上手 YOLO12 WebUI：浏览器里跑目标检测，不用装环境

拖拽上传

直接把图片文件从文件管理器拖到网页虚线框里，松手就行。当前版本只处理第一张图，后续会支持批量。

看懂结果

检测完，原图上会叠加彩色边界框，右边同步生成结构化列表。你主要看三样东西：

• 彩色边界框：不同类别有固定颜色（比如 person 蓝色、car 绿色、dog 橙色），框体粗细统一。
• 类别标签：每个框上方都有文字，如 person、bottle。
• 置信度列表：右侧滚动列表逐条给出物体名、置信分数（保留 4 位小数，如 0.9732）和坐标 [x_center, y_center, width, height]（单位像素）。

举个例子，上传一张办公室照片，你可能看到：

person — 0.9823 — [420.5, 285.1, 112.3, 265.7]

这表示在画面中心坐标 (420.5, 285.1) 处有一个人，框宽 112.3 像素、高 265.7 像素，模型有 98.23% 的把握。

进阶操作

换更高精度的模型

YOLO12 有 5 档模型，nano 最快，x 最准。切换步骤：

1. 编辑配置文件：

nano /root/yolo12/config.py

2. 修改 MODEL_NAME 行，比如改成：

MODEL_NAME = "yolov12x.pt"

确保只有一行生效，删掉其他 MODEL_NAME 行。

3. 重启服务：

supervisorctl restart yolo12

模型参数对比：

查看日志

日志都放在 /root/yolo12/logs/，日常检查主要看这三个：

• app.log：每次请求的图片名、检测耗时、物体数量
• error.log：只记异常（图片损坏、内存不足、CUDA 错误等）
• supervisor.log：服务启停、崩溃等系统级事件

快速看最近 20 行应用日志：

tail -20 /root/yolo12/logs/app.log

典型成功日志：

2025-04-12 10:23:45 INFO Uploaded: office.jpg → detected 3 objects in 0.28s

典型错误日志：

2025-04-12 10:25:11 ERROR Failed to load image: OSError('Unsupported image format')

调用 API

WebUI 底层是标准 FastAPI 接口，你可以用任何语言调用。

检测单张图的 curl 示例：

curl -F "file=@/path/to/test.jpg" http://localhost:8001/predict

Python 版本：

import requests
url = "http://localhost:8001/predict"
with open("test.jpg", "rb") as f:
    files = {"file": f}
    res = requests.post(url, files=files)
    print(res.json())

几点注意：

• 上传字段名必须是 file（区分大小写）
• 返回的 bbox 是中心点坐标加宽高，不是左上角坐标
• 单次请求只支持一张图，批量就循环调用

常见问题

图片上传后没反应

• 打开浏览器控制台（F12 → Console），看有没有 Failed to fetch 报错。有的话说明前端连不上后端，确认 http://<IP>:8001 能访问且端口开放。
• 图片格式只支持 JPG/PNG（WEBP 和 GIF 动图不行）。
• 默认文件大小限制 10MB，需要放宽可以改 app.py 里的 max_upload_size。

检测结果全是'person'，其他物体没框出来

• 目标太小（小于 32×32 像素），nano 模型对小物体敏感度有限，可以试试放大图片或换成 yolov12s.pt。
• 严重遮挡或光照极差（逆光剪影、夜间低照度）——YOLO12 没针对极端场景优化，预处理一下增强对比度会好些。
• 物体不在 COCO 80 类里（比如电饭煲、游戏手柄），当前模型不支持自定义类别，得自己微调训练。

想保存带框的结果图

界面没有'下载结果图'按钮，但你可以：

• 右键点检测后的图像 → '另存为'（部分浏览器支持保存 Canvas 渲染图）
• 更可靠的办法是调 API 拿 detections，然后用 OpenCV 或 PIL 自己画框保存。简单示例：

from PIL import Image, ImageDraw
import json

data = res.json()
img = Image.open("test.jpg")
draw = ImageDraw.Draw(img)
for det in data["detections"]:
    x, y, w, h = det["bbox"]
    left = x - w/2
    top = y - h/2
    draw.rectangle([left, top, left+w, top+h], outline="red", width=3)
    draw.text((left, top-20), det["class_name"], fill="red")
img.save("result.jpg")

想在手机上用

Chrome / Safari 访问没问题，能上传相册图片。但 iOS Safari 对大图上传有限制，建议先压到 2MB 以下。微信内置浏览器和部分版本 QQ 浏览器不支持。

服务启动失败，supervisor 日志显示'torch not found'

这说明 Conda 环境没激活。手动激活再重启：

source /opt/conda/bin/activate torch28
supervisorctl restart yolo12

或者检查 Supervisor 配置文件里 environment 是否指向了正确路径（/root/yolo12/supervisord.conf）。

上面这些步骤走完，基本够日常使用了。下一步你可以试试拿手机拍一张街景图看看交通参与者识别，或者写个脚本批量处理图片导出 CSV。