编号：A672
大小：118M
环境：Python3.9、OpenCV4.8.1、torch2.1.1
简介：血细胞检测与计数系统在医疗保健领域有着重要的应用价值。该系统利用YOLOv8等先进的深度学习算法，可以准确地识别和计数血液样本中的血小板、红细胞和白细胞，为医疗诊断、疾病监测和治疗提供了重要的技术支持。本文基于YOLOv8深度学习框架，通过874张图片，训练了一个进行血细胞检测的目标检测模型，可以检测’血小板’, ‘红细胞’, ‘白细胞’这3种目标类型，准确率高达93%。并基于此模型开发了一款带UI界面的血细胞检测与计数系统，可用于实时检测场景中的血细胞检测与各类别计数，更方便进行功能的展示。该系统是基于python与PyQT5技术开发的，支持图片、视频以及摄像头进行目标检测，并保存检测结果。
文件说明：

运行展示

run MainProgram.py
主界面

图片检测

视频检测

实时检测

运行train.py可以进行训练
将文件【datasets/BloodCellData/data.yaml】中train,val数据集的绝对路径改为自己项目数据集的绝对路径
train: E:\MyCVProgram\BloodCellDetection\datasets\BloodCellData\train
val: E:\MyCVProgram\BloodCellDetection\datasets\BloodCellData\valid
test: E:\MyCVProgram\BloodCellDetection\datasets\BloodCellData\test
然后运行train.py文件即可开始进行模型训练,训练结果会默认保存在runs/detect目录中。
其中runs/train是我已经训练好的结果文件，含模型与所有过程内容。
训练好的模型在runs/train/weights目录下，last.pt表示最后一轮结果的训练模型，best.pt表示训练中最好结果的训练模型。一般我们使用best.pt就行。

配套文件

我们提供完整项目文件清单如下：
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频