基于YOLOv8的智能服药提醒系统：从模型训练到应用部署全流程解析-编程实验室

简介：本资源是面向计算机、人工智能及相关专业本科生的毕业设计级项目，聚焦智能家居场景下的老人服药行为智能识别与提醒，基于YOLOv8目标检测框架实现高精度药盒与服药动作识别。项目完整覆盖数据采集标注、模型训练、可视化评估与轻量级GUI部署全流程，特别适合作为毕设、课程设计或大作业选题，也适合具备Python和PyTorch基础的学习者进阶实践。压缩包共97个文件（24.21MB），含70个核心Python源码（如detect.py、train_mode.py、UI主程序）、4个预训练/最佳.pt模型、12个编译缓存文件、5个XML标注样本及配套README与部署说明文档，结构清晰、模块解耦，支持一键运行可视化界面并生成混淆矩阵、F1曲线、PR曲线等关键评估图表。目前已有36人下载学习，所有代码均经实机测试验证，开箱即用，无需额外调试即可产出答辩级成果。

1. 项目概述：一个能“看见”药盒的智能管家

最近在整理一些过往的课程设计和毕业设计项目时，翻到了这个基于YOLOv8的智能家居老人服药提醒系统。这个项目当时反响不错，因为它把一个前沿的计算机视觉技术，实实在在地用在了解决一个非常具体的生活痛点——帮助独居或记忆力减退的老人按时、正确地服药。很多同学在找毕设或课设题目时，既想用点新技术显得有深度，又担心项目太复杂、难以落地。这个项目恰好平衡了这两点：核心算法用的是当前目标检测领域的主流框架YOLOv8，但整个系统从数据标注、模型训练到最终的可视化界面和部署，都提供了完整的“一条龙”解决方案。你拿到手的是一个包含源码、完整数据集、可视化界面和详细部署教程的压缩包，简单配置后就能跑起来，看到效果。这对于初学者理解一个AI项目从0到1的全流程，或者快速搭建一个可演示的原型，非常有价值。

这个系统的核心逻辑并不复杂，但很巧妙。它通过一个普通的USB摄像头或网络摄像头，持续监控老人日常取放药品的区域，比如餐桌或茶几。系统内置的YOLOv8模型会实时分析视频流，识别画面中是否出现了特定的药盒，以及药盒是否被打开。当到了预设的服药时间，如果系统没有检测到“药盒被打开”这个动作，它就会通过语音、手机APP推送或者闪烁灯光等多种方式发出提醒。这比简单的闹钟提醒要智能得多，因为它能“看见”老人是否真的执行了服药动作，避免了老人关了闹钟却忘记吃药的尴尬。整个项目涵盖了AI应用落地的几个关键环节：数据准备、模型训练、算法集成、应用开发和人机交互，是一个非常好的全栈式AI入门实践。

2. 核心思路与方案选型：为什么是YOLOv8？

当我们决定做一个视觉感知的服药提醒系统时，摆在面前的首要问题就是：选择什么样的视觉算法？这个选择直接决定了项目的可行性、精度和最终的用户体验。经过一番调研和对比，我们最终锁定了YOLOv8，这背后有非常实际的考量。

2.1 需求拆解与技术选型逻辑

我们的核心需求很明确：实时、准确地识别药盒及其状态（如是否打开）。这属于典型的目标检测任务。可供选择的模型家族很多，比如更早的YOLOv5、速度极快的YOLOv8-Nano，或者精度更高的两阶段检测器如Faster R-CNN。选择YOLOv8（这里我们选用的是YOLOv8s或YOLOv8m，在精度和速度间取得平衡）主要基于以下几点：

