video/core/yolo.py

import os
import numpy as np
from ultralytics import YOLO
from service.model_service import get_current_yolo_model  # 带版本校验的模型获取


def load_model(model_path=None):
    """加载YOLO模型（优先使用带版本校验的默认模型）"""
    if model_path is None:
        # 调用带版本校验的模型获取函数（自动判断是否需要重新加载）
        return get_current_yolo_model()
    try:
        # 加载指定路径模型（用于特殊场景）
        return YOLO(model_path)
    except Exception as e:
        print(f"YOLO模型加载失败（指定路径）：{str(e)}")
        return None


def detect(frame, conf_threshold=0.7):
    """执行目标检测（仅模型版本变化时重新加载，平时复用缓存）"""
    # 获取模型（内部已做版本校验，未变化则直接返回缓存）
    current_model = load_model()
    if not current_model:
        return (False, "未加载到最新YOLO模型")

    if frame is None:
        return (False, "无效输入帧")

    try:
        # 用当前模型执行检测（复用缓存，无额外加载耗时）
        results = current_model(frame, conf=conf_threshold, verbose=False)
        has_results = len(results[0].boxes) > 0 if results else False

        if not has_results:
            return (False, "未检测到目标")

        # 构建结果字符串
        result_parts = []
        for box in results[0].boxes:
            cls = int(box.cls[0])
            conf = float(box.conf[0])
            bbox = [round(x, 2) for x in box.xyxy[0].tolist()]  # 保留两位小数
            # 从当前模型中获取类别名（确保与模型匹配）
            class_name = current_model.names[cls] if hasattr(current_model, 'names') else f"类别{cls}"
            result_parts.append(f"{class_name}（置信度：{conf:.2f}，位置：{bbox}）")

        # 打印当前使用的模型路径和版本（用于验证）
        # model_path = getattr(current_model, "model_path", "未知路径")
        # from service.model_service import _current_model_version
        # print(f"[YOLO检测] 使用模型：{model_path}（版本：{_current_model_version[:10]}...）")

        return (True, "; ".join(result_parts))

    except Exception as e:
        print(f"YOLO检测过程出错：{str(e)}")
        return (False, f"检测错误：{str(e)}")