简介这份资源是面向计算机、人工智能、通信工程、自动化等专业学生与教师的YOLOv8康复器材分析系统完整项目包可直接用于毕业设计、课程设计或大作业也适合具备一定基础的学习者进阶练手。压缩包共97个文件约24.21MB以70个Python源码文件为核心辅以4个pt权重文件、5个xml配置、12个pyc缓存及mp4演示视频等覆盖模型训练、推理检测与可视化界面等模块。项目已通过运行测试包含源码、完整数据集、可视化页面和部署说明可生成核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果及标签分布图答辩评审时能提供较充分的实验支撑。目前已有41人学习下载后按README.txt说明即可快速部署运行也可在现有代码基础上修改扩展实现其他检测功能。1. 从一份 zip 说起康复器材分析系统到底在解决什么问题康复科的治疗师每天要面对一堆外形相近的器材——弹力带、握力球、平衡垫、助行器、踝关节训练板患者用完后随手一放盘点、归位、损耗统计全靠人眼。一个能自动识别这些器材、给出数量和使用状态的视觉系统就是「康复器材分析系统」要干的事。标题里这份 zip 把源码、数据集、可视化界面和部署教程打包在一起核心检测模型用的是 YOLOv8目标很明确让一个没怎么碰过深度学习的人也能在本地把整套东西跑起来看到摄像头或图片里框出器材、标出类别和置信度。它适合三类人做毕设或课程设计的学生需要一个功能完整、能演示、能写进论文的系统想入门目标检测的工程师需要一个带真实数据集和界面的练手项目还有康复机构里想验证「视觉盘点」可行性的技术人员。这篇不吹这套东西多完美而是把它拆开讲清楚数据集长什么样、YOLOv8 怎么训、界面怎么接、部署时哪些参数必须调、哪些坑我踩过。你照着走能复现你不想全做也能挑其中一段用。2. 数据集与标注康复器材检测的原料怎么备2.1 康复器材数据集为什么不能直接拿 COCO 凑通用检测数据集里没有「握力球」「踝关节训练板」这种细分类COCO 的 80 类里最接近的只有 sports ball硬套过去模型根本分不清弹力带和跳绳。康复器材的难点在于同类器材颜色、大小差异大弹力带从窄到宽、从黄到黑阻力分级不同类之间又长得像平衡垫和瑜伽垫俯视几乎一样。所以这份 zip 里的数据集是专门采集标注的常见做法是每个类别至少 300500 张覆盖不同光照、不同摆放角度、部分遮挡。数据集目录一般长这样YOLOv8 认的是这种结构dataset/ ├── images/ │ ├── train/ # 训练图片 │ ├── val/ # 验证图片 │ └── test/ # 测试图片可选 ├── labels/ │ ├── train/ # 对应 txt 标注 │ ├── val/ │ └── test/ └── data.yaml # 数据集配置文件data.yaml是整套训练的入口字段含义必须对上path: ./dataset # 数据集根目录 train: images/train # 训练集相对路径 val: images/val # 验证集相对路径 test: images/test # 测试集可留空 nc: 8 # 类别数按你实际标注改 names: # 类别名顺序必须和标注里的 class_id 一致 0: elastic_band 1: grip_ball 2: balance_pad 3: walker 4: ankle_board 5: dumbbell 6: resistance_tube 7: foam_rollernc和names是最容易翻车的地方。标注时用 Labelme 或 labelImg导出的 class_id 从 0 开始如果你中途加了一类又没改nc训练直接报维度不匹配。我一般会先跑一遍校验脚本确认每张图都有对应 txt、每个 class_id 都小于nc。2.2 用 labelme 标注并转成 YOLO 格式的完整脚本Labelme 存的是 JSONYOLO 要的是归一化后的class x_center y_center w h。转换脚本网上很多但边界情况处理不好就会坐标越界。下面这个我改过能直接抄import json import os from pathlib import Path # 类别名到 id 的映射必须和 data.yaml 的 names 顺序一致 CLASS_MAP { elastic_band: 0, grip_ball: 1, balance_pad: 2, walker: 3, ankle_board: 4, dumbbell: 5, resistance_tube: 6, foam_roller: 7, } def convert(json_dir, out_dir, img_dir): os.makedirs(out_dir, exist_okTrue) for jf in Path(json_dir).glob(*.json): data json.loads(jf.read_text(encodingutf-8)) # 原图尺寸Labelme 存在 imageWidth/imageHeight w, h data[imageWidth], data[imageHeight] lines [] for shape in data[shapes]: label shape[label] if label not in CLASS_MAP: continue # 跳过未定义类别避免 id 越界 pts shape[points] xs [p[0] for p in pts] ys [p[1] for p in pts] # 