简介这是一套面向计算机视觉方向的毕业设计与课程设计资源围绕智慧码头场景下的集装箱箱号自动识别任务基于YOLOv8目标检测框架实现完整系统。资源适合计算机、人工智能、通信工程、自动化等专业学生及教师使用也可供入门深度学习的小白进阶学习拿来即可作为毕设、课设或大作业的保底方案。压缩包共8个文件包含3个py源码文件、3个pt模型权重文件与2个txt说明文档整体约15.91MB涵盖模型训练、视频检测、可视化界面等核心模块并附有完整数据集与部署说明。项目可生成核心指标曲线图、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便于答辩展示与结果分析。目前已有35人学习下载代码均经测试运行成功下载后按README说明即可快速部署也可在此基础上修改扩展实现其他功能。1. 码头箱号识别为什么总在光线和角度上翻车做过港口项目的人都有一个共识集装箱箱号识别这件事实验室里跑通不难难的是在真实堆场里活下来。龙门吊下面的逆光、箱体表面的锈蚀、侧面字符被吊具遮挡、雨雾天摄像头起雾这些场景会让一个在 COCO 上 mAP 跑到 0.5 的模型直接掉到没法用。而《基于YOLOv8的智慧码头集装箱箱号自动识别系统》这个标题本质上要解决的就是这条链路从一张堆场图片里先定位到箱体上的字符区域再把字符逐个识别出来拼成完整箱号最后通过一个可视化界面把结果呈现给操作员。这套方案适合三类人一是做毕设或课程设计的学生需要一套能跑通、有界面、有数据集、能写进论文的完整工程二是刚接触 YOLOv8 想找一个真实场景练手的算法工程师三是港口信息化团队里需要快速验证箱号识别可行性的开发人员。它不追求 SOTA 精度追求的是端到端可复现——拿到源码和数据集配好环境就能跑起来看到结果。这也是为什么标题里强调“简单部署即可运行”因为大部分同类项目死在环境配置和数据集格式对不上这两步上。2. 箱号识别链路拆解从整图到字符串的四个阶段2.1 为什么不能一步到位做端到端识别很多人第一反应是拿 YOLOv8 直接训练一个检测模型把“箱号”当成一个类别框出来然后接一个 OCR 模型读框里的文字。这个思路在箱号规整、背景干净时能work但在码头场景下会翻车。原因是箱号在整张图里占比极小通常只有几十个像素宽YOLOv8 的检测头在 stride 8 的特征图上对这么小的目标响应很弱框都框不准后面 OCR 再强也没用。常见做法是拆成两阶段第一阶段用 YOLOv8 检测箱体上的字符行区域不是单个字符是一整行第二阶段对字符行做透视矫正和字符分割再用一个轻量级 CNN 或 CRNN 做单字符分类。这样每个阶段的输入尺度都合理YOLOv8 只需要学会“哪里有一行字”不需要学会“这行字是什么”任务难度大幅下降。我一般会把字符行检测的类别设成两类box_code箱号行和box_type箱型代码行比如 45G1。因为这两行在箱体上的位置和字体大小不同分开检测比合并成一类更稳。数据集标注时用 labelme 画矩形框导出成 YOLO 格式的 txt每行class_id x_center y_center width height坐标归一化到 0-1。2.2 YOLOv8 字符行检测的训练参数怎么设拿到数据集后第一步是确认目录结构符合 YOLOv8 的要求dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yamldata.yaml内容如下path: ./dataset train: images/train val: images/val nc: 2 names: [box_code, box_type]然后写训练脚本。我一般用yolov8n.pt做 baseline因为码头场景的字符行特征比较固定不需要太大的模型n 版本在 1080Ti 上 batch16 能跑起来显存占用约 4GB。from ultralytics import YOLO # 加载预训练权重n 版本够用s 版本精度略高但推理慢 30% model YOLO(yolov8n.pt) # 训练参数说明 # epochs100字符行检测收敛快100 轮足够再多容易过拟合 # imgsz640输入尺寸箱号行在 640 下大约 40-80 像素宽够检测 # batch16根据显存调整8GB 显存用 816GB 用 16 # lr00.01初始学习率YOLOv8 默认值字符行任务不需要大改 # patience2020 轮无提升就早停省时间 model.train( datadata.yaml, epochs100, imgsz640, batch16, lr00.01, patience20, device0, projectruns/train, namecontainer_code_det )训练完成后用model.val()看 mAP50 和 mAP50-95。字符行检测的 mAP50 一般能到 0.9 以上如果低于 0.85优先检查标注框有没有把字符行框全以及有没有把箱体边缘的干扰文字比如自重、容积也标进去。2.3 字符分割与透视矫正的工程处理检测到字符行框之后不能直接把框里的图丢给分类模型因为箱体有透视变形字符会倾斜。我一般用 OpenCV 做两步处理先根据框的四个角点做透视变换把字符行拉成水平矩形再用自适应阈值做二值化然后垂直投影切分单个字符。