企业官网建设流程全解析

网站制作要花多少钱,哈尔滨建设网站公司哪家好,电商平台搭建八个步骤,网站游戏网站建设一、项目介绍 摘要 本项目基于YOLOv8目标检测算法开发了一套超市空货架智能识别系统#xff0c;专门用于检测超市货架上的缺货状态#xff08;Out-of-Stock#xff0c;简称OOS#xff09;。系统以100-O-O-S作为唯一检测类别#xff0c;通过对货架图像的实时…一、项目介绍摘要本项目基于YOLOv8目标检测算法开发了一套超市空货架智能识别系统专门用于检测超市货架上的缺货状态Out-of-Stock简称OOS。系统以100-O-O-S作为唯一检测类别通过对货架图像的实时分析能够准确识别并定位缺货区域。项目数据集经过数据增强和模型优化实现了较高的检测精度。该系统可集成到超市现有的监控体系中为库存管理和补货决策提供实时数据支持有效提升零售运营效率。项目意义1. 零售运营效率提升传统超市依赖人工巡检来发现缺货商品这种方式耗时费力且容易遗漏。本系统通过自动化视觉检测可以7×24小时不间断监控货架状态将缺货识别时间从小时级缩短到秒级极大提高了运营效率。系统能够同时监控多个货架区域解决了人工巡检覆盖面有限的问题确保超市能够及时发现并处理缺货情况减少销售机会损失。2. 库存管理优化空货架的实时检测数据为超市库存管理提供了宝贵的一线信息。系统生成的缺货报告可以与库存系统对接帮助管理者分析缺货模式优化补货策略和库存水平。长期积累的检测数据还能用于预测高需求商品的销售趋势为精准订货提供数据支持降低库存成本的同时提高商品可得性。3. 顾客满意度提高商品缺货是影响顾客满意度的主要因素之一。研究表明空货架会导致顾客转投竞争对手或放弃购买。本系统通过及时发现并快速补充缺货商品能够显著降低顾客遇到空货架的几率提升购物体验和顾客忠诚度。系统还可以与超市的移动应用集成为顾客提供实时商品可得性查询服务。4. 数据驱动的商业决策系统收集的缺货数据可以转化为有价值的商业情报。通过分析不同时段、不同区域的缺货频率和持续时间管理层可以评估商品陈列效果、促销活动影响以及员工补货效率。这些洞察有助于优化商品布局、调整人员排班和改进业务流程从整体上提升超市的经营绩效。5. 技术应用的示范价值本项目将先进的计算机视觉技术应用于传统零售场景展示了AI技术在实体商业中的实用价值。系统的成功实施可为其他零售企业提供参考推动整个行业向智能化、数据化方向转型。随着技术的不断完善该系统还可以扩展至货架陈列合规性检查、价格标签识别等更多应用场景。综上所述本超市空货架识别检测系统不仅解决了零售业长期存在的缺货监控难题更为超市运营提供了数据化、智能化的管理工具具有显著的经济效益和行业推广价值。目录一、项目介绍摘要项目意义1. 零售运营效率提升2. 库存管理优化3. 顾客满意度提高4. 数据驱动的商业决策5. 技术应用的示范价值二、项目功能展示系统功能图片检测视频检测摄像头实时检测三、数据集介绍数据集概述数据集特点数据集配置文件数据集制作流程四、项目环境配置创建虚拟环境pycharm中配置anaconda安装所需要库五、模型训练训练代码训练结果六、核心代码​编辑七、项目源码(视频简介内)基于深度学习YOLOv8的超市空货架识别检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习YOLOv8的超市空货架识别检测系统YOLOv8YOLO数据集UI界面Python项目源码模型二、项目功能展示系统功能✅图片检测可对图片进行检测返回检测框及类别信息。✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅参数实时调节置信度和IoU阈值图片检测该功能允许用户通过单张图片进行目标检测。输入一张图片后YOLO模型会实时分析图像识别出其中的目标并在图像中框出检测到的目标输出带有目标框的图像。批量图片检测用户可以一次性上传多个图片进行批量处理。该功能支持对多个图像文件进行并行处理并返回每张图像的目标检测结果适用于需要大规模处理图像数据的应用场景。视频检测视频检测功能允许用户将视频文件作为输入。YOLO模型将逐帧分析视频并在每一帧中标记出检测到的目标。最终结果可以是带有目标框的视频文件或实时展示适用于视频监控和分析等场景。摄像头实时检测该功能支持通过连接摄像头进行实时目标检测。YOLO模型能够在摄像头拍摄的实时视频流中进行目标检测实时识别并显示检测结果。此功能非常适用于安防监控、无人驾驶、智能交通等应用提供即时反馈。核心特点高精度基于YOLO模型提供精确的目标检测能力适用于不同类型的图像和视频。实时性特别优化的算法使得实时目标检测成为可能无论是在视频还是摄像头实时检测中响应速度都非常快。批量处理支持高效的批量图像和视频处理适合大规模数据分析。三、数据集介绍数据集概述本项目构建了一个专业级的超市货架检测数据集主要特性如下总规模497张高分辨率货架图像训练集350张验证集97张测试集50张类别定义100- O-O-SOut-Of-Stock指商品完全缺货的货架位置包括空空如也的货架格子仅有价格标签无商品的位点商品数量极少≤1件的濒临缺货状态数据来源合作超市连锁的真实货架拍摄不同时段早晨补货后、下午高峰后、晚间多种商品品类食品、日化、生鲜等不同门店类型标准超市、便利店、仓储店标注标准采用YOLO格式的txt标注文件每个空货架位置标注为一个边界框标注到单个SKU的陈列单元级别记录相邻商品的视觉干扰情况数据集特点场景多样性覆盖10余家不同品牌的门店环境包含普通货架、端架、促销堆头等多种陈列形式采集于不同照明条件自然光、店内灯光、混合光包含节假日高峰期的混乱场景专业挑战性复杂背景干扰如价格牌、促销海报商品包装反光或透明材质造成的识别困难货架层板边缘与空货架的视觉混淆部分遮挡的空货架被价签、分隔板等遮挡标注精细度边界框精确到单个SKU陈列单元区分完全缺货与濒临缺货状态标注货架的结构特征层数、分区等记录商品类别信息食品/非食品质量控制每张图像由零售专家验证标注准确性确保覆盖各种困难样本如半空货架平衡不同商品品类的代表性定期进行数据集迭代更新实用考量包含故意拍摄的模糊、过曝等不完美样本模拟手机拍摄的角度和画质考虑实际部署时的拍摄距离限制数据集配置文件数据集采用YOLO格式train: F:\超市空货架识别检测数据集\train\images val: F:\超市空货架识别检测数据集\valid\images test: F:\超市空货架识别检测数据集\test\images nc: 1 names: [100- O-O-S]数据集制作流程需求分析与规划阶段与零售运营团队深入沟通明确实际业务需求制定覆盖各类缺货场景的数据采集计划设计包含不同难度等级的样本构成确定标注标准和验收流程专业数据采集过程在合作门店进行系统性拍摄覆盖开店前、营业中、闭店前等多个时段包含高销量和低销量商品区域记录货架位置信息通道、方位等使用标准化拍摄设备智能手机模拟实际应用场景专业相机高画质参考样本固定高度支架保持拍摄一致性采集环境元数据光照条件记录时间段和客流量信息特定促销活动信息数据预处理流程统一调整为标准尺寸曝光补偿和色彩平衡处理生成多分辨率版本适应不同部署设备去除敏感信息顾客面孔、员工工牌等专业标注工作流第一阶段零售专家识别真实缺货位点第二阶段标注团队使用CVAT进行精细标注精确到单个SKU的陈列单元标注货架结构辅助识别标记困难案例如透明包装商品缺货第三阶段质量团队进行三重验证标注准确性检查业务逻辑验证模型训练效果反馈数据增强策略基础增强随机裁剪模拟不同拍摄距离色彩扰动适应不同门店灯光透视变换模拟各种拍摄角度高级增强合成遮挡模拟价签、海报等添加合理程度的运动模糊模拟手机拍摄的噪声和压缩伪影对抗样本生成创建边缘案例如半空货架模拟各种商品包装反光数据集划分与评估按门店进行分层划分确保各门店数据分布在所有子集保持各类商品缺货样本的比例一致通过基线模型进行数据质量验证由零售专家进行业务相关性评估持续优化机制建立用户反馈通道收集实际应用问题定期添加新商品类别的样本根据季节变化更新促销场景数据维护数据集版本更新日志四、项目环境配置创建虚拟环境首先新建一个Anaconda环境每个项目用不同的环境这样项目中所用的依赖包互不干扰。