裁剪到图像范围内防止标注超出边界 x1, x2 max(0, min(xs)), min(w, max(xs)) y1, y2 max(0, min(ys)), min(h, max(ys)) cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h # 过滤掉宽高为 0 的无效框 if bw 0 or bh 0: continue lines.append(f{CLASS_MAP[label]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) # 同名 txt 写到 labels 目录 out_file Path(out_dir) / (jf.stem .txt) out_file.write_text(\n.join(lines), encodingutf-8) if __name__ __main__: convert(./raw_json, ./dataset/labels/train, ./dataset/images/train)逻辑说明先读 JSON 拿原图宽高再把每个多边形转成外接矩形并归一化。参数上CLASS_MAP必须和data.yaml的names严格对应顺序错一位模型就学歪。max(0, min(xs))这步是后悔药Labelme 里手抖把点拖到图外时不裁剪会得到大于 1 的坐标训练时 loss 直接 NaN。转换完建议抽查几张用可视化脚本把框画回图上确认没偏移。2.3 数据增强与划分别让验证集「泄题」康复器材场景里同一批采集的图片如果随机划分很可能相邻帧同时进训练和验证验证指标虚高。我一般按采集批次划分同一批次只进一个集合。增强方面YOLOv8 内置了 mosaic、HSV、翻转配置里改就行不用自己写# 训练时在命令行覆盖或写进自定义 yaml hsv_h: 0.015 # 色调扰动康复器材颜色是重要特征别调太大 hsv_s: 0.7 # 饱和度 hsv_v: 0.4 # 明度 degrees: 10.0 # 旋转角度器材摆放角度多变可适当加大 translate: 0.1 scale: 0.5 flipud: 0.0 # 上下翻转慎用器材倒置不符合真实场景 fliplr: 0.5 mosaic: 1.0 # 四图拼接小数据集提点明显hsv_h我压到 0.015因为弹力带的阻力等级靠颜色区分色调扰动过大会把黄色和红色混掉。flipud设 0康复器材基本不会倒挂。这些参数不是玄学是跟你的类别语义绑定的改之前先想清楚「这个变换后还是不是同一个东西」。3. YOLOv8 训练从环境配置到拿到权重3.1 环境配置CPU 版和 GPU 版怎么选热词里「ubuntu20.04 搭建 yolov8 环境 cpu 版本」和「gtx1660ti 跑 yolov8」都有人问说明硬件跨度很大。我的建议很直接有独显就上 GPU没有就用 CPU 小批量跑通流程别硬等。CPU 版装起来最省事# 建议 python 3.9~3.11太新有些依赖没轮子 conda create -n yolo python3.10 -y conda activate yolo # CPU 版直接装不指定 cuda pip install ultralytics # 验证 yolo checksGPU 版多一步要装对应 CUDA 的 torch再去装 ultralytics# 以 CUDA 11.8 为例具体版本看你的驱动 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralyticsyolo checks会打印出 torch 版本、CUDA 是否可用、设备名。如果显示CUDA:0 (xxx)就对了显示 CPU 说明 torch 装成了 CPU 版重装。RK3588 这类板端部署是另一条路需要把模型转成 ONNX 再转 RKNN训练阶段还是先在 PC 上完成别在板子上训。3.2 训练命令与关键参数一张表说清每个值怎么定训练入口就一行命令但参数决定成败yolo detect train \ data./dataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ patience30 \ device0 \ projectruns/rehab \ nameexp1参数含义怎么定model预训练权重小数据集用 yolov8n/s数据多再上 m/lepochs训练轮数100300看验证 loss 是否还在降imgsz输入尺寸640 通用小目标多可上 960显存翻倍batch批大小显存够就大CPU 训练设 48lr0初始学习率0.01 默认微调可降到 0.001patience早停耐心30 表示 30 轮没提升就停省时间device设备0 是首块 GPUcpu 是纯 CPUyolov8n.pt是官方预训练权重从零训不如拿它微调收敛快很多。patience是省时间的后悔药别设太大否则过拟合了还在跑。训练过程会输出每轮的 box_loss、cls_loss、mAP50重点看 mAP50 是否稳定上升、验证 loss 是否开始反弹。3.3 训练曲线怎么读mAP 不涨了先看这三处热词里「yolov8 画损失函数曲线图」问的人多但光画图没用得会读。训练完runs/rehab/exp1/下有results.csv和results.png我一般重点看三条线第一train/box_loss和val/box_loss。两条都降是正常训练降验证不降甚至上升是过拟合加数据或加增强。第二metrics/mAP50。它涨到平台期就该停继续训只会过拟合。