首页分享 YOLOv8实战案例：宠物店猫狗数量自动统计系统搭建

YOLOv8实战案例：宠物店猫狗数量自动统计系统搭建

来源：萌宠菠菠乐园时间：2026-02-18 21:33

YOLOv8实战案例：宠物店猫狗数量自动统计系统搭建

你有没有想过，一家宠物店里每天到底有多少只猫猫狗狗？店员每天手动清点，不仅耗时费力，还容易出错。特别是遇到调皮的小家伙跑来跑去，数着数着就乱了。

今天，我就带你用YOLOv8，一个超强的AI“鹰眼”系统，来解决这个头疼的问题。我们不用写复杂的代码，不用搞懂深奥的算法，直接用一个现成的工具，就能搭建一个自动统计宠物数量的智能系统。想象一下，在店里装个摄像头，系统就能实时告诉你：现在店里有3只布偶猫、2只金毛、1只柯基，总共6只宠物。是不是很酷？

这篇文章，我就手把手教你从零开始，把这个系统跑起来，让你亲眼看看AI是怎么帮我们“数数”的。

1. 系统核心：认识YOLOv8“鹰眼”

在开始动手之前，我们先花两分钟，搞清楚我们要用的这个“神器”到底是什么。

简单来说，YOLOv8就像一个视力超群、反应极快的保安。你给它看一张照片或一段视频，它能在眨眼间（真的是毫秒级别）把画面里所有的“东西”都找出来，并且告诉你每个“东西”是什么、在哪里。

它厉害在哪？

看得快：传统的检测模型可能像在画面里一寸一寸地扫描，而YOLOv8是“一眼望去”（You Only Look Once），速度极快，能满足实时监控的需求。认得准：它能识别80种常见的物体类别，从人、车、到猫、狗、鸟，甚至遥控器、花瓶都行。对于我们宠物店来说，猫和狗是它的“必修课”，识别准确率非常高。数得清：这不仅仅是找到和认出，它还能自动统计每一类物体出现了多少次。这正是我们宠物店统计系统最需要的核心功能。

我们这次用的，是一个特别为方便使用而打包好的版本。它自带一个网页操作界面（WebUI），你不需要敲任何命令，打开网页，上传图片，结果就出来了。而且它用的是轻量化的模型，对电脑要求不高，普通配置就能流畅运行。

2. 十分钟快速上手：你的第一次AI检测

理论说再多，不如亲手试一试。我们现在就来完成第一次检测，看看YOLOv8到底有多神奇。

整个过程非常简单，就像用手机APP一样。

2.1 启动你的AI“鹰眼”系统

首先，你需要找到并启动这个YOLOv8镜像。具体在哪找，这取决于你使用的云平台或本地工具。通常，它会出现在一个叫“镜像市场”或“应用中心”的地方，名字可能包含“YOLOv8”、“目标检测”等关键词。

找到后，点击“部署”或“启动”。稍等片刻，系统会给你一个访问地址，通常是一个网址（比如 http://你的服务器IP:端口号）。

2.2 打开网页，上传照片在浏览器里打开上一步得到的网址，你会看到一个干净、简洁的网页界面。页面上会有一个非常明显的按钮，比如“上传图片”或“选择文件”。点击它。从你的电脑里找一张包含多只猫或狗的照片。最好背景不要太杂乱，这样第一次体验效果会更明显。比如，你可以用一张宠物店宣传图，或者自家好几只宠物的合影。 2.3 查看惊艳的检测结果

点击上传后，几乎不需要等待，结果就会显示出来。

页面通常会分成两个部分：

图片区域：你上传的照片上，会画满彩色的方框。每个方框圈住了一只被识别出来的猫或狗，方框旁边还有一个小标签，写着“cat”或“dog”，以及一个百分比数字（比如0.95），这个数字代表AI有多确信自己的判断，越接近1表示越肯定。统计报告区域：在图片下方，会有一行清晰的文字报告，例如：统计报告: cat 4, dog 2 这就明确告诉你，AI在这张图里找到了4只猫和2只狗。

看到这个结果，你是不是觉得，原来AI计数这么简单、直观？恭喜你，已经成功完成了第一次目标检测！

3. 实战搭建：宠物店自动统计系统

现在我们已经知道这个工具怎么用了，接下来，我们把它从一个“玩具”升级成一个真正能用的“宠物店自动统计系统”。

这个系统的核心思路是：摄像头持续拍摄 -> 定时截图 -> AI分析截图 -> 记录并展示数量。

3.1 系统架构与准备

我们不需要从头造轮子。整个系统可以基于一个简单的Python脚本来串联各个环节。你需要准备：

一台始终开机的电脑或小型服务器：放在宠物店后台，性能要求不高。一个普通的网络摄像头：对准宠物活动的主要区域。安装必要的Python库：主要是用来操作摄像头和发送网络请求的。

