简介这套基于YOLOv8的商场自动扶梯梳齿板异物卡滞预警系统专为计算机视觉与深度学习方向的在校学生和入门开发者设计可满足毕业设计、课程设计、大作业及项目初期演示等场景需求。资源共8个文件压缩包约15.91MB内部以Python源码、PyTorch模型权重和说明文档三类为主py脚本实现模型训练、视频检测与可视化界面pt权重提供训练好的模型文件txt文档则包含部署指引和项目备注。目前已有36人学习下载。除核心代码外还提供完整数据集和部署教程运行后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、验证集预测结果及标签分布图等覆盖训练评估全流程。整套代码已测试通过结构清晰、上手简便既可直接用于演示答辩也便于在此基础上扩展其他目标检测场景。1. 商场扶梯梳齿板卡异物YOLOv8 这套预警方案能替你守住什么商场扶梯一整天都在吞吐人流梳齿板那一条缝每天被硬币、沙石、包装袋、发卡甚至高跟鞋跟塞进去。卡滞的后果不是简单的异响梯级会被顶弯梳齿会断齿严重时直接急停把乘客困在半空。人工巡检有周期维保不可能 24 小时盯着这就是基于 YOLOv8 的扶梯梳齿板异物卡滞预警系统要补上的空档——用一只固定摄像头对准梳齿板入口实时检测异物进入在卡死之前弹窗报警并留档。整套东西包含训练好的权重、可视化界面和配套数据集解压按教程部署就能跑毕设课设够用物业试点也能当原型。下面我从数据准备讲到界面部署把每一步的参数和坑都摊开。2. 系统拆解从摄像头画面到异物预警的完整链路2.1 梳齿板异物卡滞检测到底在检测什么梳齿板位于扶梯上下两端梯级运行到这里时梯级齿槽与梳齿板上的齿条交错啮合把乘客鞋底、推车轮子上夹带的杂物刮下来。正常的梳齿间隙只有几毫米硬币、石子、钥匙这类硬物一旦卡进齿槽就会在梯级继续运行时被反复挤压轻则划伤齿面重则卡断梳齿、顶弯梯级结构。检测任务要识别的不是人而是梳齿板入口处出现的、尺寸远小于梯级的异物。我做这个项目时把检测目标归成两类硬质异物硬币、钥匙、石子、发卡和柔性异物包装袋、纸巾、口罩。两类物体的形变特征完全不同但预警逻辑一致——只要异物出现在靠近梳齿板的区域就该触发告警。这个场景的难点在干扰太多。商场吊顶灯、玻璃幕墙反光、乘客身体遮挡都会让画面忽明忽暗梳齿板本身是密集的金属齿条纹理重复且反光强异物和齿槽的对比度经常很低。传统视觉方案用背景差法或帧间差分在静止背景下还能用但扶梯一运动、乘客一走动背景就碎了误报率压不下来。目标检测的思路不同不去建模背景而是直接学习异物长什么样。只要训练数据里覆盖了足够多的光照、角度和遮挡情况模型就能在复杂背景里把异物框出来。这也是这个课题选 YOLOv8 而不是传统图像处理的根本原因。动手做之前要先明确一个边界这个系统预警的是异物卡滞的早期阶段即异物已经出现在梳齿板附近或刚卡入齿槽的画面不是事后分析断齿的图像。采集数据时要刻意拍异物即将进入梳齿和异物已卡入齿槽两个时刻。这两类样本缺一不可否则模型学到的只是地面有东西而不是这东西会卡进梳齿。2.2 为什么是 YOLOv8anchor-free、多档模型、部署生态YOLOv8 在 2023 年初由 Ultralytics 发布相比 YOLOv5 最大的变化是检测头改成了 anchor-free即不再预设一组固定宽高的锚框而是让每个位置直接预测目标的存在概率和边框参数。对梳齿板异物这类目标尺寸变化大的场景——硬币只有几十像素包装袋可能占画面五分之一——anchor-free 省去了针对数据集重新聚类锚框的步骤训练配置更省事收敛也更稳定。网上不少帖子问 yolov8 网络结构图从结构上看backbone 沿用了 C2f 结构neck 是 PAN-FPN这些在官方仓库的 yaml 文件里都能直接看到不用迷信网上的讲解图。损失函数层面YOLOv8 把分类和回归拆开分类用 BCE边框回归用 CIoU 和 DFL。相比 YOLOv5 的 objectness 分支去掉之后少了一个需要调的权重训练时的损失曲线也更平滑。早期有人把 yolov8 的损失函数曲线图画出来会发现 box_loss 和 cls_loss 分开显示这就是拆开的设计。如果训练时某一路损失异常可以单独定位是定位问题还是分类问题排错成本低不少。模型档位从 n、s、m、l 到 x。毕设项目用 n 或 s 档就够了。n 档参数量只有三百万左右CPU 上也能跑到十几帧s 档精度更好在 GTX 1660 Ti 这类入门显卡上能跑 60 帧以上。l、x 档在精度上提升有限推理延迟却成倍上涨边缘设备扛不住。