基于yolov8+pyqt5实现的水尺图像识别与水深计算系统

这个水尺检测项目的算法思路如下：

核心算法流程

1. 水面线检测

使用 YOLO 模型 waterline.pt 检测图像中的水面线位置
取检测框的中心 Y 坐标作为水面线高度 water_y
在结果图上用红色框标注水面线区域

2. 刻度数字识别

使用 YOLO 模型 best.pt 检测水尺上的数字（0-9）和辅助刻度"E"（代表5cm）
采用多尺度 ROI 策略 ：
- 先尝试以水面线为中心，使用不同高度（400, 800, 1200, 1600, 2000像素）的ROI区域进行检测
- 当检测到至少2个主数字时停止
- 如果都失败，则对全图进行检测

3. 锚点提取与分类

python 复制代码

主数字 (0-9) → 转换为实际刻度值：数字 × 10 cm
辅助刻度 "E" → 转换为 5 cm
记录每个锚点的 (刻度值, y坐标)

4. 水深计算（线性插值/外推）

插值计算（水面线在两锚点之间）：

复制代码

depth = v0 + (v1 - v0) × (water_y - y0) / (y1 - y0)

外推计算（水面线在锚点范围外）：

上方外推：利用前两个锚点计算每像素代表的cm值，向上推算
下方外推：利用最后两个锚点计算每像素代表的cm值，向下推算

5. 可视化输出

绿色圆点标注识别的刻度位置
红色框标注水面线
左上角显示计算的水深值

算法优势

自适应ROI：多尺度尝试提高数字检测成功率
容错机制：主数字不足时可用"E"辅助刻度补充
高精度：线性插值保证±1cm误差范围

效果展示

水尺图像识别与水深计算系统

该项目基于 YOLOv8 实现图像中水尺的识别和水深推算，支持对静态水尺图片进行自动检测和测深，可应用于智能水文监测系统。系统提供美观的 PyQt5 图形界面，操作简便直观。

🌊 项目功能

图形化界面：基于 PyQt5 设计的现代化交互界面
图片上传：支持选择本地水尺图片进行检测
自动识别 ：自动检测图像中的水面线（基于 waterline.pt 模型）
刻度识别 ：检测水尺上的主数字（0-9）及其垂直位置（基于 best.pt 模型）
智能计算：结合水面线位置，进行水深值的插值或外推计算
结果可视化：实时显示检测结果和标注图像
结果保存：支持将检测结果保存为图片文件
高精度：最大误差控制在 ±1 cm 内

🛠️ 技术栈

Python 3.x
Ultralytics
PyQt5
OpenCV
Matplotlib
NumPy

📁 项目结构

复制代码

.
├── gui.py                  # PyQt5 图形界面程序（推荐）
├── main.py                 # 命令行版本主程序
├── waterline.pt            # 训练好的水面线识别模型
├── train8/weights/best.pt  # 训练好的数字+E刻度识别模型
├── demoImage/              # 示例图片文件夹
└── requirements.txt        # 项目依赖

🔧 安装依赖

bash 复制代码

pip install -r requirements.txt

或手动安装：

bash 复制代码

pip install ultralytics opencv-python matplotlib numpy PyQt5

🚀 使用方法

方式一：图形界面（推荐）

运行 PyQt5 图形界面程序：

bash 复制代码

python gui.py

界面操作步骤：

点击「上传图片」按钮选择水尺图片
点击「开始检测」按钮进行自动分析
查看检测结果和可视化标注
点击「保存结果」按钮保存检测图片

方式二：命令行版本

将待处理的水尺图片路径填写在 main.py 的 IMAGE_PATH 变量中：
python 复制代码
```
IMAGE_PATH = "demoImage/demo.jpg"
```
运行主程序：
bash 复制代码
```
python main.py
```
终端将输出推算结果并展示标注图像。

📊 检测效果

系统会自动：

用红色框标注检测到的水面线
用绿色圆点标注识别到的刻度数字位置
在图像左上角显示计算出的水深值
在左侧面板显示精确的水深数值（单位：cm）

⚠️ 注意事项

图片需包含完整的水尺主数字区域和水面线，且图像尽量清晰
如果图像中的主数字不足 2 个，将无法进行插值计算
首次运行时会自动加载 YOLO 模型，可能需要几秒钟时间
模型文件需要提前训练或从提供渠道获取