基于YOLOv8的仓库货物盘点系统：从数据集标注到部署全流程

简介这份资源是一套基于YOLOv8的仓库货物盘点系统完整项目包面向计算机、人工智能、通信工程、自动化等专业的在校学生与教师也适合作为毕业设计、课程设计或大作业的参考方案帮助解决目标检测落地与货物盘点场景的实践问题。包内共97个文件以70个Python源码文件为核心辅以4个pt模型权重、5个xml配置、12个pyc缓存及少量txt说明与mp4演示视频压缩包约24.21MB涵盖模型训练、检测推理、可视化界面与部署说明等模块。项目已完整跑通可生成核心指标曲线、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果与标签分布图并配有可视化页面部署简单、拿来即用。目前已有48人学习下载适合希望快速复现YOLOv8检测流程、理解训练评估细节或在此基础上二次开发的学习者参考。1. 仓库货物盘点为什么总在“最后一米”翻车做过仓库盘点的人都懂那种感觉白天货架满满当当晚上系统账实不符盘点员拿着PDA一格一格扫扫到一半发现某个托盘被叉车挪走了整条盘点线直接断掉。传统方案要么靠人工扫码要么靠RFID整托读取前者效率低、后者成本高而且两者都解决不了一个核心问题——货物到底在不在它该在的位置上。《基于YOLOv8的仓库货物盘点系统》这个标题本质上要解决的就是这件事用摄像头拍一张货架照片模型自动框出每个货物/托盘/料箱统计数量、判断缺货、比对库位。它适合三类人做毕设或课程设计的学生需要一个功能完整、能跑通、有界面、有数据集的闭环项目做仓储数字化的工程师想低成本验证视觉盘点的可行性以及想学YOLOv8落地全流程的人从标注、训练、推理到界面部署走一遍。这个方案的核心价值不在模型多先进而在于闭环完整源码、数据集、可视化界面、部署教程四件套齐全简单部署即可运行。下面我按实际落地顺序把这件事拆开讲清楚。2. 从数据集到YOLOv8训练仓库场景的标注与参数怎么定2.1 仓库货物数据集长什么样为什么不能直接用公开数据集公开数据集里跟“货物”沾边的无非是COCO里的suitcase、backpack或者一些物流包裹数据集但仓库场景有几个特殊之处货物堆叠密集、同类目标尺寸差异大小到料箱、大到整托、光照条件差顶灯偏黄、货架阴影重、背景重复度高同款货架一排排。直接拿COCO预训练权重去推框出来的东西要么漏、要么把货架横梁当成货物。所以这个方案配套的数据集通常是按仓库实拍或仿真环境采集的标注类别一般控制在3到8类比如carton纸箱、pallet托盘、bin料箱、bag袋装货、drum桶装货。类别不宜多多了小样本类直接拖垮mAP。我一般会先看数据集的三个指标每类实例数是否均衡、小目标占比、标注框长宽比分布。如果某一类实例数不到总数的5%要么补采要么合并类。仓库场景里小目标远处货架上的小箱子往往占30%以上这时候输入分辨率就不能低于640最好上到960或1280。2.2 用labelme标注转YOLO格式转换脚本与四个边界坑热词里有人搜“labelme标注用于yolov8”这是最常见的标注路径。labelme输出的是JSONYOLOv8要的是每张图一个txt每行class_id x_center y_center width height全部归一化到0到1。转换脚本本身不长但坑都在边界上。import json import os from pathlib import Path # 类别映射必须和data.yaml里的names顺序一致 CLASS_MAP {carton: 0, pallet: 1, bin: 2, bag: 3, drum: 4} def labelme_to_yolo(json_path, out_dir, img_w, img_h): with open(json_path, r, encodingutf-8) as f: data json.load(f) lines [] for shape in data[shapes]: label shape[label] if label not in CLASS_MAP: continue # 跳过未定义类别避免训练时报index越界 pts shape[points] xs [p[0] for p in pts] ys [p[1] for p in pts] x_min, x_max min(xs), max(xs) y_min, y_max min(ys), max(ys) # 边界裁剪标注框不能超出图像范围 x_min max(0, min(x_min, img_w - 1)) x_max max(0, min(x_max, img_w - 1)) y_min max(0, min(y_min, img_h - 1)) y_max max(0, min(y_max, img_h - 1)) w x_max - x_min h y_max - y_min if w 2 or h 2: continue # 过滤掉宽高小于2像素的无效框 x_c (x_min x_max) / 2.0 / img_w y_c (y_min y_max) / 2.0 / img_h nw w / img_w nh h / img_h lines.append(f{CLASS_MAP[label]} {x_c:.6f} {y_c:.6f} {nw:.6f} {nh:.6f}) out_path Path(out_dir) / (Path(json_path).stem .txt) with open(out_path, w, encodingutf-8) as f: f.write(\n.join(lines)) # 批量处理 for jf in Path(labels_json).glob(*.json): labelme_to_yolo(str(jf), labels_yolo, 1920, 1080)逻辑说明先读JSON里的shapes每个shape的points是矩形或多边形的顶点这里统一取外接矩形。