引言

YOLOv5（You Only Look Once version 5）是一种流行的实时目标检测模型，因其高效的性能和易用性而广受欢迎。而Streamlit则是一个开源框架，可以快速创建数据应用和Web界面。将YOLOv5与Streamlit结合，可以实现一个实时目标检测的Web应用。本文将详细介绍如何部署这样的应用。

准备工作

在开始之前，请确保你已经安装了以下依赖：

• Python 3.x
• PyTorch
• YOLOv5模型
• Streamlit

你可以使用pip来安装这些依赖：

pip install torch torchvision
pip install streamlit

下载YOLOv5模型

前往YOLOv5的官方GitHub仓库（https://github.com/ultralytics/yolov5）下载模型文件。这里我们选择一个预训练好的模型，如yolov5s.pt（小型版本），它可以在大多数设备上实现实时检测。

创建Streamlit应用

创建一个新的Python文件，如app.py，然后添加以下代码：

```python
import streamlit as st
import torch
import cv2
from PIL import Image
from matplotlib import pyplot as plt
import ultralytics as ul

加载YOLOv5模型

model = ul.models.attempt_load(‘yolov5s.pt’, map_location=torch.device(‘cpu’))

定义函数来处理图像并返回检测结果

def detect_objects(image_path):
img = cv2.imread(image_path)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = Image.fromarray(img)

results = model(img)
# 绘制检测结果
results.render()
# 将图像转换回BGR格式并保存
img = results.imgs[0][:, :, ::-1]
img = cv2.cvtColor(np.uint8(img), cv2.COLOR_RGB2BGR)
return img

在Streamlit应用中显示上传的图像和检测结果

st.title(‘YOLOv5目标检测’)
st.write(‘上传一张图片进行目标检测：’)
uploaded_file = st.file_uploader(‘选择文件’, type=[‘jpg’, ‘png’, ‘jpeg’])

if uploaded