打开你的命令行，安装它们：

pip install opencv-python requests

bash

3.2 核心代码：让系统自动工作

下面的代码就是一个简易版系统的心脏。它会每隔10秒钟用摄像头拍一张照片，然后调用我们之前部署好的YOLOv8服务来分析这张照片，最后把结果打印出来并保存。

创建一个文件，比如叫做 pet_counter.py，然后把下面的代码复制进去。

import cv2

import requests

import time

from datetime import datetime

YOLO_SERVER_URL = "http://你的服务器IP:端口号/upload"

CAPTURE_INTERVAL = 10

cap = cv2.VideoCapture(0)

if not cap.isOpened():

print("错误：无法打开摄像头。请检查连接。")

exit()

print(f"宠物店智能统计系统已启动，每{CAPTURE_INTERVAL}秒检测一次...")

print("按下 Ctrl+C 可以停止程序。")

try:

while True:

ret, frame = cap.read()

if not ret:

print("获取画面失败，跳过本次检测。")

time.sleep(CAPTURE_INTERVAL)

continue

timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")

image_filename = f"capture_{timestamp}.jpg"

cv2.imwrite(image_filename, frame)

print(f"[{timestamp}] 画面已捕获，保存为 {image_filename}")

with open(image_filename, 'rb') as img_file:

files = {'file': (image_filename, img_file, 'image/jpeg')}

try:

response = requests.post(YOLO_SERVER_URL, files=files)

print(f"检测结果: {response.text[:200]}...")

except Exception as e:

print(f"调用检测服务时出错: {e}")

time.sleep(CAPTURE_INTERVAL)

except KeyboardInterrupt:

print("n程序被用户中断。")

finally:

cap.release()

print("摄像头已释放，系统停止。")

python

运行

如何使用这段代码：

将代码中的 YOLO_SERVER_URL 替换成你实际部署的YOLOv8服务的上传接口地址。在存放 pet_counter.py 的目录下，打开命令行。运行命令：python pet_counter.py。确保摄像头对准有宠物的区域，你会在命令行窗口看到定时捕获和检测的日志。 3.3 效果优化与进阶思路

上面的代码是一个最基础的演示。要让它在真正的宠物店里用得顺手，你还可以考虑下面这些升级点：

数据持久化：不要只打印在屏幕上。可以把结果（时间、猫数量、狗数量）写入一个Excel表格或数据库里，这样就能生成“每日客流（宠流）报表”。可视化看板：用更漂亮的网页（比如使用Flask框架）来实时显示当前店内的宠物数量，甚至显示最新的检测图片，让店员一目了然。去重计数：在长时间监控中，同一只宠物可能会被重复计数。更高级的做法是引入“追踪”算法，给每一只出现的宠物一个临时ID，在短时间内只计数一次。设置警戒区：你可以划定一个区域（比如店门口），如果有猫或狗进入或离开这个区域，系统可以发出特别提醒，防止宠物跑丢。

4. 总结

通过这个实战案例，我们看到了像YOLOv8这样的先进AI模型，如何能如此轻松地解决一个实际的商业小痛点。我们从零开始，没有训练模型，只是巧妙地利用了一个现成的、强大的工具，就搭建起了一个宠物数量自动统计系统的原型。

回顾一下我们的步骤：

认识工具：了解了YOLOv8快速、准确的多目标检测与计数能力。快速体验：通过WebUI手动上传图片，直观感受了其检测效果。系统搭建：编写一个简单的Python脚本，将摄像头、定时任务和YOLOv8服务连接起来，实现了自动化流程。

这个系统的价值在于解放人力和减少差错。店员可以更专注于照顾宠物、服务客户，而无需分心于繁琐的清点工作。同时，积累下来的数量数据，还能帮助店主分析不同时段、不同品种宠物的受欢迎程度，为经营决策提供参考。

AI技术正在变得越来越触手可及。希望这个案例能给你带来启发，让你发现身边那些可以通过“AI鹰眼”来自动化、智能化的场景。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

YOLOv8实战案例：宠物店猫狗数量自动统计系统搭建