YOLO 使用方式与典型场景

四、使用方式与典型场景

示例一：命令行训练

yolo detect train \
  data=datasets/defect/data.yaml \
  model=yolov8n.pt \
  imgsz=640 \
  epochs=100 \
  batch=16 \
  lr0=0.01 \
  patience=20 \
  device=0 \
  project=runs/defect \
  name=exp01

训练过程中重点看验证集的损失是否还在下降、以及各类别的精度是否均衡。总精度看着不错但某个类别几乎检不出来，通常是那一类的样本太少，要做针对性补采而不是继续加轮数。

示例二：Python 推理与结果解析

from ultralytics import YOLO

model = YOLO("yolov8n.pt")

results = model.predict(
    source="test_images",
    imgsz=640,
    conf=0.25,
    iou=0.45,
    max_det=100,
    device=0,
    save=True,
)

for r in results:
    boxes = r.boxes
    for i in range(len(boxes)):
        cls_name = model.names[int(boxes.cls[i])]
        score = float(boxes.conf[i])
        x1, y1, x2, y2 = boxes.xyxy[i].tolist()
        print(f"{cls_name} {score:.3f} [{x1:.1f},{y1:.1f},{x2:.1f},{y2:.1f}]")

注意 boxes.xyxy 返回的是原图坐标，而 boxes.xywhn 之类的归一化坐标是相对输入尺寸的。做像素级测量（例如缺陷长度）时一定要用原图坐标，并在推理前把缩放关系记下来。

示例三：导出加速格式

yolo export model=yolov8n.pt format=onnx imgsz=640 opset=12 simplify=True
yolo export model=yolov8n.pt format=engine imgsz=640 half=True device=0

导出后务必做一次一致性对比：用同一批图分别跑原始权重与导出模型，比较框的数量与位置。如果差异明显，多半是预处理、色彩空间（RGB 与 BGR）或者输入尺寸没对齐。

示例四：部署成 ROS2 节点

import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Image
from cv_bridge import CvBridge
from ultralytics import YOLO


class Detector(Node):
    def __init__(self):
        super().__init__("yolo_detector")
        self.model = YOLO("yolov8n.engine")
        self.bridge = CvBridge()
        self.sub = self.create_subscription(
            Image, "/camera/image_raw", self.on_image, 10)

    def on_image(self, msg):
        frame = self.bridge.imgmsg_to_cv2(msg, desired_encoding="bgr8")
        results = self.model.predict(frame, imgsz=640, conf=0.25,
                                     verbose=False, device=0)
        for r in results:
            for box in r.boxes:
                name = self.model.names[int(box.cls)]
                score = float(box.conf)
                xyxy = [round(v, 1) for v in box.xyxy[0].tolist()]
                self.get_logger().info(f"{name} {score:.2f} {xyxy}")


def main():
    rclpy.init()
    node = Detector()
    try:
        rclpy.spin(node)
    finally:
        node.destroy_node()
        rclpy.shutdown()

图像订阅建议用传感器数据 QoS；如果相机发布的是压缩图像，要先解压再送推理。推理耗时较长时不要在主回调里做重活，把推理放到独立线程并只保留最新一帧，避免消息越积越多导致延迟持续增长。

适合与不适合

• 适合：实时目标检测与计数、缺陷的定位与分类、需要部署到边缘设备的视觉任务、标注数据相对充足的场景。
• 不适合：需要像素级轮廓的缺陷（用分割网络更合适）、目标极小而密集的场景（需要专门的小目标方案或切图推理）、样本极少且无法补充的场景（先用传统视觉或异常检测方法更划算）。