上传。可点下发 原文链接获取

原文链接:源码及训练数据集下载(可一对一指导)

1. 数据集准备与标注、训练

详见:【菜品识别专栏】菜品目标检测数据集标注及处理(Yolov10)

目标检测的数据,在一张图像中,需要以最小外接矩形标记出各个目标区域的位置和类别,

常见的目标检测数据集:

  • VOC采用的x1,y1,x2,y2,表示物体的最小外接矩形框,VOC数据指的是Pascal VOC比赛使用的数据。VOC数据是每个图像文件对应一个同名的xml文件,xml文件中标记物体框的坐标和类别等信息。
  • COCO采用的x1,y1,w,h,表示物体的最小外接矩形框,COCO数据是COCO比赛使用的数据。以json文件记录数据格式。
    LabelImg可以标注VOC格式的数据,对图像做目标框的标注。
    本文的数据集既包含:voc格式,也包含coco格式。

2. 软件运行

  1. 获取源码

  2. 依赖环境下载

python 复制代码
conda create -n yolov10 python=3.9
conda activate yolov10
 1.切换到yolov10源码根目录下,安装依赖
注意:会自动根据你是否有GPU自动选择pytorch版本进行按照,这里不需要自己去选择pytorch和cuda
pip install -r requirements.txt -i https://pypi.doubanio.com/simple
2.运行下面的命令,才可以在命令行使用yolo等命令
pip install -e .

python train.py
  1. 源码运行
python 复制代码
python main.py
  1. 图片检测演示

  2. 摄像头检测演示

YOlov10餐盘菜品目标检测

3. 模型训练&训练结果评估

详见:【深度学习】深度学习模型训练结果分析及效果评估以及Yolo训练结果解释

上文包括:混淆矩阵、查准率和召回率、单一类准确率等 概念的解释以及示例

4. 源码讲解

  1. 模型加载

  2. 读取图片,推理画框

  3. 启动摄像头

  4. 获取摄像头视频帧,推理画框

相关推荐
十有八七4 分钟前
手搓 Agent(四):长点记性——上下文满了怎么办,怎么记住上一次
前端·人工智能·后端
米小虾42 分钟前
Jev 拆解:不写字、只判断,一个「决策模型」如何接管 LLM 最贵的那一步
人工智能·agent
数字新视界1 小时前
全国产化动环监控平台在机房智能化管理中的应用探索
大数据·人工智能·数据中心·机房管理·模块化机房
laoyeye8311 小时前
手写 vLLM 分页 KV Cache(三):引用计数、写时复制(CoW)与前缀缓存
人工智能·github
小码哥0682 小时前
AI+能源管理系统如何用于工厂?云捷EMS能源管理系统功能与界面详解
人工智能·能源·能源管理系统·能耗监测·能源管理系统源码·企业能源管理系统·ai+能源管理系统
墨林陌2 小时前
AI 热点日报(2026-11-19):Anthropic 全球史上最大 IPO 上市,谷歌发布 Gemini 4 Neon
人工智能
阿里云大数据AI技术2 小时前
把可观测做成基础设施:阿里云 Elasticsearch 监控链路的一次彻底重构
人工智能
TDengine (老段)2 小时前
TDengine IDMP 预测、异常检测与数据插补
大数据·数据库·人工智能·时序数据库·tdengine·涛思数据·idmp
甲维斯3 小时前
GPT6.2“买家秀”来了,吼吼呵呵!
人工智能