为了将这两个功能整合为一个完整的Python脚本，并实现先通过YOLOv5模型检测物体并保存图像，再使用PP-OCR模型对保存的图像进行文字识别，可以按照以下方式编写代码： ```python from maix import camera, display, image, nn, app import time import os # 初始化存储目录 SAVE_DIR = "/root/models/mymodel/" os.makedirs(SAVE_DIR, exist_ok=True) # 初始化YOLOv5模型和硬件 detector = nn.YOLOv5(model="/root/models/mymodel/model_127448.mud", dual_buff=True) det_cam = camera.Camera(detector.input_width(), detector.input_height(), detector.input_format()) # 初始化OCR模型和硬件 ocr_model_path = "/root/models/pp_ocr.mud" ocr = nn.PP_OCR(ocr_model_path) ocr_cam = camera.Camera(ocr.input_width(), ocr.input_height(), ocr.input_format()) disp = display.Display() # 加载专用字体 image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size=20) image.set_default_font("ppocr") # 状态变量 last_save_time = 0 save_count = 0 def process_image(img_path): """加载并处理保存下来的图片""" try: saved_img = image.Image().load(img_path) objs = ocr.detect(saved_img) # 在原始图像上绘制OCR识别结果 for obj in objs: points = obj.box.to_list() saved_img.draw_keypoints(points, image.COLOR_RED, 4, -1, 1) saved_img.draw_string(obj.box.x4, obj.box.y4, obj.char_str(), image.COLOR_RED) return saved_img except Exception as e: print(f"OCR处理异常: {str(e)}") return None # 主循环 while not app.need_exit(): try: det_img = det_cam.read() objs = detector.detect(det_img, conf_th=0.5, iou_th=0.45) # 打印调试信息 print(f"检测到 {len(objs)} 个物体 | 冷却时间剩余: {max(3 - (time.time()-last_save_time), 0):.1f}s") # 如果有物体被检测到且距离上次保存超过3秒，则保存当前帧 if len(objs) > 0 and (time.time() - last_save_time) >= 3: filename = f"{SAVE_DIR}detect_{save_count}_{int(time.time())}.jpg" try: det_img.save(filename, quality=85) print(f"保存成功: {filename}") # 对刚保存的图片执行OCR处理 processed_img = process_image(filename) if processed_img is not None: # 显示含有OCR结果的图像 disp.show(processed_img) last_save_time = time.time() save_count += 1 except Exception as e: print(f"保存失败: {str(e)}") # 实时显示带有检测框的图像 for obj in objs: det_img.draw_rect(obj.x, obj.y, obj.w, obj.h, color=image.COLOR_RED) msg = f'{detector.labels[obj.class_id]}: {obj.score:.2f}' det_img.draw_string(obj.x, obj.y+2, msg, scale=0.5, color=image.COLOR_RED) disp.show(det_img) except Exception as e: print(f"主循环异常: {str(e)}") break ``` 这段代码实现了如下逻辑： 1. 使用YOLOv5模型检测摄像头捕获的画面中的物体； 2. 当检测到物体并且自上次保存以来已过至少三秒钟时，保存该帧图像； 3. 对刚刚保存的图像应用OCR（光学字符识别）以提取文本信息，并在原图中标记出这些文本区域； 4. 将最终带有标记的图像显示出来供查看。 注意：这里假设两个模块所需的输入尺寸相同或可兼容；如果有差异可能需要调整`camera.Camera()`实例化参数或者图像缩放操作来匹配不同模型的要求。此外，在实际部署前还需要验证路径设置和其他环境配置是否正确无误。