YOLO火焰/烟雾检测系统
1. 软件概述
本软件基于YOLOv8/v11/v26深度学习模型，提供了一个简洁美观的图形界面，用于对图片和视频中的火焰（Fire）与烟雾（Smoke）目标进行智能检测。支持实时显示检测结果、保存带标注框的输出文件，并允许用户灵活调整置信度阈值等参数。
2. 主要功能
| 功能模块 | 描述 |
|---|---|
| 图片检测 | 选择单张图片，一键检测并显示火焰/烟雾的位置、置信度及坐标。 |
| 视频检测 | 支持.mp4,.avi,.mov等常见视频格式，可设置跳帧间隔，实时显示检测进度。 |
| 模型加载 | 加载用户自己的.pt格式 YOLO 模型（也支持官方预训练模型）。 |
| 置信度调节 | 通过滑块调整检测阈值（0~1），过滤低置信度目标。 |
| 结果保存 | 可选自动保存检测后的图片（_detected.jpg）或视频（_detected.mp4）。 |
| 实时预览 | 检测过程中右侧窗口实时显示带标注框的画面。 |
| 详细日志 | 左侧文本框逐帧列出检测到的目标类别、置信度及边界框坐标。 |
| 停止检测 | 视频检测过程中可随时中断任务。 |
| 进度条 | 视频检测时显示当前帧进度百分比。 |
3. 系统要求
- 操作系统：Windows 10/11
- Python 版本：3.8 ~ 3.11
- 硬件建议：
- 推荐使用NVIDIA GPU（显存 ≥ 4GB）以获得较快推理速度
- CPU模式也可运行，但视频检测会较慢
- 依赖库（见下一节）
4. 安装与配置
4.1 安装 Python 环境
如果你还没有 Python，请从 python.org 下载安装（安装时勾选“Add Python to PATH”）。
4.2 安装依赖库
打开终端（cmd 或 PowerShell），执行以下命令：
pipinstallultralytics opencv-python pillow customtkinter如果下载缓慢，可使用国内镜像，例如：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics opencv-python pillow customtkinter
4.3 准备模型文件
- 你可以使用自己训练好的
.pt模型（如best.pt） - 或者直接使用 Ultralytics 官方预训练模型（软件会自动下载，但建议预先下载好
yolov8n.pt等）
注意：本软件默认期望检测的类别为fire和smoke（索引 0 和 1）。如果你的模型类别不同，需修改代码中的类别映射逻辑。
4.4 下载或保存软件代码
将提供的完整 Python 代码保存为fire_detector.py（或其他名称）。
5. 使用说明
5.1 启动软件
在终端中导航到代码所在目录，执行：
python fire_detector.py稍等片刻，主窗口会弹出。
5.2 界面布局
- 左侧区域：所有控制选项（选择模型、选择文件、调节参数等）
- 右侧区域：显示原始图片/视频预览，以及检测后的结果画面
- 底部状态栏：显示当前操作状态（加载中、检测完成等）
5.3 图片检测流程
加载模型
点击“模型文件 (.pt)”旁的浏览按钮，选择你的.pt模型文件。若已加载成功，状态栏会显示模型名称。选择图片
确保顶部“输入类型”为图片（默认）。点击“文件路径”旁的浏览，选择一张待检测的图片（支持.jpg,.png,.bmp等）。调整置信度（可选）
拖动“置信度阈值”滑块，数值越高，检测结果越严格（漏检增多，误检减少）。推荐设置在 0.3~0.7 之间。是否保存结果
勾选“保存检测结果图片”后，检测完成时会在图片同目录下生成原文件名_detected.jpg。开始检测
点击开始检测按钮。右侧会立即显示带标注框的图片，左侧文本框列出检测到的目标详情（类别、置信度、坐标）。查看结果
检测完成后，状态栏会提示“图片检测完成”。如需再次检测，更换图片即可。
5.4 视频检测流程
切换到视频模式
点击“输入类型”中的视频按钮，界面会显示“跳帧”设置和进度条，同时出现“停止检测”按钮（初始为灰色）。选择模型（若之前未加载，请先加载模型）
选择视频文件
点击浏览，选择.mp4/.avi/.mov等格式的视频。设置跳帧（可选）
“视频检测跳帧”表示每 N 帧检测一次。- 数值 = 1：每一帧都检测（精度最高，但较慢）
- 数值 = 5：每 5 帧检测一次（速度提升约 5 倍，适合对实时性要求较高的场景）
调整置信度阈值（同图片模式）
是否保存结果视频
勾选后，检测完成后会在视频同目录下生成原文件名_detected.mp4。开始检测
点击开始检测，右侧窗口会实时显示当前检测帧的画面，左侧增量显示每一帧的检测结果，下方进度条显示处理进度。中途停止
点击停止检测（红色按钮），检测任务会尽快终止。检测完成
正常结束后，状态栏会提示“视频检测完成”。若勾选了保存，会弹窗告知输出路径。
6. 常见问题与注意事项
6.1 启动时提示缺少模块？
请确保已安装所有依赖：pip install -r requirements.txt（可自行创建该文件列出上述库）。
6.2 加载模型时提示 “C3k2” 不存在？
说明你的ultralytics版本过低（低于 8.2.x）。请升级：
pipinstall--upgradeultralytics6.3 视频检测卡顿或显存不足？
- 适当增大跳帧数值（如 3 或 5）
- 降低置信度阈值（不会减少显存但能加快后处理）
- 在代码中可将
imgsz显式降低（例如model(frame, imgsz=320)）
6.4 检测结果中类别名称错误？
本软件会从模型的.names属性中自动读取类别名称。如果你的模型训练时的类别顺序不是['fire','smoke']，输出会显示你自定义的类别名（如['fire','smoke','other']）。
6.5 保存的视频无法播放？
- 确保已安装
opencv-python（视频编码依赖） - 可尝试将输出编码改为
'avc1'或直接保存为.avi格式
6.6 界面显示异常（按钮不全/布局错乱）？
- 请确保屏幕分辨率 ≥ 1280×800
- 如果使用 Windows 缩放（125% 等），CustomTkinter 会自动适配，但偶尔需重启软件
源代码如下