我做这类小目标检测时习惯先拿 s 档做基准看精确率和召回率哪个指标拖后腿再决定要不要换模型。有人问为什么不用 YOLOv5 或 YOLOv7。YOLOv5 在工程上很成熟但它的 anchor-based 检测头需要根据数据集重新聚类锚框换场景就要重算YOLOv7 的 RepVGG 结构推理时虽快训练时却要额外的重参数化步骤调试不如 YOLOv8 直接。对毕设来讲YOLOv8 的文档、示例和社区问答最齐全遇到问题基本都能搜到现成答案这一点在选择模型时比几个点的精度差更重要。部署生态也是理由训练完的权重可以一行命令导出成 ONNX、TensorRT、OpenVINO 格式方便后续接到边缘盒子或 RK3588 这类板子上。2.3 系统模块划分与数据流整个系统按数据流方向可以拆成五个模块摄像头采集USB 摄像头或 RTSP 网络摄像头对准梳齿板入口固定机位、固定角度。画面里梳齿板最好占画面三分之一以上且不要被扶手或行人完全遮挡。预制一个配置文件保存摄像头地址、分辨率和预览帧率方便更换设备。推理模块YOLOv8 模型加载后对每帧做推理输出目标的类别、置信度和边框坐标。建议把加载模型、预处理、推理、后处理封装成一个类与界面逻辑解耦。后面想换更轻量的推理后端时只改这个类就够了。预警逻辑根据置信度阈值过滤低置信度检测再判断目标边框与梳齿板预警区域ROI的重叠关系。比如边框中心点落在 ROI 内且置信度超过 0.5才触发报警。这个模块决定了系统会不会乱叫是部署阶段调参的重点。可视化界面显示实时视频流、画检测框、滚动报警记录、提供启动/停止/暂停按钮。毕设演示时这块是最直观的工作成果具体怎么搭在最后一章展开。记录模块报警时保存当前帧截图和日志条目包含时间、类别、置信度方便事后复盘和写论文的实验记录。数据流就是摄像头读帧 → 推理模块出检测结果 → 预警逻辑做 ROI 判断 → 界面刷新显示 → 触发报警时截图存档。训练和部署都围绕这条链路展开下面三章分别讲数据集、训练和避坑。硬件选型上训练阶段用普通笔记本就能完成。推理阶段如果要现场长期跑建议用一个带 NVIDIA GPU 的小主机或者 RK3588 开发板。CPU 机器跑 s 档模型也能到 10 帧左右对于扶梯这种缓慢运动、异物卡滞过程持续数秒的场景10 帧已经足够捕捉到异常不需要追求 30 帧以上。3. 准备数据集标注规范与训练/验证集划分3.1 数据来源与数据增强策略做这个系统最缺的是数据。公开的扶梯异物数据集很少常见做法是两条腿走路找公开数据集里能用的部分加上自己拍现场视频抽帧。Roboflow 上有一些 escalator 相关数据集多为扶梯周围的行人或结构部件异物的直接标注很少但可以作为预训练或背景增强的补充。自己的数据靠手机或摄像头在真实扶梯口录视频录 10 到 20 分钟不同光照时段的画面比如上午、下午、傍晚各录一段然后每隔几帧抽一张图。抽帧太密会导致相似样本过多训练时模型过拟合到重复帧太疏又浪费了视频里的有效信息我一般每秒抽 1 到 2 帧。抽帧之后先做一轮人工筛选把模糊、过曝、完全被遮挡的图删掉剩下的一般能有 300 到 500 张有效图片。这个数量做单类别检测勉强够但想让模型换一个商场还能稳定工作就必须做数据增强。YOLOv8 训练时自带马赛克增强、随机翻转、色调饱和度调整这些默认参数在通用场景够用。建议再补两类和扶梯场景强相关的增强亮度扰动模拟白天黑夜光线变化和随机噪声模拟摄像头传感器噪点。验证集里不要放增强后的图否则指标虚高。数据集处理流程里还有一个容易被忽略的点要保留一部分完全不含异物的负样本视频帧。这些帧在训练时对应空的标签文件作用是让模型学会正常状态下不报警。加了负样本之后现场误报率通常能下降一半以上具体方法放在部署避坑章里细说。3.2 用 labelme 标注异物类别定义与框选准则数据准备好后标注工具用 labelme 或 labelimg 都行。我偏好 labelme因为它可以画多边形有些异物形状不规则多边形能让标注更贴合目标。YOLO 训练格式要求矩形框多边形标注转矩形时脚本取外接矩形就行。labelimg 更轻量直接画矩形转换时少一道工序。二选一即可不必纠结。类别定义上我建议先统一成一个前景类比如 foreign_object不要一上来就分 coin、stone、trash 好几种。原因很简单样本少时分类越细每个类能分到的有效样本就越少模型容易学偏。先保证有没有异物检测得准毕设答辩被问到能不能识别具体是什么异物时回答当前版本先做单类别预警多分类是后续扩展方向是完全合理的。