YOLOv8测试3：在Python中将YOLOv8模型封装成API接口使用（上传测试图片并返回识别结果，附测试代码）

from fastapi import FastAPI, File, UploadFile
from starlette.responses import JSONResponse, Response
from yolov8_inference import YOLOv8Detector
 
# 初始化FastAPI应用
app = FastAPI()
 
# 初始化YOLOv8检测器
detector = YOLOv8Detector(
    model_path='yolov8n.pt',
    confidence_threshold=0.25,
    overlay_confidence_threshold=0.25,
    device='cpu'
)
 
@app.post("/predict")
async def predict(file: UploadFile = File(...)):
    # 预处理上传的图片
    image_bytes = await file.read()
    image_str = image_bytes.decode('utf-8')
    
    # 使用YOLOv8检测器进行预测
    predictions = detector.predict(image_str)
    
    # 返回JSON格式的识别结果
    return JSONResponse(content=predictions)
 
# 主函数，启动FastAPI应用
if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

这段代码首先导入了必要的FastAPI框架和YOLOv8的预测库。然后初始化了FastAPI应用和YOLOv8检测器。在predict路由中，它接收一个上传的图片文件，将其读取为字节串，并将其解码为字符串格式。然后使用YOLOv8检测器对图片进行预测，并返回识别结果的JSON响应。最后，在主函数中，它启动了FastAPI应用，使得API接口可以在指定的主机和端口上被访问。