YOLOv5中使用torch加载模型进行目标检测

YOLOv5中使用torch加载模型进行目标检测

在智能监控系统日益普及的今天，如何快速构建一个稳定、高效的目标检测模块，成为许多开发者面临的实际挑战。尤其是在工业质检、安防布控或机器人视觉等场景中，既要保证识别精度，又要满足实时性要求——这正是YOLOv5大放异彩的地方。

它不像传统两阶段检测器那样复杂冗长，而是以“一次前向传播完成检测”的设计理念，将速度与准确率做到了惊人的平衡。更关键的是，借助 PyTorch 提供的torch.hub.load接口，我们几乎可以“零配置”地加载训练好的模型，迅速投入应用。

下面，我就带你一步步实现一个基于摄像头的实时目标检测系统，并深入解析其中的关键机制和工程细节。

从一行代码开始：理解torch.hub.load的真正作用

你可能已经见过这样的代码：

model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

短短一行，模型就加载完成了。但这背后到底发生了什么？

torch.hub.load并不是一个简单的权重读取工具，而是一个完整的模块化加载器。它会自动从指定仓库（如 GitHub）克隆项目结构，导入必要的 Python 模块（比如models/,utils/），然后根据配置重建网络架构并绑定预训练权重。

这意味着：哪怕你没有手动写过任何 CNN 层，也能直接调用 YOLOv5 的完整推理流程。这种设计极大降低了使用门槛，但也带来了一个常被忽视的问题——路径依赖。

当你想加载自己训练的.pt模型时，必须确保本地目录包含原始 YOLOv5 的全部文件结构。否则，即使模型文件存在，也会因找不到common.py或autoanchor.py等辅助模块而报错。

因此，在本地部署时，推荐做法是保留完整的项目根目录，并通过以下方式显式添加路径：

import sys sys.path.append("D:/yolov5") # 替换为你的实际路径

这样 Python 才能找到所有自定义模块，避免出现ModuleNotFoundError。

加载模型的两种方式：开发 vs 部署的选择

远程方式省去了配置烦恼，但只能使用官方提供的几类通用模型（如yolov5s/m/l/x）。如果你做过迁移学习、微调了特定类别（比如缺陷产品、动物品种），就必须走本地加载路线。

这里有个小技巧：开发阶段可以用远程轻量模型测试逻辑是否通顺；上线前切换成你自己训练的best.pt，既能保障性能又能提升准确率。

另外，建议始终使用绝对路径，避免相对路径在不同运行环境中失效。例如：

MODEL_PATH = os.path.join(YOLOV5_ROOT, "runs/train/exp/weights/best.pt")

实战：摄像头实时检测系统的构建

下面是一段可直接运行的完整脚本，实现了从摄像头采集到画面标注的全流程：

""" Author: AI_Engineer Createtime: 2025/4/5 FileName: yolov5_realtime_detect.py Description: 使用 torch.hub 加载本地 YOLOv5 模型进行摄像头实时目标检测 """ import cv2 import torch import sys import os # 设置 YOLOv5 项目根目录 YOLOV5_ROOT = "D:/yolov5" if not os.path.exists(YOLOV5_ROOT): raise FileNotFoundError(f"未找到 YOLOv5 项目目录：{YOLOV5_ROOT}") sys.path.append(YOLOV5_ROOT) # 加载自定义训练模型 MODEL_PATH = os.path.join(YOLOV5_ROOT, "runs/train/exp/weights/best.pt") model = torch.hub.load( repo_or_dir=YOLOV5_ROOT, model='custom', path=MODEL_PATH, source='local' ) # 启动摄像头 cap = cv2.VideoCapture(0) if not cap.isOpened(): print("❌ 无法打开摄像头") exit() print("✅ 模型加载成功，开始实时检测...") while True: ret, frame = cap.read() if not ret: print("⚠️ 无法读取帧") break # BGR → RGB 转换（YOLO 输入格式要求） img_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) # 推理 results = model(img_rgb) # 渲染结果（自动绘制边界框和标签） annotated_frame = results.render()[0] annotated_frame = cv2.cvtColor(annotated_frame, cv2.COLOR_RGB2BGR) # 显示 cv2.imshow("YOLOv5 Real-Time Detection", annotated_frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() print("⏹️ 检测结束")

