基于yolov10的水果成熟度检测，支持图像、视频和摄像实时检测【pytorch框架、python】
更多目标检测和图像分类识别项目可看我主页其他文章
功能演示：
基于yolov10的水果成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python】_哔哩哔哩_bilibili
（一）简介基于yolov10的水果成熟度检测系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标（准确率、精确率、召回率等）等。ui界面由pyqt5设计实现。
该项目是在pycharm和anaconda搭建的虚拟环境执行，pycharm和anaconda安装和配置可观看教程：
超详细的pycharm+anaconda搭建python虚拟环境-CSDN博客
（二）项目介绍 1. 模型训练、验证该项目可以使用已经训练好的模型权重，也可以自己重新训练，自己训练也比较简单：
第一步：修改data/data.yaml中的数据集路径
第二步：模型训练，即运行train.py文件
第三步：模型验证，当模型训练完后，运行val.py文件
第四步：使用模型，即运行gui.py文件即可通过GUI界面来展示模型效果
2. 数据集
部分数据展示：
由于篇幅有限，只展示核心代码
def upload_img(self):
"""上传图片"""
self.comboBox.setDisabled(False)
self.pushButton_4.setEnabled(False)
fileName, fileType = QFileDialog.getOpenFileName(self, 'Choose file', '', '*.jpg *.png *.tif *.jpeg')
if fileName:
self.file_path = fileName
"""检测图片"""
org_path = self.file_path
t1 = time.time()
results = self.model.predict(source=org_path, imgsz=self.output_size, conf=self.conf_threshold)[0]
names = results.names
t2 = time.time()
self.label_6.setText('{:.3f} s'.format(t2 - t1))
now_img = results.plot()
self.resize_scale = self.output_size / now_img.shape[0]
im0 = cv2.resize(now_img, (0, 0), fx=self.resize_scale, fy=self.resize_scale)
cv2.imwrite("images/tmp/single_result.jpg", im0)
self.label_3.setScaledContents(True)
self.label_3.setPixmap(QPixmap("images/tmp/single_result.jpg"))
location_list = results.boxes.xyxy.tolist()
location_list = [list(map(int, e)) for e in location_list]
cls_list = results.boxes.cls.tolist()
cls_list = [int(i) for i in cls_list]
conf_list = results.boxes.conf.tolist()
conf_list = ['%.2f %%' % (each * 100) for each in conf_list]
total_nums = len(location_list)
self.label_11.setText(str(total_nums))
choose_list = ['全部']
target_names = [names[id] + '_' + str(index) for index, id in enumerate(cls_list)]
choose_list = choose_list + target_names
self.comboBox.clear()
self.comboBox.addItems(choose_list)
self.results = results
self.names = names
self.cls_list = cls_list
self.conf_list = conf_list
self.location_list = location_list
if total_nums >= 1:
self.label_16.setText(names[cls_list[0]])
self.label_15.setText(str(conf_list[0]))
self.label_13.setText(str(location_list[0][0]))
self.label_19.setText(str(location_list[0][1]))
self.label_21.setText(str(location_list[0][2]))
self.label_23.setText(str(location_list[0][3]))
else:
self.label_16.setText(' ')
self.label_15.setText(' ')
self.label_13.setText(' ')
self.label_19.setText(' ')
self.label_21.setText(' ')
self.label_23.setText(' ')
' （四）总结以上即为整个项目的介绍，完整的项目包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标等 。
若项目使用过程中出现问题，请及时交流！
相关知识
YOLOv11 vs YOLOv8：谁才是真正的AI检测之王？
基于YOLOv8深度学习的水稻害虫检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于python编程的五种鲜花识别
基于YOLOv8深度学习的智能玉米害虫检测识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的智能小麦害虫检测识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于yolov5的海棠花花朵识别检测系统完整项目
构建智能化玉米病虫害检测系统：深度学习与实时UI集成详解
基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
基于深度学习的农作物害虫检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于STM32的农业病虫害检测检测系统：OpenCV、MQTT、Flask框架、MySQL（代码示例）
网址: 基于yolov10的水果成熟度检测，支持图像、视频和摄像实时检测【pytorch框架、python】 https://m.huajiangbk.com/newsview1347482.html
| 上一篇: 基于深度学习的番茄成熟度检测系统 |
下一篇: 水果成熟度检测技术的现状与发展 |
