YOLO+OpenCV+LabelImg 环境搭建与全流程操作教案文档
文档用途：七天学会plc 加机器视觉 教学教案，可直接全选复制使用；整体流程：Anaconda 新建 Python3.8 虚拟环境→安装图像标注工具 LabelImg→安装 OpenCV-Python→安装 YOLO（Ultralytics YOLO）→OpenCV 读写图片实操→数据集标注规范→YOLO 数据集配置→YOLO 模型训练→模型三种格式 (.pt/.onnx/.engine) 导出说明→训练后模型推理使用，重点标注：LabelImg 优先 Python3.8/3.9，高版本 3.11/3.12/3.13 兼容性差易报错
目录
- 前期准备说明
- 步骤 1：Anaconda 创建 Python3.8 专属虚拟环境
- 步骤 2：激活环境、安装图像标注工具 LabelImg（兼容性说明）
- 步骤 3：OpenCV 安装 + OpenCV 代码打开 / 保存图片实操
- 步骤 4：Ultralytics YOLO 环境安装
- 步骤 5：使用 LabelImg 标注 YOLO 数据集（VOC→YOLO 标签格式说明）
- 步骤 6：YOLO 数据集目录规范与 yaml 配置文件编写
- 步骤 7：YOLO 模型训练全流程
- 步骤 8：三种模型格式（pt/onnx/engine）导出、区别、适用场景详解
- 步骤 9：不同格式模型加载推理使用方法
1. 前期准备说明
- 已完成 Anaconda 软件安装，Windows 打开【Anaconda Prompt】，Mac/Linux 打开终端 Terminal；
- 不要在系统 Python、base 基础环境安装项目依赖，所有项目依赖统一装在新建 py38_yolo 独立环境，环境隔离避免版本冲突；
- 软件版本选型依据：
- LabelImg 图像标注工具：Python3.8、Python3.9 兼容性最优，安装无依赖报错、启动无闪退；Python≥3.10、3.11、3.12、3.13 PyQt5 底层依赖不兼容，极易安装失败、运行崩溃，因此本教案统一使用 Python3.8 作为基准环境；
- OpenCV、Ultralytics YOLO：Python3.8 完美适配全版本，稳定性最高。
2. 步骤 1：Anaconda 创建 Python3.8 专属虚拟环境
2.1 打开终端（Anaconda Prompt），默认处于 (base) 基础环境
输入创建环境命令：
bash
# 创建名称为py38_yolo、python版本锁定3.8的虚拟环境 conda create -n py38_yolo python=3.8 -y- 参数说明：
-n py38_yolo：自定义环境名称；python=3.8：指定 Python3.8；-y：自动确认安装依赖，无需手动输入 y
2.2 查看所有 conda 环境（可选命令）
bash
conda env list # 或 conda info --envs列表中出现py38_yolo即代表环境创建成功。
2.3 进入（激活）新建环境
bash
conda activate py38_yolo命令行开头从