这段代码有几个值得强调的技术点：

• results.render()是 YOLOv5 内置的一个非常实用的方法，能一键生成带标注的图像，省去手动绘制框和文字的繁琐过程。
• 图像颜色空间转换不可忽略：OpenCV 默认使用 BGR，而模型输入需要 RGB，漏掉这步可能导致显示异常。
• 循环中每帧都做推理，适合普通 CPU/GPU 设备；若需更高帧率，可考虑异步处理或降低输入分辨率。

如何提取检测信息？不只是画框那么简单

很多时候，我们不仅仅想要看到框，还需要知道“谁被检测到了”、“位置在哪”、“有多确定”。这就需要用到results.pandas().xyxy。

detections = results.pandas().xyxy[0] # 获取第一张图的结果

这个 DataFrame 包含了每一项检测的核心信息：

你可以轻松遍历这些结果，执行后续逻辑：

for idx, row in detections.iterrows(): label = row['name'] conf = row['confidence'] if label == "person" and conf > 0.7: print("🚨 发现高置信度人物！触发警报...")

这在安防入侵检测、生产线异物报警等场景中极为有用。

此外，还可以通过model.names查看所有支持的类别：

print("支持的类别列表：", model.names) # 输出示例：['person', 'bicycle', 'car', ...]

如果你做的是定制化训练（比如识别不同型号的螺丝），这里的names就是你自己定义的标签顺序。

更多输出格式选择：适配不同下游任务

除了xyxy，YOLOv5 还提供了多种结果表达形式，方便对接不同算法模块：

• results.xywh: 返回中心点(x_center, y_center)和宽高(w, h)，更适合目标跟踪（如 SORT 算法）；
• results.pandas().json(): 转为 JSON 格式，便于通过 API 返回给前端或其他服务；
• results.save()：直接保存带标注的图像到磁盘，适合离线分析。

举个例子，如果你想把检测结果传给另一个系统做行为分析，可以直接返回 JSON：

result_json = results.pandas().xyxy[0].to_json(orient="records")

一条记录看起来像这样：

{ "xmin": 120.5, "ymin": 89.2, "xmax": 210.8, "ymax": 180.1, "confidence": 0.93, "class": 0, "name": "person" }

简洁清晰，易于解析。

性能表现与优化建议

在一台配备 NVIDIA RTX 3060 的设备上，使用YOLOv5s模型对 720p 视频流进行推理，通常能达到40~50 FPS；即使是较大的YOLOv5l，也能维持在 25 FPS 左右，完全满足大多数实时需求。

不过，如果你在边缘设备（如 Jetson Nano）上运行，可能会遇到卡顿。这时可以考虑以下优化手段：

• 降低图像分辨率：输入从 640×640 改为 320×320，速度翻倍，精度略有损失；
• 启用半精度（FP16）：在支持的设备上使用model.half()减少显存占用；
• 批量推理：一次性处理多帧图像，提高 GPU 利用率；
• 导出为 ONNX/TensorRT：进一步加速，尤其适合固定硬件部署。

当然，对于大多数 PC 端应用场景，原生 PyTorch + CUDA 已足够流畅。

结语：让模型真正“活”起来

YOLOv5 不只是一个算法模型，更是一套完整的工程解决方案。从数据增强、自动锚框计算，到灵活的导出格式和便捷的 hub 加载机制，它的每一个设计都在服务于“快速落地”。

而torch.hub.load正是打通研究与生产的那座桥。你不需要重写整个网络结构，也不必关心后处理细节，只需几行代码，就能让一个训练好的模型立即投入工作。

更重要的是，当你掌握了如何提取检测结果、如何扩展业务逻辑之后，你就不再只是“跑通 demo”，而是真正具备了将其集成进真实项目的能力。

无论是智能门禁中的人员识别，还是工厂流水线上的瑕疵检测，抑或是无人机上的移动物体追踪——这些看似复杂的系统，其实都始于这样一个简单的循环：

采集 → 推理 → 解析 → 响应

愿你在视觉智能的路上走得更远，也更踏实。毕竟，真正的 AI 应用，从来都不是跑在一个 Jupyter Notebook 里的玩具，而是能在现实中“看得见、反应快、靠得住”的系统。

—— 2025.4.5