YOLOv8图书馆书籍识别系统：从数据集标注到部署实战

简介：一套基于YOLOv8的图书馆书籍识别系统，面向计算机、人工智能、电子信息等相关专业的学生和开发者，专为毕业设计、课程设计、大作业或项目初期演示打造，聚焦图书馆场景下的书籍目标检测与识别任务。资源压缩包共97个文件，以Python源码、模型权重、配置文件、编译缓存及演示视频为主，整体仅24.21MB；项目内含完整数据集、可视化交互页面、训练与推理脚本，并附带详细部署说明，目录涵盖检测服务、模型训练、UI图标等模块，结构清晰，便于快速定位和二次开发。运行后可直接生成混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果和标签分布图等关键指标图表，为答辩展示和算法评估提供量化支撑；源码已经测试运行成功，可较为方便地部署使用。目前已有50人学习，适合希望快速搭建YOLOv8检测项目、进行算法改进或获取完整毕设参考方案的在校学生使用。

1. 图书馆书籍识别系统为什么总在部署环节翻车

每到毕设季，图书馆书籍识别这类题目就会出现在各种资源帖里。手头这个《基于YOLOv8的图书馆书籍识别系统》项目包，包含了源码、完整数据集、可视化界面和部署教程，听起来解压就能跑。真正动手才发现，跑通一条 demo 容易，跑出稳定好用的效果很难：数据标注一致性、训练参数设置、界面与模型之间的线程衔接，每一步都可能让人卡一个通宵。

这篇文章按我实际做过一遍的顺序把整条链路讲透：为什么书脊检测要选 YOLOv8，数据集从标注到格式转换怎么做，训练参数怎么调，可视化界面怎么接模型，最后列几条部署期撞过墙的坑。适合正在做毕设或课程设计、手里刚拿到这类资源包、想用最短时间跑出可用结果的读者。这里面没有玄学，只有能复现的步骤和参数。

2. YOLOv8 做书脊检测的选型逻辑：三类方案对比与结构取舍

2.1 书脊检测为什么不能靠分类或滑窗

图书馆书架的识别需求，核心是回答“书在哪、是哪一本”。如果只用分类模型，输入一张书架照片，模型只能给出“这是计算机类书架”这种全局结论，定位不到具体某一本书的位置。要做定位，传统做法是滑窗：用不同尺寸的窗口扫过整张图，再把每个窗口交给分类器判断。听起来能跑，实际用起来窗口尺寸、步长、缩放比例全是参数，一张 4000×3000 的书架照片要扫几万次，推理速度直接劝退。

目标检测模型一次推理同时输出目标类别和边界框坐标，天然匹配“数书脊、定位书”的需求。书脊这个目标本身的视觉特征也很适合检测模型：书籍在书架上垂直排列、书脊文字密集、相邻目标高度近似但颜色差异明显。检测器只需要把“书脊矩形”这个框稳定回归出来，不需要像人脸识别那样区分细粒度身份，所以类别很少也能出效果。

另一个容易被忽略的点是检测框的物理意义。图书馆场景后续不管是做盘点、找书还是统计在架率，业务层需要的都是“这本书在画面的哪个位置、属于哪个类别”。检测框架直接给出 xyxy 坐标，后面的业务逻辑不用再做坐标换算，这也是选检测而不是分割的原因——分割能给出像素级轮廓，但对书架这种密集排列的场景，分割标注成本和推理开销都高一个量级，收益却不大。

2.2 YOLOv8 相对前代改了什么，哪些对书籍场景真正有用

YOLOv8 相对 YOLOv5 的几个核心改动，放在书脊检测场景里，每一条都有实际意义。第一个是 C2f 模块替换 C3，C2f 通过更丰富的梯度流让网络在同样深度下提取到更多细粒度特征。书脊上的文字、出版社 logo、书脊底部的索书号贴纸，都属于高频细节，C2f 在浅层和深层之间多跳连接，对这类密集纹理目标的特征保留比 C3 更好。

第二个改动是 anchor-free 检测头。YOLOv5 还是 anchor-based，需要预设一组先验框尺寸，遇到书脊这种长宽比极端的框（比如一本字典的书脊宽高比接近 1:5），先验框匹配容易失效。YOLOv8 直接回归中心点和宽高，不再依赖预设 anchor，对不规则长宽比目标更友好。

