YOLOv8可视化界面，前端Pyqt5，v8和v11权重文件均可用，原检测类型为快递盒的信息

1.配置好正常的Ultralytics源码环境

来源YOLOv8和YOLOv11的源码环境均可用，更换训练好的best.pt文件，然后后面图片的类别更改部分代码即可。

2.从训练结果找到自己的对应检测类型

本代码初始目的是检测快递盒的状态，一共五种状态， 0: 'JAP-front', 1: 'JAP-side', 2: 'USA-front', 3: 'USA-side', 4: 'other'，按这种序号方式对应，下面有用。

3.需要更改的代码部位

代码需要更改的部分如下的self.class_names,序号不变，从0开始，一一对照更改成自己的检测类型名字：

class BoxDetector:
    def __init__(self):
        self.model = None
        self.current_annotated_image = None

        self.class_names = {
            0: 'JAP-front',
            1: 'JAP-side',
            2: 'USA-front',
            3: 'USA-side',
            4: 'other'
        }

    def load_model(self, model_path):
        """加载YOLO目标检测模型"""
        try:
            self.model = YOLO(model_path)
            print(f"模型加载成功: {model_path}")
            return True
        except Exception as e:
            print(f"模型加载失败: {e}")
            return False

    def detect_objects(self, frame):
        """对输入图像进行目标检测"""
        if self.model is None:
            print("错误: 请先加载模型")
            return None, []

        # 使用YOLO模型进行预测
        results = self.model.predict(frame)
        if results:
            # 保存带标注的图像
            self.current_annotated_image = results[0].plot()

            # 提取检测到的类别名称
            detected_classes = []
            for box in results[0].boxes:
                class_id = int(box.cls[0])
                if class_id in self.class_names:
                    detected_classes.append(self.class_names[class_id])
            return self.current_annotated_image, detected_classes
        return None, []

4.运行效果