将yolov5检测运行结果显示在pyqt界面上

要将 YOLOv5 的检测运行结果显示在 PyQt 界面上，可以按照以下步骤进行：

1. 在 Pytorch 中加载 YOLOv5 模型，并使用该模型进行图像检测。

2. 将检测结果转换为 PyQt 中的图像格式，例如 QImage。

3. 在 PyQt 界面上添加一个图像显示控件，例如 QLabel。

4. 将转换后的图像显示在 QLabel 控件中，实现检测结果的显示。

下面是一个简单的实现示例：

import sys
from PyQt5.QtGui import QImage, QPixmap
from PyQt5.QtWidgets import QApplication, QLabel, QMainWindow
import torch
import cv2
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords, plot_one_box
from utils.datasets import letterbox
from utils.torch_utils import select_device


class YOLOv5Detector:
    def __init__(self, weights, device='cpu'):
        self.device = select_device(device)
        self.model = attempt_load(weights, map_location=self.device)
        self.img_size = self.model.img_size
        self.conf_thres = 0.4
        self.iou_thres = 0.5

    def detect(self, img):
        # Preprocess input image
        img0 = img.copy()
        img = letterbox(img, new_shape=self.img_size)[0]
        img = img[:, :, ::-1].transpose(2, 0, 1)
        img = torch.from_numpy(img).float().div(255.0).unsqueeze(0).to(self.device)

        # Run YOLOv5 model
        pred = self.model(img)[0]
        pred = non_max_suppression(pred, self.conf_thres, self.iou_thres)[0]

        # Postprocess detection results
        if pred is not None and len(pred):
            pred[:, :4] = scale_coords(img.shape[2:], pred[:, :4], img0.shape).round()
            for *xyxy, conf, cls in reversed(pred):
                label = f'{self.model.names[int(cls)]} {conf:.2f}'
                plot_one_box(xyxy, img0, label=label, color=(0, 255, 0), line_thickness=3)

        # Convert output image to QImage
        height, width, channel = img0.shape
        bytes_per_line = width * 3
        qimg = QImage(img0.data, width, height, bytes_per_line, QImage.Format_RGB888)

        return qimg


class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()

        # Create detector instance
        self.detector = YOLOv5Detector('yolov5s.pt')

        # Create QLabel for image display
        self.image_label = QLabel(self)
        self.setCentralWidget(self.image_label)

        # Load input image and run detection
        self.image = cv2.imread('input.jpg')
        self.detected_image = self.detector.detect(self.image)

        # Display detection result
        self.image_label.setPixmap(QPixmap.fromImage(self.detected_image))

        self.setWindowTitle('YOLOv5 Detector')
        self.setGeometry(100, 100, self.detected_image.width(), self.detected_image.height())


if __name__ == '__main__':
    app = QApplication(sys.argv)
    mainWindow = MainWindow()
    mainWindow.show()
    sys.exit(app.exec_())

在上面的代码中，我们首先定义了一个 `YOLOv5Detector` 类，用于加载 YOLOv5 模型并进行图像检测。在 `detect` 方法中，我们首先对输入图像进行预处理，然后运行 YOLOv5 模型，最后对检测结果进行后处理，并将结果转换为 QImage 格式。

在 `MainWindow` 类中，我们创建了一个 QLabel 控件，将检测结果显示在该控件中。在构造函数中，我们首先创建了一个 YOLOv5Detector 实例，然后加载输入图像并运行检测，最后显示检测结果。注意，在设置 QLabel 控件的大小时，我们使用了检测结果的宽度和高度。

运行上面的代码，可以看到 YOLOv5 的检测结果已经显示在 PyQt 界面上了。