经过一系列的折腾，终于可以开始训练模型了，好在官网上提供了多种情况下的训练代码，直接使用即可。
官网提供的代码如下：
点击查看代码
from ultralytics import YOLO
# 加载模型
model = YOLO("yolov8n.yaml") # 从YAML中创建一个新的模型
model = YOLO("yolov8n.pt") # 使用一个预训练模型 (训练推荐)
model = YOLO("yolov8n.yaml").load("yolov8n.pt") # 从YAML中建立模型并传递权重
# 训练模型
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
在一开始的训练过程中，我选择加载模型中的第一句和第三局，将训练模型模块中的数据参数替换为自己的YAML文件，按照网上的教程将yolov8n.yaml中的nc数量改为你的项目需要训练的数量，我照着做了，但是在后来我发现之前的一个运行版本中我并没有更改，但是模型依旧可以训练。
模型训练完成后，对模型的检测效果进行测试，大概有500+图片，进行了300轮训练，测试了一下检测到效果，检测的类别的效果很好，基本上没有出过错。但由于项目的需求是，将被框出的区域截取出来进行进一步处理，于是我参考官方提供的检测框查看代码获取检测框参数，对图片进行截取。截取出来发现，为什么和想的不一样。思考了一下：要么是预测框的精度有所缺失，要么是图片的尺寸有一点不对，毕竟训练的时候是要将图片的尺寸进行修改，而我的使用与裁剪的图片是原图。
基于上述两点，我将模型进行了重新的训练，使用加载模型中的第二句。接着，对要裁剪的图片进行尺寸的转化，确保裁剪图片尺寸与训练图片尺寸一致。图片的呈现效果稍微好了一点，但还是没有办法达到精度的要求。后来，我发现了问题的所在，是我截图的代码有问题，正确的截取代码为：cropped_img = img[int(y1):int(y2), int(x1):int(x2)]。
图片能正确显示，接下来测试OCR，遇到了报错Initializing libiomp5md.dll, but found libiomp5md.dll already initialized，报错的原因是libiomp5md.dll初始化过程中发现已经初始化了，这里冲突的地方应该是YOLOV8和paddlepaddle，但两个都要用咋整，使用以下代码：
点击查看代码
import os
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"