功能：基于YOLOv6的障碍物检测系统，同时采用YOLOv6深度学习算法，基于Streamlit的交互式Web应用界面设计。在Web网页中可以支持图像、视频和实时摄像头进行障碍物检测，可上传不同训练模型（YOLOv6）进行推理预测，在网页上显示检测结果，也可选择单个目标显示，检测过程结果记录并显示在网页表格中，可导出检测结果为csv文件和导出带标注框的结果视频文件。附带了完整的网页设计、深度学习模型代码、训练数据集的完整资源。

付费完成后面包多网站会在本页面下方自动解锁资源下载链接，滑动页面到下方就能看到了，点击下载即可。

此代码资源包为本人在 CSDN 、知乎、博客园等平台上分享的博文：基于深度学习的障碍物检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）中分享的完整代码和资源整合。包含训练数据集、训练代码、UI界面代码、深度学习模型等完整资源。

网页功能与效果

完整安装运行教程：

这个项目的运行需要用到Anaconda和Pycharm两个软件，下载到资源代码后，您可以按照以下链接提供的详细安装教程操作即可运行成功，如仍有运行问题可私信博主解决：

（1）Pycharm和Anaconda的安装教程：https://deepcode.blog.csdn.net/article/details/136639378；

软件安装好后需要为本项目新建Python环境、安装依赖库，并在Pycharm中设置环境，这几步采用下面的教程可选在线安装（pip install直接在线下载包）或离线依赖包（博主提供的离线包直接装）安装两种方式之一：

（2）Python环境配置教程：https://deepcode.blog.csdn.net/article/details/136639396（2,3方法可选一种）；

（3）离线依赖包的安装指南：https://deepcode.blog.csdn.net/article/details/136650641（2,3方法可选一种）；

如使用离线包方式安装，请下载离线依赖库，下载地址：https://pan.baidu.com/s/1uHbU9YzSqN0YP_dTHBgpFw?pwd=mt8u

（提取码：mt8u）。