企业官网建设流程全解析

1. 火焰烟雾检测从训练到部署的真实链路

火焰烟雾检测这件事，很多人第一反应是"找个开源权重跑一下不就行了"。但真到落地环节，你会发现麻烦的不是模型本身，而是从数据集标注、训练调参、导出 ONNX、写推理脚本，再到套一个能给人用的 GUI，中间任何一环断了，整个系统就跑不起来。我这次要做的，就是把这条链路完整走一遍：用 YOLOv8 训练 fire/smoke 两类目标，导出 ONNX 模型，画出 mAP、PR 这些评估曲线，最后用 PyQt5 搭一个支持图片、视频、摄像头三种输入的界面。同时，推理链路里我会用 TaoToken 的统一 Key 去调用 API 做端到端验证，这样你本地模型和云端服务能对同一张图给出结果，方便排查是模型问题还是代码问题。

先说清楚这套东西适合谁。如果你是会一点 Python、装过 Anaconda、想做一个能演示能交作业的检测系统，那这篇基本可以照着敲。如果你是完全没碰过深度学习的小白，建议先把 ultralytics 官方文档的 quickstart 跑通再回来。环境我实测用的是 Windows10 + Anaconda3 + Python3.8 + torch1.9.0+cu111 + ultralytics8.2.70，这套组合在 30 系显卡上比较稳，40 系显卡建议把 torch 升到 2.x，否则可能报 CUDA 架构不匹配。

整个系统的输入输出很直观：输入是一张图、一段视频或者摄像头实时流，输出是画了框的图加上左侧文本框里的检测结果，类别只有 fire 和 smoke 两个。别小看只有两类，火焰和烟雾在复杂背景下的误检才是真正难搞的地方，后面调参章节我会重点讲。

2. TaoToken 统一 Key 在推理链路里的定位

为什么要在本地 ONNX 推理之外再挂一个 API？因为实际项目里经常遇到这种情况：你本地模型某个场景检测不出来，想换个模型或者换个版本对比一下，但重新训练成本太高。这时候用 TaoToken 的统一 Key 调一个多模态模型做交叉验证，能快速判断是数据问题还是模型容量问题。TaoToken 官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api ，注意 API 地址不带 UTM 参数，别拼错了。

它的核心价值是"一个 Key 打通多个模型"。你不需要为每个模型单独申请账号、单独记一套鉴权方式，拿到一个 Key 之后，改 model 字段就能切换。对于火焰烟雾这种需要反复对比验证的场景，省下来的时间很可观。我试过在同一个脚本里先用本地 ONNX 跑一遍，再把同一张图 base64 编码后发给 API，两边结果并排打印，差异一目了然。

需要强调一点：TaoToken 在这里的角色是"推理验证通道"，不是替代你的本地模型。生产环境该用本地 ONNX 还是用本地，API 只在你需要对比、需要快速验证新场景时介入。另外，涉及火焰烟雾这种安全场景，API 返回的结果只能作为参考，不能作为报警的唯一依据，最终决策逻辑还是要落在你自己的业务代码里。

拿 Key 的流程很简单：进控制台，创建一个 API Key，复制出来存到环境变量里，别硬编码在源码里。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，API Keys 管理页是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。如果你后面要做长期的编码类 Agent 任务，可以看下 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。模型对话调试入口在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。

3. 可复制的数据配置与 ONNX 导出脚本

先把数据集结构定下来。YOLOv8 要求的是 YOLO 格式，目录长这样：

fire_smoke_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml

data.yaml 内容如下，注意 path 用绝对路径或者相对训练脚本的路径，别写错：

path: ./fire_smoke_dataset train: images/train val: images/val nc: 2 names: 0: fire 1: smoke

标注文件是每行class_id x_center y_center width height，全部归一化到 0-1。如果你手上是 VOC 的 xml，用 ultralytics 自带的转换脚本或者自己写个几十行的转换函数都行，关键是别把坐标搞成像素值。

训练命令我一般这么写，参数按需改：

yolo detect train \ data=./fire_smoke_dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/fire_smoke \ name=exp1