归一化用图像原始宽高所以调用时必须传入每张图真实的img_w和img_h不能统一写死。参数说明CLASS_MAP的value必须从0开始连续和data.yaml的names列表索引一一对应w 2 or h 2这个阈值是经验值仓库小目标多阈值设大了会丢样本设小了会引入噪声框。四个边界坑第一标注框超出图像边界不裁剪的话归一化后坐标可能小于0或大于1训练时直接报错第二类别名大小写不一致Carton和carton会被当成两类第三图像旋转后宽高互换EXIF方向没处理归一化全错第四空标注图没有shapes也要生成空txt否则YOLO会把它当背景图但找不到标签文件而报warning。2.3 data.yaml与训练命令仓库场景的6个必调参数数据集整理成images/train、images/val、labels/train、labels/val之后写data.yamlpath: /home/user/warehouse_dataset train: images/train val: images/val nc: 5 names: [carton, pallet, bin, bag, drum]训练命令用YOLOv8的CLIyolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ imgsz960 \ batch8 \ lr00.01 \ lrf0.01 \ patience30 \ device0 \ projectruns/warehouse \ nameexp1参数逐个说model选yolov8s而不是n因为仓库小目标多n的neck特征融合能力偏弱s在精度和速度之间更平衡imgsz960是为了保住远处小箱子的分辨率640下小目标mAP会掉5到8个点batch8是8G显存下的安全值显存够可以上16lr00.01是SGD的初始学习率如果换AdamW要降到0.001lrf0.01是最终学习率系数配合cosine调度patience30是早停仓库数据集如果过拟合快可以降到20。训练过程中重点看三个曲线train/box_loss是否稳定下降、val/mAP50是否还在涨、val/mAP50-95和mAP50的差距。如果mAP50涨但mAP50-95不涨说明框的位置不够准可以加mosaic0关掉马赛克增强后期微调。热词里有人搜“yolov8画损失函数曲线图”训练完results.csv直接拖进Excel或写个matplotlib脚本就能画不用额外工具。3. 推理、计数与可视化界面从模型输出到盘点结果3.1 推理脚本怎么写置信度与NMS阈值怎么设训练完拿到best.pt推理核心就三行但阈值设置直接决定盘点准不准。from ultralytics import YOLO model YOLO(runs/warehouse/exp1/weights/best.pt) results model.predict( sourcetest_images/, conf0.35, # 置信度阈值 iou0.5, # NMS的IoU阈值 imgsz960, saveTrue, save_txtTrue # 同时输出txt方便后续计数 )逻辑说明conf0.35比默认0.25高是因为仓库场景背景重复度高低置信度框很多是货架纹理误检iou0.5是NMS合并重叠框的阈值货物堆叠密集时如果设太高比如0.7同一个货物会被框多次计数偏多设太低比如0.3相邻货物会被合并计数偏少。我一般会在验证集上扫一遍0.3到0.6选计数误差最小的那个。参数说明save_txtTrue输出的txt每行是class_id x_center y_center w h conf后续计数脚本直接读这个文件按class_id分组统计行数即可。注意这个坐标是归一化的如果要画到原图上得乘回图像宽高。3.2 货物计数与缺货判断一个可复用的后处理逻辑盘点不只是数数还要判断“该有的有没有”。常见做法是给每个库位预设一个标准货物清单推理后按库位区域统计各类数量和标准值比对。import cv2 from collections import defaultdict # 库位区域定义x1,y1,x2,y2 ZONES { A1: (100, 200, 500, 800), A2: (520, 200, 920, 800), } def count_by_zone(txt_path, img_w, img_h): zone_count defaultdict(lambda: defaultdict(int)) with open(txt_path, r) as f: for line in f: parts line.strip().split() cls_id int(parts[0]) x_c, y_c float(parts[1]) * img_w, float(parts[2]) * img_h for zone_name, (x1, y1, x2, y2) in ZONES.items(): if x1 x_c x2 and y1 y_c y2: zone_count[zone_name][cls_id] 1 break return zone_count # 标准库存库位 - {类别: 应有数量} STANDARD { A1: {0: 12, 1: 2}, A2: {0: 8, 2: 4}, } result count_by_zone(runs/predict/labels/test1.txt, 1920, 1080) for zone, counts in result.items(): for cls_id, need in STANDARD.get(zone, {}).items(): got counts.get(cls_id, 0) if got need: print(f{zone} 类别{cls_id} 缺货应有{need}实有{got})逻辑说明用检测框中心点落在哪个库位区域来判断归属比用框的IoU更简单可靠因为货物可能跨区域但中心点唯一。