YOLO钢轨缺口识别

YOLOv8在钢轨故障识别中的应用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
from ultralytics import YOLO

if __name__ == "__main__":
# 加载YOLOv8n模型
model = YOLO("yolov8n.pt")

# 开始训练
model.train(
data="/gap.yaml", # 训练数据配置文件
epochs=100, # 训练轮次
imgsz=640, # 图片大小
device="0" # 设备可设置为GPU(0)或CPU("cpu")
)

# 加载经过训练的模型进行预测
model = YOLO("/best.pt") # 加载训练好的YOLOv8n模型

# 对图像进行批量推理
results = model(["/aug_prefix_0_1352.jpg"]) # 返回一系列结果对象

# 处理并显示结果
for result in results:
boxes = result.boxes # 获取边界框输出
masks = result.masks # 获取分割掩码输出
keypoints = result.keypoints # 获取关键点输出
probs = result.probs # 获取分类概率输出
obb = result.obb # 获取定向边界框(OBB)输出

result.show() # 显示结果
result.save(filename="C:/Users/yusialone/Desktop/3d/its_rail/jieguo/result.jpg") # 保存结果