如何用YOLO11做零售货架识别？附完整过程-程序员充电站

如何用YOLO11做零售货架识别？附完整过程

在智能零售和自动化库存管理日益普及的今天，准确、高效地识别货架商品成为提升运营效率的关键。YOLO11作为Ultralytics最新推出的高性能目标检测模型，在速度与精度之间实现了前所未有的平衡，特别适合用于复杂场景下的实时视觉分析任务。

本文将围绕如何使用YOLO11完成零售货架商品识别展开，涵盖环境准备、数据处理、模型训练、推理部署到结果可视化的完整流程，并结合实际操作步骤提供可运行代码与工程建议，帮助开发者快速落地该技术方案。

1. 背景与需求分析

1.1 零售货架识别的核心挑战

零售货架图像通常具有以下特点：

密集排列：商品种类多、摆放紧凑，存在大量遮挡和重叠。
光照不均：不同区域亮度差异大，反光或阴影影响识别效果。
类别繁多：需区分多个品牌、包装形式相近的商品（如饮料瓶）。
小目标问题：远距离拍摄时部分商品尺寸极小。

传统方法难以应对上述复杂性，而基于深度学习的目标检测模型（如YOLO系列）凭借强大的特征提取能力，已成为主流解决方案。

1.2 为何选择YOLO11？

YOLO11是Ultralytics在YOLOv8/v9/v10基础上进一步优化的新一代架构，具备以下优势：

更高的mAP与更低参数量：相比YOLOv8m减少22%参数的同时提升COCO上mAP表现。
更强的小目标检测能力：改进的Neck结构（如PAN-FPN增强版）提升了多尺度融合性能。
支持多种任务：除目标检测外，还支持实例分割、姿态估计等扩展功能。
边缘设备友好：轻量化设计便于部署至NVIDIA Jetson、树莓派等终端设备。

这些特性使其非常适合应用于零售货架监控系统中。

2. 环境搭建与镜像使用

2.1 使用预置YOLO11镜像快速启动

为简化开发流程，推荐使用官方提供的YOLO11完整可运行环境镜像，已集成以下组件：

Python 3.10
PyTorch 2.3 + CUDA 12.1
Ultralytics 8.3.9
JupyterLab、OpenCV、NumPy、Pandas等常用库

启动方式：

在平台创建实例并选择YOLO11镜像；
实例启动后可通过两种方式访问：
- JupyterLab界面：点击“应用服务”按钮进入Web IDE；
- SSH连接：通过终端SSH登录进行命令行操作。

图：JupyterLab开发环境界面

图：SSH远程连接配置方式

2.2 进入项目目录并验证环境

cd ultralytics-8.3.9/ python -c "import ultralytics; print(ultralytics.__version__)"

确保输出版本为8.3.9或以上，表示环境正常。

3. 数据准备与标注规范

3.1 数据采集建议

针对零售货架场景，建议按如下标准采集图像：

分辨率不低于 1920×1080；
拍摄角度尽量垂直于货架平面，避免严重透视畸变；
覆盖白天/夜晚、高光/暗光等多种光照条件；
包含空缺货位、部分遮挡、堆叠摆放等真实情况。

建议收集至少500~1000张图像以保证模型泛化能力。

3.2 标注工具与格式

使用主流标注工具（如LabelImg、CVAT、Roboflow）对商品进行边界框标注，保存为YOLO格式的TXT文件，每行格式如下：

<class_id> <x_center> <y_center> <width> <height>

所有值归一化到 [0,1] 区间。

示例目录结构：

shelf_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml

3.3 编写配置文件`data.yaml`

train: ./shelf_dataset/images/train val: ./shelf_dataset/images/val nc: 5 names: ['cola', 'water', 'chips', 'milk', 'bread']

其中nc表示类别数量，names为类别名称列表，请根据实际商品调整。

4. 模型训练全过程

4.1 训练脚本调用

进入主目录后执行训练命令：

python train.py \ --data data.yaml \ --model yolo11m.pt \ --imgsz 640 \ --epochs 100 \ --batch 16 \ --name yolo11_shelf_detect