第三个改动是解耦头。分类和回归分成两个分支，各干各的。书架照片里几十本书挤在一起，分类任务要求把“书脊”和背景区分开，回归任务要求把每本书的边界框精确画出来，两个任务冲突不小，解耦头能减少两个任务在共享特征上的拉扯。就实际表现来看，解耦头在密集小目标场景下的边框回归稳定性确实好一些。

选型和版本无关，不必追新。如果你手里的项目包是 YOLOv8，就按 YOLOv8 的流程做；如果是 YOLOv5 或者其他版本，上面这套场景分析同样适用，只是模块细节略有差异。对毕设场景来说，框架的成熟度和生态远比版本新旧重要。

2.3 训练机配置：CPU 能不能跑，显卡要什么级别

先泼一盆冷水：YOLOv8 训练必须要有 NVIDIA 显卡吗？不一定。用 CPU 也能训练，只是慢。Ubuntu 20.04 上用 CPU 跑 YOLOv8n 模型、imgsz=640、batch=8，一个 epoch 大约要三到五分钟，120 个 epoch 就是六到十个小时，勉强能接受。推理阶段 CPU 跑 n 模型能做到每秒三五帧，做个离线图片检测够用，实时视频会卡。

如果有显卡，GTX 1660Ti 6GB 这种级别就能跑得很舒服。我常用的配置是：yolov8s 模型、imgsz=640、batch=8，显存占用大概 4GB 左右，训练速度比 CPU 快十几倍。6GB 显存开 AMP 混合精度后 batch 还能再往上提。显存只有 4GB 的话就换 yolov8n 或者把 imgsz 降到 480。

内存建议 16GB 起步。系统方面 Windows 和 Linux 都行，但数据集路径和工程路径必须全英文，中文路径在 OpenCV 读图、onnx 导出这些环节会出各种莫名其妙的问题。环境搭建按 ultralytics 官方要求装好 PyTorch 对应 CUDA 版本即可，这里不再重复。

3. 给 YOLOv8 准备书籍数据集：标注规则、JSON 转 TXT 与目录规范

3.1 采集与标注：书脊框的标注规则

拿到项目包里如果自带数据集，先别急着训练，用标注工具打开看几十张，确认标注质量。一个常见翻车点是：数据集的标注类别名和模型训练配置里的类别名对不上，或者部分图片标注框明显偏大偏小。自建数据集更是要把标注规则定死，后面所有环节都建立在这套规则上。

采集阶段，手机或普通相机都可以。拍摄距离离书架 1 到 1.5 米，镜头与书脊平面尽量保持平行，避免强反光和过大的俯仰角。一个经验数据：单张照片覆盖 8 到 20 本书脊最合适。太密了标注难度大，模型学到的目标也偏小；太疏了浪费分辨率，训练时正样本不足。

标注工具推荐 labelme，它导出的是 JSON 格式，后面写脚本转 YOLO TXT。标注规则只定一条：矩形框从书脊最左侧边缘贴到最右侧边缘，上下贴齐书脊顶部和底部，宁紧勿松。遇到倾斜摆放的书，不要为了“框正”去切掉书脊的头部或尾部，直接在原框上取外接矩形。YOLO 的框是 axis-aligned 的，它不感知旋转，倾斜标成外接矩形是合理近似。

自建数据集建议标 800 到 1200 张。少于 500 张模型容易过拟合，泛化能力差。类别上如果只做“检测书脊”这一个目标，单类 book 最稳；想加亮点可以做多类，比如按书脊主色分红色、蓝色、白色，或者按厚度分厚书、薄书，但每多一类标注量接近翻倍，训练难度也明显上升，对毕设来说未必划算。

