YOLOv5从安装到实战：手把手教你用COCO预训练模型检测日常物品

YOLOv5实战指南：用COCO预训练模型打造智能物品检测系统

在计算机视觉领域，目标检测技术正以前所未有的速度改变着我们与数字世界的交互方式。想象一下，你的摄像头不仅能"看见"画面中的物体，还能准确识别出每个物品的类别和位置——这正是YOLOv5带来的魔法。作为当前最受欢迎的实时目标检测框架之一，YOLOv5以其轻量级架构和出色的性能平衡，成为了开发者构建视觉识别系统的首选工具。

本文将带你从零开始，完整掌握YOLOv5的部署与应用全流程。不同于简单的安装教程，我们会深入探讨如何利用COCO预训练模型快速实现日常物品检测，并分享实际项目中的优化技巧。无论你是希望为智能家居添加视觉感知能力，还是开发零售货架分析工具，这些实战经验都能让你少走弯路。

1. 环境准备与模型部署

1.1 系统要求与依赖安装

YOLOv5对硬件环境有着较好的兼容性，但在开始前仍需确保基础环境就绪。推荐使用Python 3.8或更高版本，以及至少4GB显存的NVIDIA显卡以获得最佳性能。以下是创建隔离环境的建议步骤：

conda create -n yolov5 python=3.8 conda activate yolov5

安装核心依赖时，使用国内镜像源可显著加快下载速度：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 pip install -r https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

常见安装问题及解决方案：

1.2 模型获取与验证

YOLOv5提供了多个预训练模型变体，针对不同场景需求：

• yolov5s：最小最快的版本，适合移动端部署
• yolov5m：平衡型，推荐大多数场景使用
• yolov5l/x：高精度版本，适合对准确率要求严格的场景

下载官方预训练模型：

import torch model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True) model.eval()

提示：首次运行会自动下载模型到本地缓存目录，约27MB(yolov5s)。若下载缓慢，可手动下载后指定路径加载。

2. COCO数据集与模型能力解析

2.1 COCO类别全览与应用场景

COCO(Common Objects in Context)数据集包含80个日常物品类别，覆盖了从家居用品到电子设备的广泛场景。这些类别可归纳为几个实用场景组：

家居场景检测组：

• 家具：chair, couch, bed, dining table
• 电器：tv, laptop, microwave, refrigerator
• 餐具：bottle, cup, fork, knife, spoon

办公场景检测组：

• 电子设备：cell phone, keyboard, mouse
• 文具：book, scissors
• 其他：clock, vase

完整类别列表可通过以下代码查看：

coco_classes = model.names print(f"可检测类别数：{len(coco_classes)}") for i, name in coco_classes.items(): print(f"{i}: {name}")

2.2 模型性能基准测试

在部署前了解模型性能指标至关重要。使用官方测试脚本可获取关键数据：

python val.py --data coco.yaml --weights yolov5s.pt --img 640

典型测试结果参考：

注意：实际性能会因硬件配置和输入尺寸有所不同。移动端部署建议优先考虑yolov5s。

3. 静态图像检测实战

3.1 单图检测与结果解析

基础检测命令只需要指定输入源和模型权重：

python detect.py --source data/images/zidane.jpg --weights yolov5s.pt

检测结果保存在runs/detect/exp目录，包含以下关键信息：

• 边界框坐标(x1,y1,x2,y2)
• 置信度分数(0-1)
• 类别标签和名称

高级参数调节示例：

python detect.py --source input.jpg --weights yolov5s.pt \ --conf-thres 0.4 # 置信度阈值 \ --iou-thres 0.45 # 重叠阈值 \ --line-thickness 2 # 框线粗细 \ --hide-labels # 隐藏标签 \ --hide-conf # 隐藏置信度

3.2 批量处理与结果导出

处理整个文件夹的图像并保存检测结果：

python detect.py --source data/images/ --weights yolov5s.pt --save-txt --save-conf

这将生成两种输出文件：

• 图像文件：标注后的可视化结果
• 文本文件：每张图片对应的检测结果(YOLO格式)

导出格式对照表：

4. 视频流实时检测技术

4.1 本地视频文件处理

处理视频文件与处理图像类似，只需指定视频路径：

python detect.py --source input.mp4 --weights yolov5s.pt --view-img

关键视频处理参数：

4.2 实时摄像头与网络流接入

YOLOv5支持多种实时视频源输入：

# 本地摄像头(通常设备0) python detect.py --source 0 --weights yolov5s.pt # RTSP流 python detect.py --source rtsp://username:password@ip:port --weights yolov5s.pt # HTTP流 python detect.py --source http://ip:port/video --weights yolov5s.pt

实时处理性能优化技巧：

1. 降低处理分辨率：--imgsz 320
2. 使用半精度推理：--half
3. 跳过部分帧处理：自定义脚本实现帧采样

4.3 视频分析结果后处理

将检测结果转换为结构化数据：

import pandas as pd results = model(input_video) detections = results.pandas().xyxy[0] # 转换为DataFrame # 按帧统计对象出现频率 obj_counts = detections.groupby(['frame', 'name']).size().unstack()

5. 高级应用与性能调优

5.1 多模型集成与投票机制

结合多个模型提升检测稳定性：

from ensemble_boxes import weighted_boxes_fusion models = [torch.hub.load('ultralytics/yolov5', m) for m in ['yolov5s', 'yolov5m']] results = [m(img) for m in models] boxes, scores, labels = weighted_boxes_fusion(...)

5.2 ONNX转换与跨平台部署

导出为ONNX格式实现跨平台运行：

torch.onnx.export(model, img, "yolov5s.onnx", input_names=['images'], output_names=['output'], dynamic_axes={'images': {0: 'batch'}, 'output': {0: 'batch'}})

部署性能对比：

5.3 自定义后处理与业务逻辑集成

将检测结果接入业务系统示例：

def process_detection(results): for *xyxy, conf, cls in results.xyxy[0]: label = model.names[int(cls)] if label == 'cell phone' and conf > 0.6: trigger_alert("手机使用告警") elif label == 'person' and conf > 0.8: update_people_count()

在实际项目中，我们发现yolov5s对小型电子设备（如手机）的检测效果尤为出色，但在拥挤场景中的小物体识别可能需要调整默认的置信度阈值。通过合理设置--conf-thres参数（通常0.25-0.5之间），可以在召回率和准确率之间取得良好平衡。