如果你手头数据量大超过一千张再拆成硬质异物硬币、钥匙、石子和柔性异物包装袋、纸巾两类展示效果更好。框选准则有两条硬规矩。一是框要紧贴异物本体不要为了保险把异物周围一圈背景也框进去背景像素进训练样本会拉低定位精度。二是同一张图里如果一个异物被扶手或乘客身体挡住一大半直接跳过不标标注残缺目标会让模型学到错误特征只有露出超过一半的异物才值得标注。标注过程建议一个人一口气标完不要多人分工。两个人对什么叫异物的理解差异会直接反映在标签质量上后期清洗的代价比重新标一次还大。标注完顺便做一轮观察统计每个类别框数量如果柔性异物占了九成而硬质异物只有几张图优先补硬质异物的数据类别不平衡在目标检测里比在分类里更致命。labelme 的 JSON 字段是标准的shapes 数组里每个对象包含 label、points、shape_type。shape_type 为 polygon 时 points 是多个点为 rectangle 时 points 是两个对角点。转换脚本两种情况都能处理因为外层逻辑都是对 points 取 min 和 max。如果你的数据里有 line 或 circle 类型的标注转换时要单独处理最简单的方式是标注时就只画 polygon 和 rectangle统一格式。3.3 转成 YOLO 格式并划分数据集labelme 标注保存为 JSON 文件YOLOv8 训练需要 txt 文件每行五个数字类别 ID、归一化的中心点 x、中心点 y、宽、高。转换脚本是处理数据集用于 yolov8 训练的标准动作import json import os def convert_labelme_to_yolo(json_path, save_path, classes): with open(json_path, r, encodingutf-8) as f: data json.load(f) img_w, img_h data[imageWidth], data[imageHeight] lines [] for shape in data[shapes]: if shape[label] not in classes: continue class_id classes.index(shape[label]) xs [p[0] for p in shape[points]] ys [p[1] for p in shape[points]] x_min, x_max min(xs), max(xs) y_min, y_max min(ys), max(ys) box_w x_max - x_min box_h y_max - y_min x_center (x_min x_max) / 2 / img_w y_center (y_min y_max) / 2 / img_h box_w box_w / img_w box_h box_h / img_h lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) with open(save_path, w, encodingutf-8) as f: f.write(\n.join(lines)) classes [foreign_object] json_dir labels_json out_dir labels_yolo os.makedirs(out_dir, exist_okTrue) for fn in os.listdir(json_dir): if fn.endswith(.json): convert_labelme_to_yolo( os.path.join(json_dir, fn), os.path.join(out_dir, fn.replace(.json, .txt)), classes, )脚本逻辑读取 labelme 的 JSON取出每个 shape 的多边形点坐标算外接矩形的中心点、宽高再归一化到 0 到 1。这里有一个容易踩的细节JSON 里的坐标是原始图片像素坐标归一化的分母必须用 JSON 里记录的 imageWidth 和 imageHeight不能用你自己另存的图片尺寸。一旦图片被压缩过而代码用了新尺寸坐标就全错位了训练出来的框会整体偏移。转换完做一次校验遍历每个 txt检查三项是否存在对应同名图片、每行五个数是否都在 0 到 1 之间、类别 ID 是否越界。这一步用几行 Python 就能搞定不需要专门工具。