优异的精度-速度平衡：YOLOv8在保持YOLO系列一贯高速推理特性的同时，通过新的骨干网络和检测头设计，进一步提升了检测精度。对于我们的场景，摄像头视频流通常是30FPS，模型必须在几十毫秒内完成一帧的分析，才能保证提醒的实时性。YOLOv8在普通CPU上也能达到可观的帧率，若使用GPU（如GTX 1660 Ti）则完全无压力，这为后续低成本硬件部署（如树莓派+Intel神经计算棒）留出了空间。
活跃的社区与完善的生态：YOLOv8由Ultralytics公司维护，其开源库的文档非常清晰，API设计友好。更重要的是，围绕它的工具链极其丰富，从数据标注（可以使用Roboflow、LabelImg等工具，标注格式直接兼容YOLO）、模型训练、验证到导出为各种格式（ONNX, TensorRT, CoreML等）用于部署，都有成熟的方案和大量社区案例可以参考。这对于课程设计或毕设项目来说，能节省大量在环境配置和踩坑上的时间。
易于定制化训练：我们的药盒是特定物体，不可能有现成的通用模型可用，必须自己训练。YOLOv8训练自己的数据集流程非常标准化。只需将标注好的图片和标签文件按特定格式整理，修改一个配置文件，几乎就可以一键开始训练。项目包里提供的完整数据集，正是为了免除大家收集和标注数据的繁琐工作。

2.2 系统整体架构设计

确定了核心算法后，整个系统的架构就清晰了。我们采用了一个经典的单机应用架构，分为前端展示层、后端逻辑层和AI模型服务层。

AI模型服务层：这是系统的大脑。核心是一个训练好的YOLOv8模型（.pt权重文件）。我们使用ultralytics库来加载这个模型，并编写一个推理服务。这个服务持续从摄像头捕获帧，调用模型进行预测，得到药盒的类别（例如“药盒_关闭”、“药盒_打开”）和位置坐标。
后端逻辑层：使用Python的Flask或FastAPI框架搭建一个轻量级Web后端。它主要做三件事：一是提供API接口供前端调用，例如开始/停止监控、获取识别结果；二是实现核心的业务逻辑——定时器管理。后端维护一个服药时间表，当系统时间到达某个服药点时，它会去查询AI层在当前时刻附近是否检测到了“开药盒”的动作。如果没有，则触发提醒规则。三是管理日志，记录每天的服药检测事件，便于查看。
前端展示层：为了操作简单，我们使用Python的Tkinter或更现代的PyQt库构建了一个本地可视化桌面界面。界面上会实时显示摄像头画面，并用矩形框标出识别到的药盒及其状态。同时，界面设有服药时间设置面板、提醒方式（语音、弹窗）选择，以及一个日志显示区域。所有操作都可以在这个界面上完成，无需接触命令行。

这个架构的优点是模块解耦清晰。AI模型可以独立优化和替换；后端逻辑专注于业务规则；前端负责交互。项目压缩包里的源码正是按照这个结构组织的，你可以清晰地看到每个模块的代码文件。

注意：在方案选型初期，我们也考虑过是否使用更轻量的模型（如YOLOv8n）或云端API。最终选择本地部署的YOLOv8s/m，主要是出于对用户隐私（视频数据不出本地）、网络稳定性（系统需7x24小时运行）和长期使用成本（无API调用费用）的综合考虑。这对于家庭环境尤为重要。

3. 从零到一：数据集准备与模型训练实战

拿到一个包含“完整数据集”的项目包固然省事，但理解这个数据集是如何来的，以及模型是如何训练出来的，才是这个项目最核心的学习价值。这部分我将详细拆解，即便你以后要识别别的物体，这套流程也完全适用。

3.1 数据集的构建与标注内幕

项目包里提供的数据集，通常包含几百到上千张在不同光照、角度、背景下的药盒图片。药盒的状态至少有两种：“关闭”和“打开”。构建一个高质量的数据集，远比想象中复杂。

数据采集：我们使用了多个不同的药盒（大小、颜色、形状各异），在模拟的家庭环境（如木质桌面、大理石台面、有杂物的茶几）下进行拍摄。光源涵盖了白天自然光、夜间暖光台灯甚至部分逆光场景，以确保模型的鲁棒性。拍摄设备就是普通的手机和USB摄像头，这证明了方案的普适性。
数据标注：这是最耗时但最关键的一步。我们使用LabelImg这类工具进行手工标注。标注时有两个关键点：
- 标注框（Bounding Box）要尽可能紧贴药盒边缘，避免包含太多无关背景。
- 类别定义要清晰。“药盒_打开”状态，可能需要将打开的药盒盖子和盒体一起框在一个矩形内，或者分别标注（取决于你的逻辑）。在项目中，我们采用了简单策略：只要药盒盖被掀开一个明显角度，即视为“打开”状态。
数据格式：YOLOv8要求特定的标签格式。每张图片对应一个同名的.txt文件。文件里每一行代表一个标注对象，格式为：<class_id> <x_center> <y_center> <width> <height>。坐标和宽高都是相对于图片宽度和高度的归一化值（0到1之间）。项目包中的数据集已经帮你完成了格式转换和划分（训练集、验证集、测试集）。

