├── src/ #项目代码
├── doc/ #文档
├── slide/ #PPT
├── video/ #演示视频
├── run.sh #启动脚本（可选）
└── README.md #说明启动流程
项目代码格式
src/
├── main.py # 主程序入口
├── process.py # 核心处理逻辑
├── models/
│ └── best.onnx # 模型文件
├── yolov5_env # 虚拟依赖
├── images/ # 输入图片
├── requirement.txt # 依赖
└── outputs/ # 输出目录
sudo apt install python3 python3-pip python3-venv -y python-is-python3
git clone https://github.com/Penguinsltp/Mushroom.git
确保已安装 Python 3.8+ 和 pip，并进入项目目录：
cd Mushroom/src
python -m venv yolov5_env
#创建虚拟环境
source yolov5_env/bin/activate
#Ubuntu/Linux
# Windows
yolov5_env\Scripts\activate.bat
✅ 验证激活成功：命令行前缀应显示 (yolov5_env)
`# 激活虚拟环境后执行（确保在yolov5_env环境下)
pip install onnx onnxruntime opencv-python numpy
- 在项目目录（如
src/）下创建requirements.txt文件，内容如下：
onnxruntime>=1.15.0
opencv-python>=4.7.0
numpy>=1.23.0
- 执行安装命令：
pip install -r requirements.txt
验证安装是否成功
pip show onnxruntime opencv-python numpy # 检查已安装的版本
pip list | grep -E "onnxruntime|opencv-python|numpy"
🔧 若缺少依赖，执行：
pip install -r requirements.txt
| 运行相关参数 | 作用 |
|---|---|
| --output | 输出路径 |
| --model | 蘑菇检测模型路径 |
| --folder | 输入蘑菇图片文件夹路径 |
| --confidence | 检测置信度阈值 |
| --image | 输入蘑菇图片路径 |
| 优化相关的参数 | 作用 |
|---|---|
| --optimize | 优化ONNX模型 |
| --quantize | 量化ONNX模型 |
| --benchmark | 运行基准测试 |
python main.py --folder images --output output --model model/best.onnx
✅ 预期输出：
- 终端打印推理日志（如
Detection completed!） - 结果图片保存至
./output/
deactivate
若已配置 run.sh，可直接执行：
chmod +x run.sh # 添加执行权限（仅首次需要） ./run.sh # 自动完成环境激活和运行
run.sh 示例内容：
#!/bin/bash
cd src
source yolov5_env/bin/activate
python main.py --folder images --output output --model model/best.onnx
deactivate