YOLOv8检测结果解包报错：ValueError: expected 6, got 1求助

问题背景 #

加载YOLOv8目标检测模型与分类模型，实现图像加载、目标检测及类别预测。逻辑为遍历检测到的目标，按0.5置信度阈值过滤后对每个目标执行分类，若结果为"clean"或"dirty"则打印对应提示，但运行时触发错误：

ValueError: not enough values to unpack (expected 6, got 1)

错误出现在尝试解包检测目标坐标、置信度和类别索引的代码行。

错误原因 #

YOLOv8模型返回的results是Results对象，并非直接的张量数组。直接遍历results[0]无法拿到预期的(x1,y1,x2,y2,conf,cls)结构，而是得到不符合解包要求的单个元素，因此触发解包错误。

修复方案 #

需要通过Results对象的.boxes.data属性获取所有检测框的完整数据（每行对应一个检测框，包含x1,y1,x2,y2,conf,cls），再遍历该数据进行后续处理。

修改后的遍历分类代码 #

# Iterate through detected objects and classify them
# 获取所有检测框的完整数据：x1, y1, x2, y2, conf, cls
detections = results[0].boxes.data.cpu().numpy()

for obj in detections:
    x1, y1, x2, y2, conf, cls = obj  

    # 按置信度过滤
    if conf > 0.5:
        # 裁剪目标区域（原图已resize到640，直接用坐标即可）
        object_image = resized_image[int(y1):int(y2), int(x1):int(x2)]

        # 转换为PIL格式
        object_pil_image = Image.fromarray(cv2.cvtColor(object_image, cv2.COLOR_BGR2RGB))

        # 执行分类
        class_result = classification_model(object_pil_image)

        if class_result == 'clean':
            print("Detected a clean pot seat.")
        elif class_result == 'dirty':
            print("Detected a dirty pot seat.")

关键说明 #

• results[0].boxes.data：获取当前图像的所有检测框张量，包含每个框的坐标、置信度、类别索引
• .cpu().numpy()：将PyTorch张量转换为NumPy数组，方便后续数值处理与索引操作
• 若需单独提取各字段，也可拆分调用：

  boxes = results[0].boxes
  xyxy = boxes.xyxy.cpu().numpy()  # 检测框坐标
  confs = boxes.conf.cpu().numpy()  # 置信度
  clss = boxes.cls.cpu().numpy()    # 类别索引
  

补充注意事项 #

1. 确保代码开头导入torch（原代码未显示，需补充）：

import torch

2. 若分类模型需要特定输入格式（如归一化、张量转换），需根据模型要求调整object_pil_image的预处理步骤。

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