终端输入conda create -n yolov8 python3.9激活虚拟环境conda activate yolov8安装cpu版本pytorchpip install torch torchvision torchaudiopycharm中配置anaconda安装所需要库pip install -r requirements.txt五、模型训练训练代码from ultralytics import YOLO model_path yolov8s.pt data_path datasets/data.yaml if __name__ __main__: model YOLO(model_path) results model.train(datadata_path, epochs500, batch64, device0, workers0, projectruns/detect, nameexp, )根据实际情况更换模型 yolov8n.yaml (nano)轻量化模型适合嵌入式设备速度快但精度略低。 yolov8s.yaml (small)小模型适合实时任务。 yolov8m.yaml (medium)中等大小模型兼顾速度和精度。 yolov8b.yaml (base)基本版模型适合大部分应用场景。 yolov8l.yaml (large)大型模型适合对精度要求高的任务。--batch 64每批次64张图像。--epochs 500训练500轮。--datasets/data.yaml数据集配置文件。--weights yolov8s.pt初始化模型权重yolov8s.pt是预训练的轻量级YOLO模型。训练结果六、核心代码from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtCore import Qt, QTimer from PyQt5.QtGui import QImage, QPixmap, QIcon from PyQt5.QtWidgets import (QFileDialog, QMessageBox, QTableWidgetItem, QStyledItemDelegate, QHeaderView) import cv2 import numpy as np from ultralytics import YOLO import os import datetime import sys class CenteredDelegate(QStyledItemDelegate): def initStyleOption(self, option, index): super().initStyleOption(option, index) option.displayAlignment Qt.AlignCenter class Ui_MainWindow(object): def setupUi(self, MainWindow): MainWindow.setObjectName(MainWindow) MainWindow.resize(1400, 900) MainWindow.setWindowTitle(YOLOv8 目标检测系统) # 设置窗口图标 if hasattr(sys, _MEIPASS): icon_path os.path.join(sys._MEIPASS, icon.ico) else: icon_path icon.ico if os.path.exists(icon_path): MainWindow.setWindowIcon(QIcon(icon_path)) self.centralwidget QtWidgets.QWidget(MainWindow) self.centralwidget.setObjectName(centralwidget) # 主布局 self.main_layout QtWidgets.QHBoxLayout(self.centralwidget) self.main_layout.setContentsMargins(10, 10, 10, 10) self.main_layout.setSpacing(15) # 左侧布局 (图像显示) self.left_layout QtWidgets.QVBoxLayout() self.left_layout.setSpacing(15) # 原始图像组 self.original_group QtWidgets.QGroupBox(原始图像) self.original_group.setMinimumHeight(400) self.original_img_label QtWidgets.QLabel() self.original_img_label.setAlignment(QtCore.Qt.AlignCenter) self.original_img_label.setText(等待加载图像...) self.original_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) original_layout QtWidgets.QVBoxLayout() original_layout.addWidget(self.original_img_label) self.original_group.setLayout(original_layout) self.left_layout.addWidget(self.original_group) # 检测结果图像组 self.result_group QtWidgets.QGroupBox(检测结果) self.result_group.setMinimumHeight(400) self.result_img_label QtWidgets.QLabel() self.result_img_label.setAlignment(QtCore.Qt.AlignCenter) self.result_img_label.setText(检测结果将显示在这里) self.result_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) result_layout