模型规格
| 参数项 |
规格详情 |
| 模型架构 |
YOLOv8 (You Only Look Once v8) |
| 文件格式 |
PyTorch (.pt) |
| 输入分辨率 |
640 x 640 px (自适应) |
| 适用场景 |
自然环境下的蝴蝶检测、物种分类、生态摄影分析 |
| 训练作者 |
李浅墨 (Li Qianmo) |
快速开始
1. 环境准备
在使用模型之前，请确保您的 Python 环境已安装以下依赖包：
# 安装 Ultralytics YOLO 框架
pip install ultralytics
# 或者安装完整依赖（包含 PyTorch）
pip install ultralytics torch torchvision
2. 加载模型并推理
下载模型权重文件后，您可以使用以下 Python 脚本进行推理。模型支持多种输入格式，包括本地图片路径、URL、PIL 图像对象或 Numpy 数组。
inference_demo.py
Python 3.8+
from ultralytics import YOLO
# 1. 加载下载的 Guandie-V1 模型权重
model = YOLO('guandie_butterfly_v1.pt')
# 2. 对单张图片执行推理
results = model('butterfly_test.jpg')
# 3. 解析检测结果
for result in results:
boxes = result.boxes # 获取所有检测框
for box in boxes:
# 提取检测信息
class_id = int(box.cls[0])
class_name = model.names[class_id]
confidence = float(box.conf[0])
bbox = box.xyxy[0].tolist() # [x1, y1, x2, y2]
print(f"检测到: {class_name}")
print(f"置信度: {confidence:.4f}")
print(f"位置: {bbox}")
print("-" * 40)
# 4. 保存可视化结果（可选）
result.save('output.jpg') # 保存带检测框的图片
3. 输入要求
| 参数 |
说明 |
| 图片格式 |
支持 JPG, PNG, BMP, TIFF 等常见格式 |
| 图片尺寸 |
任意尺寸（模型会自动缩放至 640×640） |
| 输入方式 |
本地路径、URL、PIL.Image 对象、Numpy 数组 |
| 批量推理 |
支持，传入图片路径列表即可：model(['img1.jpg', 'img2.jpg']) |
4. 运行结果示例
▶ 控制台输出
image 1/1 /workspace/butterfly_test.jpg: 640x640 1 Papilio_xuthus, 12.5ms
Speed: 3.2ms preprocess, 12.5ms inference, 1.8ms postprocess per image at shape (1, 3, 640, 640)
检测到: Papilio_xuthus
置信度: 0.9543
位置: [152.3, 85.7, 480.1, 512.9]
----------------------------------------
5. 高级参数配置
您可以在推理时调整检测参数以优化结果：
# 调整置信度阈值和 IOU
results = model(
'butterfly.jpg',
conf=0.5, # 置信度阈值 (默认 0.25)
iou=0.7, # NMS IOU 阈值 (默认 0.7)
imgsz=640, # 推理图像尺寸
device='cuda' # 使用 GPU (默认自动选择)
)
资源下载
Guandie-Butterfly-V1.pt
文件大小: 约 21.6 MB | 格式: PyTorch Weights
MD5: 校验码请参考文件属性
⬇ 下载模型
使用与引用
本模型遵循 CC BY-NC-SA 4.0 (知识共享署名-非商业性使用-相同方式共享) 协议开源。任何个人或机构均可免费下载并用于学术研究或非商业应用。
在您的研究成果或产品中使用了本模型时，请注明来源：
@misc{guandie2025,
author = {Li, Qianmo and Guandie Platform},
title = {Guandie-V1: High-Precision Butterfly Identification Model},
year = {2025},
publisher = {Guandie Mini Program Platform},
}