# 无人机视角的地面物体检测

**Repository Path**: zbc_2036374660/large-projects

## Basic Information

- **Project Name**: 无人机视角的地面物体检测
- **Description**: 随着无人机技术的快速发展，无人机凭借灵活的飞行能力和高空视角优势，能够快速获取地面图像数据，其在灾害救援、交通管控等领域的应用日益广泛。
本项目基于深度学习目标检测技术，针对无人机视角特点优化模型，结合前端交互、后端处理、数据存储与服务器部署，构建一套完整的 “无人机视角地面物体检测系统”。
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 10
- **Forks**: 1
- **Created**: 2025-07-15
- **Last Updated**: 2026-05-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 无人机视角地面物体检测

## README

# 无人机视角地面物体检测

详细细节请查看Wiki  
https://gitee.com/zbc_2036374660/large-projects/wikis/%E9%A1%B9%E7%9B%AE%E4%BB%8B%E7%BB%8D

## 1.项目结构


```python
large-projects
    -Docker_use               # 模型部署Docker所用到的配置文件
        --Dockerfile          # Dockerfile文件
        --gunicorn.conf.py    # 绿色独角兽文件
        --requirements.in     # 生成依赖文件
        --requirements.txt    # 依赖文件
    -pre_yolo                 # 模型
        --best.pt             # 训练好的模型文件
        --pre.py              # Flask服务器后端文件
        --predictions.db      # 由后端生成的数据库文件
    -ui_yolo                  # 前端
        --icons               # 前端打包exe文件图标
            ---yolo.ico       # 图标
        --resources           # 前端PYQT资源
            ---init.py    
            ---tu_rc.py       # 使用pyrcc生成资源py文件
        --ui                  # 界面设计
            ---camera.py      # 摄像头界面文件
            ---main.py        # 主界面文件
            ---picture.py     # 图片界面文件
            ---settings.json  # IP地址和端口号配置文件
            ---video.py       # 视频界面文件
```

## 2.模型训练

数据集 使用的飞桨网公开的无人机视角数据集，共11种分类
```python
    # 0: 行人
    0: pedestrian
    # 1: 人群
    1: people
    # 2: 自行车
    2: bicycle
    # 3: 汽车
    3: car
    # 4: 面包车
    4: van
    # 5: 卡车
    5: truck
    # 6: 三轮车
    6: tricycle
    # 7: 篷式三轮车
    7: awning - tricycle
    # 8: 公交车
    8: bus
    # 9: 摩托车
    9: motor
    # 11: 其他
    11: others
```
使用YOLOV8X模型进行模型微调，模型微调（再训练）.py文件是记性训练的文件。  
coco8.yaml文件是模型训练时使用的配置文件，其中有数据集的地址，分类。

## 3.前端
ui_yolo使用PYQT进行界面开发，共设计四个界面  
main.py设计主界面  
picture.py设计图片识别界面  
video.py设计视频识别界面  
camera.py设计摄像头识别界面  
设计了用户设置端口号/IP地址的功能  
用户可以查询数据库中的预测数据，还可以删除数据库中的内容  
最后将前端打包为exe文件，方便用户使用。   
前端文件：https://gitee.com/zbc_2036374660/large-projects/releases/tag/v1.0

## 4.后端
pre_yolo.py文件  
后端基于Flask框架，搭载了训练好的模型（best），负责接收前端的请求数据，  
将数据进行模型预测，然后向前端返回预测结果。搭载SQLite数据库，存储检测过程中检测的目标数据。  

## 5.模型部署

在Linux系统中使用Docker创建镜像，将Dockerfile，best模型，pre.py预测文件，gunicorn.conf.py绿色独角兽文件 ，requirements.txt库配置文件放在同一目录中进行封装创建容器。

## 6.资源获取

数据集下载链接 https://share.weiyun.com/zfseGfII  
数据集标注软件 https://share.weiyun.com/jEjwawdH  
yolov8模型下载链接 https://share.weiyun.com/xSfkhaMw  
模型训练（微调）生成的best下载链接 https://share.weiyun.com/L5tcsrFr  
Docker封装容器下载链接 https://share.weiyun.com/myKjkY4F  
讲解视频：【无人机视角地面物体视觉检测项目】 https://www.bilibili.com/video/BV11ngHzyEwA/?share_source=copy_web&vd_source=fa4898386ce73b64e6ffe2c9c079f11e  
学习文档: https://docs.qq.com/aio/DTUVMc0JPSUtPVGhF