C# Onnx Yolov5 水果识别，人员识别，物品识别 人工智能

news2024/11/27 2:37:14

目录

先上效果

来电废话，但实用

网络成功案例实践易失败的原因

万物检测涉及技术

 下载合集

关键代码

全部代码

实操vs2022安装关键

YOLO V5核心库编译

编写自己识别软件

更新相关依赖

标注字库文件

测试效果

名词解释YOLO

名词解释ONNX

源码

直播教学和作者

先上效果

来电废话，但实用

为何照做网络成功案例仍失败？软件与男女关系的启示 

在网络上看到的成功案例，往往只是呈现了表面的步骤和结果，而忽略了背后诸多复杂的细节和潜在的问题。
就像您提到的软件相关的情况，看似简单的操作，实际上涉及众多组件，版本的不匹配就如同齿轮无法精准咬合，导致整个系统无法顺畅运转。无法下载所需组件更是直接阻断了操作的进行，而系统对某些版本的不兼容，以及某些版本资源的稀缺，都使得我们难以完全复刻所谓的成功。
再以男女关系为例，两个优秀的个体并不意味着就能组成完美的组合。就如同不同规格的零件，尽管各自品质上乘，但如果规格不匹配，强行组合在一起，不仅无法发挥优势，还可能产生冲突和矛盾

网络成功案例实践易失败的原因

A.软件组件复杂
   看似简单，实则涉及众多组件。各个版本不匹配，影响正常使用。
B.组件下载受限
     部分组件无法下载。
C系统与版本不兼容
  某些系统无法安装特定版本。部分版本已无法获取。

万物检测涉及技术

序号软件和技术版本说明
1visual studio2022 社区版安装单个必须勾选net5.0
2Microsoft.ML.Onnx.1.16.2

Microsoft.ML.OnnxRuntime.dll

onnxruntime.dll

3OpenCvSharp4.8安装方式nuget，或者库文件
4

SixLabors.Fonts

SixLabors.ImageSharp.Drawing

SixLabors.ImageSharp

1.1

1.0

2.18

5net 架构net5.0net4.7,net4.5,net 4.8 都不行
6yolov5n6.onnx模型文件源码自带
7yolov5
8 labelimg1.8labelimg是一款开源的图像标注工具，标签可用于分类和目标检测，它是用python写的

 下载合集

1.yovo v5

人工智能神经/yolov5-net

2. visual studio 2022下载

Visual Studio 2022 IDE - 适用于软件开发人员的编程工具

3. onnx C#

https://github.com/microsoft/onnxruntime/releases

5. labelimg 下载

未来之窗新零售app应用市场

进入搜索下载

关键代码

  private void button2_Click(object sender, EventArgs e)
  {
      文识别到数量 = 0;
      listBox1.Items.Clear();
      string 原始路径 = 文件列表[文件序号];
      string 目标路径 = Application.StartupPath + "/result未来之窗/" + System.IO.Path.GetFileName(原始路径) + "_airet" + System.IO.Path.GetExtension(原始路径); ;


      //  var image =   SixLabors.ImageSharp.Image.LoadAsync<Rgba32>(原始路径);
      //SixLabors.ImageSharp.Image
      SixLabors.ImageSharp.Image<Rgba32> 未来之窗img = SixLabors.ImageSharp.Image.Load<Rgba32>(原始路径);

      var scorer = new YoloScorer<YoloCocoP5Model>("Assets/Weights/yolov5n.onnx");

      //   var predictions = scorer.Predict(image);
      var predictions = scorer.Predict(未来之窗img);

      var font = new SixLabors.Fonts.Font(new SixLabors.Fonts.FontCollection().Add("C:/Windows/Fonts/consola.ttf"), 16);

      foreach (var prediction in predictions) // draw predictions
      {
          var score = Math.Round(prediction.Score, 2);

          var (x, y) = (prediction.Rectangle.Left - 3, prediction.Rectangle.Top - 23);

          // image.Mutate(a => a.DrawPolygon(new SixLabors.ImageSharp.Drawing.Processing.Pen(prediction.Label.Color, 1),
          //  未来之窗img.Mutate(a => a.DrawPolygon(new SixLabors.ImageSharp.Drawing.Processing.Pen(prediction.Label.Color, 1),