QtWidgets.QVBoxLayout() result_layout.addWidget(self.result_img_label) self.result_group.setLayout(result_layout) self.left_layout.addWidget(self.result_group) self.main_layout.addLayout(self.left_layout, stretch3) # 右侧布局 (控制面板) self.right_layout QtWidgets.QVBoxLayout() self.right_layout.setSpacing(15) # 模型选择组 self.model_group QtWidgets.QGroupBox(模型设置) self.model_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.model_layout QtWidgets.QVBoxLayout() # 模型选择 self.model_combo QtWidgets.QComboBox() self.model_combo.addItems([best.pt]) self.model_combo.setCurrentIndex(0) # 加载模型按钮 self.load_model_btn QtWidgets.QPushButton( 加载模型) self.load_model_btn.setIcon(QIcon.fromTheme(document-open)) self.load_model_btn.setStyleSheet( QPushButton { padding: 8px; background-color: #4CAF50; color: white; border-radius: 4px; } QPushButton:hover { background-color: #45a049; } ) self.model_layout.addWidget(self.model_combo) self.model_layout.addWidget(self.load_model_btn) self.model_group.setLayout(self.model_layout) self.right_layout.addWidget(self.model_group) # 参数设置组 self.param_group QtWidgets.QGroupBox(检测参数) self.param_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.param_layout QtWidgets.QFormLayout() self.param_layout.setLabelAlignment(Qt.AlignLeft) self.param_layout.setFormAlignment(Qt.AlignLeft) self.param_layout.setVerticalSpacing(15) # 置信度滑块 self.conf_slider QtWidgets.QSlider(Qt.Horizontal) self.conf_slider.setRange(1, 99) self.conf_slider.setValue(25) self.conf_value QtWidgets.QLabel(0.25) self.conf_value.setAlignment(Qt.AlignCenter) self.conf_value.setStyleSheet(font-weight: bold; color: #2196F3;) # IoU滑块 self.iou_slider QtWidgets.QSlider(Qt.Horizontal) self.iou_slider.setRange(1, 99) self.iou_slider.setValue(45) self.iou_value QtWidgets.QLabel(0.45) self.iou_value.setAlignment(Qt.AlignCenter) self.iou_value.setStyleSheet(font-weight: bold; color: #2196F3;) self.param_layout.addRow(置信度阈值:, self.conf_slider) self.param_layout.addRow(当前值:, self.conf_value) self.param_layout.addRow(QtWidgets.QLabel()) # 空行 self.param_layout.addRow(IoU阈值:, self.iou_slider) self.param_layout.addRow(当前值:, self.iou_value) self.param_group.setLayout(self.param_layout) self.right_layout.addWidget(self.param_group) # 功能按钮组 self.func_group QtWidgets.QGroupBox(检测功能) self.func_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.func_layout QtWidgets.QVBoxLayout() self.func_layout.setSpacing(10) # 图片检测按钮 self.image_btn QtWidgets.QPushButton( 图片检测) self.image_btn.setIcon(QIcon.fromTheme(image-x-generic)) # 视频检测按钮 self.video_btn QtWidgets.QPushButton( 视频检测) self.video_btn.setIcon(QIcon.fromTheme(video-x-generic)) # 摄像头检测按钮 self.camera_btn QtWidgets.QPushButton( 摄像头检测) self.camera_btn.setIcon(QIcon.fromTheme(camera-web)) # 停止检测按钮 self.stop_btn QtWidgets.QPushButton( 停止检测) self.stop_btn.setIcon(QIcon.fromTheme(process-stop)) self.stop_btn.setEnabled(False) # 保存结果按钮 self.save_btn QtWidgets.QPushButton( 