1.配置运行环境
在终端安装streamlit和ultralytics两个库
streamlit库的安装命令：pip install streamlit==1.22.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
ultralytics库的安装命令：pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
2.运行可视化界面
（1）将可视化代码下载到本地文件夹中并解压；
（2）将训练得到的best.pt文件放入YOLOv8-app-master下的weights文件夹中；
（3）在终端进入yolov8的运行环境中，用pip install streamlit ultralytics-i https://pypi.tuna.tsinghua.edu.cn/simple命令安装一下streamlit和ultralytics两个库；
有两种方式在终端进入一个项目代码的运行环境，一种是直接在pycharm进入，这种不需要再激活
另一种如下图，这种就需要安装anaconda并在其中激活一下自己项目代码的运行环境
激活后
（4）在终端激活yolov8的运行环境，并在终端进入"YOLOv8-app-master"文件夹，运行命令streamlit run app.py，如下图所示
运行后会弹出网页如下图所示，
其中模型置信度阈值的含义：如果模型识别到某目标为某一类的概率低于这个阈值，则不显示检测，即不认为是此类目标。
（5）点击Browse files，选择需要识别的图片，再点击“开始识别”，等待识别完成，如下图所示：
（5）在pycharm中以项目打开“YOLO-pyside6”文件夹，选择运行环境为yolov8，运行YOLO-pyside6中的main.py程序，如下图
运行后将弹出如下界面
点击菜单图标，可修改输入源：图片、摄像头、文件夹、网络摄像头（监控）等
点击菜单中的设置选项，如下图
右方将弹出多个选项，可按需进行修改，一般就用到选择模型、Confidence（设置置信度阈值）、线宽、及自动保存
其中置信度阈值的含义：如果模型识别到某目标为某一类的概率低于这个阈值，则不显示检测，即不认为是此类目标。
（6）识别效果图如下
