本教程使用的是Pyside6
1、安装PySide6模块
pip install pyside6
安装完成之后，会有一个designer.exe可执行文件，打开之后，我们可以通过拖拉拽的方式来布局我们的界面。
designer.exe文件位置，一般位于当前虚拟环境下面的路径。
虚拟环境--->Lib--->site-packages-->PySide6--->designer.exe文件
建议发送桌面快捷方式，便于下次查找起来更方便
2、界面布局
主要使用的控件是：
QTabWiget 容器布局
Qlabel 图片和视频显示区域
QPushButton 按钮
Line 画线
使用背景色，主要是好区分哪一个组件，功能完成之后，可以再做调整
3、图片检测功能
需要用到的技术就是插槽和信号
将ui文件转换为python文件（这是第一步）
将生成好ui文件，导入到项目中，执行以下命令。
pyside6-uic project_ui.ui -o main.py
基础UI界面，封装好的，大家可以使用（第二步，这里面调用上面生成好的main.py模块注意命名和引入）第四行代码
# -*- coding: utf-8 -*-
# Auther : qiutiejun
# Date : 2024/6/2 13:35
# File : main_project_ui.py
# 主界面，基础ui
import torch
import sys
from PySide6.QtWidgets import QApplication,QMainWindow,QFileDialog
from main import Ui_MainWindow
from PySide6.QtGui import QPixmap,QImage
class MainWindow(QMainWindow,Ui_MainWindow):
def __init__(self):
super(MainWindow, self).__init__()
self.setupUi(self)
if __name__ == '__main__':
app = QApplication(sys.argv)
window = MainWindow()
window.show()
app.exec()
运行次模块，你会看到以下界面：
需要注意的几个地方：
1、控价摆放好之后，一定要给控件进行重命名操作
2、对于显示图片的lable来说，需要勾选自适应的标识。
编码：
可参考官网：
https://docs.ultralytics.com/modes/predict/#__tabbed_1_2
ps:需要大家有一点QT编码知识点，也不要求太多。只需要掌握插槽和信号这两个概念就行。
简单来讲就是，信号就是当有什么事件发生时，会触发的。比如常见的点击事件。插槽，就是信号接收器，当某一个信号发出后，我们需要做什么的应对处理。
代码如下：
1、信号处理(点击选择图片是触发)
self.select_img.clicked.connect(self.detect_img_methods)
我是把图片按钮和视频按钮的信号放置在一个方法中，在初始化的过程中就会调用
def btn_slot(self):
print("按钮触发事件")
self.select_img.clicked.connect(self.detect_img_methods)
self.select_video.clicked.connect(self.detect_video_methods)
接下来就是处理信号信息的插槽，自己也是通过方法来处理的。
第一种方式：
# 检测图片按钮的功能
def detect_img_methods(self):
print("图片检测")
files = QFileDialog.getOpenFileName(dir='ui_information',filter='*.jpg')
print("路径",files)
if files[0]:
# 显示图片
self.old_img.setPixmap(QPixmap(files[0]))
# 获取文件名
file_info = QFileInfo(files[0])
# 获取文件名
file_name_only = file_info.fileName()
change_img = self.make_detect_image_name(files[0],file_name_only)
self.detect_img.setPixmap(QPixmap(change_img))
def make_detect_image_name(self,filepath,filename):
results = self.model.predict(source=filepath, show=False, save=True)
curr_path = os.getcwd()
result_path = ""
for result in results:
result_path = result.save_dir
return os.path.join(curr_path, result_path, filename)
思路分析：
1、原始图片显示
QFileDialog.getOpenFileName() 方法可以获取文件的路径，返回值是一个元组，我们可以获取第一个元素，就是flies[0],通过setPixmap将原始图片显示处理。
2、识别图片结果显示
思路分析。通过调用model.predict()方法，每次运行成功之后，就会在runs/detect----->目录下面
predict存放识别结果的图片。 有了这个思路之后，我们只需要获取对应的路径，就能拿到识别图片。然后同样的方式显示处理。这里通过result.save_dir获取识别的结果路径，通过os来拼接完成的路径，最终图片就会显示处理。结果如下：
样式大家下去可以自行调整
弊端：需要准确到找到路径位置
第二种实现思路：
我们可以通过调用model(frame)来训练模型，会生成识别图像的向量数据，然后我们通过该方法，将对应的向量转换为图像，也可以做到以下效果。
核心代码如下：
4、下一张图片功能
思路分析：
获取当前目录的所有文件（图片），列表格式，获取选取到的图片对应的下标，下标+1往后移动一个，下标-1往前移动，对应的就是下一张或者上一张，需要增加最小值和最大的值判断。
代码如下（下）：
初始化的代码
# 批量识别图片的下标
self.current_image_index = -1
# 存放所有的图片
self.all_images=[]
def next_img_methods(self):
if self.current_image_index ==-1:
print("请先选择图片")
QMessageBox.critical(None,"error","请先选择图片！")
return
print('下一张图片')
# 识别结果
complox_path = os.path.join(self.root_path,self.all_images[self.current_image_index+1])
# 显示
self.old_img.setPixmap(QPixmap(complox_path))
results = self.model(complox_path)[0].plot()
# for result in results:
# print(result.orig_img)
change_img = conver2Qimage(results)
self.detect_img.setPixmap(QPixmap.fromImage(change_img))
# 增加1
self.current_image_index += 1
print('最大下标',self.current_image_index,len(self.all_images))
# 最大值
if self.current_image_index >= len(self.all_images)-1:
self.current_image_index = len(self.all_images)-2
5、上一张图片功能
思路分析：主要是想办法知道当前显示图片的下标，上一页减少下标，上一页增加下标。注意控制边界就行，代码和下一张图片功能类似。
6、视频检测功能
思路分析：其实视频的每一帧就是一张图片，所以其实跟检测图片的功能类似，可以使用opencv解析视频获取每一张图片，然后就跟图片的检测逻辑差不多。
思路二：视频解析如果放在主线程中，会影响其他业务的操作，可以考虑放到线程中去检测视频。
放入主要代码作为参考：
# 开启视频处理独立线程
Thread(target=self.video_detail,daemon=True).start()
# 视频处理流程
def video_detail(self):
while True:
if not self.frameToAnalyze:
time.sleep(0.01)
continue
frame = self.frameToAnalyze.pop(0)
result = self.model(frame)[0].plot()
qimage = conver2Qimage(result)
if self.stop_flag==False:
self.detect_video.setPixmap(QPixmap.fromImage(qimage))
# 写入表格数据
self.detect_video_jianche_result(frame)
# 获取检测结果
self.show_table_data()
# 休眠0.3秒
time.sleep(0.3)
def display_origin_video_image(self,frame):
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
qImage = conver2Qimage(frame)
# 往显示视频的Label里 显示QImage
self.old_video.setPixmap(QPixmap.fromImage(qImage))
# 如果当前没有处理任务
if not self.frameToAnalyze:
self.frameToAnalyze.append(frame)
7、效果展示：
程序没什么难度，对于视频检测来说，不仅是实现功能，还需要考虑性能的问题
补充知识
修改TabWidget的选项样式，字体大小，放大选项
参考代码：
self.tabWidget.setStyleSheet("QTabBar::tab { font-size: 12px;width:100px;height:50px;}")