YOLOv5如何部署到Web端？基于Flask的API构建教程

YOLOv5是一种高效的目标检测模型，将其部署到Web端可以实现在线目标检测功能。本文将详细介绍如何使用Flask构建一个基于YOLOv5的API，并将其部署到Web端。

1. 环境准备

首先需要确保你的开发环境已经安装了必要的依赖项。以下是所需的主要工具和库：

• Python 3.6+
• Flask
• PyTorch
• YOLOv5

安装依赖

pip install flask torch torchvision

此外，克隆YOLOv5仓库并安装其依赖：

git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

2. 构建Flask API

接下来我们将创建一个简单的Flask应用，该应用接收图像文件，使用YOLOv5进行目标检测，并返回检测结果。

创建Flask应用

创建一个新的Python脚本（例如app.py），并在其中添加以下代码：

from flask import Flask, request, jsonify
import torch
from PIL import Image
from pathlib import Path

app = Flask(__name__)

# 加载YOLOv5模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

@app.route('/detect', methods=['POST'])
def detect():
    if 'file' not in request.files:
        return jsonify({'error': 'No file part'}), 400

    file = request.files['file']
    if file.filename == '':
        return jsonify({'error': 'No selected file'}), 400

    # 保存上传的文件
    filepath = Path('uploads') / file.filename
    filepath.parent.mkdir(parents=True, exist_ok=True)
    file.save(filepath)

    # 使用YOLOv5进行目标检测
    results = model(Image.open(filepath))

    # 获取检测结果
    detections = results.pandas().xyxy[0].to_json(orient="records")

    return jsonify(detections)

if __name__ == '__main__':
    app.run(debug=True)

测试API

启动Flask应用：

python app.py

然后你可以通过Postman或cURL发送一个POST请求来测试API。假设你有一个名为example.jpg的图片文件，可以通过以下命令测试：

curl -X POST http://127.0.0.1:5000/detect -F "file=@example.jpg"

你应该会收到一个包含检测结果的JSON响应。

3. 部署到Web端

为了将这个应用部署到Web端，可以选择多种方式，如使用Heroku、AWS、Google Cloud等服务。这里以Heroku为例进行简单介绍。

配置Heroku

首先，你需要在项目根目录下创建一个Procfile，内容如下：

web: gunicorn app:app

然后安装Gunicorn：

pip install gunicorn

接着创建一个requirements.txt文件，列出所有依赖项：

pip freeze > requirements.txt

最后，注册并登录Heroku，并创建一个新的应用：

heroku create your-app-name

推送代码到Heroku：

git push heroku master

现在，你的YOLOv5 Web应用应该已经上线了！