1. 项目概述
这个基于YOLOv12的美国硬币识别系统是我最近完成的一个计算机视觉项目，它能够准确识别四种常见美国硬币：Dime（10美分）、Nickel（5美分）、Penny（1美分）和Quarter（25美分）。作为一个经常需要处理硬币分类问题的开发者，我发现市面上的通用识别方案要么精度不足，要么速度太慢，于是决定自己开发一套专用解决方案。
系统最核心的价值在于将YOLOv12的最新目标检测能力与精心优化的数据集相结合，实现了高达98.7%的识别准确率，同时在普通消费级GPU上能达到45FPS的实时处理速度。为了提升用户体验，我还专门设计了一个科幻风格的交互界面，集成了登录注册、多模式检测和参数调节等功能，使得整个系统既专业又易用。
2. 技术架构解析
2.1 YOLOv12模型选型
在模型选择上，我对比了YOLO系列多个版本后最终采用了YOLOv12s（small）作为基础模型。这个决定基于以下考量：
- 精度与速度平衡：v12s在COCO数据集上的AP50-95达到42.3，而推理速度在RTX 3060上可达156FPS，完美满足实时性要求
- 模型尺寸：仅14.3MB的pt文件大小，便于部署在各种终端设备
- 新特性支持：v12引入了Anchor-free检测头和更高效的SPP结构，对小物体检测效果显著提升
实际测试中，v12s对硬币这类小物体的检测效果比v5s提升了约12%的AP，同时保持了相近的推理速度
2.2 系统架构设计
整个系统采用典型的多线程架构，主要分为三个核心模块：
- 前端交互层：基于PyQt5实现的UI界面，负责用户输入和结果展示
- 业务逻辑层：处理检测任务调度、参数配置和结果保存
- 算法推理层：YOLOv12模型加载和推理的核心模块
code复制┌───────────────────────┐
│ UI界面层 │
│ (PyQt5实现) │
└──────────┬────────────┘
│
┌──────────▼────────────┐
│ 业务逻辑控制层 │
│ (多线程任务调度) │
└──────────┬────────────┘
│
┌──────────▼────────────┐
│ YOLOv12推理层 │
│ (ultralytics引擎) │
└───────────────────────┘
这种分层设计使得系统各模块耦合度低，后续要扩展新的检测功能或更换模型版本都非常方便。
3. 数据集构建与训练
3.1 定制化数据集准备
为了获得最佳识别效果，我专门收集并标注了一个包含12,845张图像的数据集，覆盖了各种硬币使用场景：
- 光照条件：自然光、室内灯光、强逆光等不同环境
- 摆放方式：单个硬币、堆叠硬币、部分遮挡等情况
- 背景复杂度：简单纯色背景到复杂纹理背景
数据集按照8:1:1的比例划分为训练集、验证集和测试集，采用标准的YOLO格式组织：
code复制dataset/
├── train/
│ ├── images/ # 训练图像
│ └── labels/ # 对应标注文件
├── valid/ # 验证集
└── test/ # 测试集
标注文件示例（YOLO格式）：
code复制0 0.543 0.612 0.12 0.12 # 类别ID x_center y_center width height
1 0.312 0.421 0.11 0.11
3.2 模型训练细节
训练过程使用以下关键参数配置：
python复制model = YOLO('yolov12s.pt') # 加载预训练模型
results = model.train(
data='coins.yaml',
epochs=100,
batch=16, # 根据GPU显存调整
imgsz=640,
device='0', # 使用GPU 0
workers=4,
optimizer='AdamW',
lr0=0.001,
weight_decay=0.05
)
几个重要的训练技巧：
- 学习率调度：采用余弦退火策略，初始lr=0.001，最终降至0.0001
- 数据增强：启用mosaic(概率0.5)、hsv_h/s/v=0.015/0.7/0.4
- 早停机制：设置patience=10，当验证集指标连续10个epoch不提升时停止训练
训练完成后，模型在测试集上的表现如下：
| 指标 | 数值 |
|---|---|
| mAP@0.5 | 98.7% |
| mAP@0.5:0.95 | 87.2% |
| 推理速度 | 45FPS |
| 模型大小 | 14.3MB |
4. 系统功能实现
4.1 多线程检测架构
为了实现流畅的UI体验，检测任务全部放在独立线程中执行。核心的DetectionThread类实现如下：
python复制class DetectionThread(QThread):
frame_received = pyqtSignal(np.ndarray, np.ndarray, list)
def __init__(self, model, source, conf, iou):
super().__init__()
self.model = model
self.source = source # 可以是图片路径、视频路径或摄像头ID
self.conf = conf
self.iou = iou
self.running = True
def run(self):
cap = cv2.VideoCapture(self.source) if isinstance(self.source, (int, str)) else None
try:
while self.running:
if cap: # 视频/摄像头模式
ret, frame = cap.read()
if not ret: break
else: # 图片模式