import cv2 import numpy as np def rectify_and_split(img, box): img: 原始整图 BGR box: [x1, y1, x2, y2] 字符行检测框 返回: 单个字符图像列表 x1, y1, x2, y2 map(int, box) roi img[y1:y2, x1:x2] # 转灰度 自适应阈值应对光照不均 gray cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) binary cv2.adaptiveThreshold( gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 15, 8 ) # 垂直投影统计每列白色像素数 proj np.sum(binary, axis0) / 255 # 找到字符间的空白间隔阈值设为行高的 5% h binary.shape[0] threshold h * 0.05 chars [] in_char False start 0 for i, v in enumerate(proj): if v threshold and not in_char: in_char True start i elif v threshold and in_char: in_char False if i - start 3: # 过滤太窄的噪声 chars.append(binary[:, start:i]) return chars这段代码的关键参数是adaptiveThreshold的blockSize15和C8。blockSize 太小会把字符内部也二值化出空洞太大则对光照变化不敏感。C 是常数项用来微调阈值光照偏暗时调大 C偏亮时调小。垂直投影的阈值h * 0.05是经验值字符间距大的箱号可以调到 0.08间距小的调到 0.03。2.4 单字符分类模型的选择与训练字符分类我试过三种方案CRNN 端到端、CNN 单字符分类、模板匹配。模板匹配在字体固定时最快但码头箱号字体有十几种模板匹配泛化太差。CRNN 需要大量序列标注数据训练成本高。最终我选的是轻量级 CNN 单字符分类因为字符集固定数字 0-9 字母 A-Z 去掉 I、O、Q 避免混淆共 33 类每个字符单独分类准确率能到 99% 以上。网络结构用 4 层卷积 2 层全连接输入 32x32 灰度图输出 33 类。训练数据从字符行里切出来每类至少 200 张总共约 7000 张。数据增强用随机旋转 ±5 度、随机亮度 ±20%、随机高斯噪声模拟码头光照变化。import torch import torch.nn as nn class CharCNN(nn.Module): def __init__(self, num_classes33): super().__init__() self.features nn.Sequential( nn.Conv2d(1, 32, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(32, 64, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(64, 128, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(128, 128, 3, padding1), nn.ReLU(), nn.AdaptiveAvgPool2d(1) ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(128, 64), nn.ReLU(), nn.Dropout(0.3), nn.Linear(64, num_classes) ) def forward(self, x): return self.classifier(self.features(x))训练时用 CrossEntropyLossAdam 优化器lr1e-3batch6430 轮收敛。注意输入要归一化到 [0,1]并且做标准化均值 0.5标准差 0.5。如果某类字符准确率明显低比如数字 8 和字母 B 混淆就针对这两类多补 100 张训练图或者在损失函数里给这两类加权。3. 数据集制作与 YOLOv8 训练避坑3.1 标注箱号行时最容易犯的三个错第一个错是把整张图里所有文字都标成箱号行。码头图片里除了箱号还有自重、容积、箱型代码、危险品标识这些如果都标进去模型会学到错误的特征。正确做法是只标箱号行通常是 4 个字母 7 个数字比如 CSQU3054383和箱型代码行比如 45G1其他文字不标。第二个错是框贴得太紧。字符行检测框如果刚好贴着字符边缘训练时数据增强的随机裁剪会把字符切掉。我一般让框比字符行外扩 5-10 个像素给模型一点上下文。第三个错是忽略小目标。箱号行在整图里可能只占 1% 面积如果标注时漏标了远处的箱号模型会学到“远处没有箱号”的错误先验。解决办法是标注时把图片放大到 200% 再标确保不漏。3.2 数据集划分与增强策略数据集按 8:1:1 划分训练、验证、测试。注意同一个箱体的多张图片不能同时出现在训练集和验证集里否则验证集精度会虚高。我一般按箱体 ID 划分同一个箱体的所有图片只进一个集合。YOLOv8 内置的增强包括 mosaic、mixup、随机翻转、HSV 调整。对于箱号检测mosaic 增强要慎用因为四张图拼在一起会引入大量无关文字模型容易混淆。我一般把 mosaic 关掉mosaic0.0只保留 HSV 增强和随机平移。HSV 的hsv_h0.015, hsv_s0.7, hsv_v0.4是默认值码头场景可以把hsv_v调到 0.5增强对暗光的鲁棒性。3.3 训练过程中的损失曲线怎么看YOLOv8 训练完会在runs/train/container_code_det/下生成results.csv里面有每轮的 box_loss、cls_loss、dfl_loss 和 mAP。正常情况 box_loss 从 1.5 降到 0.3 左右cls_loss 从 2.0 降到 0.5 左右。