参数说明ZONES的坐标要按实际摄像头画面标定建议先用一张空货架图在画图工具里量STANDARD是业务侧维护的可以存成JSON或数据库不用写死在代码里。3.3 可视化界面选型Gradio还是PyQt怎么快速搭热词里“可视化界面”是高频需求。毕设场景我一般推荐Gradio原因是部署简单、代码量少、支持图片上传和实时摄像头而且能直接跑在浏览器里答辩演示方便。import gradio as gr from ultralytics import YOLO model YOLO(best.pt) def detect(image): results model.predict(image, conf0.35, iou0.5, imgsz960) annotated results[0].plot() # 返回带框的numpy数组 count len(results[0].boxes) return annotated, f检测到 {count} 个目标 demo gr.Interface( fndetect, inputsgr.Image(typenumpy), outputs[gr.Image(typenumpy), gr.Textbox()], title仓库货物盘点系统, description上传货架照片自动检测货物并计数 ) demo.launch(server_name0.0.0.0, server_port7860)逻辑说明results[0].plot()直接返回画好框的图省去手动画框。参数说明server_name0.0.0.0让局域网内其他设备也能访问答辩时用手机也能演示server_port按需改。如果要做多图批量盘点把inputs换成gr.Files循环推理后汇总计数即可。PyQt适合需要离线运行、不依赖浏览器的场景但代码量至少是Gradio的三倍毕设时间紧的话没必要。热词里“跨平台音乐管理系统源码”那种桌面端思路放到这里就是PyQt但视觉盘点场景Gradio足够。4. 部署与性能CPU、GPU、边缘设备怎么选4.1 Ubuntu 20.04 CPU版本部署三步跑通推理热词里“ubuntu20.04搭建yolov8环境cpu版本”说明很多人没有GPU。CPU推理不是不能用仓库盘点如果是离线批量处理CPU完全够如果要实时摄像头CPU帧率会掉到个位数。# 第一步建虚拟环境 python3 -m venv yolov8_env source yolov8_env/bin/activate # 第二步装依赖CPU版torch pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu pip install ultralytics opencv-python gradio # 第三步验证 yolo detect predict modelbest.pt sourcetest.jpg imgsz640 devicecpu逻辑说明CPU版torch必须从官方CPU索引装否则pip默认拉GPU版装完发现CUDA不可用还占几个G。参数说明imgsz640在CPU上比960快一倍多精度掉一点但盘点计数够用devicecpu显式指定避免代码里写死device0导致报错。4.2 GPU与边缘设备GTX 1660 Ti和RK3588的实测边界热词里“gtx1660ti跑yolov8”和“rk3588部署yolov8”代表两类需求。GTX 1660 Ti 6G显存跑yolov8s 960输入batch8大概占5.2G推理单张约15ms实时摄像头30fps没问题。注意1660 Ti不支持FP16的某些算子halfTrue可能报错用halfFalse。RK3588是边缘NPU方案需要把pt转成rknn。流程是pt导出onnxonnx用rknn-toolkit2量化转rknn板端用rknn runtime推理。坑在于量化校准集要选仓库实拍图用COCO图校准会导致仓库场景精度掉10个点以上。RK3588的NPU跑yolov8s 640输入大概30到40fps功耗低适合固定在货架边的盘点终端。4.3 模型导出与推理加速onnx和tensorrt怎么选如果部署环境是NVIDIA GPUTensorRT比原生PyTorch快1.5到2倍。导出命令yolo export modelbest.pt formatengine halfTrue device0参数说明halfTrue用FP16精度掉不到1个点速度提升明显device0指定GPU。如果部署环境是通用x86导出onnxyolo export modelbest.pt formatonnx opset12 simplifyTruesimplifyTrue会做图优化去掉冗余算子。注意onnx推理时预处理要和训练一致letterbox的填充值、归一化方式不能变否则精度对不上。5. 