简介一份聚焦YOLOv11改进模型在野生动物种群监测中应用的完整实践文档面向环保监测、目标检测领域的研究者与开发者帮助读者解决复杂环境下小目标检测精度不足、类别不平衡等实际难题。压缩包内为单个PDF文件共33页压缩包大小2.01MB文档支持目录章节跳转与左侧大纲快速定位所有文字、图表显示正常。目前已有68人学习/下载。文档内容覆盖环保监测背景与意义、YOLOv11模型架构及工作原理、改进模型的设计策略包括自适应光照调整、多尺度特征融合与损失函数优化、数据预处理流程如红外相机陷阱与无人机航拍数据收集、数据增强、训练优化、部署实践以及监测结果分析等核心模块并结合数量统计、行为分析、栖息地分析等环节给出了从数据标注到实时监测系统搭建的完整思路。适合需要系统了解目标检测模型改进方法并落地于生态监测场景的读者参考学习。1. 野生动物种群监测为什么盯上 YOLOv11 改进模型保护区架了几百台红外相机一夜回传几万张照片里面一半是空触发剩下的一半里目标只有十几个像素。直接用 YOLOv11 原版权重去推理远距离小目标漏检、夜间红外误报、同一只动物在连拍里被反复计数这三件事能把监测报告做成笑话。这篇实践讲的就是把 YOLOv11 改进模型落到野生动物种群监测的一条完整路径从数据怎么筛、标注规则怎么定、网络结构朝哪个方向改到训练参数怎么设、推理结果怎么存、最终怎么用于种群统计。适合正在做生态监测、保护区巡护系统或者野生动物AI识别落地的工程师也适合打算入这个方向的开发者。2. 数据工程相机陷阱和无人机数据怎么筛、怎么标、怎么转成 YOLO 格式野生动物检测和通用目标检测最大的不同在于数据侧而不是模型侧。YOLOv11 在很多公开数据集上的精度已经不错但那些数据里的目标大多是行人、车辆、商品目标占比大、背景干净、光照稳定。相机陷阱拍回来的数据恰恰相反。所以先别急着改网络结构先把数据工程做扎实后面模型的每个改进点才会有可对比的基线。2.1 三种数据来源相机陷阱、无人机航拍、公开数据集怎么取舍做野生动物种群监测常见的数据来源有三种各自的问题不一样。相机陷阱是主力。红外触发或运动触发动物经过时连续拍好几张导致同一场景重复帧极多。一个点位一个月可能产生几万张照片但有效目标可能只有几十个个体。这个数据有两个特点一是夜间红外图像占了相当大的比例图像是单通道灰度风格和 ImageNet 预训练权重见到的三通道彩色图像统计特性完全不同二是目标经常在画面边缘因为动物从镜头侧面经过时触发等你看到的时候它已经走了一半。无人机航拍解决的是开阔地带的种群数量估计比如草原上的有蹄类。这类数据的特点是分辨率高、视野大动物在整张正射影像里占比很小必须切图成瓦片再训练。切图有一个麻烦点动物正好站在瓦片边界上目标被切成两半。常见做法是切图时保留重叠区域比如 640×640 的瓦片用 10% 的重叠但重叠会让同一目标在相邻瓦片里重复出现训练时相当于加了一点点随机裁剪增强问题不大。公开数据集适合做预训练或补充类别。像 Snapshot Serengeti、iWildCam、Caltech Camera Traps 这类生态相机陷阱数据集类别覆盖非洲草原的常见物种类别体系和国内保护区不同但背景分布非常接近。我的做法是先用这些公开数据预训练一个基线再用自己的标注数据微调。注意类别体系差别大预训练只取权重参数不共用最后的分类头。2.2 标注规则小目标、遮挡个体和类别平衡的四个约定标注规则直接决定模型能学到什么。很多项目模型效果差不是网络不够强是标注标准自相矛盾。我在项目里定过四条约定你可以直接抄。第一条判定什么目标值得标。通用检测框里经常把小于 16×16 像素的目标直接忽略但在野生动物场景里16 个像素可能就是一只远处的藏羚羊。我的标准是只要人眼能从原图里大概率判出物种就标判不出物种但能确定是动物的标成“未知动物”类而不是不标。这能让模型先学会“那里有东西”再学会“那是什么”。第二条遮挡目标的处理。遮挡超过 70% 的个体不标因为这类目标连人眼都很难确认。只露出头部、半个身体的正常标但框要框住可见部分不要脑补完整身体。框可见部分的好处是让模型学习“局部特征也能判别物种”这在红外夜间图像里非常关键。第三条类别平衡。相机陷阱数据的类别分布天然长尾优势物种可能占 60%稀有物种只有几十个样本。我的做法是稀有类别不砍优势类别做欠采样随机丢掉一部分重复帧。