深度学习框架基于YOLOv8➕pyqt5工程机械检测系统，
2655张工程机械数据集
包括[‘挖掘机’, ‘自卸卡车’, ‘轮式装载机’]，3类
也可自行替换模型，使用该界面做其他检测
以下是完整的基于 YOLOv8 + PyQt5 的工程机械检测系统，支持：
- 3 类目标检测：
挖掘机、自卸卡车、轮式装载机 - 图像 / 视频 / 摄像头实时检测
- 可视化检测框、类别（中文）、置信度、坐标
- 支持替换任意 YOLOv8 模型（如
best.pt） - 保存检测结果为文本报告
- 界面简洁、功能完整、代码可直接运行
✅ 一、环境依赖
pipinstallultralytics pyqt5 opencv-python numpy
ultralytics：官方 YOLOv8 库PyQt5：图形界面OpenCV：图像/视频处理
✅ 二、数据集说明（供训练参考）
| 属性 | 内容 |
|---|---|
| 数据集名称 | Construction Machinery Detection Dataset |
| 图像总数 | 2655 张 |
| 类别数量 | 3 类 |
| 类别名称 | 挖掘机、自卸卡车、轮式装载机 |
| 标注格式 | YOLO（.txt） |
| 推荐划分 | train: ~2100, val: ~400, test: ~155 |
📂 示例结构：
construction_dataset/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/✅ 三、完整系统代码：construction_detection.py
# construction_detection.pyimportsysimportosfromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QLabel,QPushButton,QVBoxLayout,QHBoxLayout,QWidget,QFileDialog,QTextEdit,QSpinBox)fromPyQt5.QtCoreimportQt,QTimerfromPyQt5.QtGuiimportQPixmap,QImageimportcv2importnumpyasnpfromultralyticsimportYOLOclassConstructionMachineryDetectionApp(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle("基于YOLOv8的工程机械检测系统")self.setGeometry(100,100,1200,700)# 加载模型（可替换为你的 best.pt）self.model=Noneself.load_model()# 初始化 UIself.init_ui()# 摄像头/视频控制self.cap=Noneself.timer=QTimer()self.timer.timeout.connect(self.update_frame)defload_model(self):"""加载 YOLOv8 模型"""try:# 替换为你训练好的模型路径，例如 'runs/detect/train/weights/best.pt'self.model=YOLO('yolov8n.pt')# 默认使用 yolov8n，可改为 best.ptprint("✅ 模型加载成功！")exceptExceptionase:print(f"❌ 模型加载失败:{e}")definit_ui(self):central_widget=QWidget()self.setCentralWidget(central_widget)layout=QVBoxLayout()# 标题title=QLabel("<h2>工程机械智能检测系统</h2>")title.setAlignment(Qt.AlignCenter)layout.addWidget(title)# 主体区域main_layout=QHBoxLayout()# 左侧：图像显示区self.image_label=QLabel("点击“打开图片”上传图像")self.image_label.setAlignment(Qt.AlignCenter)self.image_label.setStyleSheet("border: 2px solid #ccc; background-color: #f9f9f9;")self.image_label.setMinimumSize(600,400)main_layout.addWidget(self.image_label)# 右侧：控制面板right_panel=QVBoxLayout()# 参数设置right_panel.addWidget(QLabel("检测参数"))self.conf_spin=QSpinBox()self.conf_spin.setValue(25)self.conf_spin.setSuffix("%")self.conf_spin.setMaximum(100)right_panel.addWidget(QLabel("置信度阈值"))right_panel.addWidget(self.conf_spin)self.iou_spin=QSpinBox()self.iou_spin.setValue(45)self.iou_spin.setSuffix("%")self.iou_spin.setMaximum(100)right_panel.addWidget(QLabel("IoU 阈值"))right_panel.addWidget(self.iou_spin)# 操作按钮btn_layout=QHBoxLayout()self.btn_image=QPushButton("打开图片")self.btn_video=QPushButton("打开视频")self.btn_camera=QPushButton("打开摄像头")self.btn_save=QPushButton("保存结果")self.btn_exit=QPushButton("退出")self.btn_image.clicked.connect(self.open_image)self.btn_video.clicked.connect(self.open_video)self.btn_camera.clicked.connect(self.open_camera)self.btn_save.clicked.connect(self.save_results)self.btn_exit.clicked.connect(self.close)btn_layout.addWidget(self.btn_image)btn_layout.addWidget(self.btn_video)btn_layout.addWidget(self.btn_camera)btn_layout.addWidget(self.btn_save)btn_layout.addWidget(self.btn_exit)right_panel.addLayout(btn_layout)# 检测结果显示right_panel.addWidget(QLabel("检测信息"))self.result_text=QTextEdit()self.result_text.setReadOnly(True)self.result_text.setMaximumHeight(150)right_panel.addWidget(self.result_text)main_layout.addLayout(right_panel)layout.addLayout(main_layout)# 