# 001、环境搭建与YOLO初探：Python环境、OpenCV与YOLOv8部署

---

昨天深夜调试一个摄像头目标检测项目，明明在笔记本上跑得好好的YOLO模型，一到工控机上就死活加载失败。折腾两小时才发现，原来是OpenCV版本太老，不支持新的模型格式。这种环境问题看似低级，却最容易浪费工程师的时间。今天咱们就从头把Python+YOLO的环境彻底理清楚，避开那些常见的坑。

## 环境搭建：别急着装包

很多人一上来就`pip install ultralytics`，结果跑起来各种依赖冲突。我的习惯是先建一个干净的虚拟环境，Python版本选3.8到3.10之间最稳妥——3.11以上有些冷门库可能还没适配。

```bash
conda create -n yolo_demo python=3.9
conda activate yolo_demo
```

接着别直接装ultralytics，先搞定OpenCV。这里踩过坑：如果你只用OpenCV的基础功能，装`opencv-python`就行；但后面要做图像处理或者视频分析，建议装`opencv-contrib-python`，避免用到某个函数时发现没装。

```bash
pip install opencv-contrib-python==4.8.0.74  # 这个版本比较稳定
```

然后才是核心的YOLOv8。Ultralytics的库更新很频繁，生产环境建议锁定版本：

```bash
pip install ultralytics==8.0.196
```

顺手把可能用到的工具也装上：

```bash
pip install matplotlib numpy pandas  # 数据分析三件套
```

## 验证安装：写个最小测试脚本

装完别急着跑复杂demo，先写个最简单的脚本验证基础功能。新建一个`test_env.py`：

```python
import cv2
import torch
from ultralytics import