实时口罩检测-通用部署教程：Windows WSL2环境下ModelScope模型本地加载

实时口罩检测-通用部署教程Windows WSL2环境下ModelScope模型本地加载1. 环境准备与WSL2配置1.1 WSL2安装与设置如果你使用的是Windows系统首先需要安装WSL2Windows Subsystem for Linux 2。这是微软提供的Linux兼容层让我们能在Windows上运行Linux环境。打开PowerShell以管理员身份运行执行以下命令# 启用WSL功能 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台功能 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart # 重启计算机后设置WSL2为默认版本 wsl --set-default-version 2重启后从Microsoft Store安装Ubuntu发行版推荐Ubuntu 20.04或22.04。1.2 基础环境配置安装完成后启动Ubuntu终端更新系统并安装必要的依赖# 更新软件包列表 sudo apt update sudo apt upgrade -y # 安装Python和pip sudo apt install python3 python3-pip python3-venv -y # 安装其他必要依赖 sudo apt install libgl1-mesa-glx libglib2.0-0 -y2. ModelScope环境搭建2.1 创建Python虚拟环境为了避免包冲突我们创建一个独立的Python环境# 创建项目目录 mkdir mask-detection cd mask-detection # 创建虚拟环境 python3 -m venv venv # 激活虚拟环境 source venv/bin/activate2.2 安装ModelScope和相关依赖在虚拟环境中安装必要的Python包# 安装ModelScope核心库 pip install modelscope # 安装计算机视觉相关库 pip install opencv-python opencv-python-headless # 安装Gradio用于Web界面 pip install gradio # 安装其他辅助库 pip install numpy pillow3. 模型部署与加载3.1 下载和加载口罩检测模型ModelScope提供了便捷的模型加载方式我们不需要手动下载模型文件from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks # 创建口罩检测pipeline mask_detection pipeline( taskTasks.domain_specific_object_detection, modeldamo/cv_tinynas_object-detection_damoyolo_facemask )3.2 创建Gradio Web界面使用Gradio创建一个简单的Web界面让用户可以通过浏览器上传图片进行检测import gradio as gr import cv2 import numpy as np def detect_mask(image): 对上传的图片进行口罩检测 # 转换图像格式 if isinstance(image, np.ndarray): image_rgb cv2.cvtColor(image, cv2.COLOR_BGR2RGB) else: image_rgb np.array(image) # 进行检测 result mask_detection(image_rgb) # 绘制检测结果 output_image image_rgb.copy() for detection in result[boxes]: x1, y1, x2, y2 map(int, detection[:4]) label facemask if detection[4] 1 else no facemask confidence detection[5] # 绘制边界框 color (0, 255, 0) if label facemask else (0, 0, 255) cv2.rectangle(output_image, (x1, y1), (x2, y2), color, 2) # 添加标签 label_text f{label}: {confidence:.2f} cv2.putText(output_image, label_text, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2) return output_image # 创建Gradio界面 interface gr.Interface( fndetect_mask, inputsgr.Image(label上传图片), outputsgr.Image(label检测结果), title实时口罩检测系统, description上传包含人脸的图片系统会自动检测是否佩戴口罩 )4. 启动和使用教程4.1 启动Web服务将上面的代码保存为webui.py然后运行# 确保在虚拟环境中 source venv/bin/activate # 启动Gradio服务 python webui.py服务启动后你会看到类似这样的输出Running on local URL: http://127.0.0.1:7860在浏览器中打开这个地址就能看到口罩检测的Web界面了。4.2 使用步骤详解打开Web界面在浏览器中输入http://127.0.0.1:7860上传图片点击上传按钮选择包含人脸的图片开始检测系统会自动进行处理无需额外点击查看结果检测完成后右侧会显示标注了检测结果的图片第一次使用时需要注意系统需要下载模型文件这可能需要几分钟时间具体取决于你的网络速度。下载完成后后续使用就会很快了。4.3 测试示例你可以使用这些类型的图片进行测试单人戴口罩的照片多人混合部分戴部分不戴的照片不同角度的人脸照片不同光照条件下的人脸照片系统会准确识别出每张人脸并用不同颜色的框标注绿色框检测到佩戴口罩红色框检测到未佩戴口罩5. 常见问题解决5.1 模型加载缓慢问题如果模型下载很慢可以尝试设置镜像源# 设置ModelScope镜像源 export MODELSCOPE_CACHE/path/to/your/cache export MODELSCOPE_DOWNLOAD_PARALLEL45.2 内存不足问题如果遇到内存不足的错误可以尝试这些方法# 在代码中添加内存优化设置 import os os.environ[OMP_NUM_THREADS] 1 os.environ[MKL_NUM_THREADS] 15.3 显卡相关问题如果你有NVIDIA显卡可以尝试使用GPU加速# 安装GPU版本的PyTorch pip install torch torchvision --index-url https://download.pytorch.org/whl/cu1186. 项目总结通过本教程你成功在Windows WSL2环境下部署了实时口罩检测模型。这个系统基于先进的DAMO-YOLO目标检测框架能够准确识别图片中的人脸并判断是否佩戴口罩。主要优势检测准确率高支持多人同时检测部署简单只需几个命令就能完成Web界面友好无需编程知识也能使用完全本地运行保护隐私安全适用场景公共场所的口罩佩戴监测疫情防控相关的应用开发计算机视觉学习案例安防监控系统集成这个项目展示了如何将先进的AI模型转化为实际可用的应用无论是学习还是实际部署都非常有价值。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。