之后按 8:1:1 的比例把图片和对应 txt 分成 train/val/test 三个子集放在同一个数据集根目录下。数据集目录结构建议escalator_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/这样 YOLOv8 训练时直接传根目录路径它会自动去找 images 和 labels 下对应的子目录。注意 train/val/test 三个子集都要包含正样本和负样本负样本 labels 下放空 txt否则验证集里全是正样本指标会虚高。注意负样本不是没用的空文件它是模型学会抑制误报的关键。批量转换时记得把没有异物的帧也复制到数据集中。4. 训练 YOLOv8 模型命令、参数与效果验证4.1 环境搭建CPU 怎么跑GPU 怎么跑这个项目对环境要求不高。纯 CPU 也能训练只是慢一些几百张图片、80 个 epochi5 级别 CPU 大概得跑一晚上GPU 的话GTX 1660 Ti 这种 6G 显存的卡就够用。网上搜 ubuntu20.04 搭建 yolov8 环境 CPU 版本的教程很多Windows 也一样核心就三步建 conda 环境、装 PyTorch、装 ultralytics。conda create -n escalator python3.9 -y conda activate escalator pip install ultralytics pip install opencv-pythonultralytics 会自动带起 PyTorch。CPU 机器上 pip 默认装的 PyTorch 是 CPU 版不用额外指定如果有 NVIDIA 显卡建议先按 PyTorch 官网生成的命令装 CUDA 版 PyTorch再装 ultralytics避免 pip 把 PyTorch 覆盖回 CPU 版。装完验证一下python -c from ultralytics import YOLO; model YOLO(yolov8n.pt); print(ultralytics ok)第一次运行会从官方下载 yolov8n.pt 权重网络不通时会卡在下载那步可以手动下载后放到当前目录。新手常犯的错是只装了 ultralytics 没装 torch导入报 ModuleNotFoundError建完环境先跑一下pip list | grep torch确认 PyTorch 在。训练任务如果放在服务器上建议用 tmux 或 screen 挂着防止 SSH 断开导致训练中断。这也是我自己的血泪经验有一回在服务器上跑了一下午损失曲线已经降到理想区间结果终端一断全部白算。从那以后我养成了训练必挂 tmux、每天看一眼日志的习惯。4.2 训练命令与关键参数数据集准备好后写一个 data.yaml 指向数据集路径path: /path/to/escalator_dataset train: images/train val: images/val test: images/test nc: 1 names: [foreign_object]然后启动训练。毕设场景最常用的命令yolo detect train \ modelyolov8s.pt \ dataescalator_data.yaml \ epochs80 \ imgsz640 \ batch16 \ device0 \ patience15 \ projectruns \ nameescalator_train启动命令里的参数含义按我实际调参的经验逐个说参数推荐值作用与调参建议modelyolov8s.pt预训练权重迁移学习起点验证流程先用 yolov8n.ptdataescalator_data.yaml数据集配置文件路径必须写对epochs80训练轮数配合 patience 早停imgsz640输入分辨率小目标可试 800 或 960batch16显存受限时降到 4 或 8patience15验证集损失连续 15 轮不降则提前停止device0 或 cpuGPU 编号CPU 机器填 cpuproject/nameruns/escalator_train输出目录best.pt 在这里生成imgsz 是最值得单独调的参数。梳齿板异物普遍偏小如果异物在画面里只有二三十个像素640 可能不够建议用 val 集跑一轮对比mAP50 提升明显就保持高分辨率提升不明显就退回 640 保速度。batch 受显存约束6G 显存跑 s 档、640 分辨率batch 16 基本是上限启动时报 CUDA out of memory 就先把 batch 降到 4 或 8。