          //           new SixLabors.ImageSharp.PointF(prediction.Rectangle.Left, prediction.Rectangle.Top),
          //       new SixLabors.ImageSharp.PointF(prediction.Rectangle.Right, prediction.Rectangle.Top),
          //     new SixLabors.ImageSharp.PointF(prediction.Rectangle.Right, prediction.Rectangle.Bottom),
          //     new SixLabors.ImageSharp.PointF(prediction.Rectangle.Left, prediction.Rectangle.Bottom)
          //  ));

          //  未来之窗img.Mutate(a => a.DrawText($"{prediction.Label.Name} ({score})",
          //     font, prediction.Label.Color, new SixLabors.ImageSharp.PointF(x, y)));

          PointF[] 未来之窗point = new PointF[4];
          未来之窗point[0] = new PointF(prediction.Rectangle.Left, prediction.Rectangle.Top);
          未来之窗point[1] = new PointF(prediction.Rectangle.Right, prediction.Rectangle.Top);
          未来之窗point[2] = new PointF(prediction.Rectangle.Right, prediction.Rectangle.Bottom);
          未来之窗point[3] = new PointF(prediction.Rectangle.Left, prediction.Rectangle.Bottom);

          未来之窗img.Mutate(a => a.DrawPolygon(new Pen(prediction.Label.Color, 2), 未来之窗point)


              );

          未来之窗img.Mutate(a => a.DrawText($"{prediction.Label.Name} ({score})",
                font, prediction.Label.Color, new SixLabors.ImageSharp.PointF(x, y)));

          文识别到数量 = 文识别到数量 + 1;

          listBox1.Items.Add(文识别到数量+"：" + prediction.Label.Name);
          lab_识别结果.Text = 文识别到数量 + "个";

      }

      // await image.SaveAsync("Assets/result.jpg");

      //image.SaveAsync(目标路径);
      未来之窗img.SaveAsync(目标路径);

      pictureBox2.Image = System.Drawing.Image.FromFile(目标路径);
  }

全部代码

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
//using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;

using System.IO;

using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using OpenCvSharp;



using SixLabors.ImageSharp;
using SixLabors.ImageSharp.Processing;
using SixLabors.ImageSharp.PixelFormats;
using SixLabors.ImageSharp.Drawing;

using SixLabors.Fonts;
using SixLabors.ImageSharp;
using SixLabors.ImageSharp.Drawing.Processing;
using SixLabors.ImageSharp.PixelFormats;
using SixLabors.ImageSharp.Processing;

using Yolov5Net.Scorer;
using Yolov5Net.Scorer.Models;

namespace WinFormsApp1trytrty
{
    public partial class Form1 : Form
    {
        private string[] 文件列表;
        private int 文件序号 = 0;


        private int 文识别到数量 = 0;

        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            //文件列表
            if (folderBrowserDialog1.ShowDialog() == DialogResult.OK)
            {
                txt_文件夹路径.Text = folderBrowserDialog1.SelectedPath;


                列举文件(folderBrowserDialog1.SelectedPath);

                未来之窗_人工智能_显示图片();
            }
        }


        private void 未来之窗_人工智能_显示图片()
        {
            if (文件序号 < 文件列表.Length && 文件序号 >= 0)
            {
                pictureBox1.Image = System.Drawing.Image.FromFile(文件列表[文件序号]);
            }

        }

        private void 列举文件(String 路径)
        {

            string fileFormat = "*.jpg";

            // 获取指定格式的文件列表

            // 列举文件
            string[] files = Directory.GetFiles(路径, fileFormat);
            文件列表 = files;

            // 输出文件名称
            foreach (string file in files)
            {
                // Console.WriteLine(file);
                // 获取扩展名
                string extension = System.IO.Path.GetExtension(file);
                // MessageBox.Show(""+ extension);
                if (extension.Equals(".jpg"))
                {
                    //文件列表.
                }

            }
        }

        private void button3_Click(object sender, EventArgs e)
        {
            文件序号 = 0;