第三metrics/mAP50-95。这个更严格如果它和 mAP50 差距很大说明框的位置不够准可能是标注框太松。import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/rehab/exp1/results.csv) df.columns [c.strip() for c in df.columns] # 列名可能带空格 fig, ax plt.subplots(1, 2, figsize(12, 4)) ax[0].plot(df[epoch], df[train/box_loss], labeltrain) ax[0].plot(df[epoch], df[val/box_loss], labelval) ax[0].set_title(box loss); ax[0].legend() ax[1].plot(df[epoch], df[metrics/mAP50], labelmAP50) ax[1].plot(df[epoch], df[metrics/mAP50-95], labelmAP50-95) ax[1].set_title(mAP); ax[1].legend() plt.savefig(curve.png, dpi150)这段脚本把两条关键曲线画在一起比官方那张大图更聚焦。参数上results.csv的列名有时带前导空格strip()是必须的不然 KeyError。如果 mAP50 在 0.6 以下就停了先别调模型回去查数据集类别是否均衡、标注框是否贴合。4. 可视化界面与推理把模型接成能演示的系统4.1 用 Gradio 搭一个能上传图片和调摄像头的界面毕设演示最怕界面丑、操作绕。Gradio 几行就能出一个带上传、摄像头、置信度滑块的界面比 PyQt 省事得多import gradio as gr from ultralytics import YOLO model YOLO(runs/rehab/exp1/weights/best.pt) def predict(img, conf): # conf 是置信度阈值界面滑块传入 results model.predict(img, confconf, imgsz640) # plot() 返回带框的 BGR 图Gradio 要 RGB annotated results[0].plot()[:, :, ::-1] # 统计每个类别数量拼成文本 names results[0].names counts {} for c in results[0].boxes.cls.tolist(): counts[names[int(c)]] counts.get(names[int(c)], 0) 1 summary .join(f{k}:{v} for k, v in counts.items()) or 未检测到器材 return annotated, summary demo gr.Interface( fnpredict, inputs[gr.Image(typenumpy), gr.Slider(0.1, 0.9, value0.25, label置信度)], outputs[gr.Image(label检测结果), gr.Textbox(label器材统计)], title康复器材分析系统, ) demo.launch(server_name0.0.0.0, server_port7860)逻辑说明model.predict返回结果对象plot()直接画出带框和标签的图省去自己写画框代码。conf从滑块传入让演示时能实时调灵敏度。counts那段把检测到的类别聚合成数量正好对应「分析系统」的定位——不只是框出来还要给出统计。参数上imgsz要和训练时一致训练用 640 推理也用 640否则精度掉。server_name0.0.0.0是为了局域网内其他设备能访问只在本机看就写 127.0.0.1。4.2 置信度和 IoU 阈值演示效果差多半是这两个没调界面跑起来后最常见的问题是「框太多」或「框漏了」。这俩阈值是主因conf置信度阈值默认 0.25。调低框变多、误检增加调高漏检增加。康复器材演示我一般设 0.30.4宁可少框也别乱框。iouNMS 的 IoU 阈值默认 0.7。同一器材被重复框时调低到 0.5器材密集挨在一起时调高到 0.8避免把相邻的压掉。results model.predict(img, conf0.35, iou0.6, imgsz640, max_det50)max_det限制单图最多检测多少个框防止误检刷屏。这几个值没有万能解拿几张典型图正常、遮挡、密集各跑一遍找到平衡点写进界面默认值。4.3 视频流推理帧率不够先降分辨率再换模型摄像头实时推理时如果卡顿按这个顺序优化先把imgsz从 640 降到 416帧率能翻倍还不行换yolov8nn 是最小模型再不行就抽帧每 3 帧推理一次中间帧复用上一帧结果。CPU 上跑 640 基本到不了实时这是硬件决定的别指望调参解决。import cv2 from ultralytics import YOLO model YOLO(runs/rehab/exp1/weights/best.pt) cap cv2.VideoCapture(0) frame_id 0 last None while True: ok, frame cap.read() if not ok: break # 每 3 帧推理一次其余帧复用结果降低负载 if frame_id % 3 0: last model.predict(frame, conf0.35, imgsz416, verboseFalse)[0].plot() frame_id 1 cv2.imshow(rehab, last if last is not None else frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()verboseFalse关掉每帧日志不然控制台刷屏拖慢速度。