3.2 YOLOv8模型训练全流程解析

有了数据集，训练就是标准化的流程了。项目源码中通常会包含一个train.py或类似的脚本。

环境配置：这是第一步，也是新手最容易卡住的地方。你需要一个Python环境（3.8以上），然后安装torch（PyTorch）和ultralytics库。这里有个大坑：torch的版本需要与你的CUDA版本（如果你用GPU）匹配。对于使用GTX 1660 Ti这类显卡的同学，去PyTorch官网找到对应CUDA版本的安装命令即可。如果只有CPU，就安装CPU版本的PyTorch，只是训练会慢很多。
```
# 示例：使用pip安装ultralytics和torch（请以官网最新命令为准） pip install ultralytics pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 例如CUDA 11.8
```

准备数据配置文件：创建一个data.yaml文件，这是告诉YOLOv8你的数据集在哪、有哪些类别的钥匙。

# data.yaml 示例 path: ./datasets/medicine_box # 数据集根目录 train: images/train # 训练集图片路径（相对于path） val: images/val # 验证集图片路径 test: images/test # 测试集路径（可选） # 类别名称和数量 nc: 2 # 类别数，我们这里是2 names: ['medicine_box_closed', 'medicine_box_open'] # 类别名称，顺序对应class_id 0和1

启动训练：使用ultralytics的API，几行代码就能开始训练。

from ultralytics import YOLO # 加载一个预训练模型（推荐从YOLOv8s开始） model = YOLO('yolov8s.pt') # 开始训练 results = model.train( data='./data.yaml', # 数据配置文件路径 epochs=100, # 训练轮数，根据数据集大小调整，通常50-150 imgsz=640, # 输入图片大小，YOLOv8常用640 batch=16, # 批次大小，根据GPU内存调整 device='0', # 使用GPU 0，如果是CPU则设为'cpu' name='medicine_box_v1' # 本次训练的实验名称 )

训练过程会在控制台输出损失曲线、精度指标（mAP50, mAP50-95等），所有日志和最终的模型权重（.pt文件）都会保存在一个runs/detect/medicine_box_v1的目录下。

模型验证与测试：训练完成后，一定要在独立的测试集上验证效果。
```
model = YOLO('./runs/detect/medicine_box_v1/weights/best.pt') # 加载最佳权重 metrics = model.val() # 在验证集上评估 # 可视化一些测试结果 results = model('./test_images', save=True, conf=0.5) # conf为置信度阈值
```
通过查看测试集上的预测图片，你可以直观地判断模型在复杂场景下的表现，比如是否有误检（把水杯当成药盒）、漏检（没认出药盒）等情况。

实操心得：训练时如果发现验证集精度一直上不去，或者损失波动很大，不要急着增加训练轮数。首先检查数据集：标注是否正确、类别是否平衡（开和关的样本数不能相差太大）、图片是否足够多样。其次，可以尝试调整学习率（lr0参数），或者使用数据增强（ultralytics默认已开启，如旋转、裁剪、色彩抖动等）。对于小数据集，从预训练模型（yolov8s.pt）开始微调（Fine-tuning）是成功的关键，它能极大提升模型收敛速度和最终精度。

