核心内容摘要
Starry Night艺术馆实操：多分辨率输出（512/768/1024px）对比
项目介绍摘要本项目基于YOLOv8深度学习框架开发了一套高效的结核病杆菌自动检测系统专门用于识别和定位医学影像中的结核病杆菌(TBbacillus)。
系统采用单类别(nc:
检测模式针对结核病杆菌这一特定病原体进行了优化训练。
项目数据集包含1098张训练图像和122张验证图像经过数据增强和预处理确保了模型的泛化能力。
该系统能够快速、准确地从显微镜图像中识别结核病杆菌为医疗诊断提供智能化辅助工具。
实验结果表明本系统在验证集上达到了较高的检测精度和召回率显著优于传统人工检测方法。
该系统具有部署灵活、检测速度快、准确率高等特点可集成到各类医疗影像分析平台中。
项目意义结核病是全球十大死因之一也是单一传染病中的头号杀手(仅次于COVID-
。
早期准确诊断是控制结核病传播和提高治愈率的关键环节而结核病杆菌的显微镜检查仍然是许多地区诊断的主要方法。
本项目的开发具有以下重要意义提高诊断效率传统显微镜检查依赖专业人员长时间观察容易疲劳导致漏检。
本系统可实现自动化快速筛查单张图像处理时间在毫秒级别大幅提高检测效率特别适合高负荷的公共卫生实验室。
提升诊断准确性人工检测的准确性受操作者经验、疲劳程度等因素影响较大。
本系统通过深度学习模型提供一致、客观的检测结果减少了人为误差尤其有助于经验不足的检验人员提高诊断水平。
降低医疗成本在资源有限的地区自动化检测系统可以减少对高端设备和资深专家的依赖使结核病诊断更加普惠。
系统可部署在普通计算设备上具有较高的成本效益比。
标准化诊断流程系统提供的数字化检测结果便于建立统一标准实现诊断过程的标准化和可追溯性有利于质量控制和大规模流行病学调查。
远程医疗支持系统可作为远程诊断平台的核心组件帮助偏远地区医疗机构获得准确的结核病诊断能力缩小医疗资源分布不均造成的差距。
学术研究价值项目构建的结核病杆菌专用数据集和优化模型为后续研究提供了基础相关技术路线可扩展至其他病原体检测领域。
公共卫生监测系统可实现结核病病例的自动统计和报告为公共卫生决策提供实时数据支持助力结核病防控工作。
本系统的开发符合世界卫生组织终结结核病战略的技术需求是人工智能技术在重大传染病防控中的创新应用对实现联合国可持续发展目标中确保健康生活的承诺具有积极推动作用。
随着进一步优化和临床验证该系统有望成为结核病诊断领域的重要辅助工具。
基于深度学习的结核病检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习的结核病检测系统YOLOv8YOLO数据集UI界面Python项目源码模型
项目功能展示系统功能✅图片检测可对图片进行检测返回检测框及类别信息。
✅视频检测支持视频文件输入检测视频中每一帧的情况。
✅摄像头实时检测连接USB 摄像头实现实时监测。
✅参数实时调节置信度和IoU阈值图片检测该功能允许用户通过单张图片进行目标检测。
输入一张图片后YOLO模型会实时分析图像识别出其中的目标并在图像中框出检测到的目标输出带有目标框的图像。
批量图片检测用户可以一次性上传多个图片进行批量处理。
该功能支持对多个图像文件进行并行处理并返回每张图像的目标检测结果适用于需要大规模处理图像数据的应用场景。
视频检测视频检测功能允许用户将视频文件作为输入。
YOLO模型将逐帧分析视频并在每一帧中标记出检测到的目标。
最终结果可以是带有目标框的视频文件或实时展示适用于视频监控和分析等场景。
摄像头实时检测该功能支持通过连接摄像头进行实时目标检测。
YOLO模型能够在摄像头拍摄的实时视频流中进行目标检测实时识别并显示检测结果。
此功能非常适用于安防监控、无人驾驶、智能交通等应用提供即时反馈。
核心特点高精度基于YOLO模型提供精确的目标检测能力适用于不同类型的图像和视频。
实时性特别优化的算法使得实时目标检测成为可能无论是在视频还是摄像头实时检测中响应速度都非常快。
批量处理支持高效的批量图像和视频处理适合大规模数据分析。
数据集介绍数据集名称结核杆菌检测数据集类别数量nc1类类别名称TBbacillus结核杆菌数据集规模训练集1098张痰液涂片图像验证集122张痰液涂片图像数据集特点目标单一数据集中仅包含结核杆菌一种目标专注于结核病的诊断任务。
复杂性痰液涂片图像中可能存在杂质、细胞碎片等干扰因素增加了检测的难度。
标注质量每张图像都经过精确的标注标注信息包括结核杆菌的边界框Bounding Box确保模型训练的准确性。
场景真实性数据集中的图像均来自真实的痰液涂片显微镜检查场景能够很好地反映实际应用中的挑战。
数据集使用训练集用于训练YOLOv8模型通过大量的痰液涂片图像数据使模型能够学习到结核杆菌的特征。
验证集用于调整模型超参数优化模型性能。
数据集配置文件data.yamltrain: .\datasets\images\train val: .\datasets\images\val test: .\datasets\images\test nc: 1 names: [TBbacillus]数据集制作流程标注数据使用标注工具如LabelImg、CVAT等对图像中的目标进行标注。
每个目标需要标出边界框并且标注类别。
转换格式将标注的数据转换为YOLO格式。
YOLO标注格式为每行object-class x_center y_center width height这些坐标是相对于图像尺寸的比例。
