📝 前言

本文记录了我在开发一款香烟检测软件过程中的完整思路与实践经验，主要使用了 PyQt6、OpenCV、ONNXRuntime 等技术栈，实现了图片、视频、摄像头实时检测等功能，适用于有相关需求或想学习AI边缘部署与图像处理的朋友们。

🔧 开发背景

在一些公共场合，如校园、地铁站或办公楼，存在对吸烟行为监控的需求。传统的视频监控依赖人工判断，效率低且不具实时性。因此我决定尝试开发一款 能够自动检测香烟行为的软件，并实现图形界面化管理，提升交互体验和实用性。

🛠️ 技术栈

• Python 3.x

• PyQt6：构建图形化界面

• OpenCV：图像/视频/摄像头读取与处理

• ONNXRuntime：部署训练好的烟雾检测模型（我使用YOLOv10进行训练）

• ONNX模型：训练好的香烟检测模型（YOLOv10 导出）

📌实现功能

1. 图片检测：加载图片，检测图中是否有香烟/吸烟行为

2. 视频检测：导入视频并逐帧检测

3. 摄像头实时检测：调用电脑摄像头，实时监测吸烟行为

4. 检测结果导出：支持将检测后的视频保存至本地（含检测框）

5. 界面美观、操作简洁

🎞️ 界面展示

     登录界面

注册界面

检测界面

🔄 效果演示

📌 总结与展望

本项目是一次从模型训练到GUI部署的完整实战，锻炼了我在 AI模型推理、图像处理与桌面软件开发 等多方面的能力。未来可以扩展功能：

• 多目标检测（如火灾、手机使用等）

• 支持多摄像头切换

• 增加烟雾浓度判断、报警联动等模块

如果你觉得这篇文章对你有帮助，别忘了点个 👍 收藏 + 关注，我会持续更新更多有趣的AI边缘部署项目。