4. 系统集成与可视化界面开发

模型训练好之后，它还是一个“黑盒子”。我们需要把它集成到一个完整的、用户可以交互的系统中。这部分工作就是将AI能力产品化的过程。

4.1 后端逻辑的核心实现

后端我们选用Flask，因为它轻量、简单，适合快速构建RESTful API。核心文件app.py主要包含以下功能：

模型加载与推理服务：在服务启动时，就加载训练好的YOLOv8模型。我们创建一个全局的模型对象，避免每次请求都重复加载。

from ultralytics import YOLO import cv2 model = YOLO('./model/best.pt') # 加载训练好的药盒检测模型 def predict_frame(frame): """对一帧图像进行预测""" results = model(frame, conf=0.6) # 设置置信度阈值为0.6 detections = [] for r in results: boxes = r.boxes for box in boxes: # 获取坐标、置信度、类别ID x1, y1, x2, y2 = box.xyxy[0].tolist() conf = box.conf[0].item() cls_id = int(box.cls[0].item()) cls_name = model.names[cls_id] detections.append({ 'class': cls_name, 'confidence': conf, 'bbox': [x1, y1, x2, y2] }) return detections

定时任务与提醒逻辑：这是系统的业务核心。我们使用APScheduler这样的库来管理服药时间表。当定时任务触发时，它不会立即提醒，而是去查询一个“动作检测窗口期”（比如设定时间的前后10分钟）内的识别记录。

from apscheduler.schedulers.background import BackgroundScheduler from datetime import datetime, timedelta scheduler = BackgroundScheduler() medication_times = ['08:00', '12:00', '20:00'] # 预设的服药时间 detection_window = 10 # 分钟，允许的动作检测窗口 # 模拟一个存储检测记录的数据结构 detection_log = [] def check_medication(time_str): """检查在指定时间点是否检测到服药动作""" target_time = datetime.strptime(time_str, '%H:%M').time() window_start = (datetime.combine(datetime.today(), target_time) - timedelta(minutes=detection_window)).time() window_end = (datetime.combine(datetime.today(), target_time) + timedelta(minutes=detection_window)).time() # 遍历日志，查找在窗口期内是否有‘medicine_box_open’的记录 for log in detection_log: if window_start <= log['time'].time() <= window_end and log['class'] == 'medicine_box_open': return True # 检测到打开动作，无需提醒 return False # 未检测到，需要提醒 def trigger_reminder(job_id): if not check_medication(medication_times[int(job_id)]): # 触发提醒：可以调用播放语音、发送通知的函数 play_reminder_audio() send_app_notification("服药时间到，请及时服药！") print(f"Reminder triggered for {medication_times[int(job_id)]}") # 添加定时任务 for idx, t in enumerate(medication_times): scheduler.add_job(trigger_reminder, 'cron', hour=int(t.split(':')[0]), minute=int(t.split(':')[1]), id=str(idx), args=[str(idx)]) scheduler.start()

API接口设计：提供简单的API供前端调用，例如/video_feed返回实时视频流（MJPEG格式），/set_schedule用于更新服药时间，/get_logs获取历史记录等。

4.2 前端可视化界面搭建

为了让用户（特别是老人或家属）方便操作，一个直观的桌面界面必不可少。我们使用Tkinter，它是Python的标准GUI库，无需额外安装，虽然界面不那么炫酷，但足够实用。

界面的主要组件包括：

视频显示区域：使用Label组件，并通过OpenCV不断将摄像头帧（画上检测框后）转换为PhotoImage对象进行更新，实现实时显示。
控制面板：包含“开始/停止监控”按钮、服药时间设置（多个Entry或Spinbox组件）、提醒方式复选框（语音、弹窗）。
信息显示区域：一个Text组件或Treeview表格，用于滚动显示系统的识别日志（如“2023-10-27 08:05:15 检测到药盒_打开”）。
状态栏：显示当前系统状态、时间等信息。

界面开发的关键在于将后端逻辑与前端事件绑定。例如，点击“开始”按钮，会启动一个后台线程，该线程不断捕获摄像头画面，调用predict_frame函数进行推理，然后将结果画到帧上并更新UI，同时将检测结果写入detection_log。界面刷新的频率（如30ms一帧）需要控制好，避免卡顿。

注意事项：在GUI程序中，所有耗时的操作（如模型推理、网络请求）都不能放在主线程（即Tkinter的事件循环线程）中执行，否则会导致界面“假死”。必须使用threading模块创建新线程来处理这些任务。同时，跨线程更新UI组件是危险的，Tkinter提供了after方法或通过队列（queue）机制来安全地更新界面。

5. 部署与运行：让系统真正“跑起来”