分割数据集将数据集分为训练集、验证集和测试集通常的比例是80%训练集、10%验证集和10%测试集。
准备标签文件为每张图片生成一个对应的标签文件确保标签文件与图片的命名一致。
调整图像尺寸根据YOLO网络要求统一调整所有图像的尺寸如416x416或608x608。
项目环境配置创建虚拟环境首先新建一个Anaconda环境每个项目用不同的环境这样项目中所用的依赖包互不干扰。
终端输入conda create -n yolov8 python
9激活虚拟环境conda activate yolov8安装cpu版本pytorchpip install torch torchvision torchaudiopycharm中配置anaconda安装所需要库pip install -r requirements.txt
模型训练训练代码from ultralytics import YOLO model_path yolov8s.pt data_path datasets/data.yaml if __name__ __main__: model YOLO(model_path) results model.train(datadata_path, epochs500, batch64, device0, workers0, projectruns/detect, nameexp, )根据实际情况更换模型 yolov8n.yaml (nano)轻量化模型适合嵌入式设备速度快但精度略低。
yolov8s.yaml (small)小模型适合实时任务。
yolov8m.yaml (medium)中等大小模型兼顾速度和精度。
yolov8b.yaml (base)基本版模型适合大部分应用场景。
yolov8l.yaml (large)大型模型适合对精度要求高的任务。
--batch 64每批次64张图像。
--epochs 500训练500轮。
--datasets/data.yaml数据集配置文件。
--weights yolov8s.pt初始化模型权重yolov8s.pt是预训练的轻量级YOLO模型。
训练结果
核心代码from PyQt5 import QtCore, QtGui, QtWidgets from PyQt
QtCore import Qt, QTimer from PyQt
QtGui import QImage, QPixmap, QIcon from PyQt
QtWidgets import (QFileDialog, QMessageBox, QTableWidgetItem, QStyledItemDelegate, QHeaderView) import cv2 import numpy as np from ultralytics import YOLO import os import datetime import sys class CenteredDelegate(QStyledItemDelegate): def initStyleOption(self, option, index): super().initStyleOption(option, index) option.displayAlignment Qt.AlignCenter class Ui_MainWindow(object): def setupUi(self, MainWindow): MainWindow.setObjectName(MainWindow) MainWindow.resize(1400,
MainWindow.setWindowTitle(YOLOv8 目标检测系统) # 设置窗口图标 if hasattr(sys, _MEIPASS): icon_path os.path.join(sys._MEIPASS, icon.ico) else: icon_path icon.ico if os.path.exists(icon_path): MainWindow.setWindowIcon(QIcon(icon_path)) self.centralwidget QtWidgets.QWidget(MainWindow) self.centralwidget.setObjectName(centralwidget) # 主布局 self.main_layout QtWidgets.QHBoxLayout(self.centralwidget) self.main_layout.setContentsMargins(10, 10, 10,
self.main_layout.setSpacing(