如果 box_loss 震荡不降检查学习率是不是太大或者标注框有没有问题。如果 cls_loss 降不下去说明类别不平衡箱型代码行的样本可能太少需要补数据。用 matplotlib 画损失曲线import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/train/container_code_det/results.csv) df.columns df.columns.str.strip() # 列名可能有空格 fig, axes plt.subplots(1, 2, figsize(12, 4)) axes[0].plot(df[epoch], df[train/box_loss], labelbox_loss) axes[0].plot(df[epoch], df[train/cls_loss], labelcls_loss) axes[0].set_xlabel(epoch) axes[0].set_ylabel(loss) axes[0].legend() axes[1].plot(df[epoch], df[metrics/mAP50(B)], labelmAP50) axes[1].plot(df[epoch], df[metrics/mAP50-95(B)], labelmAP50-95) axes[1].set_xlabel(epoch) axes[1].set_ylabel(mAP) axes[1].legend() plt.savefig(loss_curve.png, dpi150)如果 mAP50 在 50 轮后还在涨说明 100 轮不够加到 200 轮。如果 50 轮就平了说明模型容量不够换yolov8s.pt试试。4. 可视化界面与部署从脚本到可交互系统4.1 用 Gradio 搭一个能上传图片看结果的界面毕设和课程设计最需要的是一个能演示的界面。Gradio 是最快的方式十几行代码就能做出上传图片、显示检测框和识别结果的效果。import gradio as gr from ultralytics import YOLO import cv2 import numpy as np det_model YOLO(runs/train/container_code_det/weights/best.pt) char_model ... # 加载字符分类模型 def recognize(image): # image 是 numpy 数组RGB 格式 img cv2.cvtColor(image, cv2.COLOR_RGB2BGR) results det_model(img, conf0.5, iou0.45) full_code for box in results[0].boxes: x1, y1, x2, y2 box.xyxy[0].tolist() cls_id int(box.cls[0]) if cls_id 0: # box_code 类 chars rectify_and_split(img, [x1, y1, x2, y2]) for ch in chars: # 预处理 ch 成 32x32送 char_model 分类 ... full_code predicted_char # 画框 cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) # 把箱号写在图片上方 cv2.putText(img, full_code, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) return cv2.cvtColor(img, cv2.COLOR_BGR2RGB), full_code demo gr.Interface( fnrecognize, inputsgr.Image(typenumpy), outputs[gr.Image(typenumpy), gr.Textbox(label识别结果)], title集装箱箱号识别系统 ) demo.launch(server_name0.0.0.0, server_port7860)conf0.5是置信度阈值低于 0.5 的框不输出。如果漏检多降到 0.3如果误检多升到 0.6。iou0.45是 NMS 的 IoU 阈值箱号行之间不会重叠这个值影响不大。4.2 部署到 Ubuntu 20.04 CPU 版本的注意事项很多毕设环境没有 GPU只能用 CPU 推理。YOLOv8n 在 CPU 上单张图推理约 200-300ms加上字符分类整条链路约 500ms勉强能接受。安装时注意# 创建虚拟环境 python3 -m venv venv source venv/bin/activate # 安装 PyTorch CPU 版本不要装 CUDA 版本 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu # 安装 ultralytics 和 gradio pip install ultralytics gradio opencv-python # 验证 python -c from ultralytics import YOLO; print(ok)如果pip install ultralytics报错大概率是 numpy 版本冲突先pip install numpy1.24.4再装。CPU 推理时把model.predict的device参数设成cpu不要留空否则会尝试找 GPU 然后报错。4.3 用 ONNX 导出加速 CPU 推理PyTorch 模型在 CPU 上推理有额外开销导出成 ONNX 能快 20-30%。