抽帧策略会带来轻微延迟演示够用真要精确计数就别抽帧。5. 避坑与排查这套系统最容易翻车的五个地方5.1 训练报「no labels found」现象启动训练后提示找不到标签或 mAP 一直是 0。原因data.yaml里的train/val路径写的是相对路径但相对的是 ultralytics 的工作目录不是你的项目目录。解决把path写成绝对路径或确认从项目根目录启动训练。另外检查 labels 目录里 txt 文件名是否和图片同名差一个后缀都会找不到。5.2 类别数对不上导致维度报错现象训练一开始就报IndexError或size mismatch。原因data.yaml的nc和实际标注里的最大 class_id 不一致或者names顺序和标注映射错位。解决跑一段统计脚本遍历所有 txt 取最大 id确认nc max_id 1再核对names顺序。这个错不解决后面全是白跑。5.3 界面能跑但框的位置整体偏移现象检测框画出来了但整体往一个方向偏。原因训练时imgsz和推理时不一致或图片在送入前被 resize 过但没同步缩放框。解决训练和推理的imgsz保持一致如果界面里对图片做了预处理确保model.predict收到的是原图让模型内部自己 resize。Gradio 的gr.Image(typenumpy)给的是原尺寸数组别自己再缩。5.4 CPU 推理慢到无法演示现象上传一张图要等十几秒。原因用了 yolov8m/l 这类大模型或imgsz设了 960。解决换yolov8nimgsz降到 416开启halfFalseCPU 不支持半精度。如果还慢考虑把模型导出成 ONNX用 onnxruntime 推理CPU 上通常比原生 torch 快一截。5.5 换新器材后模型完全不认识现象新增一类器材模型要么不框要么框成已有类别。原因模型只学过训练集里的类别闭集检测没有「未知类」概念。解决新增类别必须重新标注并加入训练集改nc和names后重新训练。想不重训就识别新类那是开放词汇检测的范畴YOLOv8 原生不支持别在这上面浪费时间。6. 把系统做扎实的两个进阶技巧第一个技巧是导出 ONNX 做跨平台部署。训练完的.pt权重绑定了 torch换台机器、换个推理框架就麻烦。导出 ONNX 后Python、C、甚至 RK3588 板端都能用yolo export modelruns/rehab/exp1/weights/best.pt formatonnx imgsz640 opset12 simplifyTrueopset12兼容性好simplifyTrue会做图优化去掉冗余节点。导出后用 onnxruntime 验证一遍输出是否和 torch 一致import onnxruntime as ort import numpy as np sess ort.InferenceSession(best.onnx) # YOLOv8 输入是 1x3x640x640归一化到 0~1 inp np.random.rand(1, 3, 640, 640).astype(np.float32) out sess.run(None, {sess.get_inputs()[0].name: inp}) print(out[0].shape) # 应为 (1, 4nc, 8400)输出形状里4nc是框坐标加类别分数8400是候选框数。如果形状不对多半是imgsz或opset没对上。板端部署时还要注意RK3588 需要再转 RKNN量化时用几百张训练图做校准否则精度掉得厉害。第二个技巧是给系统加一个「误检过滤」后处理。康复器材场景里人手、地板纹理经常被误检成器材。我的做法是加一条规则检测框面积小于全图 0.5% 的直接丢弃长宽比超过 5:1 的也丢器材不会那么细长。这条规则写在推理后处理里比重新训模型快得多def filter_boxes(result, img_shape, min_area_ratio0.005, max_ratio5.0): h, w img_shape[:2] keep [] for box in result.boxes: x1, y1, x2, y2 box.xyxy[0].tolist() bw, bh x2 - x1, y2 - y1 area_ratio (bw * bh) / (w * h) ratio max(bw / bh, bh / bw) if area_ratio min_area_ratio and ratio max_ratio: keep.append(box) result.boxes keep return result参数min_area_ratio和max_ratio要拿你的实际误检样本调别照搬。我一般先跑一批图把误检框的尺寸统计出来再定阈值。这套系统值不值得做如果你要的是一个能演示、能写进毕设、能跑通的完整闭环它省了你从零搭数据集和界面的时间值得。但别指望它开箱即用就完美数据集质量、阈值调参、硬件适配这三块每一块都得自己上手磨。我自己的习惯是拿到任何一套「简单部署即可运行」的包先跑通最小推理再回头查数据集最后才动界面。顺序反了出了问题你都不知道是哪一层。