初始阶段可开启无卡模式（约0.1元/小时）完成基础配置，待数据准备完成后切换GPU模式训练。

1、车牌整体类别为0，字符类别按license_plate.yaml中的顺序编号（如粤为1，Z为2等）。

2、核心功能自动识别与标注：内置支持YOLOv8官方预训练的80个类别（如人、车、动物等），用户可勾选部分或全部类别进行标注。输出格式：标注结果保存为VOC格式的XML文件，兼容主流目标检测框架。效率提升：相比人工标注，预计节省80%以上时间，尤其适用于大规模数据集。

3、视频流输入：通过摄像头或视频文件获取实时画面；车牌检测框生成：Yolov8模型输出车牌区域坐标，过滤非车牌目标；字符识别：EasyOCR对检测框内图像进行文本提取，输出车牌号码。该方案灵活性高，可跨平台部署，但需依赖计算机视觉库（如OpenCV）和深度学习框架（如PyTorch），对硬件计算能力有一定要求。

4、使用YOLOv8训练交通信号灯检测数据集的步骤如下：数据集准备：数据集包含10742张图像，分为训练集（8593张）、验证集（1074张）和测试集（1075张），采用8：1：1的比例划分。图像和标签文件分别存储在images/和labels/目录下，标签文件为YOLO格式。

1、多任务训练逻辑：通过加权组合不同任务的损失。

2、VisDrone2019是一个无人机目标检测和追踪基准数据集。

3、YOLO进行NG（不合格）/OK（合格）分类的核心是基于目标检测框架，通过自定义数据集训练实现产品缺陷或状态的二分类识别，具体步骤包括数据准备、模型配置、训练优化及推理部署。