# 左侧布局 (图像显示) self.left_layout QtWidgets.QVBoxLayout() self.left_layout.setSpacing(
# 原始图像组 self.original_group QtWidgets.QGroupBox(原始图像) self.original_group.setMinimumHeight(
self.original_img_label QtWidgets.QLabel() self.original_img_label.setAlignment(QtCore.Qt.AlignCenter) self.original_img_label.setText(等待加载图像...) self.original_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) original_layout QtWidgets.QVBoxLayout() original_layout.addWidget(self.original_img_label) self.original_group.setLayout(original_layout) self.left_layout.addWidget(self.original_group) # 检测结果图像组 self.result_group QtWidgets.QGroupBox(检测结果) self.result_group.setMinimumHeight(
self.result_img_label QtWidgets.QLabel() self.result_img_label.setAlignment(QtCore.Qt.AlignCenter) self.result_img_label.setText(检测结果将显示在这里) self.result_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) result_layout QtWidgets.QVBoxLayout() result_layout.addWidget(self.result_img_label) self.result_group.setLayout(result_layout) self.left_layout.addWidget(self.result_group) self.main_layout.addLayout(self.left_layout, stretch
# 右侧布局 (控制面板) self.right_layout QtWidgets.QVBoxLayout() self.right_layout.setSpacing(
# 模型选择组 self.model_group QtWidgets.QGroupBox(模型设置) self.model_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.model_layout QtWidgets.QVBoxLayout() # 模型选择 self.model_combo QtWidgets.QComboBox() self.model_combo.addItems([best.pt]) self.model_combo.setCurrentIndex(
# 加载模型按钮 self.load_model_btn QtWidgets.QPushButton( 加载模型) self.load_model_btn.setIcon(QIcon.fromTheme(document-open)) self.load_model_btn.setStyleSheet( QPushButton { padding: 8px; background-color: #4CAF50; color: white; border-radius: 4px; } QPushButton:hover { background-color: #45a049; } ) self.model_layout.addWidget(self.model_combo) self.model_layout.addWidget(self.load_model_btn) self.model_group.setLayout(self.model_layout) self.right_layout.addWidget(self.model_group) # 参数设置组 self.param_group QtWidgets.QGroupBox(检测参数) self.param_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.param_layout QtWidgets.QFormLayout() self.param_layout.setLabelAlignment(Qt.AlignLeft) self.param_layout.setFormAlignment(Qt.AlignLeft) self.param_layout.setVerticalSpacing(
# 置信度滑块 self.conf_slider QtWidgets.QSlider(Qt.Horizontal) self.conf_slider.setRange(1,
self.conf_slider.setValue(
self.conf_value QtWidgets.QLabel(
0.
self.conf_value.setAlignment(Qt.AlignCenter) self.conf_value.setStyleSheet(font-weight: bold; color: #2196F3;) # IoU滑块 self.iou_slider QtWidgets.QSlider(Qt.Horizontal) self.iou_slider.setRange(1,
self.iou_slider.setValue(
self.iou_value QtWidgets.QLabel(
0.