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源是面向计算机、人工智能、通信工程、自动化等专业学生与教师的YOLOv8康复器材分析系统完整项目包可直接用于毕业设计、课程设计或大作业也适合具备一定基础的学习者进阶练手。压缩包共97个文件约24.21MB以70个Python源码文件为核心辅以4个pt权重文件、5个xml配置、12个pyc缓存及mp4演示视频等覆盖模型训练、推理检测与可视化界面等模块。项目已通过运行测试包含源码、完整数据集、可视化页面和部署说明可生成核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果及标签分布图答辩评审时能提供较充分的实验支撑。目前已有41人学习下载后按README.txt说明即可快速部署运行也可在现有代码基础上修改扩展实现其他检测功能。1. 从一份 zip 说起康复器材分析系统到底在解决什么问题康复科的治疗师每天要面对一堆外形相近的器材——弹力带、握力球、平衡垫、助行器、踝关节训练板患者用完后随手一放盘点、归位、损耗统计全靠人眼。一个能自动识别这些器材、给出数量和使用状态的视觉系统就是「康复器材分析系统」要干的事。标题里这份 zip 把源码、数据集、可视化界面和部署教程打包在一起核心检测模型用的是 YOLOv8目标很明确让一个没怎么碰过深度学习的人也能在本地把整套东西跑起来看到摄像头或图片里框出器材、标出类别和置信度。它适合三类人做毕设或课程设计的学生需要一个功能完整、能演示、能写进论文的系统想入门目标检测的工程师需要一个带真实数据集和界面的练手项目还有康复机构里想验证「视觉盘点」可行性的技术人员。这篇不吹这套东西多完美而是把它拆开讲清楚数据集长什么样、YOLOv8 怎么训、界面怎么接、部署时哪些参数必须调、哪些坑我踩过。你照着走能复现你不想全做也能挑其中一段用。2. 数据集与标注康复器材检测的原料怎么备2.1 康复器材数据集为什么不能直接拿 COCO 凑通用检测数据集里没有「握力球」「踝关节训练板」这种细分类COCO 的 80 类里最接近的只有 sports ball硬套过去模型根本分不清弹力带和跳绳。康复器材的难点在于同类器材颜色、大小差异大弹力带从窄到宽、从黄到黑阻力分级不同类之间又长得像平衡垫和瑜伽垫俯视几乎一样。所以这份 zip 里的数据集是专门采集标注的常见做法是每个类别至少 300500 张覆盖不同光照、不同摆放角度、部分遮挡。数据集目录一般长这样YOLOv8 认的是这种结构dataset/ ├── images/ │ ├── train/ # 训练图片 │ ├── val/ # 验证图片 │ └── test/ # 测试图片可选 ├── labels/ │ ├── train/ # 对应 txt 标注 │ ├── val/ │ └── test/ └── data.yaml # 数据集配置文件data.yaml是整套训练的入口字段含义必须对上path: ./dataset # 数据集根目录 train: images/train # 训练集相对路径 val: images/val # 验证集相对路径 test: images/test # 测试集可留空 nc: 8 # 类别数按你实际标注改 names: # 类别名顺序必须和标注里的 class_id 一致 0: elastic_band 1: grip_ball 2: balance_pad 3: walker 4: ankle_board 5: dumbbell 6: resistance_tube 7: foam_rollernc和names是最容易翻车的地方。标注时用 Labelme 或 labelImg导出的 class_id 从 0 开始如果你中途加了一类又没改nc训练直接报维度不匹配。我一般会先跑一遍校验脚本确认每张图都有对应 txt、每个 class_id 都小于nc。2.2 用 labelme 标注并转成 YOLO 格式的完整脚本Labelme 存的是 JSONYOLO 要的是归一化后的class x_center y_center w h。转换脚本网上很多但边界情况处理不好就会坐标越界。下面这个我改过能直接抄import json import os from pathlib import Path # 类别名到 id 的映射必须和 data.yaml 的 names 顺序一致 CLASS_MAP { elastic_band: 0, grip_ball: 1, balance_pad: 2, walker: 3, ankle_board: 4, dumbbell: 5, resistance_tube: 6, foam_roller: 7, } def convert(json_dir, out_dir, img_dir): os.makedirs(out_dir, exist_okTrue) for jf in Path(json_dir).glob(*.json): data json.loads(jf.read_text(encodingutf-8)) # 原图尺寸Labelme 存在 imageWidth/imageHeight w, h data[imageWidth], data[imageHeight] lines [] for shape in data[shapes]: label shape[label] if label not in CLASS_MAP: continue # 跳过未定义类别避免 id 越界 pts shape[points] xs [p[0] for p in pts] ys [p[1] for p in