使用yolov10源码对图片进行目标检测的步骤讲解（windows环境、PyCharm软件、预测阶段）

    本文只讲解yolov10的预测阶段，即如何使用代码调用yolov10模型，对图片进行目标检测，并不涉及训练、验证等阶段。

步骤：

一、下载yolov10源码

    1、打开源码地址。yolov10源码链接：https://github.com/THU-MIG/yolov10

    注意：如果网页加载不出来，可以下载使用Watt Toolkit免费加速（个人觉得该软件挺好用的）。Watt Toolkit下载链接：https://steampp.net/

    下载完成后，打开该软件加速github，再打开上面的源码链接。

    2、下载源码，会使用git的可以使用提供的git链接下载，不会的就直接下载ZIP压缩包就行。

    3、解压文件（使用git下载的可跳过该步骤），将下载好的压缩包yolov10-main.zip解压到某个路径下，我这里就直接解压到D盘。

二、打开项目

    使用PyCharm打开yolov10-main项目文件夹，PyCharm会弹出创建虚拟环境的窗口，这里先取消。

    注意：如果电脑上没有PyCharm，可自行在浏览器搜索下载安装PyCharm教程。

三、创建虚拟环境

    1、点击File，再点击Settings，在搜索栏里搜索python interpreter，并打开。

    2、点击Add Interpreter，再点击Add Local Interpreter。

    3、创建环境有两个选择：Virtualenv Environment和Conda Environment。

    怎么选择呢？如果电脑上有Python3.9，那么就选择Virtualenv Environment。如果电脑已经下载并配置好conda，那么就选择Conda Environment。

    第一种：创建Virtualenv Environment

    （1）Environment选择New，再将Base interpreter设置成python3.9的本地路径。

    注意：如果不知道电脑上的python版本和位置，打开命令窗口（win+R打开运行窗口，然后输入cmd，再回车），输入下面的命令：

py -0p

    如果电脑上没有3.9版本的Python，可以自行百度下载，也可参考链接：https://blog.csdn.net/weixin_44740756/article/details/116546030

    （2）依次点击OK、Apply、OK完成Virtualenv环境的创建。

    第二种：创建Conda Environment

    （1）选择Create new environment(创建新的环境)，将Conda Executable设置为本地的conda路径，并选择3.9的Python版本。

    注意：如果不知道电脑上的conda版本和位置，打开命令窗口（win+R打开运行窗口，然后输入cmd，再回车），输入下面的命令：

conda info --env

    第一行base对应的便是你电脑下载安装的conda路径。

    另外需要注意，Conda Executable设置的完整路径需要找到conda.bat文件，即完整路径是D:\software\anaconda\Anaconda3\condabin\conda.bat

    如果电脑上没有conda，还想使用conda创建虚拟环境，可自行百度下载安装conda，也可参考链接：https://blog.csdn.net/fan18317517352/article/details/123035625

    （2）依次点击OK、Apply、OK完成conda环境的创建。

四、安装yolov10代码所需依赖

    1、打开终端

    点击左下角的图标，打开终端，进入刚刚创建的环境(命令行最前面显示的就是我们设置的环境名称，如果按照默认名称来配置环境，那么Virtualenv环境最前面是.venv，Conda环境最前面是yolov10-main，下图是Conda环境，不论创建的是哪一种环境，都可按照下面步骤执行)。

    2、下载安装yolov10项目所需的依赖

    在终端输入下面的命令：

pip install -r requirements.txt

    等待几分钟完成下载。

五、下载训练好的yolov10模型

    yolov10的源码里并没有已经训练好的模型。要想得到yolov10的模型，第一种方法是自己下载数据集并训练得到模型（自己看项目根目录下的README.md文件或者自行百度yolov10训练、验证教程）。第二种方法是直接下载训练好的模型。下面是各类yolov10模型的下载链接，本文选取第一个yolov10n.pt模型。

    YOLOv10-N:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10n.pt         YOLOv10-S:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10s.pt         YOLOv10-M:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10m.pt         YOLOv10-B:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10b.pt         YOLOv10-L:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10l.pt          YOLOv10-X:https://github.com/jameslahm/yolov10/releases/download/v1.0/yolov10x.pt

    将下载好的yolov10n.pt文件放到项目的根目录下（位置任意，只要你记住路径就行）

六、创建predict.py文件

    （1）右键项目yolov10-main，在根目录下创建一个predict.py的文件（位置任意，只要在项目里就行）。

    （2）在predict.py文件中写入下面的代码。

    代码调用训练好的yolov10n.pt模型对源码中自带的一张图片bus.jpg进行目标检测识别，图片可以替换成你自己的图片，更改一下图片路径即可。

from ultralytics import YOLOv10
from PIL import Image

# model里存放下载好的yolov10n.pt的路径信息
model = YOLOv10(model='D:/yolov10-main/yolov10n.pt')

# 这里的图片是源码里自带的，可以替换成自己的图片
results = model('D:/yolov10-main/ultralytics/assets/bus.jpg')

# 显示预测后的图片
im_array = results[0].plot()
im = Image.fromarray(im_array[..., ::-1])
im.show()

七、运行代码

    1、右键运行predict.py代码。

   2、 结果如下：

八、结束