注意这个源码不提供训练的数据集，由于是参考开源代码，因此也不能提供更多测试图片
这个水尺检测项目的算法思路如下：
核心算法流程
1. 水面线检测
- 使用 YOLO 模型
waterline.pt 检测图像中的水面线位置 - 取检测框的中心 Y 坐标作为水面线高度
water_y - 在结果图上用红色框标注水面线区域
2. 刻度数字识别
- 使用 YOLO 模型
best.pt 检测水尺上的数字（0-9）和辅助刻度"E"（代表5cm） - 采用 多尺度 ROI 策略 ：
- 先尝试以水面线为中心，使用不同高度（400, 800, 1200, 1600, 2000像素）的ROI区域进行检测
- 当检测到至少2个主数字时停止
- 如果都失败，则对全图进行检测
3. 锚点提取与分类
主数字 (0-9) → 转换为实际刻度值：数字 × 10 cm
辅助刻度 "E" → 转换为 5 cm
记录每个锚点的 (刻度值, y坐标)
4. 水深计算（线性插值/外推）
插值计算 （水面线在两锚点之间）：
depth = v0 + (v1 - v0) × (water_y - y0) / (y1 - y0)
外推计算 （水面线在锚点范围外）：
- 上方外推：利用前两个锚点计算每像素代表的cm值，向上推算
- 下方外推：利用最后两个锚点计算每像素代表的cm值，向下推算
5.可视化输出
- 绿色圆点标注识别的刻度位置
- 红色框标注水面线
- 左上角显示计算的水深值
算法优势
- 自适应ROI ：多尺度尝试提高数字检测成功率
- 容错机制 ：主数字不足时可用"E"辅助刻度补充
- 高精度 ：线性插值保证±1cm误差范围
效果展示
水尺图像识别与水深计算系统
该项目基于YOLOv8实现图像中水尺的识别和水深推算，支持对静态水尺图片进行自动检测和测深，可应用于智能水文监测系统。系统提供美观的 PyQt5 图形界面，操作简便直观。
🌊 项目功能
- 图形化界面 ：基于 PyQt5 设计的现代化交互界面
- 图片上传 ：支持选择本地水尺图片进行检测
- 自动识别 ：自动检测图像中的水面线（基于
waterline.pt 模型） - 刻度识别 ：检测水尺上的主数字（0-9）及其垂直位置（基于
best.pt 模型） - 智能计算 ：结合水面线位置，进行水深值的插值或外推计算
- 结果可视化 ：实时显示检测结果和标注图像
- 结果保存 ：支持将检测结果保存为图片文件
- 高精度 ：最大误差控制在 ±1 cm 内
🛠️ 技术栈
- Python 3.x
- Ultralytics
- PyQt5
- OpenCV
- Matplotlib
- NumPy
📁 项目结构
.
├── gui.py # PyQt5 图形界面程序（推荐）
├── main.py # 命令行版本主程序
├── waterline.pt # 训练好的水面线识别模型
├── train8/weights/best.pt # 训练好的数字+E刻度识别模型
├── demoImage/ # 示例图片文件夹
└── requirements.txt # 项目依赖
🔧 安装依赖
pip install -r requirements.txt
或手动安装：
pip install ultralytics opencv-python matplotlib numpy PyQt5
🚀使用方法
方式一：图形界面（推荐）
运行PyQt5图形界面程序：
python gui.py
界面操作步骤：
- 点击「上传图片」按钮选择水尺图片
- 点击「开始检测」按钮进行自动分析
- 查看检测结果和可视化标注
- 点击「保存结果」按钮保存检测图片
方式二：命令行版本
- 将待处理的水尺图片路径填写在
main.py 的 IMAGE_PATH 变量中：
IMAGE_PATH = "demoImage/demo.jpg"
- 运行主程序：
python main.py
- 终端将输出推算结果并展示标注图像。
📊 检测效果
系统会自动：
- 用红色框标注检测到的水面线
- 用绿色圆点标注识别到的刻度数字位置
- 在图像左上角显示计算出的水深值
- 在左侧面板显示精确的水深数值（单位：cm）
⚠️ 注意事项
- 图片需包含完整的水尺主数字区域和水面线，且图像尽量清晰
- 如果图像中的主数字不足 2 个，将无法进行插值计算
- 首次运行时会自动加载 YOLO 模型，可能需要几秒钟时间
- 模型文件需要提前训练或从提供渠道获取