pts] # 裁剪到图像范围内防止标注超出边界 x1, x2 max(0, min(xs)), min(w, max(xs)) y1, y2 max(0, min(ys)), min(h, max(ys)) cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h # 过滤掉宽高为 0 的无效框 if bw 0 or bh 0: continue lines.append(f{CLASS_MAP[label]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) # 同名 txt 写到 labels 目录 out_file Path(out_dir) / (jf.stem .txt) out_file.write_text(\n.join(lines), encodingutf-8) if __name__ __main__: convert(./raw_json, ./dataset/labels/train, ./dataset/images/train)逻辑说明先读 JSON 拿原图宽高再把每个多边形转成外接矩形并归一化。参数上CLASS_MAP必须和data.yaml的names严格对应顺序错一位模型就学歪。max(0, min(xs))这步是后悔药Labelme 里手抖把点拖到图外时不裁剪会得到大于 1 的坐标训练时 loss 直接 NaN。转换完建议抽查几张用可视化脚本把框画回图上确认没偏移。2.3 数据增强与划分别让验证集「泄题」康复器材场景里同一批采集的图片如果随机划分很可能相邻帧同时进训练和验证验证指标虚高。我一般按采集批次划分同一批次只进一个集合。增强方面YOLOv8 内置了 mosaic、HSV、翻转配置里改就行不用自己写# 训练时在命令行覆盖或写进自定义 yaml hsv_h: 0.015 # 色调扰动康复器材颜色是重要特征别调太大 hsv_s: 0.7 # 饱和度 hsv_v: 0.4 # 明度 degrees: 10.0 # 旋转角度器材摆放角度多变可适当加大 translate: 0.1 scale: 0.5 flipud: 0.0 # 上下翻转慎用器材倒置不符合真实场景 fliplr: 0.5 mosaic: 1.0 # 四图拼接小数据集提点明显hsv_h我压到 0.015因为弹力带的阻力等级靠颜色区分色调扰动过大会把黄色和红色混掉。flipud设 0康复器材基本不会倒挂。这些参数不是玄学是跟你的类别语义绑定的改之前先想清楚「这个变换后还是不是同一个东西」。3. YOLOv8 训练从环境配置到拿到权重3.1 环境配置CPU 版和 GPU 版怎么选热词里「ubuntu20.04 搭建 yolov8 环境 cpu 版本」和「gtx1660ti 跑 yolov8」都有人问说明硬件跨度很大。我的建议很直接有独显就上 GPU没有就用 CPU 小批量跑通流程别硬等。CPU 版装起来最省事# 建议 python 3.9~3.11太新有些依赖没轮子 conda create -n yolo python3.10 -y conda activate yolo # CPU 版直接装不指定 cuda pip install ultralytics # 验证 yolo checksGPU 版多一步要装对应 CUDA 的 torch再去装 ultralytics# 以 CUDA 11.8 为例具体版本看你的驱动 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralyticsyolo checks会打印出 torch 版本、CUDA 是否可用、设备名。如果显示CUDA:0 (xxx)就对了显示 CPU 说明 torch 装成了 CPU 版重装。RK3588 这类板端部署是另一条路需要把模型转成 ONNX 再转 RKNN训练阶段还是先在 PC 上完成别在板子上训。3.2 训练命令与关键参数一张表说清每个值怎么定训练入口就一行命令但参数决定成败yolo detect train \ data./dataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ patience30 \ device0 \ projectruns/rehab \ nameexp1参数含义怎么定model预训练权重小数据集用 yolov8n/s数据多再上 m/lepochs训练轮数100300看验证 loss 是否还在降imgsz输入尺寸640 通用小目标多可上 960显存翻倍batch批大小显存够就大CPU 训练设 48lr0初始学习率0.01 默认微调可降到 0.001patience早停耐心30 表示 30 轮没提升就停省时间device设备0 是首块 GPUcpu 是纯 CPUyolov8n.pt是官方预训练权重从零训不如拿它微调收敛快很多。patience是省时间的后悔药别设太大否则过拟合了还在跑。训练过程会输出每轮的 box_loss、cls_loss、mAP50重点看 mAP50 是否稳定上升、验证 loss 是否开始反弹。3.3 训练曲线怎么读mAP 不涨了先看这三处热词里「yolov8 画损失函数曲线图」问的人多但光画图没用得会读。训练完runs/rehab/exp1/下有results.csv和results.png我一般重点看三条线第一train/box_loss和val/box_loss。两条都降是正常训练降验证不降甚至上升是过拟合加数据或加增强。第二metrics/mAP50。它涨到平台期就该停继续训只会过拟合。