结果表格（下方）layout.addWidget(QLabel("检测结果明细"))self.table_text=QTextEdit()self.table_text.setReadOnly(True)layout.addWidget(self.table_text)central_widget.setLayout(layout)defopen_image(self):file_name,_=QFileDialog.getOpenFileName(self,"选择图像","","Image Files (*.jpg *.png *.jpeg)")iffile_name:self.detect_and_show(file_name,is_video=False)defopen_video(self):file_name,_=QFileDialog.getOpenFileName(self,"选择视频","","Video Files (*.mp4 *.avi)")iffile_name:self.cap=cv2.VideoCapture(file_name)self.timer.start(30)self.result_text.setText("正在播放视频...")defopen_camera(self):ifself.cap:self.cap.release()self.cap=cv2.VideoCapture(0)self.timer.start(30)self.result_text.setText("正在使用摄像头...")defdetect_and_show(self,source,is_video=False):ifself.modelisNone:self.result_text.setText("❌ 模型未加载！")returnimg=cv2.imread(source)ifnotis_videoelsesourceifimgisNone:self.result_text.setText("❌ 图像读取失败！")returnconf=self.conf_spin.value()/100.0iou=self.iou_spin.value()/100.0results=self.model(img,conf=conf,iou=iou)annotated_img=results[0].plot()# 显示图像self.display_image(annotated_img)# 显示结果self.show_results(results[0],source)defupdate_frame(self):ifself.capisNone:returnret,frame=self.cap.read()ifnotret:self.timer.stop()self.result_text.setText("❌ 视频/摄像头结束！")returnself.detect_and_show(frame,is_video=True)defdisplay_image(self,img):h,w,ch=img.shape bytes_per_line=ch*w q_img=QImage(img.data,w,h,bytes_per_line,QImage.Format_BGR888)pixmap=QPixmap.fromImage(q_img)self.image_label.setPixmap(pixmap.scaled(600,400,Qt.KeepAspectRatio))defshow_results(self,result,source_path):boxes=result.boxes.cpu().numpy()class_names=['挖掘机','自卸卡车','轮式装载机']# 中文映射（按训练时类别顺序）iflen(boxes)==0:self.result_text.setText("🔍 未检测到工程机械。")self.table_text.setText("")return# 构建文本text=f"🎯 检测完成！共{len(boxes)}个目标\n"table_lines=["序号\t类别\t置信度\t坐标 [x1,y1,x2,y2]"]fori,boxinenumerate(boxes):cls_id=int(box.cls[0])conf=float(box.conf[0])xyxy=box.xyxy[0].astype(int)label=class_names[cls_id]ifcls_id<len(class_names)elsef"未知类({cls_id})"conf_str=f"{conf*100:.2f}%"coord_str=f"[{xyxy[0]},{xyxy[1]},{xyxy[2]},{xyxy[3]}]"text+=f"•{label}({conf_str})\n"table_lines.append(f"{i+1}\t{label}\t{conf_str}\t{coord_str}")self.result_text.setText(text)self.table_text.setText("\n".join(table_lines))defsave_results(self):content=self.result_text.toPlainText()+"\n\n"+self.table_text.toPlainText()ifnotcontent.strip():self.result_text.setText("❌ 无结果可保存！")returnfile_path,_=QFileDialog.getSaveFileName(self,"保存检测结果","","Text Files (*.txt)")iffile_path:withopen(file_path,'w',encoding='utf-8')asf:f.write(content)self.result_text.setText("✅ 结果已保存！")defcloseEvent(self,event):ifself.cap:self.cap.release()self.timer.stop()event.accept()defmain():app=QApplication(sys.argv)window=ConstructionMachineryDetectionApp()window.show()sys.exit(app.exec_())if__name__=="__main__":main()✅ 四、如何使用？
1. 替换为你自己的模型
将以下行：
self.model=YOLO('yolov8n.pt')改为：
self.model=YOLO('path/to/your/best.pt')⚠️ 注意：
best.pt必须是在相同类别顺序下训练的（即：0=挖掘机, 1=自卸卡车, 2=轮式装载机）
2. 运行程序
python construction_detection.py✅ 五、训练建议（如需训练）
data.yaml配置文件：
train:./dataset/images/trainval:./dataset/images/valnc:3names:['excavator','dump_truck','wheel_loader']训练时使用英文名，推理时在 GUI 中映射为中文。
训练命令：
yolo detect traindata=data.yamlmodel=yolov8s.ptepochs=100imgsz=640batch=16✅ 六、扩展能力
- ✅通用性：只需修改
class_names和模型路径，即可用于其他检测任务（如车辆、动物、缺陷等） - ✅部署友好：可打包为
.exe（使用 PyInstaller） - ✅多语言支持：轻松添加英文/其他语言标签
💡提示：若你的模型输出是英文类别（如
'excavator'），可在show_results()中加入映射字典：
en_to_cn={'excavator':'挖掘机','dump_truck':'自卸卡车','wheel_loader':'轮式装载机'}label=en_to_cn.get(predicted_name,predicted_name)