            列举文件(txt_文件夹路径.Text);

            未来之窗_人工智能_显示图片();
        }

        private void btn_上一个_Click(object sender, EventArgs e)
        {
            if (文件序号 < 文件列表.Length && 文件序号 > 0)
            {
                文件序号 = 文件序号 - 1;
                未来之窗_人工智能_显示图片();
            }
        }

        private void btn_下一个_Click(object sender, EventArgs e)
        {

            if (文件序号 < 文件列表.Length - 1)
            {
                文件序号 = 文件序号 + 1;
                未来之窗_人工智能_显示图片();
            }
        }

        private void button2_Click(object sender, EventArgs e)
        {
            文识别到数量 = 0;
            listBox1.Items.Clear();
            string 原始路径 = 文件列表[文件序号];
            string 目标路径 = Application.StartupPath + "/result未来之窗/" + System.IO.Path.GetFileName(原始路径) + "_airet" + System.IO.Path.GetExtension(原始路径); ;


            //  var image =   SixLabors.ImageSharp.Image.LoadAsync<Rgba32>(原始路径);
            //SixLabors.ImageSharp.Image
            SixLabors.ImageSharp.Image<Rgba32> 未来之窗img = SixLabors.ImageSharp.Image.Load<Rgba32>(原始路径);

            var scorer = new YoloScorer<YoloCocoP5Model>("Assets/Weights/yolov5n.onnx");

            //   var predictions = scorer.Predict(image);
            var predictions = scorer.Predict(未来之窗img);

            var font = new SixLabors.Fonts.Font(new SixLabors.Fonts.FontCollection().Add("C:/Windows/Fonts/consola.ttf"), 16);

            foreach (var prediction in predictions) // draw predictions
            {
                var score = Math.Round(prediction.Score, 2);

                var (x, y) = (prediction.Rectangle.Left - 3, prediction.Rectangle.Top - 23);

                // image.Mutate(a => a.DrawPolygon(new SixLabors.ImageSharp.Drawing.Processing.Pen(prediction.Label.Color, 1),
                //  未来之窗img.Mutate(a => a.DrawPolygon(new SixLabors.ImageSharp.Drawing.Processing.Pen(prediction.Label.Color, 1),

                //           new SixLabors.ImageSharp.PointF(prediction.Rectangle.Left, prediction.Rectangle.Top),
                //       new SixLabors.ImageSharp.PointF(prediction.Rectangle.Right, prediction.Rectangle.Top),
                //     new SixLabors.ImageSharp.PointF(prediction.Rectangle.Right, prediction.Rectangle.Bottom),
                //     new SixLabors.ImageSharp.PointF(prediction.Rectangle.Left, prediction.Rectangle.Bottom)
                //  ));

                //  未来之窗img.Mutate(a => a.DrawText($"{prediction.Label.Name} ({score})",
                //     font, prediction.Label.Color, new SixLabors.ImageSharp.PointF(x, y)));

                PointF[] 未来之窗point = new PointF[4];
                未来之窗point[0] = new PointF(prediction.Rectangle.Left, prediction.Rectangle.Top);
                未来之窗point[1] = new PointF(prediction.Rectangle.Right, prediction.Rectangle.Top);
                未来之窗point[2] = new PointF(prediction.Rectangle.Right, prediction.Rectangle.Bottom);
                未来之窗point[3] = new PointF(prediction.Rectangle.Left, prediction.Rectangle.Bottom);

                未来之窗img.Mutate(a => a.DrawPolygon(new Pen(prediction.Label.Color, 2), 未来之窗point)


                    );

                未来之窗img.Mutate(a => a.DrawText($"{prediction.Label.Name} ({score})",
                      font, prediction.Label.Color, new SixLabors.ImageSharp.PointF(x, y)));

                文识别到数量 = 文识别到数量 + 1;

                listBox1.Items.Add(文识别到数量+"：" + prediction.Label.Name);
                lab_识别结果.Text = 文识别到数量 + "个";

            }

            // await image.SaveAsync("Assets/result.jpg");