3.2 labelme 的 JSON 转 YOLO TXT：转换脚本与四个边界处理

labelme 标注完生成的是 JSON 文件，里面包含图片尺寸、标注点坐标、类别名。YOLO 训练需要的是和图片同名的 TXT 文件，每行一个目标，格式为：类别ID 中心点x 中心点y 宽度 高度，全部归一化到 0 到 1。下面这个转换脚本是我一直沿用的版本：

import json import os from glob import glob # labelme 标注的 json 目录 json_dir = "labelme_jsons" # 输出的 txt 目录 out_dir = "yolo_labels" os.makedirs(out_dir, exist_ok=True) # 类别顺序：务必和后面训练的 books.yaml 里的 names 完全一致 class_names = ["book"] for json_path in glob(os.path.join(json_dir, "*.json")): with open(json_path, "r", encoding="utf-8") as f: data = json.load(f) img_w = data["imageWidth"] img_h = data["imageHeight"] txt_name = os.path.basename(json_path).replace(".json", ".txt") lines = [] for shape in data["shapes"]: # 如果标了矩形，points 是2个点；如果标了旋转框，points 是4个点 # 统一取外接矩形，避免旋转框信息丢失 label = shape["label"] if label not in class_names: continue points = shape["points"] xs = [p[0] for p in points] ys = [p[1] for p in points] x_min, x_max = min(xs), max(xs) y_min, y_max = min(ys), max(ys) # 坐标裁剪到图片范围内，防止标注时手抖画出图片边界 x_min = max(0, x_min) y_min = max(0, y_min) x_max = min(img_w, x_max) y_max = min(img_h, y_max) cx = (x_min + x_max) / 2.0 / img_w cy = (y_min + y_max) / 2.0 / img_h w = (x_max - x_min) / img_w h = (y_max - y_min) / img_h class_id = class_names.index(label) lines.append(f"{class_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") with open(os.path.join(out_dir, txt_name), "w") as f: f.write("\n".join(lines))

这个脚本处理了四个边界情况。第一，labelme 的矩形标注只有两个点，旋转框有四个点，统一取外接矩形后格式就稳定了。第二，类别名不在 class_names 里直接跳过，防止脏标注混进训练集。第三，坐标裁剪到图片范围内，避免标注时手抖画出图片边界导致归一化值超过 1，训练时直接报错。第四，输出使用六位小数，坐标精度足够且文件不会过大。

脚本跑完后随机抽几个 TXT 打开看一眼，核对图片名和 txt 名一一对应。这一步不要嫌麻烦，训练时数据加载报错的根源八成在这里。

3.3 数据集目录结构与 train/val 划分

YOLOv8 训练要求固定的目录结构，图片和标签按 train/val 分开存放。完整结构如下：

books_dataset/ ├── images/ │ ├── train/ │ │ ├── books_001.jpg │ │ └── ... │ └── val/ │ ├── books_040.jpg │ └── ... └── labels/ ├── train/ │ ├── books_001.txt │ └── ... └── val/ ├── books_040.txt └── ...

划分比例按 8:2 来，1000 张图片分 800 训练、200 验证。划分时注意不要按文件名从前往后排，要先随机打乱再划分，避免某个书架的图片全进了验证集。另外，图片和标注文件要成对移动，漏移一个就会出现训练时报“label file missing”的错。

划分脚本很短，核心逻辑是先把所有图片名读进来，random.shuffle，再按比例切分，最后把图片和同名 txt 一起移动到对应目录。做完后用下面的命令统计一下两边数量，确认没有漏文件：

find images/train -name "*.jpg" | wc -l find labels/train -name "*.txt" | wc -l

两边数字必须完全一致。这个步骤是后面“yolov8 训练自己的数据集”能顺利跑通的地基，训练报错有一半概率出在这里，值得花十分钟认真核对。

4. 训练自己的书籍检测模型：yaml 配置、参数含义与损失曲线判断

4.1 训练命令与数据 yaml

数据集备好后，训练这一步反而最省心。先写一个数据配置 yaml 文件 data.yaml，指向刚才整理好的数据集目录：

# books.yaml path: D:/datasets/books_dataset # 换成你的实际路径，一定要用英文路径 train: images/train val: images/val names: 0: book

注意 path 写的是数据集根目录，train 和 val 相对 path 展开。这个文件放在工程目录下即可，不需要放在数据集里。names 的类别顺序必须和 3.2 节转换脚本里的 class_names 完全一致，这是训练配置里最常见的坑。

训练命令如下：

yolo detect train \ data=books.yaml \ model=yolov8s.pt \ epochs=120 \ imgsz=640 \ batch=8 \ lr0=0.01 \ patience=20 \ workers=4 \ device=0

model 参数写预训练权重路径，yolov8s.pt 会自动下载。如果不联网，就手动下载权重文件放到工程目录，然后把这里改成 yolov8s.pt 的本地路径。device=0 指定第一块 GPU，没有显卡就写 device=cpu。预训练权重的作用是迁移学习，加载 COCO 上训好的参数，再用书籍数据微调，收敛速度远比从零训练快，这也是几百张数据集就能出效果的前提。

