# Fire detection

**Repository Path**: c259567268/Fire-detection

## Basic Information

- **Project Name**: Fire detection
- **Description**: 火灾检测系统：基于yolov5进行目标检测
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 7
- **Forks**: 0
- **Created**: 2024-05-15
- **Last Updated**: 2025-07-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Fire detection

## 配置环境

创建python3.8的虚拟环境

```bash
conda create -n yolo5 python==3.8.5
conda activate yolo5
```

### pytorch安装（gpu版本和cpu版本的安装）

```cmd
conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可
```
### pycocotools的安装

```
pip install pycocotools-windows
```

### 其他包的安装

```bash
pip install -r requirements.txt
pip install pyqt5
pip install labelme
```

## 数据处理

yolo格式的数据是一张图片对应一个txt格式的标注文件
标注文件中记载了目标的类别 中心点坐标 和宽高信息

## 配置文件准备

* 数据配置文件的准备

  配置文件是data目录下的`fire_data.yaml`

* 模型配置文件的准备

  模型的配置文件分别是`mask_yolov5s.yaml`、`mask_yolov5m.yaml`、`mask_yolov5l.yaml`，分别对应着yolo大中小三个模型

## 模型训练

模型训练的主文件是`triain.py`，三条指令分别对应着小中大三个模型的训练

```bash
python train.py --data fire_data.yaml --cfg mask_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 2 --device cpu
python train.py --data fire_data.yaml --cfg mask_yolov5l.yaml --weights pretrained/yolov5l.pt --epoch 100 --batch-size 2
python train.py --data fire_data.yaml --cfg mask_yolov5m.yaml --weights pretrained/yolov5m.pt --epoch 100 --batch-size 2
```
训练结果保存在`runs/train`目录下


## 模型使用

模型的使用全部集成在了`detect.py`目录

```bash
 # 检测摄像头
 python detect.py  --weights runs/train/exp_yolov5s/weights/best.pt --source 0  # webcam
 # 检测图片文件
  python detect.py  --weights runs/train/exp_yolov5s/weights/best.pt --source file.jpg  # image 
 # 检测视频文件
   python detect.py --weights runs/train/exp_yolov5s/weights/best.pt --source file.mp4  # video
 # 检测一个目录下的文件
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt path/  # directory
 # 检测网络视频
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt 'https://youtu.be/NUsoVlDFqZg'  # YouTube video
 # 检测流媒体
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt 'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream                            
```

执行`python detect.py --weights runs/train/exp_yolov5s/weights/best.pt --source  images/1_67.jpg`的命令便可以得到一张检测结果。