本文旨在幫助小白從0到計算機視覺的簡單入門

1.本文全部配置環境速覽

本文全部操作都在Windows終端運行

所有代碼均可直接復制使用，按順序執行即可

Python 版本：3.12

虛擬環境：yolo-env

環境管理器：Miniconda3

ultralytics：最新穩定版（YOLOv8 官方庫）

opencv-python：>=4.8.0 （攝像頭/圖像處理）

torch：>=2.0.0 （CPU 版本，YOLO 自動附帶）

torchvision：>=0.15.0

pillow：>=9.0

2. 安裝miniconda，創建并進入虛擬環境

conda幫助你在Windows獲得幾乎和linux上一樣的虛擬環境體驗，

簡單說，虛擬環境幫助你把每個項目隔離，

否則，不同的項目，工具版本不同代碼無法正常運行！

終端miniconda自動安裝命令：

安裝后初始化conda命令:

創建yolo專用的虛擬環境：

這里我用的是python3.12，朋友們根據需求選擇哦，也可以直接復制完全沒問題

進入/激活剛剛創建的虛擬環境：

退出環境：

如果你想查看所有conda創建的環境：

3.安裝yolo所需的配置

我們需要通過寫一個python腳本來調用它，在此之前要先安裝要用到的庫

yolo的本質：一個實時目標檢測算法

為什么叫yolo？ ------You Only Look Once（你只需要看一次）

意思就是：一張圖片，只過一遍神經網絡，就能同時輸出所有物體的位置和類別，這也是它快的根本原因。

ok我們繼續

安裝Ultralytics YOLO:

pip命令就是python自帶的一個應用商城，里面有大量的基于python的庫，我們現在跑yolo需要的庫都在里面！

安裝OpenCV:

OpenCV 是一個開源的計算機視覺庫，專門用來處理圖像、視頻、攝像頭讀取、畫面預處理、繪制圖形等操作。

成功！

到這一步我們已經可以打開攝像頭檢測視野里的物品了！

用這個命令立刻快速打開測試你的攝像頭：

接下來，直接復制下面的代碼，到yolo_test.py里面，你就能識別物品了！

接下來

創建并且打開yolo_test.py文件:

寫入yolo代碼：

（這里是一個能直接運行的最簡單的yolo代碼）

from ultralytics import YOLOimport cv2# 加載YOLO模型model = YOLO("yolov8n.pt")# 打開攝像頭cap = cv2.VideoCapture(0)while True:    # 讀取畫面    ret, frame = cap.read()    if not ret:        break    # YOLO識別    results = model(frame)    # 顯示結果畫面    cv2.imshow("YOLO Detection", results[0].plot())    # 按Q退出    if cv2.waitKey(1) & 0xFF == ord('q'):        break# 釋放資源cap.release()cv2.destroyAllWindows()

實現功能：

• 調用電腦攝像頭，獲取實時畫面
• 使用 YOLOv8 模型對畫面中的物體進行實時檢測
• 自動畫出識別框并顯示類別名稱
• 按 q 鍵關閉窗口

運行yolo代碼：

來源：技術棧nolan

申明：感謝原創作者的辛勤付出。本號轉載的文章均會在文中注明，若遇到版權問題請聯系我們處理。