            //image.SaveAsync(目标路径);
            未来之窗img.SaveAsync(目标路径);

            pictureBox2.Image = System.Drawing.Image.FromFile(目标路径);
        }
    }
}

实操vs2022安装关键

YOLO V5核心库编译

从未来之窗下载后，直接打开工程文件，编译，会生成

编写自己识别软件

新建net5.0 软件

复制未来之窗代码到对应按钮

更新相关依赖

依赖：OpenCvSharp4.4.8

Microsoft.ML.OnnxRuntime.1.16.2

SixLabors.ImageSharp.2.1.8

SixLabors.ImageSharp.Drawing.1.0.0

SixLabors.Fonts.1.0.0

标注字库文件

consola.ttf 自己网上搜索

至此全部搞完

测试效果

水果识别

人员识别

名词解释YOLO

YOLO（You Only Look Once）是一种基于单个神经网络的目标检测系统，由 Joseph Redmon 和 Ali Farhadi 等人于 2015 年提出。YOLO 算法将目标检测任务转化为一个回归问题，直接在整个图像上使用一个卷积神经网络来预测边界框和类别概率。

YOLO 算法的主要步骤包括：

  1. 图像分割：将输入图片分割成 S×S 网格。
  2. 网格处理：每个单元格预测 B 个边界框以及边界框的置信度，同时预测 C 个类别概率值。
  3. 非极大值抑制：使用非极大值抑制算法去除冗余的边界框，得到最终的检测结果。

YOLO 算法具有速度快、能够捕捉目标的全局信息、减少背景误检等优点。但它也存在一些局限性，例如对于小目标或密集目标的检测效果可能较差。

YOLO 算法有多个版本，如 YOLOv1、YOLOv2、YOLOv3、YOLOv4 和 YOLOv5 等。每个版本都在性能、准确性和速度等方面进行了改进和优化。

在实际应用中，YOLO 算法被广泛用于自动驾驶、智能监控、人脸识别等领域。它为计算机视觉任务提供了一种高效、准确的解决方案。

名词解释ONNX

ONNX 的主要目的是实现不同深度学习框架之间的模型互操作性。这意味着，使用一种框架（如 TensorFlow、PyTorch 等）训练的模型，可以轻松转换为 ONNX 格式，并在支持 ONNX 的其他框架或工具中进行部署和推理。

以下是 ONNX 技术的一些关键特点和优势：

  1. 框架互操作性：方便模型在不同框架之间迁移，减少重复开发工作。
  2. 优化和加速：一些推理引擎和硬件平台针对 ONNX 格式进行了优化，能够提高模型的推理速度。
  3. 便于部署：简化了将模型部署到生产环境的过程，尤其是在需要跨多种硬件和软件环境的情况下。

源码

全部源码已经放本文章，如果需要下载直接使用

联系微信 cybersnow

淘宝链接

首页-未来之窗软件服务-淘宝网

开发接单

直播教学和作者

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1851959.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

利用第三方服务对目标进行被动信息收集防止被发现（web安全白帽子）

利用第三方服务对目标进行被动信息收集防止被发现（web安全白帽子）

利用第三方服务对目标进行被动信息收集防止被发现&#xff08;web安全白帽子&#xff09; 1 被动信息收集1.1 信息收集内容1.2 信息用途 2 信息收集-DNS2.1 DNS信息收集NSLOOKUP2.1.1 ping2.1.2 nslookup 2.2 DNS信息收集-DIG&#xff08;此命令查到的结果更复杂些&#xff0c;…
阅读更多...
Apache IoTDB vs InfluxDB 开源版，架构性能全面对比！

Apache IoTDB vs InfluxDB 开源版，架构性能全面对比！

分布式、端边云同步、读写查询性能&#xff0c;Apache IoTDB 与 InfluxDB 开源版的详尽对照&#xff01; 在物联网&#xff08;IoT&#xff09;领域&#xff0c;数据的采集、存储和分析是确保系统高效运行和决策准确的重要环节。随着物联网设备数量的增加和数据量的爆炸式增长&…
阅读更多...
Golang | Leetcode Golang题解之第174题地下城游戏