frame = cv2.imread(self.source)
# 执行检测
results = self.model(frame, conf=self.conf, iou=self.iou)
annotated = results[0].plot()
# 提取检测结果
detections = [(self.model.names[int(box.cls)], float(box.conf),
*box.xywh[0].tolist()) for box in results[0].boxes]
# 发送结果信号
self.frame_received.emit(
cv2.cvtColor(frame, cv2.COLOR_BGR2RGB),
cv2.cvtColor(annotated, cv2.COLOR_BGR2RGB),
detections
)
time.sleep(0.02) # 控制帧率
finally:
if cap: cap.release()
4.2 交互界面设计
UI界面采用PyQt5实现，主要特点包括：
- 双画面显示：左侧原始图像，右侧检测结果
- 实时数据表格：展示检测到的硬币类别、置信度和位置
- 参数控制面板：
- 置信度阈值滑块（0-1.0）
- IoU阈值调节（0-1.0）
- 模型选择下拉菜单
- 多功能按钮区：
- 图片/视频/摄像头检测模式切换
- 停止检测
- 保存结果
关键样式代码片段：
python复制# 自定义科幻风格按钮
button_style = """
QPushButton {
border: 2px solid #4CAF50;
border-radius: 8px;
color: white;
padding: 8px 16px;
background-color: rgba(76, 175, 80, 0.3);
}
QPushButton:hover {
background-color: rgba(76, 175, 80, 0.5);
border: 2px solid #8BC34A;
}
QPushButton:pressed {
background-color: rgba(76, 175, 80, 0.8);
}
"""
5. 部署与优化技巧
5.1 环境配置指南
推荐使用conda创建隔离的Python环境：
bash复制conda create -n coin_detection python=3.9
conda activate coin_detection
pip install -r requirements.txt
关键依赖库版本：
code复制torch==2.0.1
torchvision==0.15.2
ultralytics==8.0.0
opencv-python==4.7.0.72
PyQt5==5.15.7
5.2 性能优化技巧
- TensorRT加速：将模型转换为TensorRT格式可获得额外30%的速度提升
python复制model.export(format='engine', device=0) - 半精度推理：启用FP16模式减少显存占用
python复制results = model(frame, half=True) - 批处理优化：当处理视频时，适当增大batch_size
5.3 常见问题解决
-
检测框抖动问题：
- 解决方案：添加简单的跟踪算法（如ByteTrack）
- 实现代码：
python复制from collections import defaultdict track_history = defaultdict(lambda: []) def update_tracks(detections): for cls, conf, x, y in detections: # 简单的位置匹配跟踪 ...
-
小硬币漏检问题：
- 调整anchor大小匹配硬币尺寸
- 在data.yaml中添加：
yaml复制anchors: - [4,5, 8,10, 13,16] # 更适合小物体的anchor尺寸
-
GPU内存不足：
- 减小batch_size（建议从16开始尝试）
- 降低输入图像分辨率（如从640降至480）
6. 应用场景扩展
这个硬币识别系统经过适当调整后，可以应用于更多有价值的场景：
- 自动售货机：集成到现金处理模块实现自动找零
- 银行系统：硬币存款机的核心识别组件
- 零售收银：快速清点大量硬币
- 教育领域：货币识别教学演示工具
要实现这些扩展应用，主要需要：
- 收集对应场景的新数据并重新训练模型
- 根据具体硬件调整模型大小和推理参数
- 开发相应的业务逻辑集成接口
我在实际部署中发现，将模型封装为gRPC服务是最灵活的方案：
python复制# 服务端代码示例
class DetectorServicer(detection_pb2_grpc.DetectorServicer):
def __init__(self):
self.model = YOLO('yolov12s.pt')
def Detect(self, request, context):
img = cv2.imdecode(np.frombuffer(request.image, np.uint8), cv2.IMREAD_COLOR)
results = self.model(img)
return detection_pb2.DetectionResponse(
boxes=[convert_box(box) for box in results[0].boxes]
)
这个项目从构思到实现大约花费了3周时间，其中大部分精力都花在了数据收集和模型调优上。最终的成果证明，针对特定场景定制化的目标检测方案，其效果要远优于通用模型。特别是在硬币识别这种需要高精度和小物体检测能力的场景，经过优化的YOLOv12展现出了令人满意的性能。