self.iou_value.setAlignment(Qt.AlignCenter) self.iou_value.setStyleSheet(font-weight: bold; color: #2196F3;) self.param_layout.addRow(置信度阈值:, self.conf_slider) self.param_layout.addRow(当前值:, self.conf_value) self.param_layout.addRow(QtWidgets.QLabel()) # 空行 self.param_layout.addRow(IoU阈值:, self.iou_slider) self.param_layout.addRow(当前值:, self.iou_value) self.param_group.setLayout(self.param_layout) self.right_layout.addWidget(self.param_group) # 功能按钮组 self.func_group QtWidgets.QGroupBox(检测功能) self.func_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.func_layout QtWidgets.QVBoxLayout() self.func_layout.setSpacing(
# 图片检测按钮 self.image_btn QtWidgets.QPushButton( 图片检测) self.image_btn.setIcon(QIcon.fromTheme(image-x-generic)) # 视频检测按钮 self.video_btn QtWidgets.QPushButton( 视频检测) self.video_btn.setIcon(QIcon.fromTheme(video-x-generic)) # 摄像头检测按钮 self.camera_btn QtWidgets.QPushButton( 摄像头检测) self.camera_btn.setIcon(QIcon.fromTheme(camera-web)) # 停止检测按钮 self.stop_btn QtWidgets.QPushButton( 停止检测) self.stop_btn.setIcon(QIcon.fromTheme(process-stop)) self.stop_btn.setEnabled(False) # 保存结果按钮 self.save_btn QtWidgets.QPushButton( 保存结果) self.save_btn.setIcon(QIcon.fromTheme(document-save)) self.save_btn.setEnabled(False) # 设置按钮样式 button_style QPushButton { padding: 10px; background-color: #2196F3; color: white; border: none; border-radius: 4px; text-align: left; } QPushButton:hover { background-color: #0b7dda; } QPushButton:disabled { background-color: #cccccc; } for btn in [self.image_btn, self.video_btn, self.camera_btn, self.stop_btn, self.save_btn]: btn.setStyleSheet(button_style) self.func_layout.addWidget(btn) self.func_group.setLayout(self.func_layout) self.right_layout.addWidget(self.func_group) # 检测结果表格组 self.table_group QtWidgets.QGroupBox(检测结果详情) self.table_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.table_layout QtWidgets.QVBoxLayout() self.result_table QtWidgets.QTableWidget() self.result_table.setColumnCount(
self.result_table.setHorizontalHeaderLabels([类别, 置信度, 左上坐标, 右下坐标]) self.result_table.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch) self.result_table.verticalHeader().setVisible(False) self.result_table.setSelectionBehavior(QtWidgets.QAbstractItemView.SelectRows) self.result_table.setEditTriggers(QtWidgets.QAbstractItemView.NoEditTriggers) # 设置表格样式 self.result_table.setStyleSheet( QTableWidget { border: 1px solid #e0e0e0; alternate-background-color: #f5f5f5; } QHeaderView::section { background-color: #2196F3; color: white; padding: 5px; border: none; } QTableWidget::item { padding: 5px; } ) # 设置居中代理 delegate CenteredDelegate(self.result_table) self.result_table.setItemDelegate(delegate) self.table_layout.addWidget(self.result_table) self.table_group.setLayout(self.table_layout) self.right_layout.addWidget(self.table_group, stretch
self.main_layout.addLayout(self.right_layout, stretch
MainWindow.setCentralWidget(self.centralwidget) # 状态栏 self.statusbar QtWidgets.QStatusBar(MainWindow) self.statusbar.setStyleSheet(QStatusBar { border-top: 1px solid #c0c0c0; }) MainWindow.setStatusBar(self.statusbar) # 初始化变量 self.model None self.cap None self.timer QTimer() self.is_camera_running False self.current_image None self.current_result None self.video_writer None self.output_path output # 创建输出目录 if not os.path.exists(self.output_path): os.makedirs(self.output_path) # 连接信号槽 