参数说明：

参数	含义
`--data`	数据集配置文件路径
`--model`	使用的预训练模型（支持yolo11n/s/m/l/x）
`--imgsz`	输入图像尺寸（建议640）
`--epochs`	训练轮数
`--batch`	批次大小（根据GPU显存调整）
`--name`	实验名称，日志保存子目录

推荐首次训练使用yolo11m，兼顾性能与资源消耗。

4.2 训练过程监控

训练期间可在runs/detect/yolo11_shelf_detect/目录查看：

results.png：损失函数、mAP@0.5等指标变化曲线；
confusion_matrix.png：分类混淆矩阵；
val_batch*.jpg：验证集预测效果图。

图：训练过程中生成的检测效果可视化样本

4.3 提前停止与模型选择

若发现验证集mAP连续10轮未上升，可提前终止训练。最终保留best.pt模型权重，它在验证集上表现最优。

5. 推理与货架识别应用

5.1 单张图像推理

使用训练好的模型进行预测：

from ultralytics import YOLO # 加载模型 model = YOLO('runs/detect/yolo11_shelf_detect/weights/best.pt') # 推理 results = model.predict( source='test_images/shelf_001.jpg', imgsz=640, conf=0.5, save=True ) # 输出结果 for r in results: boxes = r.boxes for box in boxes: cls = int(box.cls[0]) conf = float(box.conf[0]) print(f"Detected: {model.names[cls]} with confidence {conf:.2f}")

设置save=True可自动保存带标注框的结果图至runs/detect/predict/。

5.2 视频流实时检测

适用于摄像头接入的货架监控系统：

results = model.predict( source=0, # 0表示默认摄像头 imgsz=640, stream=True, # 启用流式处理 device='cuda' # 使用GPU加速 ) for frame_result in results: annotated_frame = frame_result.plot() cv2.imshow("Shelf Detection", annotated_frame) if cv2.waitKey(1) & 0xFF == ord('q'): break

注意：部署至边缘设备时建议降低分辨率（如416×416）以提高帧率。

5.3 批量处理与库存统计

结合Pandas实现自动化库存分析：

import pandas as pd results = model.predict(source='shelf_images/', save=False) inventory = {} for r in results: for c in r.boxes.cls: class_name = model.names[int(c)] inventory[class_name] = inventory.get(class_name, 0) + 1 df = pd.DataFrame(list(inventory.items()), columns=['Product', 'Count']) print(df)

输出示例如下：

Product	Count
cola	48
water	32
chips	21
milk	15
bread	9

可用于生成每日补货建议报表。

6. 性能优化与工程建议

6.1 模型轻量化部署

对于边缘设备部署，建议采取以下措施：

使用export导出ONNX或TensorRT格式：

yolo export model=best.pt format=onnx imgsz=640

采用 TensorRT 加速推理，提升3~5倍吞吐量；
对模型进行量化（FP16或INT8），减小体积并加快响应。

6.2 提升小目标检测能力

针对远处小商品识别不准的问题：

增加马赛克增强（Mosaic）比例；
使用高分辨率输入（如768×768）；
引入注意力机制模块（如CBAM）微调Backbone。

6.3 自动化Pipeline构建

建议构建端到端识别流水线：

graph LR A[图像采集] --> B[预处理] B --> C[YOLO11推理] C --> D[结果解析] D --> E[库存统计] E --> F[告警/报表生成]

可集成至企业ERP或WMS系统，实现无人值守盘点。

7. 总结

本文详细介绍了如何利用YOLO11实现零售货架商品识别的全流程，包括：

利用预置镜像快速搭建开发环境；
构建符合YOLO格式的数据集与配置文件；
完整执行模型训练、验证与测试；
实现图像、视频及批量推理；
输出结构化库存数据用于业务决策；
给出了性能优化与工程落地建议。

YOLO11凭借其卓越的速度-精度权衡，已成为当前最适合零售视觉分析的模型之一。通过合理配置训练策略与部署方案，可在真实场景中达到>90% mAP@0.5的识别准确率，显著提升门店运营效率。

未来还可拓展至缺货检测、价格标签识别、顾客行为分析等高级应用，构建完整的智慧零售AI系统。

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

如何用YOLO11做零售货架识别？附完整过程