基于yolo的前端检测小助手产品系统

在当前人工智能图像识别技术蓬勃发展的背景下，本项目旨在通过构建一个轻量化的图像识别后端服务，实现对上传图片中目标对象的快速检测与信息提取。该系统基于 Python 编程语言，整合 OpenCV 图像处理工具和 YOLO（You Only Look Once）深度学习目标检测模型，提供标准化的 HTTP 接口供其他系统或前端页面调用。

整合 OpenCV 图像处理工具和 YOLO（You Only Look Once）深度学习目标检测模型，提供标准化的 HTTP 接口供其他系统或前端页面调用。

层级 技术栈 说明
后端语言 Python 3.8+ 主体开发语言
图像处理 OpenCV 图像解码、预处理、可视化等操作
检测模型 YOLOv5/YOLOv8 (ONNX 格式) 预训练目标检测模型，准确率高，速度快
模型调用 OpenCV DNN 模块 加载并执行 YOLO ONNX 模型
接口框架 FastAPI 提供异步高性能的 RESTful 接口服务
环境管理 uv / venv / poetry Python 虚拟环境工具（任选其一）


1. 接口模块（FastAPI）
• POST /detect
• 功能：接收上传的图片并返回检测结果；
• 输入：图像文件（格式：.jpg, .png, .bmp）；
• 输出：JSON 格式的检测结果数组，包括目标类别、置信度、位置信息（x, y, w, h）；
• 响应示例：

[
{
"class": "person",
"confidence": 0.91,
"box": [34, 58, 110, 160]
},
{
"class": "car",
"confidence": 0.76,
"box": [200, 80, 180, 120]
}
]

2. 模型处理模块（OpenCV + YOLO）
• 加载 ONNX 格式的预训练 YOLO 模型（默认：YOLOv5s / YOLOv8n）；
• 将上传图像转为模型可处理的张量（blob）；
• 执行前向推理，获取候选框；
• 根据置信度和类别分数过滤有效结果；
• 返回格式化检测数据供接口模块返回。

3. 图像支持格式
• 支持的图像格式包括但不限于：
• .jpg（推荐）
• .jpeg
• .png