本文为你详细讲解 YOLOv8 的本地快速部署步骤，从环境搭建到图片、视频、摄像头实时检测全覆盖，操作简单易上手，适合新手快速入门。

一、环境准备

1. 安装 Python（核心依赖）

推荐安装Python 3.10 版本，该版本对 YOLOv8 兼容性最好、运行最稳定。

• 下载渠道：Python 官方官网或国内镜像站均可
• 关键安装步骤：安装过程中务必勾选「Add Python to PATH」，若未勾选，后续执行命令会出现路径报错，无法正常运行。

2. 安装 YOLOv8 库

打开电脑的 CMD 命令提示符，直接执行以下命令，使用清华镜像源可大幅提升下载速度，避免安装超时：

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 准备检测素材（可选，按需准备）

若需测试图片检测，可在桌面新建文件夹或直接在桌面存放一张测试图片，命名为test.jpg（格式也可为 png、jpeg），图片内容建议包含清晰的物体，如汽车、行人、动物、家具等，便于验证检测效果。

二、执行检测命令

检测前注意：将命令中的文件路径替换为你本地的实际路径，模型会自动匹配检测场景，无需额外配置。检测结果默认保存在本地的runs/detect/predict/文件夹中，打开即可查看标注后的检测结果。

1. 本地图片检测

yolo predict model=yolov8n.pt source="C:\Users\user\Desktop\test.jpg"

2.本地视频检测

yolo detect predict model=yolov8n.pt source="你的视频路径.mp4"

摄像头实时检测

yolo detect predict model=yolov8n.pt source=0

注：0 代表电脑默认摄像头，若外接多个摄像头，可依次尝试 1、2、3 等数字切换

三、模型选择说明

YOLOv8 提供多个预训练模型，可根据自身设备性能和检测精度需求选择，模型后缀从 n 到 x，体积、检测速度和精度依次提升，本地部署推荐入门先使用轻量模型：

• yolov8n.pt：最小体积、最快检测速度，适合低配电脑 / 入门测试
• yolov8s.pt：轻量版，速度与精度平衡
• yolov8m.pt：中等体积，精度进一步提升
• yolov8l.pt：大体积，高精度检测
• yolov8x.pt：最大体积、最高检测精度，适合高配电脑 / 专业检测需求

注意：首次执行检测命令时，本地无对应模型文件，需开启网络代理，模型会自动下载到本地，后续检测无需重复下载。