本项目功能实现：

图片上传、AI 自动识别、检测框绘制、识别结果展示

整个项目采用：

PyQt5 构建桌面界面、YOLOv8 实现目标检测、OpenCV 进行图像处理

一、项目效果

程序启动后：

点击“选择图片”

自动调用 AI 模型识别

返回检测结果

在界面中显示识别后的图片

支持识别：

人、汽车、手机、动物、日常物体，效果还是比较不错的。

二、项目环境

先安装依赖：

pip install pyqt5

pip install opencv-python

pip install ultralytics

pip install pillow

如果没有安装 torch：

pip install torch

三、项目结构

项目目录如下：

AI_Image_Tool/

│

├── main.py

├── test.jpg

└── yolov8n.pt

其中：

main.py：主程序

test.jpg：测试图片

yolov8n.pt：YOLO模型

四、完整代码实现

五、代码解析

整个项目其实核心只有几个部分。

1. PyQt5 构建界面

这里使用：

QPushButton、QLabel、QVBoxLayout

分别实现：

按钮、图片显示、垂直布局

2. YOLO 模型加载

self.model = YOLO("yolov8n.pt")

加载的是 YOLOv8 官方轻量模型。

优点：

速度快、识别效果不错、对新手友好、第一次运行会自动下载模型。

3. AI 图片识别

results = self.model(file_path)

这一行代码就完成了：

图片读取、AI推理、目标检测、非常方便。

4. 绘制识别结果

result_img = results[0].plot()

plot() 会自动：

绘制检测框、添加类别名称、添加置信度

比如：

person、car、dog等等。

5. PyQt5 显示图片

pixmap = QPixmap(save_path)

然后：

self.label.setPixmap(pixmap)

六、运行效果

运行程序：

python main.py

点击上传图片后：

AI 会自动识别图中的目标。

七、项目优化方向

目前这个小工具只是一个基础版本。

后续还可以继续扩展：

1. 摄像头实时识别

通过：

cv2.VideoCapture(0)

即可实现实时检测。

2. 支持拖拽上传

PyQt5 支持拖拽事件。

用户体验会更好。

3. Dark Theme

可以把界面改成深色风格。

看起来更像专业软件。

4. 打包 exe

安装：

pip install pyinstaller

打包：

pyinstaller -F -w main.py

即可生成 exe 程序。

八、总结

这个项目虽然代码量不大，但完整串联了：Python GUI 开发、AI 模型调用、图像处理、桌面软件开发、对于 Python + AI 入门来说，是一个非常适合练手的小项目。

尤其适合：

Python初学者、PyQt5学习、AI视觉入门、YOLO项目练习、后续还可以继续扩展：、OCR文字识别、人脸识别、视频检测