self.load_model_btn.clicked.connect(self.load_model) self.image_btn.clicked.connect(self.detect_image) self.video_btn.clicked.connect(self.detect_video) self.camera_btn.clicked.connect(self.detect_camera) self.stop_btn.clicked.connect(self.stop_detection) self.save_btn.clicked.connect(self.save_result) self.conf_slider.valueChanged.connect(self.update_conf_value) self.iou_slider.valueChanged.connect(self.update_iou_value) self.timer.timeout.connect(self.update_camera_frame) # 设置全局样式 self.set_style() def set_style(self): style QMainWindow { background-color: #f5f5f5; } QGroupBox { border: 1px solid #e0e0e0; border-radius: 5px; margin-top: 10px; padding-top: 15px; } QGroupBox::title { subcontrol-origin: margin; left: 10px; padding: 0 3px; } QLabel { color: #333333; } QComboBox { padding: 5px; border: 1px solid #cccccc; border-radius: 3px; } QSlider::groove:horizontal { height: 6px; background: #e0e0e0; border-radius: 3px; } QSlider::handle:horizontal { width: 16px; height: 16px; margin: -5px 0; background: #2196F3; border-radius: 8px; } QSlider::sub-page:horizontal { background: #2196F3; border-radius: 3px; } self.centralwidget.setStyleSheet(style) def load_model(self): model_name self.model_combo.currentText().split( )[0] try: self.model YOLO(model_name) self.statusbar.showMessage(f模型 {model_name} 加载成功,
self.image_btn.setEnabled(True) self.video_btn.setEnabled(True) self.camera_btn.setEnabled(True) except Exception as e: QMessageBox.critical(None, 错误, f模型加载失败: {str(e)}) def update_conf_value(self): conf self.conf_slider.value() / 100 self.conf_value.setText(f{conf:.2f}) def update_iou_value(self): iou self.iou_slider.value() / 100 self.iou_value.setText(f{iou:.2f}) def detect_image(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择图片, , 图片文件 (*.jpg *.jpeg *.png *.bmp);;所有文件 (*) ) if file_path: try: # 读取图片 img cv
imread(file_path) img cv
cvtColor(img, cv
COLOR_BGR2RGB) # 显示原始图片 self.display_image(img, self.original_img_label) self.current_image img.copy() # 检测图片 conf self.conf_slider.value() / 100 iou self.iou_slider.value() / 100 self.statusbar.showMessage(正在检测图片...) QtWidgets.QApplication.processEvents() # 更新UI results self.model.predict(img, confconf, iouiou) result_img results[0].plot() # 显示检测结果 self.display_image(result_img, self.result_img_label) self.current_result result_img.copy() # 更新结果表格 self.update_result_table(results[0]) self.save_btn.setEnabled(True) self.statusbar.showMessage(f图片检测完成: {os.path.basename(file_path)},
except Exception as e: QMessageBox.critical(None, 错误, f图片检测失败: {str(e)}) self.statusbar.showMessage(图片检测失败,
def detect_video(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择视频, , 视频文件 (*.mp4 *.avi *.mov *.mkv);;所有文件 (*) ) if file_path: try: self.cap cv
VideoCapture(file_path) if not self.cap.isOpened(): raise Exception(无法打开视频文件) # 获取视频信息 fps self.cap.get(cv
CAP_PROP_FPS) width int(self.cap.get(cv
CAP_PROP_FRAME_WIDTH)) height int(self.cap.get(cv
CAP_PROP_FRAME_HEIGHT)) # 创建视频写入器 timestamp datetime.datetime.now().strftime(%Y%m%d_%H%M%S) output_file os.path.join(self.output_path, foutput_{timestamp}.mp
fourcc cv
VideoWriter_fourcc(*mp4v) self.video_writer cv
VideoWriter(output_file, fourcc, fps, (width, height)) # 启用停止按钮禁用其他按钮 self.stop_btn.setEnabled(True) self.save_btn.setEnabled(True) self.image_btn.setEnabled(False) self.video_btn.setEnabled(False) self.camera_btn.setEnabled(False) # 开始处理视频 self.timer.start(
# 30ms间隔 self.statusbar.showMessage(f正在处理视频: {os.path.basename(file_path)}...) except Exception as e: QMessageBox.critical(None, 错误, f视频检测失败: {str(e)}) self.statusbar.showMessage(视频检测失败,
3000)