YOLO11+OpenVINO™ 实现药片检测

药片数据集

训练集:由 92 幅图像组成，每幅图像都标注了类别 pill.

验证集：包括 23 幅图像和相应的注释。

数据集下载地址：

https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip、

数据标签文件配置：

YOLO11模型训练

训练命令行

yolo detect train data=medical-pills.yaml model=yolo11n.pt epochs=100 imgsz=640

PR曲线

部署与量化推理演示

转换为ONNX格式文件：

yolo export model=best.pt format=onnx

NNCF介绍

神经网络压缩框架 （NNCF） 提供了一套训练后和训练时算法，用于优化 OpenVINO™ 中神经网络的推理，同时将准确率下降降至最低。官方代码库地址：

https://github.com/openvinotoolkit/nncf

NNCF PTQ 是最简洁的INT8量化方法，只需要模型和一个小的 （~300 个样本） 校准数据集即可实现对模型的INT8量化。对训练后的模型转为IR格式以后用，OpenVINO™的NNCF框架把模型量化为INT8模式。PTQ的量化代码如下：

运行结果如下：

基于OpenVINO™2025 C++ SDK部署INT8量化后模型，推理效果如下：

OpenVINO™ + YOLO11药片检测的推理代码如下：

std::string xmlpath = "D:/images/bird_test/pills_best_int8.xml";std::string labelpath = "D:/images/bird_test/labels.txt";std::shared_ptr<YOLO11Detector> detector(new YOLO11Detector());detector->initConfig(xmlpath, labelpath, 0.2, 640, 640);cv::Mat image = cv::imread("D:/pills.jpg");detector->detect(image);cv::imshow("YOLO11药片检测+OpenVINO2025", image);cv::waitKey(0);cv::destroyAllWindows();