YOLOv8 验证码文字检测模型训练简化步骤

以下步骤基于自定义标注的验证码数据集，目标是让模型精准识别带干扰、扭曲的验证码文字，适配真实场景的坐标检测需求。

1. 数据集准备（核心前提）

1.1 数据收集(利用自定义程序进行生成，附件已上传)

• 收集 1000张目标验证码图片（数量越多，模型越准，建议至少 500 张），需覆盖不同干扰样式（如线条、噪点、背景纹理）和文字扭曲程度。

• 图片格式统一为 JPG/PNG，尺寸建议调整为 640×640（YOLOv8 默认输入尺寸，减少预处理耗时）。

• 运行open-cv-python_func.py程序，自动生成符合上述要求的1000张验证码图片。
  
  生成结果如下图：
  

1.2 标注文字坐标（先用自定义程序自动标注，再使用LabelImg软件人工标注）

1.2.1 程序自动标注

运行PaddleOCR.py程序，实现对上一步生成的样本集进行自动标注，启用GPU加速会显著提高标注速度。

1.2.2 人工核查+标注

使用免费标注工具 LabelImg（需提前安装：pip install labelImg），按以下步骤标注：

1. 打开 LabelImg，点击「Open Dir」导入验证码图片文件夹，「Change Save Dir」设置标注文件保存路径。

2. 点击左侧「Create RectBox」，用鼠标框选每个文字区域，标签统一设为「text」（无需区分具体字符，只需定位文字位置）。

3. 每张图标注完成后点击「Save」，会生成对应 XML 格式标注文件（包含文字的 x1,y1,x2,y2 坐标）。

   
   标注后XML文件内容示例：
   

1.3 数据集划分

将图片和标注文件按 7:2:1 比例分为训练集（train）、验证集（val）、测试集（test）,文件夹结构如下：

captcha_dataset/
├─ train/          # 训练集（700张图+700个XML）
│  ├─ img1.jpg
│  ├─ img1.xml
│  └─ ...
├─ val/            # 验证集（200张图+200个XML）
└─ test/           # 测试集（100张图+100个XML）

分组如图

2. 配置 YOLO 训练文件

2.1 转换标注格式（规整处理）

YOLOv8 需 TXT 格式标注，而非 XML。运行以下代码将 XML 转为 YOLO 格式（坐标归一化到 0-1 范围）：

2.2 编写 YOLO 配置文件

在 ultralytics/cfg/datasets/ 目录下，新建 captcha.yaml 文件，内容如下（需替换为自己的数据集实际路径）：

# 数据集路径配置
path: /your/path/to/captcha_dataset  # 数据集根目录
train: train  # 训练集图片文件夹（相对于path）
val: val      # 验证集图片文件夹（相对于path）
test: test    # 测试集图片文件夹（相对于path）

# 类别配置
names:
  0: text  # 仅1个类别“text”
nc: 1      # 类别总数

3. 启动模型训练

如果要使用GPU进行加速，需要依据自己之前的帖子(大模型训练时GPU的超详细配置流程！！！-CSDN博客)配置GPU，配置后pip命令安装pytorch后便可开始训练。

运行以下代码，使用 YOLOv8 轻量版（yolov8n.pt）训练，平衡速度和精度：

from ultralytics import YOLO

# 1. 加载预训练模型（yolov8n.pt轻量版，yolov8s.pt精度更高但更慢）
model = YOLO("yolov8n.pt")

# 2. 启动训练（关键参数说明）
results = model.train(
    data="captcha.yaml",  # 刚才编写的配置文件路径
    epochs=50,            # 训练轮次（50-100足够，多了易过拟合）
    imgsz=640,            # 输入图片尺寸
    batch=16,             # 批次大小（CPU建议8，GPU建议16-32）
    lr0=0.001,            # 初始学习率
    device="0",         # 训练设备（CPU用"cpu"，GPU用"0"）
    project="captcha_train",  # 训练结果保存文件夹
    name="v8n_run1"           # 本次训练名称
)

# 3. 训练完成后，模型会保存在 "captcha_train/v8n_run1/weights/best.pt"

训练监控

• 训练过程中，会自动生成损失曲线、精度指标（mAP50，目标检测核心指标，越高越好，建议≥0.8）。
• 若验证集损失上升，说明过拟合，可提前停止训练（epochs 设小些），或增加数据集多样性。

4. 用训练好的模型检测坐标

训练后的模型为best.pt,如图所示：

将之前的 “核心代码” 中 model_path 替换为训练生成的 best.pt，即可精准检测验证码文字坐标：

# 替换为自己的训练模型路径
text_coords = detect_text_coords(image_path="test_captcha.png", model_path="captcha_train/v8n_run1/weights/best.pt")
print("精准识别的文字坐标：", text_coords)