YOLOv8超市空货架识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+环境配置）

斌擎人工智能官方账号

630人浏览 · 2026-06-04 10:58:46

斌擎人工智能官方账号 · 2026-06-04 10:58:46 发布

摘要

针对超市货架空置状态识别依赖人工巡检效率低、实时性差的问题，本文基于YOLOv8目标检测算法构建了一套超市空货架识别检测系统。系统以“100- O-O-S”为唯一检测类别，数据集共497张图像，划分为训练集350张、验证集97张、测试集50张。实验结果表明，模型在验证集上取得了0.937的mAP50和0.79的mAP50-95，最高F1值达到0.92，精确率最高可达1.00，召回率最高为0.96。

引言

随着零售行业竞争的加剧，超市对商品货架状态的管理要求不断提高。空货架不仅影响顾客购物体验，还直接造成销售机会的损失。传统的人工货架巡检方式耗时耗力，且难以做到高频次、全覆盖。近年来，基于深度学习的目标检测技术，特别是YOLO系列模型，因其高实时性与良好精度，在零售场景的商品识别、货架盘点等任务中得到广泛应用。本文针对超市货架空置状态识别这一特定任务，采用YOLOv8算法构建检测系统，旨在实现自动、快速、准确的空货架定位与识别。系统以“100- O-O-S”为唯一检测目标，在有限数据集上进行训练与评估。

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

✅ 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）

✅ 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/GPU）

10、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

在超市运营管理过程中，货架缺货是一个长期存在的痛点问题。研究表明，约15%的畅销商品在高峰时段会出现货架空置情况，而顾客在面对空货架时，超过30%的人会选择放弃购买或转向竞争对手。因此，及时发现并补填空货架对提升销售额与顾客满意度具有重要意义。传统方法依赖店员巡查或顾客反馈，存在明显滞后性。随着计算机视觉技术的发展，基于摄像头与深度学习算法的货架状态自动识别成为一种可行的解决方案。

YOLOv8作为目前YOLO系列中最先进的算法之一，具有模型结构优化、训练速度快、检测精度高等优势，适合部署在边缘计算设备上完成实时检测任务。然而，空货架检测任务面临若干挑战：不同货架结构、光照条件、遮挡情况以及商品部分缺失等复杂场景，对模型的泛化能力提出了较高要求。因此，构建高质量、多样性的数据集，并科学评估模型过拟合风险，是实现该系统可靠部署的关键前提。

数据集介绍

本系统所使用的数据集为自建的超市货架空置状态图像集，共包含497张图像。

数据集按照约7:2:1的比例划分为训练集、验证集和测试集，其中训练集350张，验证集97张，测试集50张。

数据集中仅定义一个检测类别，命名为100- O-O-S，代表空货架区域。

训练过程

训练结果

核心性能指标

mAP50: 0.937（来自 PR_curve.png）
mAP50-95: 0.79（来自 results.png 最后一列）
最高F1值: 0.92（来自 F1_curve.png，置信度阈值0.423）
最高精确率: 1.00（来自 P_curve.png，置信度0.913）
最高召回率: 0.96（来自 R_curve.png，置信度0.000）

结论：模型在验证集上的表现接近完美，远超一般工业部署水平。

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。

用于实例分割的 LabelMe 标注工具