YOLO26 + SAHI实现施工现场物料高精度计数（含部署落地）

一、项目前言：解决建筑工地的传统计数痛点

在建筑施工场景中，PVC管道、水泥袋、混凝土涵管等堆叠物料的人工盘点，一直是低效且高误差的刚需工作。数百根堆叠管道人工清点耗时数分钟，多人统计结果往往不一致，极易引发物料损耗、到货数量争议等问题，隐性成本极高。

作为兼具土木工程与深度学习从业经验的开发者，作者结合行业痛点，搭建了一套YOLO26+SAHI切片推理的施工现场物料自动计数系统。无需复杂设备，仅通过手机拍照上传，即可秒级完成密集物料统计，密集管道堆叠场景准确率可达97%，彻底替代人工盘点。

该方案通用性极强，不仅适配PVC管道，还可快速迁移至水泥袋、钢筋、砖块等各类堆叠式建筑物料计数场景，将盘点耗时从分钟级压缩至秒级。

二、核心方案：为什么YOLO必须搭配SAHI？

2.1 纯YOLO模型的致命缺陷

常规YOLO模型推理前，会将原图统一缩放至固定尺寸（本项目为960px）。施工现场高清原图往往达到4000px以上，堆叠物料后排的管道端头会被压缩至5-10像素，丢失全部纹理特征，模型无法识别，最终导致漏检严重、统计数值偏小，且无任何报错提示，难以排查问题。

2.2 SAHI切片推理核心原理

SAHI（切片辅助超推理）并非独立模型，而是高效的推理优化策略，专门解决密集小目标漏检问题，完美弥补YOLO短板，核心流程如下：

图像切片：将完整大图分割为512×512的重叠子切片；

分块推理：对每一块切片单独执行YOLO推理，小尺寸物料在切片中像素占比大幅提升，可精准识别；

合并去重：将所有切片检测结果映射回原图坐标，通过NMS非极大值抑制剔除切片边界重复检测目标。

通俗来说：YOLO是人眼，SAHI是放大镜，让模型看清画面每一处细节。唯一权衡是推理速度略有下降，但对于计数场景，准确率优先级远高于速度。

三、数据集方案：规避从零标注的低效问题

项目无需手动标注海量数据，直接复用Roboflow Universe开源数据集：p15-pipe管道数据集。包含4500+张多角度、多堆叠密度的管道标注图像，支持数据增强，采用CC BY 4.0开源协议，可直接用于模型训练。

初期尝试调用Roboflow在线训练模型，频繁出现404模型缺失、CUDA依赖报错等问题。为保障项目可控性与稳定性，最终选择本地Colab自主训练，全程自定义参数、规避依赖冲突，适配施工现场真实场景。

四、模型训练：Colab踩坑与最优参数配置

本项目基于YOLO26-Nano轻量化模型，在Google Colab T4 GPU上完成训练，全程解决三大核心报错与性能瓶颈，整理出可直接复用的工业级训练配置。

4.1 训练核心障碍与解决方案

障碍1：内核静默崩溃（内存溢出）

默认高分辨率、大批次参数会超出Colab免费内存上限，导致训练无报错直接重启。优化后内存安全配置：

Plain Text
model.train(
data=DATA_YAML,
epochs=100,
imgsz=960, # 由1280下调，降低显存占用
batch=4, # 由8下调，适配免费GPU内存
workers=2, # 降低并行加载线程
cache=False,
max_det=1000, # 密集计数核心参数
patience=25,
)

障碍2：默认检测上限导致计数封顶

YOLO默认单图最大检测数为300，面对施工现场300+密集管道场景，即便模型识别全部目标，计数也会强制锁定在300，且无任何提示。max_det=1000是密集计数项目的关键参数，必须手动放开限制。

障碍3：Colab训练中断丢失权重 Colab免费算力存在时长限制，训练中途极易强制终止。通过谷歌云端硬盘断点续训解决，自动保存权重，中断后可无缝恢复训练：

Plain Text
model = YOLO('/content/drive/MyDrive/runs_boru/faz1/weights/last.pt')
model.train(resume=True)

