1.配置執行環境
在終端安裝streamlit和ultralytics兩個庫
streamlit庫的安裝命令：pip install streamlit==1.22.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
ultralytics庫的安裝命令：pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
2.執行視覺化介面
（1）將視覺化程式碼下載到本地資料夾中並解壓；
（2）將訓練得到的best.pt檔案放入YOLOv8-app-master下的weights資料夾中；
（3）在終端進入yolov8的執行環境中，用pip install streamlit ultralytics-i https://pypi.tuna.tsinghua.edu.cn/simple命令安裝一下streamlit和ultralytics兩個庫；
有兩種方式在終端進入一個專案程式碼的執行環境，一種是直接在pycharm進入，這種不需要再啟用
另一種如下圖，這種就需要安裝anaconda並在其中啟用一下自己專案程式碼的執行環境
啟用後
（4）在終端啟用yolov8的執行環境，並在終端進入"YOLOv8-app-master"資料夾，執行命令streamlit run app.py，如下圖所示
執行後會彈出網頁如下圖所示，
其中模型置信度閾值的含義：如果模型識別到某目標為某一類的機率低於這個閾值，則不顯示檢測，即不認為是此類目標。
（5）點選Browse files，選擇需要識別的圖片，再點選“開始識別”，等待識別完成，如下圖所示：
（5）在pycharm中以專案開啟“YOLO-pyside6”資料夾，選擇執行環境為yolov8，執行YOLO-pyside6中的main.py程式，如下圖
執行後將彈出如下介面
點選選單圖示，可修改輸入源：圖片、攝像頭、資料夾、網路攝像頭（監控）等
點選選單中的設定選項，如下圖
右方將彈出多個選項，可按需進行修改，一般就用到選擇模型、Confidence（設定置信度閾值）、線寬、及自動儲存
其中置信度閾值的含義：如果模型識別到某目標為某一類的機率低於這個閾值，則不顯示檢測，即不認為是此類目標。
（6）識別效果圖如下