如果两个物种外观极像且经常同时出现先合并成一个大类比如“鹿类”等数据积累够了再拆细。第四条空触发帧不要全删。训练集里必须保留一定比例的空触发帧并且在 yaml 里设一个背景类。否则模型会把风吹草动、光影变化都当成动物推理时误报率会非常难看。这个坑在后面第 5 章还会专门展开。2.3 VOC 转 YOLO 格式一套能直接跑的转换脚本和四个边界坑标注工具导出的格式大多是 VOC xml 或者 COCO jsonYOLOv11 训练需要的是每张图一个同名 txt每行一个目标格式是“类别 x_center y_center width height”坐标归一化到 [0, 1]。下面这个脚本处理 VOC 格式核心逻辑是把 xml 里的绝对坐标转成相对坐标。import xml.etree.ElementTree as ET import os def convert_voc_to_yolo(xml_path, out_dir, class_names): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in class_names: continue # 跳过未定义类别 cls_id class_names.index(cls) box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 必要一步坐标越界修正 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) w xmax - xmin h ymax - ymin if w 1 or h 1: continue x_center (xmin w / 2) / img_w y_center (ymin h / 2) / img_h w_norm w / img_w h_norm h / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}) out_path os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] .txt) with open(out_path, w) as f: f.write(\n.join(lines))逻辑说明代码先读 xml 里的图片宽高和每个目标的 bndbox 原始坐标再按(xmin w/2) / img_w的方式归一化中心点宽高也做同样的归一化。写完缩进后生成的 txt 每行一个目标直接用空格分隔和 Ultralytics 要求的格式一致。参数说明class_names是类别列表顺序必须和训练时的 data.yaml 完全一致A 列表对应 ID 0B 列表对应 ID 1否则训练出来的模型类别就乱了。这里有四个边界坑。第一xml 里可能出现xmax大于图片宽度的脏数据不 clip 的话归一化坐标会超过 1轻则训练警告重则 loss 变成 NaN。第二clip 之后宽或高小于等于 1 的目标要直接跳过否则一个 0 宽度的框会让 anchor 匹配失效。第三VOC 类别名是字符串转换前先打印一份类别统计确认没有拼写不一致的别名比如“deer”和“deer_ ”是两个类。第四目标完全被 clip 掉以后txt 文件可能是空的这没问题别删图Ultralytics 能处理空标签只是这类图等于是纯背景样本。3. YOLOv11 改进模型网络结构改动方案与注意力引入的三种路径数据工程做完才轮到模型。YOLOv11 本身已经是 Ultralytics 系列里兼顾精度和速度的版本但它的默认设计目标还是通用目标检测。直接拿原版跑野生动物监测小目标召回率和夜间鲁棒性都会暴露短板。这一章讲清楚原版结构在野生场景里的具体问题以及常见的三种改进路径最后给一份能直接改的 yaml 示例。3.1 YOLOv11 原版网络结构在野生场景里的短板YOLOv11 的网络结构延续了 YOLOv8 整体的骨干加颈部加检测头设计骨干里用 C3k2 模块做特征提取在空间注意力上引入了 C2PSA 这类带自注意力思路的结构整体特征提取能力不弱。但问题出在检测头的尺度覆盖上。默认检测头在 640 输入下大致覆盖 80×80、40×40、20×20 三个网格实际对应原图中 8×8、16×16、32×32 以上的目标。