4.2 最终训练效果

模型训练至68轮提前停止，核心指标优异，适配计数场景需求：

mAP@50：0.948（目标识别准确率极高，满足计数核心需求） mAP@50-95：0.668（边框定位精度一般，对计数结果无影响）

重点：物料计数场景无需极致边框精度，只需完整识别目标，因此该模型指标完全满足落地要求。

五、精度突破：无需重训练，准确率72%→97%优化实战

模型初次测试效果极差：132根密集管道仅识别95根，准确率仅72%，漏检集中在阴影、斜角、边缘管道。区别于常规“加数据、加轮数”的优化思路，本项目通过推理参数调优+图像预处理实现质的飞跃，全程无需重新训练模型。

5.1 多维度参数遍历扫描

对置信阈值、切片尺寸、重叠率进行组合遍历测试，筛选最优推理参数：

降低置信阈值：适配模糊、遮挡、阴影管道的弱特征识别；优化切片尺寸与重叠率：平衡小目标识别精度与推理效率。

参数优化后，准确率从72%提升至89%（118/132）。

5.2 关键突破：图像超分辨率放大

核心踩坑点：低分辨率原图会静默禁用SAHI切片功能。当切片尺寸大于原图尺寸时，模型会直接全局推理，切片优化完全失效。

解决方案：对低分辨率图像进行3倍立方插值放大，不新增图像信息，但统一物料像素比例，为SAHI切片提供有效操作空间：

Plain Text
big = cv2.resize(img, None, fx=3, fy=3, interpolation=cv2.INTER_CUBIC)

优化后最终效果：132根管道精准识别128根，准确率突破97%。

六、端到端部署：Streamlit轻量化网页应用

为适配施工现场移动端使用需求，基于Streamlit搭建极简网页端，仅100行左右代码，无需专业设备，手机即可实时操作，实现算法落地。

6.1 应用核心功能

图片上传/手机拍照实时推理；自动低分辨率图像放大预处理；可自定义置信度、切片大小、重叠率；输出物料总数+逐目标标注效果图。

6.2 部署踩坑与解决方案

部署平台选型：Vercel/Netlify仅支持静态页面，无法承载PyTorch、OpenCV运行环境，最终选用Streamlit Community Cloud免费一键部署；

系统依赖报错：云端Linux镜像缺失OpenCV依赖库，通过新增packages.txt声明系统依赖libglib2.0-0t64解决版本兼容问题；

隐私权限问题：默认部署需登录访问，手动开启公开权限，支持全员免密使用；

密钥安全处理：开源代码脱敏，替换Roboflow密钥为占位符，原始密钥纳入.gitignore保护。

七、本地快速运行教程

7.1 环境安装

Plain Text
git clone https://github.com/fhattat/YOLO-construction-material-counter.git
cd YOLO-construction-material-counter
pip install -r requirements.txt

7.2 启动网页应用

Plain Text
streamlit run streamlit_app.py

7.3 自定义模型训练

项目提供完整Colab训练笔记pipe_counter_training.ipynb，支持免费T4 GPU训练，内置断点续训、数据集下载、SAHI测试全流程，替换个人Roboflow密钥即可直接运行。

八、项目核心总结与实战经验

优先复用开源数据：Roboflow开源数据集可节省数周标注时间，精准匹配场景的公开数据，优于盲目自建数据集；

密集计数必配SAHI：纯YOLO无法解决密集小目标漏检，切片推理是低成本、高精度的最优方案；

参数细节决定精度：max_det默认上限、图像分辨率、切片尺寸匹配度，是计数项目最容易忽略的核心关键点；

先优化推理再重训模型：参数调优、预处理优化可零成本提升精度，无需消耗GPU算力重新训练；

部署是落地关键：算法可用≠项目落地，系统依赖、权限配置、移动端适配是工业落地的必备环节。

九、项目迭代路线图

✅ 一期：实现PVC管道高精度自动计数；

二期：适配混凝土涵洞管道计数；

三期：实现水泥袋、砖块、钢筋等多类建筑物料通用计数；

四期：基于现场阴影、斜角样本微调模型，进一步提升复杂场景精度。

核心价值：整套 YOLO26+SAHI+Streamlit 架构可通用所有堆叠式物料计数场景，迁移学习可快速适配新类别，大幅降低工业视觉计数项目开发成本。