训练完在runs/fire_smoke/exp1/weights/下会有 best.pt 和 last.pt，同目录的 results.png 就是 mAP、PR 曲线这些评估图。如果你想要更细的曲线，可以用yolo detect val再跑一次验证，它会输出 confusion_matrix.png 和 PR_curve.png。

导出 ONNX 是重点，很多人卡在这一步：

from ultralytics import YOLO model = YOLO("runs/fire_smoke/exp1/weights/best.pt") model.export( format="onnx", imgsz=640, opset=12, simplify=True, dynamic=False, half=False )

导出后会在同目录生成 best.onnx。opset 建议用 12，兼容性好；simplify=True 会调用 onnxsim 做图优化，能去掉一些冗余节点；dynamic=False 表示固定输入尺寸，GUI 里处理起来简单。如果你要动态 batch，把 dynamic 设 True，但推理脚本要跟着改。

导出完一定要验证一下 ONNX 能不能正常推理，别等到 GUI 里才发现问题：

import onnxruntime as ort import numpy as np import cv2 sess = ort.InferenceSession("best.onnx", providers=["CUDAExecutionProvider", "CPUExecutionProvider"]) input_name = sess.get_inputs()[0].name img = cv2.imread("test_img/fire_01.jpg") img = cv2.resize(img, (640, 640)) img = img[:, :, ::-1].transpose(2, 0, 1).astype(np.float32) / 255.0 img = np.expand_dims(img, 0) outputs = sess.run(None, {input_name: img}) print(outputs[0].shape)

正常输出应该是(1, 6, 8400)，6 是 4 个框坐标加 2 个类别分数。如果 shape 不对，八成是导出时 nc 没对上。

4. 验证请求与 GUI 事件绑定代码

先写一个独立的 API 验证脚本，确认 TaoToken 这条链路通了，再往 GUI 里集成。用 requests 就行：

import os import base64 import requests API_KEY = os.environ.get("TAOTOKEN_API_KEY") BASE_URL = "https://taotoken.net/api" def encode_image(path): with open(path, "rb") as f: return base64.b64encode(f.read()).decode("utf-8") def ask_model(image_path, question): payload = { "model": "gpt-4o", "messages": [ { "role": "user", "content": [ {"type": "text", "text": question}, {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode_image(image_path)}"}} ] } ] } headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } resp = requests.post(f"{BASE_URL}/v1/chat/completions", json=payload, headers=headers, timeout=60) resp.raise_for_status() return resp.json()["choices"][0]["message"]["content"] if __name__ == "__main__": print(ask_model("test_img/fire_01.jpg", "这张图里有没有火焰或烟雾？只回答有或没有，并说明位置。"))

跑通之后你会看到模型返回类似"有，画面左下角有明火"这样的描述。这一步的意义是：当你本地 ONNX 漏检时，用 API 的结果做参照，判断是模型没学好还是图本身就没有目标。

接下来是 GUI 部分。PyQt5 的界面我用 Qt Designer 拖出来，核心是信号槽绑定。主窗口类继承 QMainWindow，工具栏上放四个 action：打开图片、打开视频、打开摄像头、退出。关键代码结构如下：