batch 减半后学习率一般也要跟着降否则收敛不稳定但 YOLOv8 的默认学习率对 16 这个量级已经做过适配小幅调整问题不大。训练结束会在 runs/escalator_train 下生成 weights/best.pt 和 last.pt。best.pt 是验证集表现最好的权重后续推理和部署都用它不要贪 last.pt 那多出来的几步训练。4.3 训练产物与效果验证训练结束后runs/escalator_train 下会生成一批文件最值得看的是 results.csv、混淆矩阵图和验证集预测图。results.csv 每行是一个 epoch 的指标包括训练损失、验证损失、精确率、召回率、mAP50可以用 Python 画损失函数曲线放进论文import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/escalator_train/results.csv) train_loss df[train/box_loss] val_loss df[val/box_loss] epochs range(1, len(train_loss) 1) plt.figure(figsize(8, 5)) plt.plot(epochs, train_loss, labeltrain box loss) plt.plot(epochs, val_loss, labelval box loss) plt.xlabel(epoch) plt.ylabel(loss) plt.legend() plt.savefig(loss_curve.png, dpi150)判断模型有没有学好的标准不是训练损失趋近于零而是验证损失和训练损失的间距。两边一起降、间距不大说明拟合正常训练损失一路降、验证损失在某个 epoch 后反弹就是过拟合。过拟合时优先做三件事增大 val 集比例、加强数据增强、修改 epochs 并让 patience 早停生效。分类别统计一次 val 集上的检测结果看每个类的精确率和召回率。单类别任务直接看 mAP50能做 0.9 以上才算合格如果只有 0.7 左右不要急着调超参回到数据检查标注质量统计各类目标数量、删掉模糊样本、补拍稀少的异物类别。数据质量在目标检测里的影响永远大于超参这是我做了几个 yolov8 训练自己的数据集的项目后最深的体会。验证集预测图 val_batch_pred.jpg 也很直观能看出模型在真实标注之外有没有漏检框是不是贴住异物。如果框普遍偏大偏小先检查标签转换脚本多半是归一化或边界计算出了问题。注意首次运行训练命令时模型会下载预训练权重网络环境差时建议用代理或离线方式预置好权重文件避免卡在下载阶段。5. 部署避坑5 个让系统跑不起来或乱报的常见问题5.1 训练第一个 epoch 损失就 NaN现象训练日志第一行 loss 显示 NaN之后全是 NaN训练白跑。原因最常见是学习率太大导致梯度爆炸其次是标签文件里有非法值比如归一化坐标超过 1、类别 ID 超出 nc 范围。解决先检查标签逐行读 txt 确认五个数在合法区间。然后把马赛克增强临时关掉试试YOLOv8 里训练参数传mosaic0.0即可。关掉后能正常训练说明是增强策略和脏数据不兼容优先清理数据而不是调学习率。如果之前的实验改过 lr0恢复默认 0.01 再跑。5.2 界面一开推理就卡顿帧率惨不忍睹现象程序启动后视频画面掉帧严重拖动界面窗口像幻灯片。原因把视频帧读取和模型推理都写在界面主线程里。界面要刷新、推理要算两个重活抢一个线程界面自然卡死。解决用 QThread 拆分。一个线程负责读帧一个线程负责模型推理推理结果通过信号槽发回主线程更新界面。框架示意from PyQt5.QtCore import QThread, pyqtSignal import cv2 class InferenceThread(QThread): result_ready pyqtSignal(object, list) def __init__(self, model, video_source): super().