YOLO通用目标检测 Web 系统
一个基于 Flask 和 YOLO的现代化目标检测 Web 应用系统，支持图像、视频和摄像头实时检测，并提供接入deepseek AI 智能分析功能。
设计的登录界面
设计的检测界面
图片预测结果
项目简介
本系统是一个功能完整的目标检测平台，采用最新的 YOLO模型进行实时目标检测，结合现代 Web 技术构建了直观易用的用户界面。系统支持多种检测模式，提供详细的 AI 分析，并具备用户认证功能，确保系统安全性。这是一个通用目标检测系统，只需要安装对应ultralytics模块更换对应框架模型即可，支持yolov8,yolo11,yolov12,yolov13,yolo26以及只要是ultralytics改进型框架。
核心功能
- 用户认证系统：基于 Flask-Login 的登录系统，保障系统安全
- 多模式检测：
- 图像上传检测
- 视频上传检测
- 摄像头实时检测
- 参数配置：可调节置信度阈值、IoU 阈值等检测参数
- AI 智能分析：使用 DeepSeek API 提供详细的检测结果分析和优化建议
- 现代化界面：深色科技主题设计，响应式布局，流畅的用户体验
- 实时推理：视频和摄像头模式下的低延迟实时检测
- 双栏显示：左侧显示原图，右侧显示检测结果，对比清晰直观
技术栈
- 后端：Flask、Python、OpenCV
- 前端：HTML5、CSS3、JavaScript、Canvas API
- AI 模型：YOLO11 (Ultralytics)
- AI 分析：DeepSeek API
- 认证：Flask-Login
- 图像处理：Pillow、NumPy
- 部署：Python 3.8+
快速开始
环境要求
- Python 3.8 或更高版本
- pip 包管理器
- 网络连接（用于下载模型和使用 DeepSeek API）
安装步骤
克隆项目
gitclone<项目地址>cd<项目目录>安装依赖
pipinstall-r requirements.txt配置环境变量
在项目根目录创建
.env文件，添加以下配置：# DeepSeek API 配置 DEEPSEEK_API_KEY=your_deepseek_api_key DEEPSEEK_API_URL=https://api.deepseek.com/v1/chat/completions # Flask 配置 SECRET_KEY=your_secret_key注意：请替换为您自己的 DeepSeek API 密钥和 Flask 密钥
启动应用
python app.py应用将在
http://127.0.0.1:5000/上运行
使用说明
登录系统
- 默认登录凭证：
- 用户名：
admin - 密码：
password
- 用户名：
图像检测
- 在主界面选择「图像检测」模式
- 点击「上传图片」按钮选择本地图片
- 系统会自动处理并在右侧显示检测结果
- 查看 AI 分析结果获取详细分析
视频检测
- 在主界面选择「视频检测」模式
- 点击「上传视频」按钮选择本地视频文件
- 系统会自动处理并在右侧显示检测结果
- 视频会自动播放并实时进行目标检测
摄像头检测
- 在主界面选择「摄像头检测」模式
- 点击「开始检测」按钮
- 系统会访问您的摄像头并实时显示检测结果
- 点击「停止检测」按钮结束检测
参数调整
在界面右侧的参数控制面板中，您可以调整：
- 置信度阈值：控制检测结果的可信度（0-1）
- IoU 阈值：控制重叠框的合并策略（0-1）
API 文档
核心 API 端点
1. 登录 API
- URL：
/login - 方法：POST
- 参数：
username、password - 返回：登录状态和重定向
2. 检测 API
- URL：
/detect - 方法：POST
- 参数：
file（图像文件）、confidence、iou - 返回：检测结果、标注图像、AI 分析
3. 实时帧检测 API
- URL：
/detect_frame - 方法：POST
- 参数：
frame（Base64 编码的图像）、confidence、iou - 返回：检测结果、标注帧
4. 分析 API
- URL：
/analyze - 方法：POST
- 参数：
detections（检测结果）、mode（检测模式） - 返回：AI 分析结果
项目结构
. ├── app.py # 主应用文件，包含所有路由和核心逻辑 ├── requirements.txt # 依赖包列表 ├── templates/ │ ├── index.html # 主界面模板 │ ├── login.html # 登录页面模板 │ └── base.html # 基础模板 ├── static/ │ └── css/ # 样式文件 ├── models/ # 模型存储目录 └── README.md # 项目文档核心模块详解
1. 目标检测模块
使用 YOLOv8 模型进行目标检测，支持多种输入类型：
defdetect_objects(image,confidence=0.25,iou=0.45):"""使用 YOLOv8 模型检测目标"""# 加载模型model=YOLO('yolov8n.pt')# 执行检测results=model(image,conf=confidence,iou=iou)# 处理结果returnresults2. 实时处理模块
针对视频和摄像头流的实时处理：
@app.route('/detect_frame',methods=['POST'])defdetect_frame():"""处理实时帧检测"""# 解码 Base64 帧# 执行检测# 生成标注帧# 返回结果3. AI 分析模块
使用 DeepSeek API 对检测结果进行智能分析：
defanalyze_detections(detections,mode):"""分析检测结果"""# 构建分析提示# 调用 DeepSeek API# 处理分析结果returnanalysis性能优化
前端优化
- 使用 Canvas 绘制检测结果，减少 DOM 操作
- 优化图像传输，使用适当的压缩比例
- 实现帧跳过机制，平衡检测精度和速度
后端优化
- 模型加载优化，避免重复加载
- 推理参数调优，根据硬件性能调整 batch size
- 异步处理非关键任务，提高响应速度
故障排除
常见问题
视频检测不工作
- 检查视频格式是否支持（建议使用 MP4 格式）
- 确认浏览器是否支持视频播放
摄像头无法访问
- 检查浏览器权限设置，确保允许访问摄像头
- 确认摄像头设备正常工作
检测结果不准确
- 调整置信度和 IoU 阈值
- 对于特定场景，考虑使用更适合的模型
系统运行缓慢
- 降低视频分辨率
- 提高置信度阈值，减少检测数量
- 考虑使用更强大的硬件
安全注意事项
- 系统默认使用弱密码，生产环境请修改为强密码
- 建议在生产环境中启用 HTTPS
- 定期更新依赖包，修复安全漏洞
- 限制上传文件大小，防止 DoS 攻击
