Yolo11训练模型与中文字体乱码的解决方案

概述

在上篇教程 https://www.youluoyuan.com/4085.html，我们已经完成了yolov11的下载、配置、初步使用，上篇教程我们测试的模型是官方提供的yolo11n.pt，该模型包括了几十种类别识别，但如果我们要针对特定类别来做识别，就需要针对性的训练模型了。

正文

准备数据集

这里提供一份 电网绝缘子及破损、闪络缺陷YOLO数据集  ，下载后将其放置于 ultralitics目录并解压重命名，不要带有中文文字，我这里命名为dataset，如图

修改数据集配置文件

在数据集中有一个data.yaml文件，主要是用来指定训练集、验证集、测试集的路径以及类别名的，如图，我们需要修改训练集、验证集的路径，测试集可有可无，这里直接用 / 占位即可

准备中文字体

由于在yaml中我们配置的类别名为中文，若不配置中文字体，后续训练出来的结果图标则会是乱码

中文字体下载 =>  文泉驿正黑字体

下载后，将字体文件解压随便放个位置，如图

开始训练

训练代码如下

from matplotlib import font_manager, pyplot as plt
from ultralytics import YOLO

fontPath="E:/X04Fonts/wqy-zenhei/wqy-zenhei.ttc" #字体路径

font = font_manager.FontProperties(fname=fontPath)
# 重新加载字体
font_manager.fontManager.ttflist = []
font_manager.fontManager.addfont(fontPath)
plt.rcParams['font.family'] = font.get_name()
# 加载YOLOv8模型（可以是预训练模型，也可以是新的模型）
model = YOLO("yolo11n.pt")
# 设置训练配置
train_config = {
    'data': 'D:/ultralytics-main/dataset/data.yaml',  # windows数据集路径
    'epochs': 100,  # 训练轮数
    'batch': 8,  # 批量大小
    'imgsz': 640,  # 输入图像尺寸
    'workers': 16, #使用核心数
    'device': '0',  # 训练所使用的GPU设备，0表示第一块GPU
    'project': 'runs/train',  # 保存训练结果的文件夹
    'name': 'trainResult',  # 训练结果保存的文件夹名称
    'save_period': 50, # 每1个epoch保存一次模型
    'resume' : False #是否继续训练
}
# 开始训练
if __name__ == '__main__':
    model.train(**train_config)

根据自己的yaml文件位置、字体文件位置情况，修改配置，然后启动即可，如图

训练完成后的测试

在上面的训练代码中，我设置的轮次为100，如图可以看到用了1.053小时

训练完成后，会自动在runs/train目录下生成训练的结果，其中包括了模型，如图best.pt表示是训练的最优模型

为了测试模型，我找了一些绝缘子破损的相关图片，放在了如下目录

D:\A01Python392Pros\爬取\绝缘子破损

然后使用如下代码进行识别输出，注意:source参数可以传一张图也可以传一个包含图片的目录

from ultralytics import YOLO

# 加载模型
yolo11 = YOLO(model=r"D:\ultralytics-main\runs\train\trainResult\weights\best.pt", task="detect")

# 运行检测并指定保存路径
result = yolo11.predict(
    source=r"D:\A01Python392Pros\爬取\绝缘子破损",
    save=True,  # 保存检测结果
    project="runs",  # 主文件夹名称（默认是'runs'）
    name="detect",  # 子文件夹名称（默认是'exp'）
    exist_ok=True  # 允许覆盖已存在的文件夹
)

print(result)

运行代码后会在runs/detect目录下得到识别后的图片，如图

结语

以上是幽络源的yolov11模型训练与中文字体配置教程，如有疑问或感兴趣的朋友可加QQ群307531422询问交流学习。