大半年前初学yolo flask时，急需此功能，Csdn、Github、B站找到很多教程，效果并不是很满意。

近期做项目碰到类似需求，再度尝试，实现简单功能，分享下相关代码，仅学习使用，如有纰漏，望多包涵。

实现功能：

1. 可更换权重文件（best.py）

2. 上传图片并识别,可以点击图片放大查看

3. 上传视频并识别

4. 识别后的文件下载功能

效果图如上

文件结构如下：

project/
  static/

  空

  templates/
    index.html
    
 app.py
 

相关代码：

app.py

import cv2 import numpy as np import torch from flask import Flask, request, jsonify, render_template import base64 import os from datetime import datetime from werkzeug.utils import secure_filename app = Flask(__name__)  # 全局变量：模型和模型权重路径 model = None    # 提前加载模型 # 提前加载模型 def load_model():     global model     global new_filename     # 拼接权重文件的完整路径     model = torch.hub.load("E:\\pythonProject2\\flaskProject\\yolov5-master", "custom", path='weight/'+new_filename, source="local")   # 路由处理图片检测请求 @app.route("/predict_image", methods=["POST"]) def predict_image():     global model      # 获取图像文件     file = request.files["image"]     # 读取图像数据并转换为RGB格式     image_data = file.read()     nparr = np.frombuffer(image_data, np.uint8)     image = cv2.imdecode(nparr, cv2.IMREAD_UNCHANGED)      results = model(image)      image = results.render()[0]      # 将图像转换为 base64 编码的字符串     _, buffer = cv2.imencode(".png", image)     image_str = base64.b64encode(buffer).decode("utf-8")      # 获取当前时间，并将其格式化为字符串     current_time = datetime.now().strftime("%Y%m%d%H%M%S")     # 构建保存路径     save_dir = "static"     filename, extension = os.path.splitext(file.filename)  # 获取上传文件的文件名和扩展名     save_filename = f"{filename}_{current_time}{extension}"     save_path = os.path.join(save_dir, save_filename)     cv2.imwrite(save_path, image)      return jsonify({"image": image_str})   # 函数用于在视频帧上绘制检测结果 def detect_objects(frame, model):     results = model(frame)     detections = results.pred[0]  # 这里假设只有一张输入图片     # 在帧上绘制检测结果     for det in detections:         # 获取边界框信息         x1, y1, x2, y2, conf, class_id = det[:6]          # 在帧上绘制边界框         cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)          # 在帧上绘制类别和置信度         label = f'{model.names[int(class_id)]} {conf:.2f}'         cv2.putText(frame, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)         print(f'Confidence: {conf:.2f}')     return frame   # 路由处理视频检测请求 @app.route("/predict_video", methods=["POST"]) def predict_video():     global model      # 从请求中获取视频文件     video_file = request.files["video"]     # 保存视频到临时文件     temp_video_path = "temp_video.mp4"     video_file.save(temp_video_path)      # 逐帧读取视频     video = cv2.VideoCapture(temp_video_path)      # 获取视频的帧率和尺寸     fps = video.get(cv2.CAP_PROP_FPS)     width = int(video.get(cv2.CAP_PROP_FRAME_WIDTH))     height = int(video.get(cv2.CAP_PROP_FRAME_HEIGHT))      # 视频写入对象     output_video_filename = f"output_video_{datetime.now().strftime('%Y%m%d%H%M%S')}.mp4"     output_video_path = os.path.join("static", output_video_filename)     fourcc = cv2.VideoWriter_fourcc(*"avc1")  # 使用 H.264 编码器     out_video = cv2.VideoWriter(output_video_path, fourcc, fps, (width, height))      # 逐帧处理视频并进行目标检测     while True:         ret, frame = video.read()         if not ret:             break          # 进行目标检测         detection_result = detect_objects(frame, model)          # 将处理后的帧写入输出视频         out_video.write(detection_result)      # 释放视频对象     video.release()     out_video.release()      return jsonify({"output_video_path": output_video_filename})  @app.route("/upload_weight", methods=["POST"]) def upload_weight():     global new_filename     # 获取上传的权重文件     weight_file = request.files["weight"]     # 获取上传文件的原始文件名     original_filename = secure_filename(weight_file.filename)     # 提取文件名和扩展名     filename, extension = os.path.splitext(original_filename)     # 构造新的文件名，加上当前时间戳     current_time = datetime.now().strftime("%Y%m%d%H%M%S")     new_filename = f"best_{current_time}.pt"     # 拼接权重文件的保存路径     save_path = os.path.join("E:\\pythonProject2\\flaskProject\\weight\\", new_filename)     # 保存权重文件     weight_file.save(save_path)     # 加载模型     load_model()      return jsonify({"message": "Weight file uploaded successfully and model loaded"}) @app.route("/") def index():      return render_template("index.html")  if __name__ == "__main__":     app.run(debug=True)  

index.html

                             
上传权重文件
                  选择权重文件                  
          
         
                          ×         
     
      
         
照片/视频检测
                   
上传图片
                  上传         下载         
         
             
                                  Zoom In             
             
                               
         
         
                   
上传视频
                  上传         下载         
         
             
                              
             
                               
         
         
      
         

使用说明：

将index.html放入templates文件夹中

运行app.py

model = torch.hub.load("E:\\pythonProject2\\flaskProject\\yolov5-master", "custom", path='weight/'+new_filename, source="local")

注意此处加载模型路径更改为自己的

如果模型读取不到，csdn上有相关解决方法

此处的best.py上传路径也要更改成自己的

save_path = os.path.join("E:\\pythonProject2\\flaskProject\\weight\\", new_filename)

使用说明：

先上传本地的模型，上传成功后等待模型加载，再上传照片/视频

如有问题，可联系作者，随时讨论。