YOLOv8 逐位数字框检测模型训练实战

8 0.234 0.417 0.094 0.167
5 0.391 0.417 0.094 0.167
9 0.547 0.417 0.094 0.167

（3）标注工具推荐

• 可视化标注：LabelImg（直接支持 YOLO 格式，勾选「YOLO」模式即可）；
• 批量标注：LabelStudio（适合大量数据，可导出 YOLO 格式）；
• 自定义脚本：若有数字定位规则（如固定间距），可写脚本批量生成标注。

3. 数据集配置文件（digit_box.yaml）

创建于数据集根目录，内容如下（路径替换为实际路径）：

# 数据集根路径（绝对路径/相对路径均可）
path: /home/user/digit_box_dataset
# 训练/验证/测试集图片路径（相对于 path）
train: images/train
val: images/val
test: images/test
# digit 类别配置（固定 10 类）
nc: 10
names: ['0','1','2','3','4','5','6','7','8','9']

三、digit 框检测模型训练

1. 训练策略适配

digit 框通常是「小目标 / 中等目标」，训练时需侧重以下几点：

• 输入尺寸：建议 640×640（32 的倍数，适配小框检测）；
• 批次大小：根据 GPU 显存调整（1080Ti→16，3090→32，CPU→8）；
• 预训练模型：优先用 yolov8n.pt（轻量化）或 yolov8s.pt（平衡精度 / 速度），小目标可自定义锚框。

2. 启动训练

from ultralytics import YOLO

# 1. 加载预训练模型（适配 digit 框检测）
model = YOLO("yolov8s.pt")  # 小目标可选 yolov8n.pt，高精度可选 yolov8m.pt

# 2. 启动训练（重点优化 digit 框精度）
train_results = model.train(
    data="digit_box.yaml",      # 数据集配置
    epochs=100,                 # 训练轮数
    imgsz=640,                  # 输入尺寸
    batch=16,                   # 批次大小
    device=0,                   # 训练设备
    lr0=0.01,                   # 初始学习率
    lrf=0.01,                   # 最终学习率（lr0*lrf）
    weight_decay=0.0005,        # 权重衰减（防止过拟合）
    warmup_epochs=3,            # 热身轮数（小数据集 1-3）
    box=7.5,                    # 框损失权重（核心：提升 digit 框定位精度）
    cls=0.5,                    # 类别损失权重
    save=True,                  # 保存最佳模型
    project="digit_box_train",  # 训练结果保存目录
    name="digit_box_model",     # 模型名称
    exist_ok=True               # 覆盖已有目录
)

# 3. 打印训练关键结果
print("最佳模型路径：", model.best)
print("训练集框损失：", train_results.results_dict["train/box_loss"])
print("验证集 [email protected]（框精度核心指标）：", train_results.metrics["metrics/mAP50(B)"])

3. 关键参数说明

四、digit 框检测模型评估

训练完成后，重点评估 digit 框的「定位精度」和「类别准确率」。

1. 评估解析

# 加载训练好的最佳模型
model = YOLO("digit_box_train/digit_box_model/weights/best.pt")

# 评估验证集
val_metrics = model.val(
    data="digit_box.yaml",
    imgsz=640,
    device=0,
    iou=0.5  # 以 IOU=0.5 为标准评估框精度
)

# 打印核心评估指标（digit 框检测重点关注）
print(f"框平均精度 [email protected]：{val_metrics.box.map:.4f}")       # 核心指标，目标>0.9
print(f"框精确率（框定位准不准）：{val_metrics.box.mp:.4f}")
print(f"框召回率（框有没有漏检）：{val_metrics.box.mr:.4f}")
print(f"类别准确率：{val_metrics.box.mc:.4f}")                # digit 类别简单，目标>0.95

# 查看单类别精度（比如数字 6/9 易混淆）
for cls_id, cls_name in model.names.items():
    print(f"数字{cls_name}的框精度：{val_metrics.box.ap50[cls_id]:.4f}")

2. 评估结果解读

• [email protected]≥0.9：digit 框检测达标（工业场景可接受）；
• 框精确率低：标注框不规范 / 模型过拟合 → 优化标注、增加数据增强；
• 框召回率低：小 digit 框漏检 → 增大 imgsz、自定义小锚框；
• 类别准确率低：数字混淆（如 6/9） → 增加混淆数字的标注样本。