第三metrics/mAP50-95。这个更严格如果它和 mAP50 差距很大说明框的位置不够准可能是标注框太松。import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/rehab/exp1/results.csv) df.columns [c.strip() for c in df.columns] # 列名可能带空格 fig, ax plt.subplots(1, 2, figsize(12, 4)) ax[0].plot(df[epoch], df[train/box_loss], labeltrain) ax[0].plot(df[epoch], df[val/box_loss], labelval) ax[0].set_title(box loss); ax[0].legend() ax[1].plot(df[epoch], df[metrics/mAP50], labelmAP50) ax[1].plot(df[epoch], df[metrics/mAP50-95], labelmAP50-95) ax[1].set_title(mAP); ax[1].legend() plt.savefig(curve.png, dpi150)这段脚本把两条关键曲线画在一起比官方那张大图更聚焦。参数上results.csv的列名有时带前导空格strip()是必须的不然 KeyError。如果 mAP50 在 0.6 以下就停了先别调模型回去查数据集类别是否均衡、标注框是否贴合。4. 可视化界面与推理把模型接成能演示的系统4.1 用 Gradio 搭一个能上传图片和调摄像头的界面毕设演示最怕界面丑、操作绕。Gradio 几行就能出一个带上传、摄像头、置信度滑块的界面比 PyQt 省事得多import gradio as gr from ultralytics import YOLO model YOLO(runs/rehab/exp1/weights/best.pt) def predict(img, conf): # conf 是置信度阈值界面滑块传入 results model.predict(img, confconf, imgsz640) # plot() 返回带框的 BGR 图Gradio 要 RGB annotated results[0].plot()[:, :, ::-1] # 统计每个类别数量拼成文本 names results[0].names counts {} for c in results[0].boxes.cls.tolist(): counts[names[int(c)]] counts.get(names[int(c)], 0) 1 summary .join(f{k}:{v} for k, v in counts.items()) or 未检测到器材 return annotated, summary demo gr.Interface( fnpredict, inputs[gr.Image(typenumpy), gr.Slider(0.1, 0.9, value0.25, label置信度)], outputs[gr.Image(label检测结果), gr.Textbox(label器材统计)], title康复器材分析系统, ) demo.launch(server_name0.0.0.0, server_port7860)逻辑说明model.predict返回结果对象plot()直接画出带框和标签的图省去自己写画框代码。conf从滑块传入让演示时能实时调灵敏度。counts那段把检测到的类别聚合成数量正好对应「分析系统」的定位——不只是框出来还要给出统计。参数上imgsz要和训练时一致训练用 640 推理也用 640否则精度掉。server_name0.0.0.0是为了局域网内其他设备能访问只在本机看就写 127.0.0.1。4.2 置信度和 IoU 阈值演示效果差多半是这两个没调界面跑起来后最常见的问题是「框太多」或「框漏了」。这俩阈值是主因conf置信度阈值默认 0.25。调低框变多、误检增加调高漏检增加。康复器材演示我一般设 0.30.4宁可少框也别乱框。iouNMS 的 IoU 阈值默认 0.7。同一器材被重复框时调低到 0.5器材密集挨在一起时调高到 0.8避免把相邻的压掉。results model.predict(img, conf0.35, iou0.6, imgsz640, max_det50)max_det限制单图最多检测多少个框防止误检刷屏。这几个值没有万能解拿几张典型图正常、遮挡、密集各跑一遍找到平衡点写进界面默认值。4.3 视频流推理帧率不够先降分辨率再换模型摄像头实时推理时如果卡顿按这个顺序优化先把imgsz从 640 降到 416帧率能翻倍还不行换yolov8nn 是最小模型再不行就抽帧每 3 帧推理一次中间帧复用上一帧结果。CPU 上跑 640 基本到不了实时这是硬件决定的别指望调参解决。import cv2 from ultralytics import YOLO model YOLO(runs/rehab/exp1/weights/best.pt) cap cv2.VideoCapture(0) frame_id 0 last None while True: ok, frame cap.read() if not ok: break # 每 3 帧推理一次其余帧复用结果降低负载 if frame_id % 3 0: last model.predict(frame, conf0.35, imgsz416, verboseFalse)[0].plot() frame_id 1 cv2.imshow(rehab, last if last is not None else frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()verboseFalse关掉每帧日志不然控制台刷屏拖慢速度。