YOLO12 目标检测 WebUI 快速部署实战

4.2 目标检测接口

curl -F "file=@your_image.jpg" http://localhost:8001/predict

返回结果示例：

{
  "filename": "your_image.jpg",
  "detections": [
    {
      "class_id": 0,
      "class_name": "person",
      "confidence": 0.9234,
      "bbox": [320, 240, 100, 200]
    }
  ],
  "count": 1
}

5. 支持检测的物体类别

YOLO12 基于 COCO 数据集训练，支持 80 种常见物体的检测：

6. 常见问题与解决方案

6.1 检测不到物体怎么办？

1. 物体太小：尝试使用更大的模型版本
2. 不在支持类别中：确认物体属于 COCO 80 类别
3. 图片质量差：使用更清晰、亮度适中的图片
4. 模型置信度阈值过高：可以调整检测阈值

6.2 如何更换模型版本？

# 编辑配置文件 /root/yolo12/config.py
MODEL_NAME = "yolov12n.pt" # 最快，精度较低
MODEL_NAME = "yolov12s.pt" # 平衡速度与精度
MODEL_NAME = "yolov12m.pt" # 中等规模
MODEL_NAME = "yolov12l.pt" # 较大规模，精度更高
MODEL_NAME = "yolov12x.pt" # 最大规模，精度最高

修改后重启服务：

supervisorctl restart yolo12

6.3 服务管理命令

# 查看服务状态
supervisorctl status yolo12
# 重启服务
supervisorctl restart yolo12
# 停止服务
supervisorctl stop yolo12
# 查看日志
supervisorctl tail yolo12

6.4 端口冲突处理

如果 8001 端口被占用，可以修改服务端口：

# 查看端口占用情况
ss -tlnp | grep 8001
# 修改配置文件中 PORT 值，然后重启服务

7. 总结

通过本教程，已成功部署功能完整的 YOLO12 目标检测 WebUI 服务。重点包括：

• 部署流程简单：只需几个命令即可完成
• 使用方式直观：支持点击和拖拽上传
• 检测能力强大：支持 80 种常见物体识别
• 扩展性强：提供 API 接口，方便集成