YOLO系列算法演进：从v1到v8的发展历程与核心思想
做工业缺陷检测这些年，我接触过不少目标检测算法。但要说落地最快、迭代最猛的，还得是YOLO系列。从2016年YOLOv1横空出世，到现在v8遍地开花，这八年多的演进史，说白了就是一场「速度与精度」的极限拉扯。
今天我就带大家捋一遍这条技术线。嗯，不光是讲里的公式，我会把每个版本在工业现场踩过的坑、捡到的宝，都摊开来说。
1. YOLOv1：把检测做成回归，够狠
2016年之前，目标检测的主流还是Faster R-CNN那套——先提候选框，再分类回归。两阶段，慢，但准。YOLOv1直接掀了桌子：老子不要候选框了，一张图分成S×S网格，每个网格直接预测边界框和类别概率。
我记得第一次跑v1的时候，看到它在GPU上跑到45 FPS，整个人都惊了。但一上工业数据集就露馅了——小目标几乎全丢。为什么？因为每个网格只能预测两个框，而且感受野太大，小物体在特征图上就剩一两个像素了。
| 版本 | 核心创新 | 工业场景痛点 |
|---|---|---|
| v1 | 端到端回归，45 FPS | 小目标漏检严重，密集场景崩溃 |
| v2 | 引入Anchor Box，Batch Normalization | 召回率提升，但框的尺寸需要手工调 |
| v3 | FPN多尺度预测，Darknet-53 | 小目标改善明显，模型变大 |
| v4 | CSPNet，Mish激活，CIoU Loss | 训练更稳，但部署时算子兼容性头疼 |
| v5 | Focus结构，自适应锚框，工程优化 | 工业落地首选，但小目标仍需trick |
| v8 | 无锚框，解耦头，TaskAligned | 精度最高，但边缘设备推理需量化 |
2. YOLOv2 & v3：锚框与多尺度，补上短板
v2最大的贡献是引入了Anchor Box。说白了就是预先定义一组宽高比不同的框，让模型去「微调」而不是「凭空画框」。这招从Faster R-CNN借来的，但YOLO把它用得更轻量。
v3则是真正让YOLO在工业场景站住脚的版本。它做了三件关键事：
- FPN特征金字塔： 在三个不同尺度的特征图上分别做预测。大特征图负责小目标，小特征图负责大目标。
- Darknet-53骨干： 用了残差连接，网络深了但梯度不炸。
- 多标签分类： 用sigmoid代替softmax，一个物体可以同时属于多个类别——这在工业场景里其实挺实用，比如一个缺陷既是「划痕」又是「深度划痕」。
我有个做钢材表面缺陷检测的朋友，v3在他的数据集上mAP能到78%，比v1高了整整20个点。但代价是模型从几十MB涨到了200多MB，边缘设备跑起来有点吃力。
3. YOLOv4 & v5：工程优化的分水岭
2020年是YOLO的「神仙打架」之年。v4和v5几乎同时出现，但走的是两条路。
v4更像一个「缝合怪」——但它缝得好啊！CSPNet减少计算量，Mish激活函数让梯度更平滑，CIoU Loss把框的定位精度拉高了一个档次。我在一个手机中框缺陷项目里试过v4，同样的数据，mAP比v3高了5个点，推理速度只慢了3ms。
v5则是Ultralytics团队的作品，它最大的特点是「工程化」。Focus结构下采样不丢信息，自适应锚框省去了手工调参的麻烦，而且代码写得极其干净。说实话，现在工业界90%的YOLO项目都在用v5，不是因为它精度最高，而是因为它「开箱即用」。
4. YOLOv8：无锚框时代的全能选手
到了v8，YOLO已经进化成一个「目标检测+实例分割+姿态估计」的全能框架。但对我们做缺陷检测的人来说，最核心的变化是两点：
- 无锚框设计： 不再依赖预设的Anchor Box，而是直接预测目标中心到边界框四边的距离。这招让模型对不规则形状的缺陷（比如划痕、崩边）更友好。
- 解耦检测头： 分类和回归分支分开，各自用不同的卷积层。我实测过，在手机屏幕划痕数据集上，v8比v5的召回率高了6%，而且误检率还降了3%。
但v8也不是没缺点。它的模型体积比v5大了约30%，在Jetson Nano这类边缘设备上需要做INT8量化才能跑实时。另外，v8的训练超参数更敏感，我建议新手先用v5跑通基线，再迁移到v8做精度优化。
5. 工业场景选型建议
说了这么多，到底该用哪个版本？我个人的经验是：
- 产线节拍要求高（>100 FPS）： 选YOLOv5s或v8n，配合TensorRT加速。
- 小目标密集场景（如焊点、晶圆缺陷）： 优先试YOLOv8，配合多尺度训练和SAHI切片推理。
- 样本量少（<500张）： 用YOLOv4的Mosaic+自对抗训练，或者直接上v5的预训练模型做微调。
- 边缘设备部署（如树莓派、Jetson）： YOLOv5是当前最稳的选择，v8的量化工具链还不够成熟。