摘要本文针对复杂交通场景下的细粒度车辆种类检测问题基于YOLOv8框架构建了一个包含12个类别的车辆检测系统。数据集共包含4058张图像训练集2634张、验证集966张、测试集458张类别涵盖大客车、大卡车、中型卡车、小客车、轿车及多种细分尺寸的卡车与巴士。实验结果表明系统整体性能较差mAP0.5仅为0.457最佳F1分数为0.48。引言随着城市化进程加速交通监控与智能驾驶系统对车辆类型的精准识别需求日益迫切。不同尺寸、用途的车辆如公交车、卡车、轿车在道路管理、收费系统、路径规划及安全预警中具有差异化含义。然而实际交通场景中车辆外观相似、尺度多变、相互遮挡等问题使得车辆细分类别检测极具挑战性。传统基于人工特征的检测方法难以兼顾精度与实时性而深度学习目标检测技术的发展为此提供了可行路径。YOLO系列模型因其端到端、实时性强、精度较高等优势成为车辆检测领域的主流选择。本文基于YOLOv8框架构建了一个覆盖12类细分车辆的检测系统包括大中小型巴士、多种尺寸卡车及轿车等。本文的工作不仅为同类系统的优化提供了实证基础也为后续从数据清洗、类别合并、损失函数改进等方向提升模型性能指明了路径。目录摘要引言功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块背景数据集介绍训练过程训练结果​编辑常用标注工具功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅参数实时调节置信度和IoU阈值✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅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。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查背景车辆种类检测是智能交通系统的基础任务之一。与通用目标检测不同车辆细分类别检测要求模型能够区分外形相似但功能或尺寸不同的车辆例如中卡与轻卡、长巴士与小巴士等。实际应用中高速收费站需区分货车类型城市安防需识别公交车与大型客车自动驾驶系统则需判断周围车辆的大小与类型以做出合理决策。然而受限于视角变化、光照差异、部分遮挡以及类间相似性传统检测方法难以达到实用要求。近年来基于深度学习的目标检测算法尤其是YOLOYou Only Look Once系列以其单阶段、高帧率、良好的泛化能力被广泛应用于车辆检测任务。YOLOv8作为该系列的最新版本之一在特征提取、锚框设计及损失函数等方面进行了优化进一步提升了检测精度与训练稳定性。然而模型性能严重依赖于训练数据的质量与类别定义的合理性。若数据中存在类别定义模糊、标注不一致、样本数量严重倾斜等问题即便采用先进模型也难以获得理想的检测效果。因此本系统在构建12类车辆数据集的基础上重点分析模型在实际数据分布下的表现为后续改进提供依据。数据集介绍本系统使用的车辆检测数据集包含12个类别具体为[big bus, big truck, bus-l-, bus-s-, car, mid truck, small bus, small truck, truck-l-, truck-m-, truck-s-, truck-xl-]共计12类涵盖不同类型和尺寸的公共汽车、卡车及轿车。数据集总量为4058张图像划分为训练集2634张验证集966张测试集458张训练过程训练结果常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码