YOLO12 目标检测 WebUI 快速部署实战

返回数据包含文件名、检测到的物体列表及边界框坐标：

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

注意 bbox 参数格式为 [x, y, w, h]，分别代表中心点横纵坐标及宽高。

支持的物体类别

YOLO12 基于 COCO 数据集训练，默认支持 80 种常见物体，涵盖人物、车辆、动物、家居及电子产品等日常场景。

常见问题排查

检测不到物体？

若上传图片后无响应，请检查以下几点：

1. 物体尺寸：过小物体建议尝试更大规模的模型版本（s/l/x）。
2. 类别匹配：确认物体属于 COCO 80 类标准范畴。
3. 图像质量：避免过暗或模糊的图片。
4. 阈值设置：适当降低置信度阈值。

更换模型版本

编辑配置文件 /root/yolo12/config.py 调整模型路径：

MODEL_NAME = "yolov12n.pt" # 速度优先
MODEL_NAME = "yolov12s.pt" # 速度与精度平衡
MODEL_NAME = "yolov12m.pt" # 中等规模
MODEL_NAME = "yolov12l.pt" # 高精度
MODEL_NAME = "yolov12x.pt" # 最大规模

修改后重启服务生效：

supervisorctl restart yolo12

服务管理命令

利用 Supervisor 可灵活控制服务状态：

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

端口冲突处理

如果 8001 端口被占用，可通过以下命令排查：

ss -tlnp | grep 8001

随后修改配置文件中的 PORT 值并重启服务即可。

总结

至此，YOLO12 目标检测 WebUI 服务已部署完毕。该方案具备部署简单、交互友好、扩展性强等特点，支持多种模型切换与 API 集成。无论是用于学习研究还是实际业务落地，都能提供可靠的实时检测能力。接下来可以尝试不同场景的图片，体验模型的识别效果。