五、digit 框检测推理

训练完成后，用最佳模型检测图片中的 digit 框，并解析每个框的位置和数字。

完整推理脚本

import cv2
from ultralytics import YOLO

# 配置参数
MODEL_PATH = "digit_box_train/digit_box_model/weights/best.pt"
TEST_IMG_PATH = "test_digit.jpg"
CONF_THRESH = 0.5
IOU_THRESH = 0.5

# 加载模型
model = YOLO(MODEL_PATH)

# 1. 推理（检测 digit 框）
results = model(
    TEST_IMG_PATH,
    imgsz=640,
    conf=CONF_THRESH,
    iou=IOU_THRESH,
    device=0
)

# 2. 解析 digit 框 + 数字
digit_boxes = []
for r in results:
    boxes = r.boxes
    for box in boxes:
        # 解析框坐标（像素值）
        x1, y1, x2, y2 = map(int, box.xyxy[0])
        # 解析数字类别
        cls_id = int(box.cls[0])
        digit = model.names[cls_id]
        # 解析置信度
        conf = round(float(box.conf[0]), 3)
        
        digit_boxes.append({
            "digit": digit,
            "confidence": conf,
            "bbox": (x1, y1, x2, y2),
            "center": ((x1+x2)/2, (y1+y2)/2)
        })

# 3. 按框中心 x 坐标排序（还原数字顺序）
digit_boxes = sorted(digit_boxes, key=lambda x: x["center"][0])
detected_digits = [d["digit"] for d in digit_boxes]

# 4. 可视化 digit 框（绘制到图片上）
img = cv2.imread(TEST_IMG_PATH)
for d in digit_boxes:
    x1, y1, x2, y2 = d["bbox"]
    # 绘制 digit 框（绿色，线宽 2）
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 绘制数字 + 置信度
    label = f"{d['digit']} ({d['confidence']})"
    cv2.putText(img, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)

# 5. 输出结果
print("检测到的逐位数字：", detected_digits)
print("每个 digit 框详情：", digit_boxes)

# 保存/显示可视化结果
cv2.imwrite("digit_box_detect_result.jpg", img)
cv2.imshow("Digit Box Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

六、digit 框检测优化技巧

1. 小 digit 框漏检优化

• 自定义小锚框（适配 digit 尺寸）：在 digit_box.yaml 中添加锚框配置：

anchors:
  - [6,8, 10,13, 16,23]  # 超小 digit 框
  - [23,33, 30,61, 62,45] # 中小 digit 框
  - [59,119, 116,90, 156,198] # 大 digit 框

• 增大输入尺寸（如 800×800），提升小框检测能力；
• 降低置信度阈值（推理时 conf=0.3），减少漏检。

2. digit 框定位不准优化

• 加大 box 损失权重（训练时 box=8.0）；
• 增强数据增强（训练时开启 hsv_h=0.015、hsv_s=0.7、hsv_v=0.4，模拟不同光照下的 digit 框）；
• 标注优化：确保框紧贴 digit 边缘，无多余背景。

3. 数字粘连（如 69、85）的框检测优化

• 标注时尽可能拆分独立框（即使粘连，也标注各自的最小包围框）；
• 训练时增加 mosaic 增强（默认开启），提升模型对粘连数字的拆分能力；
• 推理时启用 agnostic_nms=True（类别无关 NMS），避免粘连框被误过滤。

七、常见问题解决

1. 训练时框损失不下降：

   • 检查标注文件：确保坐标是归一化值（0-1），无超出范围的情况；
   • 确认数据集配置文件路径正确，nc 和 names 与标注匹配；
   • 降低学习率（lr0=0.001），增大 box 损失权重。

2. 推理时 digit 框重复 / 重叠：

   • 增大 NMS 的 IOU 阈值（推理时 iou=0.6）；
   • 训练时减少 mosaic 增强比例（mosaic=0.5），避免模型学错框位置。

3. 数字类别混淆（如 6/9、0/8）：

   • 增加混淆数字的标注样本；
   • 训练时增大 cls 损失权重（cls=1.0）；
   • 推理时对混淆数字做后处理（如根据框的方向区分 6/9）。

八、最终输出

训练完成后，digit_box_train/digit_box_model/weights/ 目录下的文件：

• best.pt：验证集框精度（[email protected]）最高的模型（推荐部署）；
• last.pt：最后一轮训练的模型；
• results.csv：训练日志（含框损失、mAP 等指标）；
• confusion_matrix.png：类别混淆矩阵（查看数字混淆情况）；
• val_batch0_pred.jpg：验证集框检测可视化结果（直观查看框精度）。