核心目标：使用 YOLO（优先选择 YOLOv8，工业界主流且易用）检测图像中每个独立数字的边界框（bounding box） 并识别数字类别（0-9），即「逐位标注、逐位检测」，而非检测整串数字的整体框。本教程聚焦 digit 框检测的核心环节（标注规范、训练适配、框精度优化），覆盖从环境搭建到推理验证的全流程。

一、核心前提：digit 框检测的关键要求

1. 标注粒度：每个数字（0-9）必须单独标注一个框，即使数字粘连（如 “69”），也需尽可能拆分标注独立框；

2. 框的精度：标注框需紧贴数字边缘（上下左右无多余背景、不裁切数字）；

3. 类别对应：每个框对应唯一类别（0-9），class_id 与数字一一映射。

二 digit 框检测专用数据集构建（核心环节）

1. 数据集结构（YOLO 标准格式）

digit_box_dataset  # 数据集根目录

├── images/         # 图片目录（按训练/验证/测试划分）

│   ├── train/      # 训练集图片（70%）

│   ├── val/        # 验证集图片（20%）

│   └── test/       # 测试集图片（10%）

├── labels/         # 标注文件目录（与images目录结构完全一致）

│   ├── train/

│   ├── val/

│   └── test/

└── digit\_box.yaml  # 数据集配置文件

2. digit 框标注规则（必须严格遵守）

（1）标注格式（YOLOv8 要求）

每个图片对应一个.txt标注文件，每行对应一个 digit 框，格式：

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

• class_id：0→0，1→1，…，9→9（固定映射）；

• x_center/y_center：digit 框中心的归一化坐标（除以图片宽 / 高，范围 0-1）；

• width/height：digit 框宽 / 高的归一化值（除以图片宽 / 高，范围 0-1）。

（2）逐位标注示例

假设图片859.jpg（宽 640，高 480）包含数字 8、5、9，各自的框坐标如下：

数字	像素框（x1,y1,x2,y2）	归一化中心 (xc,yc)	归一化宽高 (w,h)	class_id
8	(120, 200, 180, 280)	(0.234, 0.417)	(0.094, 0.167)	8
5	(220, 200, 280, 280)	(0.391, 0.417)	(0.094, 0.167)	5
9	(320, 200, 380, 280)	(0.547, 0.417)	(0.094, 0.167)	9

则859.txt标注文件内容为：

8 0.234 0.417 0.094 0.167

5 0.391 0.417 0.094 0.167

9 0.547 0.417 0.094 0.167

（3）标注工具推荐

• 可视化标注：LabelImg（直接支持 YOLO 格式，勾选「YOLO」模式即可）；

• 批量标注：LabelStudio（适合大量数据，可导出 YOLO 格式）；

• 自定义脚本：若有数字定位规则（如固定间距），可写脚本批量生成标注。

3. 数据集配置文件（digit_box.yaml）

创建于数据集根目录，内容如下（路径替换为实际路径）：

# 数据集根路径（绝对路径/相对路径均可）

path: /home/user/digit_box_dataset

# 训练/验证/测试集图片路径（相对于path）

train: images/train

val: images/val

test: images/test

# digit类别配置（固定10类）

nc: 10 
 # 类别数：0-9
names: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']  # class_id与数字一一对应