避坑与排查仓库盘点系统最常见的5个翻车现场5.1 现象训练mAP很高实际盘点计数总差几个原因验证集和实际场景分布不一致。验证集可能是同一批货架拍的实际盘点换了库位、换了光照模型泛化没跟上。解决验证集必须留出至少一个完整库位不参与训练专门做跨库位验证另外推理时把conf从0.35降到0.25再扫一遍看漏检是不是主因。5.2 现象同一张图两次推理框的数量不一样原因NMS有随机性或者augmentTrue开了测试时增强。解决推理时显式设augmentFalseiou固定conf固定同一张图结果应该完全一致。如果还不一致检查是不是用了streamTrue且没设verboseFalse日志干扰了判断。5.3 现象Gradio界面上传图片后报错“Expected numpy array”原因Gradio的gr.Image(typenumpy)返回的是RGB而OpenCV和YOLO默认按BGR处理通道顺序反了导致模型输入异常。解决在detect函数里加一行image image[:, :, ::-1]转成BGR或者直接用gr.Image(typepil)让YOLO自己处理。5.4 现象CPU推理一张图要3秒以上原因imgsz设太大或者没设devicecpu导致反复尝试初始化CUDA。解决CPU场景imgsz降到640devicecpu写死batch1。如果还慢导出onnx用onnxruntime推理比PyTorch CPU快30%左右。5.5 现象RK3588板端推理结果和PC端对不上原因量化校准集选错或者预处理没对齐。解决校准集用200张以上仓库实拍图覆盖不同光照和货架预处理确认letterbox的pad值通常是114和PC端一致后处理确认rknn输出的顺序和YOLOv8的decode逻辑匹配别直接套PC端的后处理代码。6. 进阶技巧用切片推理把远处小货物捞回来仓库盘点最头疼的是远处货架上的小箱子960输入下可能只有十几个像素模型直接漏掉。我试过一个很实用的技巧切片推理SAHI思路把大图切成重叠的小块分别推理再合并结果。不用装SAHI库自己写也就几十行。import cv2 import numpy as np from ultralytics import YOLO model YOLO(best.pt) def sliced_predict(img_path, slice_size640, overlap128, conf0.3): img cv2.imread(img_path) h, w img.shape[:2] all_boxes [] step slice_size - overlap for y in range(0, h, step): for x in range(0, w, step): x2 min(x slice_size, w) y2 min(y slice_size, h) x1 max(0, x2 - slice_size) y1 max(0, y2 - slice_size) patch img[y1:y2, x1:x2] results model.predict(patch, confconf, iou0.5, imgszslice_size, verboseFalse) for box in results[0].boxes: xyxy box.xyxy[0].cpu().numpy() xyxy[0] x1 xyxy[1] y1 xyxy[2] x1 xyxy[3] y1 all_boxes.append((xyxy, float(box.conf[0]), int(box.cls[0]))) # 全局NMS合并 if not all_boxes: return [] boxes np.array([b[0] for b in all_boxes]) scores np.array([b[1] for b in all_boxes]) classes np.array([b[2] for b in all_boxes]) indices cv2.dnn.NMSBoxes( boxes.tolist(), scores.tolist(), conf, 0.5 ) return [(boxes[i], scores[i], classes[i]) for i in indices.flatten()]逻辑说明把原图按slice_size切块块间留overlap避免目标被切断。每块推理后把坐标加回原图偏移最后用OpenCV的NMS做全局去重。参数说明slice_size640是单块推理尺寸overlap128是重叠像素太小会漏切边界目标太大会增加重复框和耗时。conf0.3比整图推理低因为小块里目标更大置信度普遍偏高可以适当放宽。实测对比1920x1080的货架图整图960推理漏掉远处小箱子约15%切片推理后漏检降到3%以内代价是推理时间从15ms涨到120ms左右。如果盘点允许离线批处理这个代价完全值得如果要实时可以只对画面下半部分近处整图推理上半部分远处切片推理折中。另一个技巧是类别分组计数。仓库盘点往往只关心“纸箱总数”和“托盘总数”不关心每个框的具体位置。这时候可以在后处理里按类别分组用cv2.connectedComponents把相邻同类框合并成区域再统计区域数能进一步降低重复计数。这个我一般只在盘点报表生成时用实时界面还是显示原始框。最后说个血泪经验别在训练集上调参调到完美。我见过太多人把mAP刷到0.95结果换一批货架照片直接掉到0.6。留一个独立库位做测试比多训50个epoch有用得多。模型导出后先用10张没见过的图跑一遍确认计数误差在可接受范围再上界面和部署。这个习惯帮我省了至少三次返工。希望帮到你。本文还有配套的精品资源点击获取