yolov5的苹果叶片病害检测代码

以下是使用YOLOv5进行苹果叶片病害检测的代码：

首先，需要安装YOLOv5和相关依赖项。可以通过以下命令来安装：

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

接下来，下载训练好的模型权重文件，可以在YOLOv5的Github页面中下载。将其放在`yolov5/weights`目录下。

然后，创建一个Python文件，并导入所需的库：

import torch
import cv2
import numpy as np
from PIL import Image
from pathlib import Path
from argparse import ArgumentParser

from models.experimental import attempt_load
from utils.general import check_img_size, non_max_suppression, scale_coords
from utils.torch_utils import select_device, time_synchronized

定义一些函数，包括加载模型、预处理图像、后处理检测结果等：

def load_model(weights):
    # 加载模型
    model = attempt_load(weights, map_location=torch.device('cpu'))
    return model

def preprocess(img, img_size=640):
    # 预处理图像
    img0 = img.copy()
    img = cv2.resize(img, (img_size, img_size))
    img = img[:, :, ::-1].transpose(2, 0, 1)
    img = np.ascontiguousarray(img)
    return img0, img

def postprocess(outputs, img0, conf_thres=0.3, iou_thres=0.45):
    # 后处理检测结果
    results = []
    for output in outputs:
        output = non_max_suppression(output, conf_thres, iou_thres)
        for det in output:
            if det is not None and len(det):
                det[:, :4] = scale_coords(img0.shape[1:], det[:, :4], img0.shape[:2]).round()
                for *xyxy, conf, cls in reversed(det):
                    results.append((xyxy, cls, conf))
    return results

最后，编写主函数，加载模型、读取图像、进行预处理和后处理，并将检测结果可视化输出：

def main(weights, img_path):
    # 加载模型
    model = load_model(weights)

    # 选择设备
    device = select_device('')

    # 读取图像
    img0 = cv2.imread(img_path)

    # 预处理图像
    img_size = check_img_size(640, s=model.stride.max())
    img, img0 = preprocess(img0, img_size)

    # 将图像转换为PyTorch张量
    img = torch.from_numpy(img).to(device)
    img = img.float() / 255.0

    # 执行推理
    model.eval()
    with torch.no_grad():
        outputs = model(img, augment=False)

    # 后处理检测结果
    results = postprocess(outputs, img0)

    # 可视化输出
    for result in results:
        xyxy, cls, conf = result
        x1, y1, x2, y2 = map(int, xyxy)
        label = f'class {cls} {conf:.2f}'
        cv2.rectangle(img0, (x1, y1), (x2, y2), (255, 0, 0), 2)
        cv2.putText(img0, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

    cv2.imshow('result', img0)
    cv2.waitKey(0)

将`weights`设置为模型权重文件的路径，将`img_path`设置为要检测的图像的路径，然后运行主函数即可对图像进行苹果叶片病害检测。