yolov8を利用した物体検出からの色識別

エラー箇所：bboxes = results.xyxy[0]

'tuple' object has no attribute 'xyxy'
  File "D:\yolov8 色比較.py", line 48, in <module>
    bboxes = results.xyxy[0]  # 検出されたバウンディングボックス
AttributeError: 'tuple' object has no attribute 'xyxy'

import cv2
import numpy as np
from PIL import Image
import torch
import torchvision.transforms as transforms
import os



# YOLOv5モデルのロード
model_path = r'd:\ultralytics-main\ultralytics\yolov8s.pt'

# モデルのロード
loaded_model = torch.load(model_path, map_location='cuda' if torch.cuda.is_available() else 'cpu')
model = loaded_model['model']
model.eval()

# GPUが利用可能かどうかをチェック
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# モデルを適切なデバイスに移動
model.to(device)

# 検出用画像の読み込みと変換
img_path = "d:\dog.jpg"
img = Image.open(img_path).convert("RGB")  # RGBAからRGBへ変換

# 正解画像のパス
target_img_path = "d:\correct_image.jpg"  # 正解画像のパスを指定

# PIL画像をTensorに変換する前にリサイズ
resize = transforms.Resize((640, 640))
img_resized = resize(img)

# PIL画像をTensorに変換
transform = transforms.Compose([
    transforms.ToTensor(),
])
img_tensor = transform(img_resized).unsqueeze(0)  # バッチ次元の追加

# 入力画像を適切なデバイスに移動し、データタイプを変換
img_tensor = img_tensor.to(device).type(torch.cuda.HalfTensor if device.type == 'cuda' else torch.FloatTensor)

# 物体検出の実行
results = model(img_tensor)
bboxes = results.xyxy[0]  # 検出されたバウンディングボックス

# 切り抜きと色比較の関数定義
def compare_colors(img1, img2):
    # 画像をRGBに変換し、numpy配列に変換
    img1 = np.array(img1.convert("RGB"))
    img2 = np.array(img2.convert("RGB"))

    # 画像の平均色を計算
    avg_color1 = np.mean(img1, axis=(0, 1))
    avg_color2 = np.mean(img2, axis=(0, 1))

    # 色の差を計算
    color_diff = np.linalg.norm(avg_color1 - avg_color2)
    print("Color difference:", color_diff)

# 切り抜きと色比較
for bbox in bboxes:
    x1, y1, x2, y2 = map(int, bbox[:4])
    cropped_img = img.crop((x1, y1, x2, y2))
    
    # 正解画像との色比較
    target_img = Image.open(target_img_path)
    compare_colors(cropped_img, target_img)

print("処理終了")