项目包里号称“简单部署即可运行”，但为了应对各种可能的环境，这里我把部署中可能遇到的关键步骤和坑点都梳理出来。

5.1 环境准备与依赖安装

这是第一步，也是最容易出问题的一步。建议严格按照项目requirements.txt文件来安装依赖。

# 在项目根目录下，通常有requirements.txt pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

requirements.txt里通常会包含：ultralytics,opencv-python,flask,apscheduler,pillow,pyserial（如果连接硬件）等。

重点排查：

PyTorch版本：如果requirements.txt里指定了torch，请确保其版本与你的CUDA版本兼容，或者直接使用CPU版本。如果不指定，ultralytics在安装时会自动安装一个CPU版本的PyTorch。
OpenCV：opencv-python是纯Python封装，对于基本读写和显示够用。如果遇到奇怪的视频捕获问题，可以尝试安装opencv-contrib-python。
权限问题：在Linux或Mac系统上，访问摄像头可能需要特定的用户组权限。

5.2 硬件连接与配置

摄像头：系统默认使用电脑自带的摄像头（索引为0）。如果你使用USB摄像头，确保它被正确识别。在代码中，cv2.VideoCapture(0)的参数0代表第一个摄像头，可以尝试改为1或2。
音频输出：语音提醒功能需要系统有可用的音频输出设备。代码中通常使用pygame或playsound库来播放一个预设的.wav或.mp3提示音文件。请确保这个音频文件路径正确，且格式被支持。
网络与物联网设备（可选扩展）：如果你想实现手机APP推送，可以集成如Bark（iOS）、Server酱（微信）或自建WebSocket服务。如果想控制智能灯泡闪烁，可能需要通过Wi-Fi或Zigbee模块与智能家居平台（如Home Assistant）交互。这些属于高级扩展功能，项目基础版可能未包含，但提供了接口供你二次开发。

5.3 启动系统与测试

环境装好、硬件接好后，就可以启动系统了。通常项目根目录下会有一个主启动脚本，比如main.py或run.py。

python main.py

如果一切顺利，GUI界面会弹出，摄像头画面开始显示。你可以尝试在摄像头前放一个药盒（最好是数据集里类似的），观察界面上是否出现检测框和类别标签。然后，你可以测试提醒功能：将系统时间调整到一个服药时间点，看看在未检测到“打开”动作时，是否会触发语音或弹窗提醒。

5.4 打包与分发

对于课程设计或毕设答辩，你可能需要将整个项目打包成一个独立的可执行文件，方便在没有Python环境的电脑上演示。这里推荐使用PyInstaller。

# 安装PyInstaller pip install pyinstaller # 打包你的主程序文件（例如main.py） pyinstaller -F -w --add-data "model;model" --add-data "audio;audio" main.py

-F：打包成单个exe文件。
-w：运行时不显示控制台窗口（对于GUI程序）。
--add-data：将模型文件、音频文件等资源文件夹打包进去。分号;前是源路径，后是打包后在exe中的虚拟路径（Linux/Mac用冒号:）。

打包过程可能会遇到一些动态库链接的问题，特别是涉及OpenCV和PyTorch时。通常需要根据报错信息，手动在.spec文件中添加隐藏的导入（hiddenimports）或数据文件。

6. 常见问题排查与优化技巧实录

在实际部署和运行过程中，你几乎一定会遇到一些问题。下面是我在多次部署和教学过程中总结的“踩坑实录”和解决方案。

6.1 模型相关问题

问题1：模型检测不到药盒，或者置信度很低。
- 排查：首先，确认摄像头画面清晰，药盒摆放位置和光线与训练数据相似。用model.predict(source=0, show=True, conf=0.5)命令快速测试模型在当前摄像头下的原始性能。
- 解决：如果效果差，可能是“领域偏移”。你的药盒和训练数据里的差异太大。最好的办法是补充一些你自己的药盒图片，用LabelImg标注后，加入到原始数据集中进行增量训练。使用之前训练好的权重（best.pt）作为预训练模型，设置较小的初始学习率（lr0=0.0001），再训练几十个epoch。
- 技巧：在推理时，可以适当降低置信度阈值（conf），比如从0.5降到0.3，以召回更多目标，但可能会增加误检。
问题2：模型误检率高，把水杯、遥控器当成药盒。
- 排查：查看误检对象的图片，分析它们与药盒在颜色、形状上的相似性。
- 解决：这是训练数据“负样本”不足的典型表现。需要在数据集中加入这些容易混淆的物体（水杯、遥控器等）的图片，但不标注它们。YOLO在训练时，会将图片中未标注的区域视为背景进行学习，从而学会区分药盒和背景杂物。这被称为“加入困难负样本”。

