### 创建基于 YOLO 模型的 Django API 接口 为了在 Django 中创建基于 YOLO 模型的 API 接口，需先设置好 Django 项目环境并安装必要的依赖库。假设已经有一个配置好的 Django 环境。 #### 安装YOLO及相关依赖项 确保已安装 PyTorch 和 ultralytics 库，这是运行 YOLO 所必需的基础组件之一[^5]： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu pip install ultralytics ``` #### 修改 `settings.py` 文件 在项目的 settings.py 文件中添加对所需应用程序的支持以及静态文件路径配置以便于后续操作[^1]: ```python INSTALLED_APPS = [ ... 'rest_framework', ] STATIC_URL = '/static/' MEDIA_ROOT = os.path.join(BASE_DIR, 'media') MEDIA_URL = '/media/' ``` #### 构建模型加载逻辑 创建一个新的 Python 脚本来初始化 YOLO 模型实例，并将其保存在一个全局变量里供其他部分调用。可以在 apps.py 或者单独建立 service 文件夹下的 services.py 来完成此功能。 ```python from django.apps import AppConfig import torch from pathlib import Path class FishsiteConfig(AppConfig): default_auto_field = 'django.db.models.BigAutoField' name = 'fishsite' def ready(self): global model_yolo weights_path = str(Path(__file__).resolve().parent / "yolov8n.pt") # 假设权重位于应用根目录下 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model_yolo = torch.hub.load('ultralytics/yolov5', 'custom', path=weights_path).to(device) ``` #### 编写视图函数处理请求 编辑 views.py 添加用于接收图片上传和返回预测结果的方法。这里利用了 Django Rest Framework 提高开发效率。 ```python from rest_framework.views import APIView from rest_framework.response import Response from .apps import FishsiteConfig as config from PIL import Image import io class PredictImageView(APIView): def post(self, request): image_file = request.FILES.get('image') if not image_file: return Response({"error": "No file uploaded"}, status=400) try: img_bytes = image_file.read() pil_image = Image.open(io.BytesIO(img_bytes)) results = config.model_yolo(pil_image) predictions = results.pandas().xyxy[0].to_dict(orient="records") response_data = {"predictions": predictions} except Exception as e: return Response({"error": f"Error processing the image {str(e)}"}, status=500) return Response(response_data) urlpatterns = [ path('predict/', PredictImageView.as_view(), name='predict'), ] ``` 上述代码实现了 POST 请求接口 `/predict/` ，该接口接受客户端发送过来的一张图片作为输入参数，并使用预训练过的 YOLO 模型对其进行推理分析；最后将以 JSON 形式向客户端反馈检测到的目标位置及其类别信息。