4.2 训练参数含义与一组能跑出结果的基准值

训练参数这节，把几个必调的参数含义一次说清，顺便解释它们对书籍检测这个场景的具体影响。参数没有绝对正确答案，但有一组经过验证的基准值可以照抄，再根据你的实际数据量微调。

imgsz 是最值得根据场景调整的参数。如果你拍的是一整面书架墙，随便一张图里就有几十本书，单本书脊在 640 分辨率下可能只有 20-30 像素宽，属于小目标范畴。YOLOv8 在小目标上表现一般，这时候把 imgsz 提到 768 或 1024，小目标的书脊能多十几像素，mAP 提升肉眼可见。代价是显存占用和训练时间涨约一倍。

batch 和 imgsz 是联动关系。显存不够时优先降 batch，不要先降 imgsz，因为书籍检测的精度对分辨率更敏感。GTX 1660Ti 6G 跑 imgsz=640、batch=16 没问题，跑到 imgsz=1024 就必须降到 batch=4，否则直接 CUDA out of memory。

还有一个反复被问的配置：CPU 训练怎么办。用 yolov8n.pt 替换 yolov8s.pt，imgsz 降到 640，batch 降到 4，workers 降到 2，epochs 可以保持不变。训练时间会很长，但结果能跑出来。尤其是 Ubuntu 20.04 搭 CPU 环境这类场景，推理够用，训练就耐心等。

4.3 从损失函数曲线判断训练是否翻车

训练跑起来后，runs/detect/train/ 目录下会生成 results.png，这是最重要的训练监控图。很多读者问“yolov8 画损失函数曲线图”在哪儿看，答案就是训练完自动生成的 results.png。如果想自己画更细节的曲线，训练目录下还有 train/loss_batch.csv 之类的原始数据，里面每个 epoch 的 loss 值都能拿来画图。

先说 box_loss。训练前期 box_loss 快速下降是正常的，大概前 20 个 epoch 就能从 1.5 左右降到 0.8 以下。如果 box_loss 在某个值附近横盘不动，或者降得很慢，优先找标注的问题——比如标注框贴得太紧、部分框漏标、旋转框外接矩形误差过大。模型没问题，label 有问题，卡在 loss 上通常是这个原因。

再看 cls_loss。书籍检测就一个类别，cls_loss 一般降得很快且数值很小，0.05 以下都正常。如果 cls_loss 先降后升，同时 val 的 mAP 不再提升，说明开始过拟合了。数据量少是主因，解决办法是早停或者降低 epoch 数，不要加正则硬扛。

最后看 mAP 曲线。mAP@0.5 是主指标，书籍检测单类别场景下，一套标注合格的数据集训练完，mAP@0.5 在 0.85 以上才算及格，0.9 以上算优秀。mAP@0.5:0.95 一般比 0.5 低 15-20 个百分点，如果这两个值差距拉得过大，说明边框回归还不够精细，可以试试把 imgsz 提一档。训练结束看 runs/detect/train/weights/ 下的 best.pt，后面推理和落地都用它，last.pt 只用于继续训练。

5. 把模型接进可视化界面：PyQt5 推理线程设计与绘制逻辑

5.1 界面架构：为什么推理必须放进子线程

训练完模型，下一步就是把它接进可视化界面。项目包里的可视化界面通常是 PyQt5 写的，功能上要支持打开图片、打开视频、调用摄像头实时检测，并把检测框和置信度叠加显示在画面上。这个需求看起来简单，实际写起来有个大坑：推理不能放在界面主线程里。

PyQt5 主线程负责处理界面事件循环，比如按钮点击、窗口重绘。如果把 model.predict 直接写进按钮的槽函数，点击按钮后界面就会卡死在推理过程中。图片推理还好，一两秒忍忍就过去；视频或者摄像头实时流是一场灾难——每一帧推理几百毫秒，界面刷新完全停摆，窗口拖不动、按钮点不了，看起来像程序崩溃。正确的做法是把推理放进 QThread 子线程，子线程循环读帧和推理，通过信号把结果带回主线程更新界面。