Golang | Leetcode Golang题解之第174题地下城游戏

题目&#xff1a; 题解&#xff1a; func calculateMinimumHP(dungeon [][]int) int {n, m : len(dungeon), len(dungeon[0])dp : make([][]int, n 1)for i : 0; i < len(dp); i {dp[i] make([]int, m 1)for j : 0; j < len(dp[i]); j {dp[i][j] math.MaxInt32}}dp[…
阅读更多...
爬虫笔记11——网页爬取数据写入csv

爬虫笔记11——网页爬取数据写入csv

数据持久化存储进文件&#xff0c;前面的文章已经讲解如何存储入Excel表格了&#xff0c;有兴趣可以看一下&#xff0c;现在来记录一下如何存储进csv文件。 csv存储 csv简述 csv就是一个普通文件&#xff0c;里面的内容是每一行中的数据用逗号分隔&#xff0c;然后文件后缀为…
阅读更多...
Golang | Leetcode Golang题解之第179题最大数

Golang | Leetcode Golang题解之第179题最大数

题目&#xff1a; 题解&#xff1a; func largestNumber(nums []int) string {sort.Slice(nums, func(i, j int) bool {x, y : nums[i], nums[j]sx, sy : 10, 10for sx < x {sx * 10}for sy < y {sy * 10}return sy*xy > sx*yx})if nums[0] 0 {return "0"…
阅读更多...
教师信息管理系统

教师信息管理系统

摘要 随着互联网技术与信息时代的高速发展和应用&#xff0c;教育行业也逐渐意识到互联网技术与信息化管理的融合。在传统的教师信息管理中&#xff0c;往往需要大量的纸质档案和手工处理&#xff0c;不仅效率低下&#xff0c;而且容易出现信息丢失和错误。因此为了提高教师信…
阅读更多...
解决vs2022无法安装扩展程序包

解决vs2022无法安装扩展程序包

在工具—>NuGet包管理器—>程序包管理设置&#xff0c;把程序包源设置为https://www.nuget.org/api/v2/&#xff0c;如下图 然后就可以在管理解决方案包界面搜索下载自己需要的扩展包
阅读更多...
安全之战，巅峰对决 | 第八届XCTF国际网络攻防联赛总决赛首日赛况公布！

安全之战，巅峰对决 | 第八届XCTF国际网络攻防联赛总决赛首日赛况公布！

XCTF联赛由清华大学蓝莲花(Blue-Lotus)战队发起&#xff0c;国家创新与发展战略研究会主办&#xff0c;赛宁网安总体承办&#xff0c;旨在探索网络安全创新能力与发展潜力。第八届XCTF国际网络攻防联赛总决赛在四川省经济和信息化厅、四川省教育厅、四川省公安厅的指导下&#…
阅读更多...
kafka（二）安装部署（2）windows

kafka（二）安装部署（2）windows

一、前提 安装Kafka之前&#xff0c;需要安装JDK、Zookeeper、Scala, 本次安装版本选择&#xff1a; JDK&#xff1a;1.8 Zookeeper&#xff1a;3.6.4 Scala&#xff1a;2.12 Kafka&#xff1a;3.5.2 1、jdk Java Downloads | Oracle 见jdk下载安装。 2、Zookeeper 下载…
阅读更多...
Android进程间通信 Messenger详解

Android进程间通信 Messenger详解

//这里服务端Service是运行在单独的进程中的 android:process“:other” class MessengerService : Service() { private lateinit var mMessenger: Messenger override fun onBind(intent: Intent): IBinder { log(TAG, “onBind~”) //传入Handler实例化Messenger mMes…
阅读更多...
Android测量

Android测量

最大模式&#xff08;MeasureSpec.AT_MOST&#xff09; 这个也就是父组件&#xff0c;能够给出的最大的空间&#xff0c;当前组件的长或宽最大只能为这么大&#xff0c;当然也可以比这个小。 最高两位是11的时候表示”最大模式”。即MeasureSpec.AT_MOST未指定模式&#xff08;…
阅读更多...
Java | Leetcode Java题解之第179题最大数

