YOLO自定义模型检测异常：仅输出-1问题排查求助

核心问题分析 #

你的代码始终输出-1，说明没有检测到任何目标，结合代码和描述，主要有以下几个问题：

1. 模型文件名不匹配 #

你提到自己的模型是best.pt，但代码中加载的是bestall5.pt：

model = YOLO("bestall5.pt")

这会导致加载错误的模型（或不存在的模型），自然无法检测到目标。

2. 检测结果遍历逻辑错误 #

Ultralytics YOLO返回的results_list是包含单个Results对象的列表，而Results对象的xyxy属性是一个列表，每个元素对应单帧的检测框张量。你当前的遍历方式没有正确访问到检测框数据，导致漏检。

3. Class ID类型处理不当 #

直接通过result.tolist()获取的class_id是浮点数类型（比如0.0或1.0），而model.names的键是整数，这会导致无法正确匹配类名，进而无法标记目标已检测。

修复后的完整代码 #

import cv2
from ultralytics import YOLO

video_path = 'data/video1.mp4'
video_out_path = 'out.mp4'

cap = cv2.VideoCapture(video_path)

if not cap.isOpened():
    print("Error: Could not open the video file.")
    exit()

ret, frame = cap.read()

if not ret:
    print("Error: Could not read the first frame from the video.")
    exit()

cap_out = cv2.VideoWriter(video_out_path, cv2.VideoWriter_fourcc(*'MP4V'), cap.get(cv2.CAP_PROP_FPS),
                          (int(cap.get(3)), int(cap.get(4))))

# 修正模型文件名
model = YOLO("best.pt")

detection_threshold = 0.5
while ret:
    results_list = model(frame)

    headlight_detected = False
    person_detected = False

    # 遍历结果（单帧对应一个Results对象）
    for results in results_list:
        # 使用boxes属性更规范地处理检测框
        boxes = results.boxes
        for box in boxes:
            # 获取置信度并判断阈值
            score = box.conf[0].item()
            if score < detection_threshold:
                continue
            
            # 获取类别ID并转为整数
            class_id = int(box.cls[0].item())
            class_name = model.names[class_id]

            if class_name == "headlight":
                headlight_detected = True
            elif class_name == "person":
                person_detected = True

    # 按规则输出结果
    if headlight_detected:
        output = 0
    elif person_detected:
        output = 1
    else:
        output = -1

    print("Output:", output)

    cap_out.write(frame)
    cv2.imshow('Object Detection', frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

    ret, frame = cap.read()

cap.release()
cap_out.release()
cv2.destroyAllWindows()

额外优化说明 #

• 使用results.boxes替代直接访问xyxy，这是Ultralytics官方推荐的检测框处理方式，更稳定且易于维护。
• 先判断置信度是否达标，再处理类别匹配，避免无效计算。
• 简化了输出条件：只要检测到车灯（无论是否有行人）都返回0，逻辑更简洁，和你要求的规则完全一致。

内容的提问来源于stack exchange，提问作者codeimagenary