Windows11家庭版配置frigate 嵌入自研算法（基于Yolov8）-【2】

使用 YOLOv8 的 results.xyxy 结构，下面是一个完整的 MQTT 推送脚本，用于把识别到的目标（比如突涌水、水渍、障碍物等）发送到 Frigate 的 MQTT 接口。

✅ 前提假设

1. YOLOv8 推理代码已经运行并生成 results.xyxy。
2. 每一行是 [x1, y1, x2, y2, conf, class_id]。
3. 类别标签由你自己定义，如 model.names[class_id]。
4. MQTT 服务运行在本地（或局域网），默认端口 1883。
5. Frigate 配置正确，监听 frigate/events 主题。

📜 完整 Python 脚本（YOLOv8 + MQTT 发事件）

import paho.mqtt.publish as publish
import uuid
import json
from ultralytics import YOLO
import cv2

# ---------- 你可以自定义的变量 ----------
MQTT_HOST = '127.0.0.1'       # Mosquitto服务器地址
MQTT_PORT = 1883              # MQTT端口
FRIGATE_TOPIC = 'frigate/events'
CAMERA_NAME = 'usb_cam'       # Frigate中配置的摄像头名
DETECTION_CONFIDENCE_THRESHOLD = 0.5
# ----------------------------------------

# 加载你训练好的YOLOv8模型
model = YOLO("best.pt")  # 改成你的模型路径

# 读取图片/视频帧（你可以用cv2.VideoCapture循环处理流）
frame = cv2.imread("test.jpg")  # 或者循环处理帧

# 推理
results = model(frame)

# 遍历检测结果（默认只有一张图）
for r in results:
    boxes = r.boxes.xyxy.cpu().numpy()       # shape: (n, 4)
    scores = r.boxes.conf.cpu().numpy()      # shape: (n,)
    classes = r.boxes.cls.cpu().numpy().astype(int)

    for i in range(len(boxes)):
        conf = scores[i]
        if conf < DETECTION_CONFIDENCE_THRESHOLD:
            continue  # 忽略低置信度结果

        box = boxes[i]
        class_id = classes[i]
        label = model.names[class_id]  # 类别名

        payload = {
            "type": "new",
            "after": {
                "id": str(uuid.uuid4()),
                "camera": CAMERA_NAME,
                "label": label,
                "top_score": float(conf),
                "box": {
                    "x_min": int(box[0]),
                    "y_min": int(box[1]),
                    "x_max": int(box[2]),
                    "y_max": int(box[3])
                }
            }
        }

        # 发布到 MQTT
        publish.single(
            topic=FRIGATE_TOPIC,
            payload=json.dumps(payload),
            hostname=MQTT_HOST,
            port=MQTT_PORT
        )
        print(f"已发送检测事件: {label} ({conf:.2f})")

🧪 示例运行流程

1. 替换你的模型路径和摄像头名称（与你 Frigate 中的一致）；
2. 放一张测试图片 test.jpg；
3. 运行脚本，Frigate 界面就能看到事件了。

📌 可选增强

🚨 注意事项

• MQTT 消息中 camera 字段必须是 Frigate 配置文件中的某个摄像头名。
• box 坐标建议使用整数。
• YOLO 推理较慢时注意控制帧率，不要每帧都发（可 1~2 秒一次）。
• 如果你在 Windows 下网络受限，确保 Frigate、MQTT、这个脚本三者之间是能连通的（用 127.0.0.1 通常没问题）。