卫星图片目标检测系统

作者：UR的出不克

项目简介

这是一个基于YOLOv5和Flask的卫星图片目标检测Web应用系统。系统可以对卫星图片中的特定目标进行检测和识别，包括油罐、船只、桥梁和飞机等目标。

功能特点

• 支持Web界面图片上传和检测
• 支持API接口调用
• 实时显示检测结果和置信度
• 支持多目标同时检测
• 检测目标类别：
  • 油罐（oilcan）
  • 船只（vessel）
  • 桥梁（bridge）
  • 飞机（plane）

环境要求

• Python 3.7+
• PyTorch 1.7.0+
• Flask
• OpenCV
• 其他依赖见requirements.txt

安装步骤

1. 克隆项目到本地

git clone [项目地址]
cd yolo-flask-master

2. 下载YOLOv5

git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -r requirements.txt
cd ..

3. 安装项目依赖

pip install -r requirements.txt

4. 准备模型文件

• 将训练好的模型文件 best.pt 放在 yolov5 目录下

5. 创建main.py 在 yolov5 目录下创建 main.py 文件，内容如下：

import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression
from utils.datasets import letterbox
import cv2
import numpy as np

def detect(weights, source, device):
    # 加载模型
    model = attempt_load(weights, device=device)
    
    # 读取图像
    img0 = cv2.imread(source)
    img = letterbox(img0, 640, stride=32)[0]
    img = img.transpose((2, 0, 1))[::-1]
    img = np.ascontiguousarray(img)
    img = torch.from_numpy(img).to(device)
    img = img.float()
    img /= 255.0
    if img.ndimension() == 3:
        img = img.unsqueeze(0)
    
    # 推理
    pred = model(img, augment=False)[0]
    pred = non_max_suppression(pred, 0.25, 0.45)
    
    # 处理结果
    det = pred[0]
    if len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img0.shape).round()
        
    return det

def scale_coords(img1_shape, coords, img0_shape):
    gain = min(img1_shape[0] / img0_shape[0], img1_shape[1] / img0_shape[1])
    pad = (img1_shape[1] - img0_shape[1] * gain) / 2, (img1_shape[0] - img0_shape[0] * gain) / 2
    
    coords[:, [0, 2]] -= pad[0]
    coords[:, [1, 3]] -= pad[1]
    coords[:, :4] /= gain
    
    coords[:, 0].clamp_(0, img0_shape[1])
    coords[:, 1].clamp_(0, img0_shape[0])
    coords[:, 2].clamp_(0, img0_shape[1])
    coords[:, 3].clamp_(0, img0_shape[0])
    
    return coords

6. 运行应用

python app.py

使用说明

1. Web界面使用：

   • 访问 http://localhost:5000
   • 点击上传按钮选择图片
   • 点击"目标检测"按钮进行检测
   • 查看检测结果和置信度

2. API接口使用：

   • 接口地址：http://localhost:5000/api
   • 请求方式：POST
   • 请求格式：JSON
   • 参数说明：

     {
         "img_base64": "图片base64编码字符串"
     }

技术架构

• 后端：Flask
• 深度学习框架：YOLOv5 + PyTorch
• 前端：Bootstrap
• 图像处理：OpenCV

联系方式

作者：UR的出不克

许可证

MIT License