目前可以成功动态更换模型运行的

core/all.py

@@ -57,50 +57,39 @@ def save_db(model_type, client_ip, result):
 
 
 
+# 修正后的 detect 函数关键部分
 def detect(client_ip, frame):
-    """
-    执行模型检测，检测到违规时按指定格式保存图片
-    参数：
-        frame: 待检测的图像帧（OpenCV格式，numpy.ndarray类型）
-    返回：
-        (检测结果布尔值, 检测详情, 检测模型类型)
-    """
-    # 1. YOLO检测（优先级1）
+    # 1. YOLO检测
     yolo_flag, yolo_result = yoloDetect(frame)
-    print(f"YOLO检测结果：{yolo_result}")
     if yolo_flag:
+        # model_type 传入 "yolo"（正确）
         full_save_path, display_path = get_image_save_path(model_type="yolo", client_ip=client_ip)
-        if full_save_path:  # 只判断完整路径是否有效（用于保存）
+        if full_save_path:
             cv2.imwrite(full_save_path, frame)
-            # 打印时使用「显示用短路径」，符合需求格式
-            print(f"✅ YOLO违规图片已保存：{display_path}")
+            print(f"✅ yolo违规图片已保存：{display_path}")  # 日志也修正
         save_db(model_type="yolo", client_ip=client_ip, result=str(full_save_path))
         return (True, yolo_result, "yolo")
-    #
-    # # 2. 人脸检测（优先级2）
+
+    # 2. 人脸检测
     face_flag, face_result = faceDetect(frame)
-    print(f"人脸检测结果：{face_result}")
     if face_flag:
-        full_save_path, display_path = get_image_save_path(model_type="yolo", client_ip=client_ip)
-        if full_save_path:  # 只判断完整路径是否有效（用于保存）
+        full_save_path, display_path = get_image_save_path(model_type="face", client_ip=client_ip)  # 这里改了
+        if full_save_path:
             cv2.imwrite(full_save_path, frame)
-            # 打印时使用「显示用短路径」，符合需求格式
-            print(f"✅ face违规图片已保存：{display_path}")
+            print(f"✅ face违规图片已保存：{display_path}")  # 日志也修正
         save_db(model_type="face", client_ip=client_ip, result=str(full_save_path))
         return (True, face_result, "face")
 
-    # 3. OCR检测（优先级3）
+    # 3. OCR检测
     ocr_flag, ocr_result = ocrDetect(frame)
-    print(f"OCR检测结果：{ocr_result}")
     if ocr_flag:
-        # 解构元组，保存用完整路径，打印用短路径
-        full_save_path, display_path = get_image_save_path(model_type="yolo", client_ip=client_ip)
-        if full_save_path:  # 只判断完整路径是否有效（用于保存）
+        full_save_path, display_path = get_image_save_path(model_type="ocr", client_ip=client_ip)  # 这里改了
+        if full_save_path:
             cv2.imwrite(full_save_path, frame)
-            # 打印时使用「显示用短路径」，符合需求格式
-            print(f"✅ ocr违规图片已保存：{display_path}")
+            print(f"✅ ocr违规图片已保存：{display_path}")  # 日志也修正
         save_db(model_type="ocr", client_ip=client_ip, result=str(full_save_path))
         return (True, ocr_result, "ocr")
+
     # 4. 无违规内容（不保存图片）
     print(f"❌ 未检测到任何违规内容，不保存图片")
     return (False, "未检测到任何内容", "none")

core/yolo.py

@@ -1,37 +1,43 @@
 import os
-
+import numpy as np
 from ultralytics import YOLO
+from service.model_service import get_current_yolo_model  # 从模型管理模块获取模型
 
-# 全局变量
+# 全局模型变量
 _yolo_model = None
 
 
-model_path = os.path.join(os.path.dirname(__file__), "models", "best.pt")
-
-
-def load_model():
-    """加载YOLO目标检测模型"""
+def load_model(model_path=None):
+    """加载YOLO模型（优先使用模型管理模块的默认模型）"""
     global _yolo_model
 
+    if model_path is None:
+        _yolo_model = get_current_yolo_model()
+        return _yolo_model is not None
+
     try:
         _yolo_model = YOLO(model_path)
+        return True
     except Exception as e:
-        print(f"YOLO model load failed: {e}")
+        print(f"YOLO模型加载失败（指定路径）：{str(e)}")
         return False
 
-    return True if _yolo_model else False
-
 
 def detect(frame, conf_threshold=0.2):
-    """YOLO目标检测、返回(是否识别到, 结果字符串)"""
+    """执行目标检测，返回(是否成功, 结果字符串)"""
     global _yolo_model
 
-    if not _yolo_model or frame is None:
-        return (False, "未初始化或无效帧")
+    # 确保模型已加载
+    if not _yolo_model:
+        if not load_model():
+            return (False, "模型未初始化")
+
+    if frame is None:
+        return (False, "无效输入帧")
 
     try:
-        results = _yolo_model(frame, conf=conf_threshold)
-        # 检查是否有检测结果
+        # 执行检测（frame应为numpy数组）
+        results = _yolo_model(frame, conf=conf_threshold, verbose=False)
         has_results = len(results[0].boxes) > 0 if results else False
 
         if not has_results:
@@ -42,13 +48,12 @@ def detect(frame, conf_threshold=0.2):
         for box in results[0].boxes:
             cls = int(box.cls[0])
             conf = float(box.conf[0])
-            bbox = [float(x) for x in box.xyxy[0]]
+            bbox = [round(x, 2) for x in box.xyxy[0].tolist()]  # 保留两位小数
             class_name = _yolo_model.names[cls] if hasattr(_yolo_model, 'names') else f"类别{cls}"
-            result_parts.append(f"{class_name} (置信度: {conf:.2f}, 边界框: {bbox})")
+            result_parts.append(f"{class_name}（置信度：{conf:.2f}，位置：{bbox}）")
 
-        result_str = "; ".join(result_parts)
-        return (has_results, result_str)
+        return (True, "; ".join(result_parts))
 
     except Exception as e:
-        print(f"YOLO detect error: {e}")
-        return (False, f"检测错误: {str(e)}")
+        print(f"检测过程出错：{str(e)}")
+        return (False, f"检测错误：{str(e)}")