from PyQt5 import QtCore, QtGui, QtWidgets import cv2 import numpy as np import onnxruntime as ort class FireSmokeDetector(QtWidgets.QMainWindow): def __init__(self): super().__init__() self.sess = ort.InferenceSession("best.onnx", providers=["CUDAExecutionProvider", "CPUExecutionProvider"]) self.input_name = self.sess.get_inputs()[0].name self.conf_thres = 0.25 self.iou_thres = 0.45 self.cap = None self.timer = QtCore.QTimer() self.timer.timeout.connect(self.update_frame) self.setup_ui() def setup_ui(self): self.resize(1280, 728) central = QtWidgets.QWidget(self) self.setCentralWidget(central) self.picture = QtWidgets.QLabel(central) self.picture.setGeometry(QtCore.QRect(260, 10, 1010, 630)) self.picture.setStyleSheet("background:black") self.picture.setScaledContents(True) self.le_res = QtWidgets.QTextEdit(central) self.le_res.setGeometry(QtCore.QRect(10, 240, 241, 400)) self.hs_conf = QtWidgets.QSlider(QtCore.Qt.Horizontal, central) self.hs_conf.setGeometry(QtCore.QRect(10, 100, 181, 22)) self.hs_conf.setValue(25) self.hs_conf.valueChanged.connect(self.on_conf_change) self.dsb_conf = QtWidgets.QDoubleSpinBox(central) self.dsb_conf.setGeometry(QtCore.QRect(200, 100, 51, 22)) self.dsb_conf.setSingleStep(0.01) self.dsb_conf.setValue(0.25) self.dsb_conf.valueChanged.connect(self.on_conf_spin) self.toolbar = QtWidgets.QToolBar(self) self.addToolBar(QtCore.Qt.TopToolBarArea, self.toolbar) self.act_img = QtWidgets.QAction("打开图片", self) self.act_img.triggered.connect(self.open_image) self.act_vid = QtWidgets.QAction("打开视频", self) self.act_vid.triggered.connect(self.open_video) self.act_cam = QtWidgets.QAction("打开摄像头", self) self.act_cam.triggered.connect(self.open_camera) self.toolbar.addAction(self.act_img) self.toolbar.addAction(self.act_vid) self.toolbar.addAction(self.act_cam) def on_conf_change(self, val): self.conf_thres = val / 100.0 self.dsb_conf.setValue(self.conf_thres) def on_conf_spin(self, val): self.conf_thres = val self.hs_conf.setValue(int(val * 100)) def preprocess(self, frame): img = cv2.resize(frame, (640, 640)) img = img[:, :, ::-1].transpose(2, 0, 1).astype(np.float32) / 255.0 return np.expand_dims(img, 0) def postprocess(self, outputs, orig_shape): preds = outputs[0][0] boxes, scores, class_ids = [], [], [] for pred in preds.T: cls_scores = pred[4:] cls_id = int(np.argmax(cls_scores)) score = float(cls_scores[cls_id]) if score < self.conf_thres: continue cx, cy, w, h = pred[:4] x1 = (cx - w / 2) * orig_shape[1] / 640 y1 = (cy - h / 2) * orig_shape[0] / 640 x2 = (cx + w / 2) * orig_shape[1] / 640 y2 = (cy + h / 2) * orig_shape[0] / 640 boxes.append([x1, y1, x2, y2]) scores.append(score) class_ids.append(cls_id) if boxes: idx = cv2.dnn.NMSBoxes(boxes, scores, self.conf_thres, self.iou_thres) return [boxes[i] for i in idx], [scores[i] for i in idx], [class_ids[i] for i in idx] return [], [], [] def draw(self, frame, boxes, scores, class_ids): names = {0: "fire", 1: "smoke"} colors = {0: (0, 0, 255), 1: (128, 128, 128)} for box, score, cid in zip(boxes, scores, class_ids): x1, y1, x2, y2 = map(int, box) cv2.rectangle(frame, (x1, y1), (x2, y2), colors[cid], 2) label = f"{names[cid]} {score:.2f}" cv2.putText(frame, label, (x1, y1 - 8), cv2.FONT_HERSHEY_SIMPLEX, 0.6, colors[cid], 2) return frame def open_image(self): path, _ = QtWidgets.QFileDialog.getOpenFileName(self, "选择图片", "", "Images (*.jpg *.png *.jpeg)") if not path: return frame = cv2.imread(path) inp = self.preprocess(frame) outs = self.sess.run(None, {self.input_name: inp}) boxes, scores, class_ids = self.postprocess(outs, frame.shape) frame = self.draw(frame, boxes, scores, class_ids) self.show_frame(frame) self.le_res.setText("\n".join([f"{['fire','smoke'][c]} {s:.2f}" for c, s in zip(class_ids, scores)])) def open_video(self): path, _ = QtWidgets.QFileDialog.getOpenFileName(self, "选择视频", "", "Videos (*.mp4 *.avi)") if not path: return self.cap = cv2.VideoCapture(path) self.timer.start(30) def open_camera(self): self.cap = cv2.VideoCapture(0) self.timer.start(30) def update_frame(self): ret, frame = self.cap.read() if not ret: self.timer.stop() return inp = self.preprocess(frame) outs = self.sess.run(None, {self.input_name: inp}) boxes, scores, class_ids = self.postprocess(outs, frame.shape) frame = self.draw(frame, boxes, scores, class_ids) self.show_frame(frame) def show_frame(self, frame): rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) h, w, ch = rgb.shape qimg = QtGui.QImage(rgb.data, w, h, ch * w, QtGui.QImage.Format_RGB888) self.picture.setPixmap(QtGui.QPixmap.fromImage(qimg))