整体架构分三层：界面层（QMainWindow）只管显示；线程层（QThread）负责视频采集和模型推理；通信层用 pyqtSignal 把图像数组和检测结果从子线程传给主线程。这套架构对图片、视频、摄像头三种输入都适用，只是数据源不同。图片可以不走线程，直接在主线程推理，但为了代码统一，我把图片也交给同一个推理线程处理，省去一套分支逻辑。

5.2 PyQt5 调用 YOLOv8 推理的核心代码

下面是一个能直接跑的简化版 PyQt5 推理界面，包含推理线程和主窗口两个类。核心逻辑已经在注释里标注，部署时对照自己的项目包修改路径和控件名即可：

import time import cv2 import numpy as np from PyQt5.QtCore import QThread, pyqtSignal, Qt from PyQt5.QtGui import QImage, QPixmap from PyQt5.QtWidgets import QApplication, QLabel, QMainWindow from ultralytics import YOLO class InferenceThread(QThread): # 信号携带原始帧和检测结果列表 frame_ready = pyqtSignal(np.ndarray, list) def __init__(self, model_path, source, conf=0.25, iou=0.45): super().__init__() self.model = YOLO(model_path) # 加载训练好的 best.pt self.source = source # 视频文件路径或摄像头索引 self.conf = conf self.iou = iou self.running = True def run(self): cap = cv2.VideoCapture(self.source) while self.running: ret, frame = cap.read() if not ret: break # 推理时不输出日志，verbose=False 避免刷屏 results = self.model.predict(frame, conf=self.conf, iou=self.iou, verbose=False) boxes = results[0].boxes dets = [] for box in boxes: x1, y1, x2, y2 = box.xyxy[0].cpu().numpy() conf = float(box.conf[0]) cls = int(box.cls[0]) dets.append([x1, y1, x2, y2, conf, cls]) self.frame_ready.emit(frame, dets) # 简单限帧，摄像头场景控制推理频率 time.sleep(0.01) cap.release() class MainWindow(QMainWindow): def __init__(self, model_path, source): super().__init__() self.label = QLabel(self) self.setCentralWidget(self.label) self.resize(960, 640) # 启动推理线程 self.thread = InferenceThread(model_path, source) self.thread.frame_ready.connect(self.update_frame) self.thread.start() def update_frame(self, frame, dets): class_names = ["book"] # 必须和训练时的 names 一致 for d in dets: x1, y1, x2, y2, conf, cls = d cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) label = f"{class_names[cls]} {conf:.2f}" cv2.putText(frame, label, (int(x1), int(y1) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) # OpenCV 的 BGR 转 Qt 需要的 RGB rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) h, w, ch = rgb.shape qimg = QImage(rgb.data, w, h, ch * w, QImage.Format_RGB888) self.label.setPixmap(QPixmap.fromImage(qimg).scaled( self.label.size(), Qt.KeepAspectRatio, Qt.SmoothTransformation))

几个关键点说明。结果读取用 results[0].boxes，这是 YOLOv8 推理结果的标准接口，xyxy 是左上角右下角坐标，conf 是置信度，cls 是类别 ID，都在 tensor 里，要先 .cpu().numpy() 转成普通数组。QImage 构造时的 bytesPerLine=ch*w 这一步不能丢，否则图像会显示成花屏或撕裂——它告诉 Qt 每行像素占多少字节，RGB 三通道每行是 3 倍宽度。

线程退出要处理干净。窗口关闭时如果没有置 running=False 并调用 thread.quit()，线程会继续跑到视频读完才结束。实际项目里要在 closeEvent 里做收尾，先置 running=False，再 wait() 等线程退出，防止窗口关了进程还在后台。

5.3 从检测结果到界面显示：坐标、标签与帧率的三个注意点

检测结果绘制有三个经常踩的细节。第一个是坐标类型。YOLOv8 默认输出的 xyxy 是 float，绘制前必须 int() 转换，否则 cv2.rectangle 会报类型错误。这类错误在 Python 里比较隐蔽，多数情况是框画不出来但程序不崩溃，只在日志里打一行 warning，界面表现就是绿框偶尔消失，排查起来很费时间。