保存结果) self.save_btn.setIcon(QIcon.fromTheme(document-save)) self.save_btn.setEnabled(False) # 设置按钮样式 button_style QPushButton { padding: 10px; background-color: #2196F3; color: white; border: none; border-radius: 4px; text-align: left; } QPushButton:hover { background-color: #0b7dda; } QPushButton:disabled { background-color: #cccccc; } for btn in [self.image_btn, self.video_btn, self.camera_btn, self.stop_btn, self.save_btn]: btn.setStyleSheet(button_style) self.func_layout.addWidget(btn) self.func_group.setLayout(self.func_layout) self.right_layout.addWidget(self.func_group) # 检测结果表格组 self.table_group QtWidgets.QGroupBox(检测结果详情) self.table_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.table_layout QtWidgets.QVBoxLayout() self.result_table QtWidgets.QTableWidget() self.result_table.setColumnCount(4) self.result_table.setHorizontalHeaderLabels([类别, 置信度, 左上坐标, 右下坐标]) self.result_table.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch) self.result_table.verticalHeader().setVisible(False) self.result_table.setSelectionBehavior(QtWidgets.QAbstractItemView.SelectRows) self.result_table.setEditTriggers(QtWidgets.QAbstractItemView.NoEditTriggers) # 设置表格样式 self.result_table.setStyleSheet( QTableWidget { border: 1px solid #e0e0e0; alternate-background-color: #f5f5f5; } QHeaderView::section { background-color: #2196F3; color: white; padding: 5px; border: none; } QTableWidget::item { padding: 5px; } ) # 设置居中代理 delegate CenteredDelegate(self.result_table) self.result_table.setItemDelegate(delegate) self.table_layout.addWidget(self.result_table) self.table_group.setLayout(self.table_layout) self.right_layout.addWidget(self.table_group, stretch1) self.main_layout.addLayout(self.right_layout, stretch1) MainWindow.setCentralWidget(self.centralwidget) # 状态栏 self.statusbar QtWidgets.QStatusBar(MainWindow) self.statusbar.setStyleSheet(QStatusBar { border-top: 1px solid #c0c0c0; }) MainWindow.setStatusBar(self.statusbar) # 初始化变量 self.model None self.cap None self.timer QTimer() self.is_camera_running False self.current_image None self.current_result None self.video_writer None self.output_path output # 创建输出目录 if not os.path.exists(self.output_path): os.makedirs(self.output_path) # 连接信号槽 self.load_model_btn.clicked.connect(self.load_model) self.image_btn.clicked.connect(self.detect_image) self.video_btn.clicked.connect(self.detect_video) self.camera_btn.clicked.connect(self.detect_camera) self.stop_btn.clicked.connect(self.stop_detection) self.save_btn.clicked.connect(self.save_result) self.conf_slider.valueChanged.connect(self.update_conf_value) self.iou_slider.valueChanged.connect(self.update_iou_value) self.timer.timeout.connect(self.update_camera_frame) # 设置全局样式 self.set_style() def set_style(self): style QMainWindow { background-color: #f5f5f5; } QGroupBox { border: 1px solid #e0e0e0; border-radius: 5px; margin-top: 10px; padding-top: 15px; } QGroupBox::title { subcontrol-origin: margin; left: 10px; padding: 0 3px; } QLabel { color: #333333; } QComboBox { padding: 5px; border: 1px solid #cccccc; border-radius: 