这段代码里最容易出错的是 postprocess 里的坐标还原。ONNX 输出的是 640x640 尺度下的归一化坐标，要乘回原图宽高。如果你发现框的位置整体偏移，先检查这里。另外 NMSBoxes 的输入要求 boxes 是 list of list，别传 numpy array，否则会报类型错误。

5. 本篇常见错误排查

第一个高频报错：onnxruntime.capi.onnxruntime_pybind11_state.InvalidArgument: [ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Got invalid dimensions for input: images。这个基本是输入 shape 不对。YOLOv8 导出后输入名一般是images，shape 是[1,3,640,640]。检查你的 preprocess 有没有漏掉 batch 维度，或者 resize 尺寸写成了 416。打印sess.get_inputs()[0].shape确认一下。

第二个：401 Unauthorized。调 TaoToken API 时出现这个，先确认环境变量TAOTOKEN_API_KEY有没有读到，echo $TAOTOKEN_API_KEY（Windows 用echo %TAOTOKEN_API_KEY%）看一下。如果 Key 是对的还报 401，检查 header 里是不是写成了Bearer加空格加 Key，少空格也会 401。另外注意 Base URL 别写成带 UTM 的地址，API 调用统一用 https://taotoken.net/api 。

第三个：local proxy failed或者连接超时。这个通常是你本机网络环境的问题，检查一下有没有设置系统级代理，requests 默认会读环境变量里的HTTP_PROXY。如果不需要代理，在代码里显式传proxies={"http": None, "https": None}绕开。

第四个：Error in reading choices from response。这个说明请求发出去了但返回结构不对，大概率是 model 字段写错了。不同模型对图片输入的支持不一样，先用模型对话页面确认你选的模型支持视觉输入，再写进代码。返回体里choices是列表，取[0]["message"]["content"]，如果返回的是错误信息，先打印完整 resp.text 看。

第五个：GUI 里视频播放卡顿。ONNX Runtime 默认可能跑在 CPU 上，检查ort.get_available_providers()有没有 CUDAExecutionProvider。如果没有，说明 onnxruntime-gpu 没装对，卸载重装pip install onnxruntime-gpu，注意版本要和 CUDA 版本匹配。另外视频帧率别设太高，30ms 一帧对 640 输入来说已经够用。

第六个：训练时 loss 不下降。火焰烟雾数据集如果样本不均衡（火焰多烟雾少），mAP 会很难看。可以在 data.yaml 同级加一个hyp.yaml，调一下cls和box的权重，或者用 copy-paste 增强烟雾样本。这个坑我踩过，后来把烟雾样本补到和火焰差不多数量，mAP50 从 0.62 涨到 0.81。

6. 端到端验证与后续扩展

把上面几块拼起来之后，完整的验证流程是这样的：先跑训练脚本得到 best.pt，导出 best.onnx，用独立推理脚本确认 ONNX 输出正常，再启动 GUI 加载 ONNX，打开 test_img 里的测试图看框和置信度。然后拿同一张图调 TaoToken API，对比两边对"有没有火"的判断。如果本地漏检而 API 说有，大概率是训练数据里这类场景太少；如果两边都说没有但你肉眼能看到，那可能是标注漏了。

后续想扩展的话，几个方向比较实用。一是把检测结果写进日志文件，带时间戳和置信度，方便回溯；二是加一个报警阈值，连续 N 帧检测到 fire 才触发声音警报，避免单帧误检；三是把 ONNX 换成 TensorRT 引擎，在 Jetson 这类边缘设备上帧率能翻倍。如果你要做多模型对比，TaoToken 的模型对话入口可以直接上传图片试不同模型，不用改代码：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。接入细节看文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。Key 管理在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。

最后提醒一句，火焰烟雾检测系统上线前一定要做误报测试，拿一堆没有火的场景图（夕阳、红色灯光、蒸汽）跑一遍，把误报率压下来再谈准确率。这个环节比调模型参数重要得多。