1. 课程导学与环境准备：YOLO发展史、OpenCV简介与项目环境搭建
各位同学，欢迎来到《OpenCV YOLO目标检测实战演练》的第一章。
在正式开始敲代码之前，我想先聊聊这门课到底要做什么，以及我们为什么要从YOLO的发展史讲起。我个人习惯是，学任何技术前，先搞清楚它的来龙去脉。你想想看，如果你连YOLO从v1到v8经历了什么都不知道，调参的时候遇到问题，你都不知道该往哪个方向去排查。
1.1 YOLO发展史：从v1到v8
YOLO，全称是You Only Look Once。说白了，就是只看一眼，就能把画面里的物体全认出来。这个思路在当年是非常激进的。
核心思想：将目标检测视为一个回归问题，直接从图像像素映射到边界框坐标和类别概率。一次前向传播，搞定所有。
我记得2016年YOLOv1刚出来的时候，整个计算机视觉圈子都炸了。当时主流还是Faster R-CNN这种两阶段检测器，精度高但速度慢。YOLOv1在Titan X上跑到45 FPS，直接让实时检测成为可能。不过它也有硬伤——对小物体检测很差，而且每个网格只能预测两个框，拥挤场景基本歇菜。
后来YOLOv2（YOLO9000）引入了Batch Normalization和Anchor Box，v3用了特征金字塔和Darknet-53骨干网络。v4和v5几乎同时出现，v4主打Bag of Freebies技巧堆叠，v5则把工程易用性做到了极致。v6、v7、v8更多是架构上的微调和工业落地优化。
我曾在项目中遇到过一个问题：用YOLOv3检测生产线上的微小零件，漏检率特别高。后来换成YOLOv5，配合Mosaic数据增强和自适应锚框计算，效果才勉强达标。嗯，这里要注意，不是版本越新就一定适合你的场景。
| 版本 | 发布时间 | 核心贡献 | 我的评价 |
|---|---|---|---|
| YOLOv1 | 2016 | 开创性的一阶段检测 | 思想超前，但精度粗糙 |
| YOLOv2 | 2017 | Anchor Box + 多尺度训练 | 工程上更实用了 |
| YOLOv3 | 2018 | FPN + Darknet-53 | 小物体检测质的飞跃 |
| YOLOv4 | 2020 | CSPDarknet + Mish + Bag of Freebies | 技巧堆叠的巅峰 |
| YOLOv5 | 2020 | Ultralytics出品，PyTorch原生 | 易用性最好，社区最活跃 |
| YOLOv8 | 2023 | Anchor-Free + 任务解耦头 | 当前工业落地首选 |
避坑指南：我曾经在v3和v5之间反复横跳，后来发现v5的官方权重和导出工具链最成熟。如果你刚入门，我建议直接从YOLOv5或YOLOv8开始，别在v1-v4上浪费时间。
1.2 OpenCV简介
OpenCV，全称Open Source Computer Vision Library。它不是一个深度学习框架，而是一个计算机视觉的工具箱。图像读取、颜色空间转换、图像滤波、边缘检测、特征匹配……这些传统视觉操作，OpenCV是行业标准。
在YOLO项目中，OpenCV主要干三件事：
- 图像预处理：读取图片、缩放、归一化、格式转换
- 后处理：非极大值抑制（NMS）、绘制边界框和标签
- 视频流处理：读取摄像头或视频文件，逐帧推理
你想想看，如果没有OpenCV，你每次都要自己写图像读取和绘图的代码，那得多痛苦。我建议你把OpenCV当成你的右手，YOLO模型当成你的左手，两手配合才能干活。
1.3 项目目标与效果展示
这门课最终要做什么？简单说，就是让你从零搭建一个能跑在摄像头上的实时目标检测系统。我们会覆盖：
- 自定义数据集标注与格式转换
- 模型训练、验证、测试全流程
- 模型导出（ONNX/TensorRT）与部署
- OpenCV调用模型进行实时推理
效果嘛，就是你的电脑摄像头一开，画面里的行人、车辆、手机、杯子，都能被框出来，并且实时显示类别和置信度。帧率至少30 FPS以上，这才叫实时。
注意：如果你用的是CPU，别指望能跑到30 FPS。YOLO推理对GPU依赖很大。后面我会详细讲GPU和CPU的配置对比。
1.4 Anaconda与Python环境搭建
这部分是基础中的基础。我见过太多同学卡在环境配置上，一卡就是半天。其实没那么复杂，按步骤来就行。
第一步：安装Anaconda
Anaconda是一个Python发行版，自带conda包管理器。我个人习惯用Miniconda，更轻量。但如果你是新手，直接装Anaconda省心。
第二步：创建虚拟环境
conda create -n yolo_env python=3.9
conda activate yolo_env第三步：安装PyTorch
这里要注意，PyTorch的安装命令取决于你有没有GPU。去PyTorch官网选对应版本：
# GPU版本（CUDA 11.8）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# CPU版本
pip install torch torchvision torchaudio第四步：安装OpenCV和Ultralytics
pip install opencv-python ultralytics避坑指南：我曾经在Windows上装PyTorch GPU版，结果CUDA版本没对上，折腾了两小时。建议你先用 nvidia-smi 查看你的CUDA版本，再去官网选对应的PyTorch版本。
1.5 GPU（CUDA/CuDNN）与CPU环境配置对比
为什么要用GPU？说白了，深度学习就是矩阵运算，GPU天生就是干这个的。CPU也能跑，但速度差了一个数量级。
| 对比项 | CPU | GPU（CUDA） |
|---|---|---|
| 推理速度（YOLOv8s） | 2-5 FPS | 30-60 FPS |
| 训练速度 | 基本不可用 | 正常可用 |
| 配置难度 | 简单 | 中等（需CUDA+CuDNN） |
| 硬件成本 | 0元（已有） | 1000-5000元（显卡） |
| 适用场景 | 快速验证、小模型 | 生产环境、大模型 |
如果你只是想在笔记本上跑跑demo，CPU也能凑合。但如果你想做项目、搞部署，我建议你至少搞一张NVIDIA显卡。GTX 1060 6G就能跑YOLOv5s，RTX 3060 12G基本通吃。
CuDNN是NVIDIA的深度学习加速库，装了之后卷积运算能快不少。安装步骤：
- 下载对应CUDA版本的CuDNN（需要注册NVIDIA账号）
- 解压后把bin、include、lib文件夹复制到CUDA安装目录
- 添加环境变量
注意：CuDNN版本必须和CUDA版本严格对应。我曾经因为CuDNN版本不对，导致模型训练时直接报错 cudaErrorNoKernelImageIsAvailable，排查了半天才发现是CuDNN没装对。
1.6 本章知识体系总览
下面这张图，是我画的本章节知识结构。你可以把它当成一张地图，学完本章后，你应该能清楚每个模块的位置和作用。