3px; } QSlider::groove:horizontal { height: 6px; background: #e0e0e0; border-radius: 3px; } QSlider::handle:horizontal { width: 16px; height: 16px; margin: -5px 0; background: #2196F3; border-radius: 8px; } QSlider::sub-page:horizontal { background: #2196F3; border-radius: 3px; } self.centralwidget.setStyleSheet(style) def load_model(self): model_name self.model_combo.currentText().split( )[0] try: self.model YOLO(model_name) self.statusbar.showMessage(f模型 {model_name} 加载成功, 3000) self.image_btn.setEnabled(True) self.video_btn.setEnabled(True) self.camera_btn.setEnabled(True) except Exception as e: QMessageBox.critical(None, 错误, f模型加载失败: {str(e)}) def update_conf_value(self): conf self.conf_slider.value() / 100 self.conf_value.setText(f{conf:.2f}) def update_iou_value(self): iou self.iou_slider.value() / 100 self.iou_value.setText(f{iou:.2f}) def detect_image(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择图片, , 图片文件 (*.jpg *.jpeg *.png *.bmp);;所有文件 (*) ) if file_path: try: # 读取图片 img cv2.imread(file_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 显示原始图片 self.display_image(img, self.original_img_label) self.current_image img.copy() # 检测图片 conf self.conf_slider.value() / 100 iou self.iou_slider.value() / 100 self.statusbar.showMessage(正在检测图片...) QtWidgets.QApplication.processEvents() # 更新UI results self.model.predict(img, confconf, iouiou) result_img results[0].plot() # 显示检测结果 self.display_image(result_img, self.result_img_label) self.current_result result_img.copy() # 更新结果表格 self.update_result_table(results[0]) self.save_btn.setEnabled(True) self.statusbar.showMessage(f图片检测完成: {os.path.basename(file_path)}, 3000) except Exception as e: QMessageBox.critical(None, 错误, f图片检测失败: {str(e)}) self.statusbar.showMessage(图片检测失败, 3000) def detect_video(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择视频, , 视频文件 (*.mp4 *.avi *.mov *.mkv);;所有文件 (*) ) if file_path: try: self.cap cv2.VideoCapture(file_path) if not self.cap.isOpened(): raise Exception(无法打开视频文件) # 获取视频信息 fps self.cap.get(cv2.CAP_PROP_FPS) width int(self.cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height int(self.cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 创建视频写入器 timestamp datetime.datetime.now().strftime(%Y%m%d_%H%M%S) output_file os.path.join(self.output_path, foutput_{timestamp}.mp4) fourcc cv2.VideoWriter_fourcc(*mp4v) self.video_writer cv2.VideoWriter(output_file, fourcc, fps, (width, height)) # 启用停止按钮禁用其他按钮 self.stop_btn.setEnabled(True) self.save_btn.setEnabled(True) self.image_btn.setEnabled(False) self.video_btn.setEnabled(False) self.camera_btn.setEnabled(False) # 开始处理视频 self.timer.start(30) # 30ms间隔 self.statusbar.showMessage(f正在处理视频: {os.path.basename(file_path)}...) except Exception as e: QMessageBox.critical(None, 错误, f视频检测失败: {str(e)}) self.statusbar.showMessage(视频检测失败, 3000)七、项目源码(视频简介内)完整全部资源文件包括测试图片py文件训练数据集、训练代码、界面代码等这里已打包上传至博主的面包多平台见可参考博客与视频已将所有涉及的文件同时打包到里面点击即可运行完整文件截图如下演示与介绍视频基于深度学习YOLOv8的超市空货架识别检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习YOLOv8的超市空货架识别检测系统YOLOv8YOLO数据集UI界面Python项目源码模型