第二个是标签绘制的位置。书脊竖直排列，检测框通常高大于宽，标签文字放在框上方容易和上一本书的框重叠，放在框内部又遮挡书脊文字。我的习惯是放框上方，同时给文字加一层黑色背景衬底，增强对比度。遇到文字被裁切的显示区域边缘，根据 y1 坐标判断，如果 y1 小于文字高度就把文字放到框内部下缘。

第三个是帧率控制。摄像头推理时，如果模型推理速度比视频帧率慢，VideoCapture 读帧会堆积，视频流看起来像是慢动作但 CPU 占用率拉满。time.sleep(0.01) 只能简单限帧，更稳的做法是记录上一次推理的时间戳，小于 0.05 秒（即 20 FPS）就跳过当前帧，保证界面不会积压未处理的数据。

6. 部署排错与模型验收：四条高频踩坑记录和一套快速验证流程

6.1 部署期四条高频坑

这里是部署环节最常遇到的四组问题，全部是现象加原因加解决，照着排查就行。

坑一：训练过程 loss 正常，但 mAP 始终是 0。

现象：训练日志里 box_loss 正常下降，val 阶段的 mAP 曲线一直贴着 0，怎么训都上不去。原因：绝大多数是类别映射错位。比如 labelme 里标注的类别名是“book”，转换脚本里 class_names = [“book”]，但训练的 books.yaml 里写的是 names: {0: “BooK”} 或者顺序对不上，导致标注的类别 ID 和模型预测的类别 ID 错位，ap 计算全部失败。解决：检查三处的一致性——labelme 里的标注名、转换脚本里的 class_names、训练 yaml 里的 names，三处必须完全一致，大小写都算。这是血泪经验，我至少在这上面浪费过两个小时的排查时间。

坑二：GTX 1660Ti 6G 训练时报 CUDA out of memory。

现象：训练启动后跑了一两个 iteration 就报显存不足。原因：batch 和 imgsz 组合超过了显存容量。解决：6G 显存下，imgsz=640 对应 batch 上限是 16；imgsz=768 对应 batch 上限是 8；imgsz=1024 对应 batch 上限是 4。如果 batch 已经很低还报显存不足，检查是不是忘了加 AMP 混合精度，在训练命令里加 amp=True 能省下近一半显存。

坑三：可视化界面打开视频后卡死，窗口无响应。

现象：点击“打开视频”按钮后，窗口转圈，鼠标移动窗口拖不动，只能强杀进程。原因：推理放在了主线程，视频逐帧推理阻塞了 Qt 事件循环。解决：按 5.2 节的架构，把推理放进 QThread，主线程只负责接收信号并重绘。判断标准很简单：打开视频后窗口还能拖动，说明线程架构是对的。

坑四：推理结果正常，但保存的检测图片是黑屏或花屏。

现象：界面显示正常，cv2.imwrite 保存出来的图片画质异常。原因：QImage 在界面里显示时做了缩放和格式转换，如果直接在 QImage 对象上执行保存操作，保存的是显示层的数据，不是原始帧。解决：保存动作要在推理线程里做，直接对推理前的原始 frame 操作，不要等到界面层再取数据。界面层只做展示，不做数据回写。

6.2 模型验收：不看运气看三张图

部署完成后不要急着截几张图就宣布完成，跑一遍验证流程，确认模型是真的会了而不是背住了训练集。用下面的命令对验证集做一次完整评估：

yolo detect val \ model=runs/detect/train/weights/best.pt \ data=books.yaml

跑完看三个输出。第一是 mAP@0.5，前面说过，书脊单类检测能到 0.85 以上才算合格。第二是混淆矩阵，验证集里漏检率不能超过一成，一个类别的检测任务，漏检通常表现为书脊间距过密导致相邻两本书被并成一个框。第三是结果可视化，把验证结果图片随机抽 20 张，人工看一遍漏检和误检的分布。如果漏检集中发生在某一种书架背景或某种光照条件下，就可以针对这个场景补充训练数据，做二次微调。

回头说说我的习惯：现在拿到任何 YOLOv8 项目包，动手顺序永远是先看数据集标注质量，再跑训练，最后接界面。这个顺序不能反，数据集不合格，后面所有环节都是给垃圾数据打工。做完这套流程，你的图书书籍识别系统就不只是“能跑”，而是“能稳定跑、能说明白、能应付答辩追问”。希望帮到你。

本文还有配套的精品资源，点击获取