相机陷阱里大量野生动物目标换算到 640 分辨率下只有 10 到 20 像素这些目标在默认结构里只有 80×80 那层能勉强响应而 80×80 层蕴含的语义信息较弱很容易把远处一个动物和一块石头混在一起。所以“YOLOv11 小目标优化”这个方向的本质是让模型用更高分辨率的特征图去感知小目标而不是单纯调低置信度阈值。还有一个隐性短板夜间红外图像。很多相机陷阱在夜间用红外补光拍出来的是灰度风格图像。YOLOv11 骨干的前几层卷积核是基于三通道彩色图像预训练出来的直接应用时对单通道的统计特性不敏感。这个问题的解决不在网络结构而在数据预处理后面单独说。3.2 三种可落地的改进方向注意力、轻量化卷积、颈部结构针对野生动物场景我一般从三个方向里选一到两个改不建议全上。第一个方向是注意力机制。SE 注意力对通道关系做重标定CBAM 在通道基础上加了空间注意力EMA 是偏轻量的多头注意力变体。像 HCANet 这类偏轻量注意力思路也常被拿来做同样的事做法是在骨干的某个 stage 之后插入注意力模块让网络更关注动物所在区域。引入位置比选哪个模块更重要我的经验是加在 P4 和 P5 特征层之前这两个层对应中等大小目标最贴近野生动物“不大不小但容易被背景吞掉”的实际情况。加在 P2 小目标层之前收益不明显反而拖慢训练速度。第二个方向是轻量化卷积。把部分 C3k2 里的普通卷积替换成 GhostConv 或者 DSConv参数量能下降省出来的显存让训练时可以把输入分辨率从 640 提到 960。对野生动物检测来说输入分辨率直接决定小目标的像素大小这个收益往往比换注意力模块更直观。这个方向适合模型要部署到边缘设备的场景如果显卡显存本身就够不一定要做。第三个方向是颈部结构。原版 PAN 结构在特征融合上够用但小目标检测头只有一个。常见做法是增加一个 P2 检测头让 160×160 的特征图也参与预测。代价是显存和计算量明显上涨在 640 输入下 P2 层的特征图是 160×160×通道数比 P3 层大四倍。所以我一般只在目标平均尺寸确实小的情况下加 P2。这三个方向的实验顺序建议是先加 P2 检测头用原版其他结构跑一版看小目标召回率有没有变化再加注意力模块对比同一份验证集上的 AP_small最后再考虑轻量化卷积腾显存提分辨率。每次只改一个变量不然最后根本说不清精度涨是哪个模块带来的。3.3 一个带 P2 检测头与注意力的 yaml 示例在 Ultralytics 工程里模型结构由 yaml 文件定义。下面是一段关键改动示意以 yolo11n 为基线加了 P2 检测头和注意力引入的位置。# my_yolo11_wild.yaml示意其余层按当前 ultralytics 版本的 yolo11n.yaml 原样保留 nc: 10 # 按数据集的类别数修改 backbone: # 前面各 stage 保持 yolo11n.yaml 原样 - [-1, 1, C3k2, [128, False, 0.25]] - [-1, 1, SPPF, [1024, 5]] head: - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 6], 1, Concat, [1]] # 与 P4 层拼接 - [-1, 1, C3k2, [256, False]] # 融合后的 P4 特征 # 新增 P2 检测层上采样后与骨干第 4 层拼接 - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 4], 1, Concat, [1]] # 与骨干早期高分辨率层拼接 - [-1, 1, C3k2, [128, False]] - [-1, 1, EMA, []] # 在高分辨率特征上引入 EMA 注意力 # 三个检测头P2 小目标、P4、P5 - [-1, 1, Detect, [nc, [64, 128, 256]]]逻辑说明这段 yaml 的关键在 head 部分新增了一个上采样分支把深层特征图上采样后与骨干早期的高分辨率层拼接形成 P2 检测头。P2 层的特征图分辨率是输入图的四分之一能保留更多小目标的空间细节。EMA 模块放在 P2 与 Detect 之间让检测头直接用上重标定后的特征。注意上面代码里的层索引号是示意实际拼接索引必须对照你当前版本 yaml 里 backbone 各层的真实序号不然 Concat 会拼错层。