### 将 YOLOv10 模型封装成 Python 类 为了将YOLOv10模型有效地集成到Python应用程序中，可以创建一个专门的类来管理该模型的操作。这不仅有助于提高代码的可维护性和重用性，还能简化与其他组件之间的交互过程。 #### 创建 `YOLOv10` 类 下面展示了一个简单的实现方式： ```python import cv2 from ultralytics import YOLO class YOLOv10: """用于加载并操作YOLOv10模型""" def __init__(self, model_path): """ 初始化YOLOv10实例 参数: model_path (str): .pt 文件路径，指向训练完成的YOLOv10模型位置。 """ self.model = YOLO(model_path) def predict(self, image_path): """ 对单张图片执行目标检测预测 参数: image_path (str): 待测图像的位置 返回: results: 预测的结果对象列表，包含边界框、置信度分数等信息。 """ img = cv2.imread(image_path) results = self.model(img)[0].cpu().numpy() return results @staticmethod def draw_boxes(image, boxes, labels=None): """ 在原图上绘制预测得到的对象边框 参数: image (ndarray): 原始输入图像数组 boxes (list of lists): 边界框坐标[x_min,y_min,x_max,y_max] labels (optional list): 各个物体对应的类别名称，默认为空表示不显示标签 返回: annotated_image: 绘制好标注线之后的新图像数据 """ for i, box in enumerate(boxes): label_text = f'ID {i}' if not labels else str(labels[i]) color = tuple(map(int, np.random.randint(0, 255, size=3))) thickness = 2 start_point = (int(box[0]), int(box[1])) end_point = (int(box[2]), int(box[3])) # Draw rectangle around detected object cv2.rectangle(image, start_point, end_point, color=color, thickness=thickness) # Add text above the bounding box with class name and confidence score. font_scale = 0.7 font_thickness = 2 ((text_width, text_height), _) = cv2.getTextSize(label_text, cv2.FONT_HERSHEY_SIMPLEX, fontScale=font_scale, thickness=font_thickness) text_offset_x = start_point[0] text_offset_y = max(start_point[1], text_height + 8) box_coords = ((text_offset_x, text_offset_y), (text_offset_x + text_width + 2, text_offset_y - text_height)) overlay = image.copy() cv2.rectangle(overlay, box_coords[0], box_coords[1], color=color, thickness=cv2.FILLED) alpha = 0.6 image = cv2.addWeighted(overlay, alpha, image, 1 - alpha, 0) cv2.putText( image, label_text, org=(start_point[0], start_point[1] - 10), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=font_scale, color=(255, 255, 255), thickness=font_thickness ) return image ``` 此段代码定义了一个名为 `YOLOv10` 的类，其中包含了初始化方法 (`__init__`) 和两个主要功能——`predict()` 函数负责接收一张图片作为参数，并返回由YOLOv10模型产生的预测结果；而静态方法 `draw_boxes()` 则接受原始图像及其对应的目标区域（即边界框），并在其基础上画出相应的标记[^1]。