导出命令from ultralytics import YOLO model YOLO(runs/train/container_code_det/weights/best.pt) model.export(formatonnx, imgsz640, simplifyTrue)导出的best.onnx用 onnxruntime 推理import onnxruntime as ort import numpy as np session ort.InferenceSession(best.onnx) input_name session.get_inputs()[0].name # 预处理resize 到 640x640归一化HWC 转 CHW加 batch 维度 blob np.random.randn(1, 3, 640, 640).astype(np.float32) outputs session.run(None, {input_name: blob})注意 ONNX 模型的输出格式和 PyTorch 不同需要自己写后处理解码框、NMS。如果不想写直接用 ultralytics 的YOLO(best.onnx)也能跑它会自动处理。5. 避坑与排查箱号识别系统上线前必须过的五道关5.1 检测框漂移导致字符切分错位现象字符行检测框位置基本对但切分出来的字符要么多一个要么少一个识别结果串位。原因通常是检测框的宽高比和实际字符行不匹配透视矫正时把字符拉变形了。解决办法是在rectify_and_split里加一步根据框的宽高比判断是否需要旋转。箱号行的宽高比一般在 6:1 到 10:1 之间如果检测框宽高比小于 4:1说明框歪了先做最小外接矩形矫正再切分。5.2 字符分类模型对相似字符混淆现象数字 0 和字母 O、数字 1 和字母 I、数字 8 和字母 B 经常认错。原因有两个一是训练数据里这些相似字符的样本不够二是字符分割时把相邻字符的边角切进来了。解决办法在字符集里直接去掉 I、O、Q 这三个字母箱号标准里本来就不用把 33 类降到 30 类然后在训练时对 0/8/B 这几类做重点增强每类补到 500 张。5.3 低光照图片检测全漏现象白天图片正常傍晚或阴天图片一个框都检测不出来。原因是训练集里低光照样本太少模型没学过暗光特征。解决办法在训练前用 Albumentations 做离线增强对每张训练图随机降低亮度 30%-50%模拟暗光或者在 YOLOv8 训练时把hsv_v调到 0.6让模型在训练中见到更多暗光变化。如果已经训练完了推理前用 CLAHE 做直方图均衡化也能救急。5.4 Gradio 界面并发上传时显存溢出现象一个人用没问题两个人同时上传图片就报 CUDA out of memory。原因是 Gradio 默认多线程每个请求都加载一次模型。解决办法把模型加载放在函数外面全局只加载一次然后在demo.launch()里设max_threads1强制串行处理。如果还是溢出把 batch 设成 1并且每处理完一张图手动torch.cuda.empty_cache()。5.5 部署到新机器时 OpenCV 报错现象在开发机上跑得好好的换一台机器cv2.imshow报cannot connect to X server。原因是新机器没有图形界面而代码里用了imshow。解决办法把所有cv2.imshow删掉改成cv2.imwrite保存到文件或者直接用 Gradio 的 Image 组件显示。另外 OpenCV 的版本也要注意opencv-python和opencv-python-headless选一个装服务器上装 headless 版本避免依赖图形库。6. 把识别率从 85% 拉到 95% 的两个后处理技巧第一个技巧是箱号校验位修正。集装箱箱号最后一位是校验位按 ISO 6346 标准计算前 10 位字母数字映射成数值A10, B12, ..., Z38跳过 11 的倍数加权求和后取模 11再模 10。如果识别结果的校验位对不上说明某一位认错了。这时候不要直接输出而是把置信度最低的那一位替换成候选字符里第二高的重新算校验位如果对上了就采纳。这个后处理能把准确率拉高 3-5 个百分点因为校验位相当于一个免费的纠错码。第二个技巧是多帧投票。码头摄像头通常是视频流同一个箱号会在连续多帧里出现。把连续 5 帧的识别结果收集起来每一位字符取众数如果某一位有 3 帧以上一致就采纳。这个技巧对运动模糊和瞬时遮挡特别有效代价是延迟增加 5 帧对于龙门吊场景完全可接受。from collections import Counter def multi_frame_vote(results_list): results_list: 连续多帧的识别结果字符串列表 返回: 投票后的最终箱号 if not results_list: return # 取最短长度避免长度不一致 min_len min(len(r) for r in results_list) final [] for i in range(min_len): chars [r[i] for r in results_list] # 取出现次数最多的字符 most_common Counter(chars).most_common(1)[0][0] final.append(most_common) return .join(final)这两个技巧都不需要重新训练模型纯后处理代码量不到 50 行但效果立竿见影。我自己的习惯是任何字符识别项目先加校验位修正再加多帧投票这两步做完再去调模型。因为模型调参的收益是线性的而后处理的收益是指数级的——它利用的是问题本身的结构信息不是数据里的统计规律。希望帮到你。本文还有配套的精品资源点击获取