Java | Leetcode Java题解之第179题最大数

题目&#xff1a; 题解&#xff1a; class Solution {public String largestNumber(int[] nums) {int n nums.length;// 转换成包装类型&#xff0c;以便传入 Comparator 对象&#xff08;此处为 lambda 表达式&#xff09;Integer[] numsArr new Integer[n];for (int i 0;…
阅读更多...
windows git配置多个账号

windows git配置多个账号

window下git多账号配置_百度搜索 (baidu.com) 最重要的是这里生成新的id_rsa文件的时候&#xff0c;bash窗口是在 .ssh路径下 其实就是这个窗口在什么路径下执行的就是生成在什么路径 下面窗口路径不对&#xff0c;不是Desktop&#xff0c;应该是.ssh 如果是Desktop或者任何一…
阅读更多...
如何解决跨区域文件传输存在的安全管控问题？

如何解决跨区域文件传输存在的安全管控问题？

⼤型企业和集团为扩⼤市场份额、优化资源配置&#xff0c;会在不同地区设⽴多级下属分⽀机构、研发中心、实验室等&#xff0c;存在研发数据横向或纵向流转的需求&#xff0c;研发数据进行跨区域文件传输的场景。跨区域可能是网络区域&#xff0c;也可能是地理区域&#xff0c;…
阅读更多...
常见数字化转型方案撰写的思维模式

常见数字化转型方案撰写的思维模式

通过这一段时间的学习和倾听，结合DAMA数据管理知识体系学习与项目实践，对大部分数据治理类项目、信息化建设和数字化转型项目的思维模式做了一些总结梳理，具体有如下四种，供参考。 一、方法1：结合环境六边形法 1.要点题，弄清楚问题是什么 2.目标原则有哪些，补充哪些 3.…
阅读更多...
Android O 适配详细指南

Android O 适配详细指南

NotificationChannel channel new NotificationChannel(mChannelId, name, NotificationManager.IMPORTANCE_DEFAULT); mNotificationManager.createNotificationChannel(channel); } } // 创建通知传入channelId NotificationCompat.Builder builder new NotificationCompat…
阅读更多...
【Linux详解】缓冲区优化 | 进度条的实现 | Linux下git 的上传

【Linux详解】缓冲区优化 | 进度条的实现 | Linux下git 的上传

目录 一. 缓冲区 1. 缓冲区概念 2. 缓冲区作用 2.1 提升读写效率 2.2 减少等待时间 3. 缓冲区刷新策略 3.4 特殊策略 4. 缓冲区存储位置 5. 总结 二. 实现进度条 引入&#xff1a;倒计时 process.c 三. Linux下git的上传 sum 一. 缓冲区 1. 缓冲区概念 缓冲区是…
阅读更多...
C++实现自动生成c++类中的属性的get和set方法

C++实现自动生成c++类中的属性的get和set方法

目录 应用场景 运行准备 代码展示 结果显示 应用场景 当我们在编写类的属性时&#xff0c;需要对该属性进行封装&#xff0c;需要一系列的get和set的方法。例如下面是天气类的成员属性。可以看到属性很多&#xff0c;而写get和set都是一些固定的操作&#xff0c;因此可以直…
阅读更多...
Swift 中的动态数组

Swift 中的动态数组

Swift 的 Array 类型是一种强大而灵活的集合类型&#xff0c;可以根据需要自动扩展或缩减其容量。 动态数组的基本概念 Swift 中的数组是基于动态数组&#xff08;dynamic array&#xff09;的概念实现的。动态数组能够根据需要自动调整其容量&#xff0c;以容纳新增的元素&a…
阅读更多...
51单片机STC89C52RC——6.3 定时器/计数器 实现计时功能（定时器+中断系统+LCD1602液晶显示器）

51单片机STC89C52RC——6.3 定时器/计数器 实现计时功能（定时器+中断系统+LCD1602液晶显示器）

目录 目的/效果 一&#xff0c;STC单片机模块 二&#xff0c;定时器 中断系统LCD1602显示 三&#xff0c;创建Keil项目 四&#xff0c;代码 五&#xff0c;代码编译、下载到51单片机 ​ 目的/效果 用定时器实现系统中断&#xff0c;计时信息显示在LCD1602上。效果如下 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023