__init__() self.model model self.cap cv2.VideoCapture(video_source) self.running True def run(self): while self.running: ret, frame self.cap.read() if not ret: break results self.model(frame) boxes results[0].boxes.xyxy.cpu().numpy() self.result_ready.emit(frame, boxes) def stop(self): self.running False self.wait()核心是 run 里只做读帧和推理不碰界面控件主线程的槽函数负责画框。实测里把读帧和推理拆出去后界面帧率能从 5 帧跳到 20 帧以上。PyTorch 在 CPU 上进行多线程推理时要设置 torch.set_num_threads 之类的值否则线程切换会放大推理耗时。帧率这个东西有时比较玄学同一个模型在不同机器上能差出一倍但线程拆分的收益是稳定可复现的。5.3 测试集指标漂亮一到现场就翻车现象测试集 mAP50 有 0.95拿到商场现场一试黑色塑料袋、地上的水渍都触发报警甚至漏掉真异物。原因训练集和现场数据分布不一致。训练数据里异物多摆在干净地砖上背景简单现场背景是运动中的梯级、金属反光、动态阴影模型没见过就把纹理近似的东西当成了异物。解决往训练集里补负样本。剪一段现场没有异物的正常视频抽帧后在 labels 目录下放空 txt 文件参与训练。负样本让模型学到现场正常画面不算异物这是目标检测项目落地最实用的一手。另一个做法是采集现场光照变化最大的时段补拍把曝光、白平衡差异大的样本加进训练集。这类问题往往到现场实测才暴露属于比较典型的部署翻车点提前补负样本能省掉大半返工时间。5.4 CUDA 显存不足直接退出现象训练到中途或验证时报 CUDA out of memory进程退出前功尽弃。原因imgsz 和 batch 的乘积超过显存容量。6G 显存跑 yolov8simgsz640、batch32 基本必爆。解决先把 batch 降到 8 或 4。还压不住就要降 imgsz从 640 降到 512。注意 imgsz 降了之后小目标检测精度会受影响所以训练时优先压 batch。Ultralytics 支持梯度累积能缓解显存压力但推理时的显存占用不会减少验证和实际部署仍要保证显存有余量。5.5 标签和图片错位框画在完全不对的位置现象训练正常跑完画出来的预测框明显不在目标上但训练指标又正常。原因图片和标签文件名对不上或数据集里某张图片被误删训练脚本按文件名找标签时找不到对应文件产生了错位。解决训练前用脚本统一校验。遍历 images 下所有图片查 labels 目录下同名 txt 是否存在把没有标签的图片和没有图片的 txt 全部列出来。这类问题通常是在拷贝、重命名文件之后才暴露所以我把校验脚本写成独立小工具每次数据集换机器都先跑一遍。校验脚本几行就能写完别偷懒这一步。6. 可视化界面与部署验证让预警系统真正能用起来6.1 可视化界面核心组件与线程模型毕设里可视化界面是门面。常见实现用 PyQt5 或 TkinterTkinter 内置省事PyQt5 控件现代、对视频流更友好。界面至少要有四个区域视频显示区、报警信息区、控制按钮区、状态栏。视频显示区用 QLabel 实时刷新帧报警信息区是一个滚动列表控制按钮负责启动、停止、暂停状态栏显示当前置信度阈值和检测帧率。界面和推理线程之间用 PyQt5 的信号槽通信推理线程发出携带检测结果的信号主线程槽函数在画面里画框并更新报警列表。置信度阈值不要写死在界面上放一个滑块运行时可以动态调整。演示时现场光线一变0.5 的阈值可能就乱报随时能往下拉到 0.6、往上推到 0.7比改代码重启快得多。报警记录可以顺便保存成 CSV答辩时打开一看时间、类别、置信度清清楚楚。6.2 部署验证回放视频批量测试再上现场部署不要直接拿摄像头对着梳齿板就开始调。我自己的习惯是先录一段现场视频用脚本批量跑一遍离线检测把每帧结果写进 CSV统计漏报率和误报次数。这样做的好处是不用反复跑现场就能对比不同置信度阈值的效果。阈值从 0.3 到 0.7 每隔 0.05 测一次横轴是误报次数纵轴是漏报数挑两条线交叉位置附近的值当默认阈值。最后说一个反复踩过的坑摄像头安装角度不对再好的模型也白搭。梳齿板在画面里偏一点ROI 就要重新画前一版标注的数据也可能对不上。所以部署第一步永远是固定机位、在界面里画一遍预警区域再做模型调优。这个系统的每个模块拆开都不复杂难的是把数据、训练、界面和现场情况串在一起。希望这些从数据到部署的细节能帮你少走几步弯路祝你的毕设或项目顺利跑起来。本文还有配套的精品资源点击获取