6.2 系统运行与性能问题

问题3：GUI界面卡顿，视频流不流畅。
- 排查：打开任务管理器，查看CPU和内存占用。推理部分是否在主线程？
- 解决：
  1. 确保推理在独立线程：这是最主要的原因，解决方法见4.2节的注意事项。
  2. 降低推理帧率：不需要每秒30帧都做检测。可以设置每处理3帧或5帧，才进行1次YOLO推理，中间帧沿用上一次的结果。这能大幅降低CPU/GPU负载。
  3. 缩小推理尺寸：在model.predict()时，可以设置imgsz=480甚至更小，牺牲少量精度换取速度提升。
  4. 使用硬件加速：如果使用CPU，确保OpenCV编译时启用了OPENMP多线程支持。如果使用GPU，确认PyTorch确实在调用CUDA。
问题4：定时提醒不准确或失效。
- 排查：检查系统时间是否正确；检查APScheduler的定时任务是否成功添加（可以在添加后打印任务列表）；检查check_medication函数中的时间窗口逻辑和detection_log的记录是否正确。
- 解决：确保系统使用24小时制。对于长时间运行的程序，APScheduler的定时任务可能会因为系统休眠或时钟跳变而出错。可以考虑使用更稳健的方式，比如每分钟检查一次当前时间是否接近预设的服药时间点。

6.3 部署与打包问题

问题5：打包后的exe文件运行时提示找不到模型或音频文件。
- 排查：PyInstaller打包时，代码中通过相对路径（如./model/best.pt）访问的资源文件，在exe运行时会失效，因为exe运行时有一个临时解压目录。
- 解决：在代码中需要使用sys._MEIPASS属性来获取exe运行时资源文件的正确路径。
```
import sys import os def resource_path(relative_path): """获取打包后资源的绝对路径""" try: # PyInstaller创建的临时文件夹路径 base_path = sys._MEIPASS except Exception: base_path = os.path.abspath(".") return os.path.join(base_path, relative_path) # 加载模型时 model_path = resource_path(os.path.join('model', 'best.pt')) model = YOLO(model_path)
```
  同时，在PyInstaller命令中必须用--add-data正确指定资源文件夹。
问题6：在树莓派等嵌入式设备上部署，速度太慢。
- 排查：树莓派算力有限，直接运行原版YOLOv8s可能只有1-2 FPS。
- 解决：
  1. 模型优化：使用更小的模型，如YOLOv8n（Nano版本）。或者使用模型量化技术，将FP32的权重转换为INT8，可以大幅提升推理速度，精度损失可控。Ultralytics支持导出为ONNX格式，然后使用ONNX Runtime进行量化部署。
  2. 硬件加速：树莓派4B可以使用Intel神经计算棒（NCS2）或谷歌Coral USB加速棒来加速推理。这需要将YOLOv8模型转换为OpenVINO或TF-Lite格式，并编写对应的推理代码。虽然步骤稍多，但能将FPS提升至接近实时。

这个项目就像一个精心设计的“样板间”，它展示了如何将YOLOv8这个强大的工具，用于解决一个真实的、有温度的问题。通过拆解它，你学到的不仅仅是如何调用一个API，而是包括数据工程、模型训练、软件工程、系统集成乃至硬件选型在内的全链路AI应用开发思维。无论是用于毕设答辩，还是作为自己AI入门的一个里程碑，亲手把它部署起来，看着它成功识别出药盒并发出提醒的那一刻，那种成就感，就是学习技术最大的乐趣所在。如果在复现过程中遇到上面没提到的新问题，不妨去项目的GitHub Issues区或者YOLOv8的官方Discord社区看看，很多时候，你遇到的坑，别人已经填平了。

本文还有配套的精品资源，点击获取