抽帧策略会带来轻微延迟演示够用真要精确计数就别抽帧。5. 避坑与排查这套系统最容易翻车的五个地方5.1 训练报「no labels found」现象启动训练后提示找不到标签或 mAP 一直是 0。原因data.yaml里的train/val路径写的是相对路径但相对的是 ultralytics 的工作目录不是你的项目目录。解决把path写成绝对路径或确认从项目根目录启动训练。另外检查 labels 目录里 txt 文件名是否和图片同名差一个后缀都会找不到。5.2 类别数对不上导致维度报错现象训练一开始就报IndexError或size mismatch。原因data.yaml的nc和实际标注里的最大 class_id 不一致或者names顺序和标注映射错位。解决跑一段统计脚本遍历所有 txt 取最大 id确认nc max_id 1再核对names顺序。这个错不解决后面全是白跑。5.3 界面能跑但框的位置整体偏移现象检测框画出来了但整体往一个方向偏。原因训练时imgsz和推理时不一致或图片在送入前被 resize 过但没同步缩放框。解决训练和推理的imgsz保持一致如果界面里对图片做了预处理确保model.predict收到的是原图让模型内部自己 resize。Gradio 的gr.Image(typenumpy)给的是原尺寸数组别自己再缩。5.4 CPU 推理慢到无法演示现象上传一张图要等十几秒。原因用了 yolov8m/l 这类大模型或imgsz设了 960。解决换yolov8nimgsz降到 416开启halfFalseCPU 不支持半精度。如果还慢考虑把模型导出成 ONNX用 onnxruntime 推理CPU 上通常比原生 torch 快一截。5.5 换新器材后模型完全不认识现象新增一类器材模型要么不框要么框成已有类别。原因模型只学过训练集里的类别闭集检测没有「未知类」概念。解决新增类别必须重新标注并加入训练集改nc和names后重新训练。想不重训就识别新类那是开放词汇检测的范畴YOLOv8 原生不支持别在这上面浪费时间。6. 把系统做扎实的两个进阶技巧第一个技巧是导出 ONNX 做跨平台部署。训练完的.pt权重绑定了 torch换台机器、换个推理框架就麻烦。导出 ONNX 后Python、C、甚至 RK3588 板端都能用yolo export modelruns/rehab/exp1/weights/best.pt formatonnx imgsz640 opset12 simplifyTrueopset12兼容性好simplifyTrue会做图优化去掉冗余节点。导出后用 onnxruntime 验证一遍输出是否和 torch 一致import onnxruntime as ort import numpy as np sess ort.InferenceSession(best.onnx) # YOLOv8 输入是 1x3x640x640归一化到 0~1 inp np.random.rand(1, 3, 640, 640).astype(np.float32) out sess.run(None, {sess.get_inputs()[0].name: inp}) print(out[0].shape) # 应为 (1, 4nc, 8400)输出形状里4nc是框坐标加类别分数8400是候选框数。如果形状不对多半是imgsz或opset没对上。板端部署时还要注意RK3588 需要再转 RKNN量化时用几百张训练图做校准否则精度掉得厉害。第二个技巧是给系统加一个「误检过滤」后处理。康复器材场景里人手、地板纹理经常被误检成器材。我的做法是加一条规则检测框面积小于全图 0.5% 的直接丢弃长宽比超过 5:1 的也丢器材不会那么细长。这条规则写在推理后处理里比重新训模型快得多def filter_boxes(result, img_shape, min_area_ratio0.005, max_ratio5.0): h, w img_shape[:2] keep [] for box in result.boxes: x1, y1, x2, y2 box.xyxy[0].tolist() bw, bh x2 - x1, y2 - y1 area_ratio (bw * bh) / (w * h) ratio max(bw / bh, bh / bw) if area_ratio min_area_ratio and ratio max_ratio: keep.append(box) result.boxes keep return result参数min_area_ratio和max_ratio要拿你的实际误检样本调别照搬。我一般先跑一批图把误检框的尺寸统计出来再定阈值。这套系统值不值得做如果你要的是一个能演示、能写进毕设、能跑通的完整闭环它省了你从零搭数据集和界面的时间值得。但别指望它开箱即用就完美数据集质量、阈值调参、硬件适配这三块每一块都得自己上手磨。我自己的习惯是拿到任何一套「简单部署即可运行」的包先跑通最小推理再回头查数据集最后才动界面。顺序反了出了问题你都不知道是哪一层。希望帮到你。本文还有配套的精品资源点击获取