三、digit 框检测模型训练

1. 训练策略适配（digit 框特点）

digit 框通常是「小目标 / 中等目标」，训练时需侧重：

• 输入尺寸：建议 640×640（32 的倍数，适配小框检测）；

• 批次大小：根据 GPU 显存调整（1080Ti→16，3090→32，CPU→8）；

• 预训练模型：优先用yolov8n.pt（轻量化）或yolov8s.pt（平衡精度 / 速度），小目标可自定义锚框。

3.训练

from ultralytics import YOLO

# 1. 加载预训练模型（适配digit框检测）

model = YOLO("yolov8s.pt")  # 小目标可选yolov8n.pt，高精度可选yolov8m.pt

# 2. 启动训练（重点优化digit框精度）

train\_results = model.train(

   data="digit\_box.yaml",    # 数据集配置

     epochs=100,               # 训练轮数

  imgsz=640,                # 输入尺寸

   batch=16,                 # 批次大小

  device=0,                 # 训练设备

  lr0=0.01,                 # 初始学习率

  lrf=0.01,                 # 最终学习率（lr0\*lrf）

  weight\_decay=0.0005,      # 权重衰减（防止过拟合）

 warmup\_epochs=3,          # 热身轮数（小数据集1-3）

 box=7.5,                  # 框损失权重（核心：提升digit框定位精度）

  cls=0.5,                  # 类别损失权重

 save=True,                # 保存最佳模型

 project="digit_box\train",# 训练结果保存目录

 name="digit_box_model",   # 模型名称

  exist_ok=True             # 覆盖已有目录

)

# 3. 打印训练关键结果

print("最佳模型路径：", model.best)

print("训练集框损失：", train_results.results_dict["train/box_loss"])

print("验证集mAP@0.5（框精度核心指标）：", train_results.metrics["metrics/mAP50(B)"])

4. 关键参数说明（针对 digit 框检测）

参数	作用	推荐值
box	框损失权重（提升框定位精度）	7.0-8.0
imgsz	输入尺寸（越大越易检测小 digit 框）	640/800
patience	早停阈值（避免过拟合）	20-30
batch	批次大小（显存允许则越大越好）	16-32
lr0	初始学习率（小数据集调小）	0.001-0.01

四、digit 框检测模型评估（重点看框精度）

训练完成后，重点评估 digit 框的「定位精度」和「类别准确率」：

1. 评估（解析框精度细节）

# 加载训练好的最佳模型

model = YOLO("digit_box_train/digit_box_model/weights/best.pt")

# 评估验证集

val_metrics = model.val(

   data="digit_box.yaml",

 imgsz=640,

 device=0,

  iou=0.5  # 以IOU=0.5为标准评估框精度

)

#打印核心评估指标（digit框检测重点关注）

print(f"框平均精度mAP@0.5：{val_metrics.box.map:.4f}")  # 核心指标，目标>0.9

print(f"框精确率（框定位准不准）：{val_metrics.box.mp:.4f}")

print(f"框召回率（框有没有漏检）：{val_metrics.box.mr:.4f}")

print(f"类别准确率：{val\_metrics.box.mc:.4f}")  # digit类别简单，目标>0.95
# 查看单类别精度（比如数字6/9易混淆）

for cls_id, cls_name in model.names.items():

 print(f"数字{cls_name}的框精度：{val_metrics.box.ap50\[cls_id]:.4f}")
 

3. 评估结果解读

• mAP@0.5≥0.9：digit 框检测达标（工业场景可接受）；

• 框精确率低：标注框不规范 / 模型过拟合→优化标注、增加数据增强；

• 框召回率低：小 digit 框漏检→增大 imgsz、自定义小锚框；

• 类别准确率低：数字混淆（如 6/9）→增加混淆数字的标注样本。

四、digit 框检测推理（解析框坐标 + 数字）

训练完成后，用最佳模型检测图片中的 digit 框，并解析每个框的位置和数字：

完整推理脚本

import cv2

from ultralytics import YOLO

# 配置参数

MODEL_PATH = "digit_box_train/digit\_box_model/weights/best.pt"  # 最佳模型路径

TEST_IMG_PATH = "test_digit.jpg"  # 测试图片路径

CONF_THRESH = 0.5  # 置信度阈值（过滤低置信框）

IOU_THRESH = 0.5   # NMS IOU阈值（去重框）

# 加载模型

model = YOLO(MODEL_PATH)

# 1. 推理（检测digit框）

results = model(

  TEST_IMG_PATH,

imgsz=640,

conf=CONF_THRESH,

  iou=IOU\_THRESH,

device=0

)

# 2. 解析digit框+数字

digit_boxes = []

for r in results:

;   boxes = r.boxes  # 所有digit框

  for box in boxes:

      # 解析框坐标（像素值）

    x1, y1, x2, y2 = map(int, box.xyxy\[0])  # 左上角(x1,y1)，右下角(x2,y2)

      # 解析数字类别

      cls_id = int(box.cls[0])

      digit = model.names[cls_id]

     # 解析置信度

      conf = round(float(box.conf[0]), 3)


     digit_boxes.append({

           "digit": digit,

         "confidence": conf,

           "bbox": (x1, y1, x2, y2),  # digit框坐标

          "center": ((x1+x2)/2, (y1+y2)/2)  # 框中心（用于排序）

     })

# 3. 按框中心x坐标排序（还原数字顺序）

digit_boxes = sorted(digit_boxes, key=lambda x: x["center"]\[0])

detected\_digits = [d["digit"] for d in digit_boxes]

# 4. 可视化digit框（绘制到图片上）

img = cv2.imread(TEST_IMG_PATH)

for d in digit_boxes:

  x1, y1, x2, y2 = d["bbox"]

 # 绘制digit框（绿色，线宽2）
  cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)

 # 绘制数字+置信度

   label = f"{d['digit']} ({d['confidence']})"

   cv2.putText(img, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
# 5. 输出结果

print("检测到的逐位数字：", detected_digits)

print("每个digit框详情：", digit_boxes)
# 保存/显示可视化结果

cv2.imwrite("digit_box_detect_result.jpg", img)

cv2.imshow("Digit Box Detection", img)

cv2.waitKey(0)

cv2.destroyAllWindows()

五、digit 框检测优化技巧

1. 小 digit 框漏检优化

• 自定义小锚框（适配 digit 尺寸）：在digit_box.yaml中添加锚框配置：

anchors:

- [6,8, 10,13, 16,23]  # 超小digit框

 - [23,33, 30,61, 62,45] # 中小digit框

 - [59,119, 116,90, 156,198] # 大digit框

• 增大输入尺寸（如 800×800），提升小框检测能力；

• 降低置信度阈值（推理时conf=0.3），减少漏检。

2. digit 框定位不准优化

• 加大box损失权重（训练时box=8.0）；

• 增强数据增强（训练时开启hsv_h=0.015、hsv_s=0.7、hsv_v=0.4，模拟不同光照下的 digit 框）；

• 标注优化：确保框紧贴 digit 边缘，无多余背景。

3. 数字粘连（如 69、85）的框检测优化

• 标注时尽可能拆分独立框（即使粘连，也标注各自的最小包围框）；

• 训练时增加mosaic增强（默认开启），提升模型对粘连数字的拆分能力；

• 推理时启用agnostic_nms=True（类别无关 NMS），避免粘连框被误过滤。

六、常见问题解决

1. 训练时框损失不下降：

• 检查标注文件：确保坐标是归一化值（0-1），无超出范围的情况；

• 确认数据集配置文件路径正确，nc和names与标注匹配；

• 降低学习率（lr0=0.001），增大box损失权重。

2. 推理时 digit 框重复 / 重叠：

• 增大 NMS 的 IOU 阈值（推理时iou=0.6）；

• 训练时减少mosaic增强比例（mosaic=0.5），避免模型学错框位置。

3. 数字类别混淆（如 6/9、0/8）：

• 增加混淆数字的标注样本；

• 训练时增大cls损失权重（cls=1.0）；

• 推理时对混淆数字做后处理（如根据框的方向区分 6/9）。

七、最终输出

训练完成后，digit_box_train/digit_box_model/weights/目录下的文件：

• best.pt：验证集框精度（mAP@0.5）最高的模型（推荐部署）；

• last.pt：最后一轮训练的模型；

• results.csv：训练日志（含框损失、mAP 等指标）；

• confusion_matrix.png：类别混淆矩阵（查看数字混淆情况）；

• val_batch0_pred.jpg：验证集框检测可视化结果（直观查看框精度）。