参数说明nc必须和 data.yaml 里的类别数一致。[64, 128, 256]是三个检测头各自期望的通道数配置如果 backbone 实际输出的通道数不匹配Ultralytics 会在加载模型时自动调整但建议手动核对一遍避免 silently 改变参数量。EMA 模块在代码里对应ultralytics.nn.modules下注册的类名没有注册的话要在__init__.py里加一行导入。4. 用 YOLOv11 训练自己的模型环境配置、关键参数与训练监控模型结构改完之后最耗时间的不是训练本身而是环境配置和参数调试。这一章从零开始把环境搭起来给出一份能直接跑的训练脚本再把几个关键参数讲透。很多 0 基础纯小白在这一步卡住其实大多数不是代码问题是 torch 版本和 CUDA 版本对不上。4.1 环境配置怎么搭一条命令装齐 plus 验证常见做法是用 conda 建一个干净环境Python 版本选 3.10 或 3.11然后安装 PyTorch。注意 PyTorch 的安装命令要和你本机的 CUDA 驱动匹配不确定就先用 CPU 版跑通流程再换 GPU 版。conda create -n yolo11 python3.11 -y conda activate yolo11 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install ultralytics逻辑说明先建独立环境避免把系统 Python 搞乱再装 PyTorchcu121表示针对 CUDA 12.1 的预编译版本如果你机器驱动是 CUDA 11.8 就换成cu118最后装 Ultralytics它会自动带上 YOLOv11 的模型定义和训练工具。装完先跑一句验证不要急着训练。把这段代码存成check_env.py执行能打印出 CUDA 可用就说明环境通了。from ultralytics import YOLO model YOLO(yolo11n.pt) # 这里会自动下载权重文件到当前目录 results model.predict(https://ultralytics.com/images/bus.jpg, saveFalse) print(CUDA available:, model.device.type)逻辑说明YOLO(yolo11n.pt)会同时完成两件事下载 YOLOv11 权重文件到当前目录并加载模型结构。predict跑一张示例图验证推理链路。这里的权重文件下载是 Ultralytics 自动完成的不需要手动找网盘。如果你公司内网访问外网受限可以先在外网机器下载好.pt文件再拷到内网路径改成绝对路径即可。参数说明yolo11n.pt是 nano 版本参数最小适合验证环境。正式训练换成yolo11s.pt或yolo11m.pt效果更好但显存占用相应增大。4.2 训练脚本与必调参数从 YOLOv11 权重下载到启动训练环境验证通过后准备数据配置文件。data.yaml 的格式很简单里面指定训练验证图片路径和类别列表。这里只写关键字段路径可以用相对路径但建议用绝对路径避免跑的时候找不到文件。# data.yaml path: /data/wildlife train: images/train val: images/val names: 0: deer 1: wild_boar 2: fox 3: bird训练脚本用 Python 调用比命令行更好调试能直接看到每个参数的值。下面是一份针对野生动物检测的推荐配置。from ultralytics import YOLO model YOLO(my_yolo11_wild.yaml).load(yolo11n.pt) model.train( datadata.yaml, epochs100, imgsz960, batch8, device0, patience20, optimizerAdamW, lr01e-4, cos_lrTrue, augmentTrue, mosaic0.5, project/data/wildlife/runs, nameexp1, )逻辑说明加载顺序是先传入改进后的 yaml再用原版 YOLOv11 权重做预训练初始化。这一步是关键直接训练随机初始化的改进模型收敛很慢而原版权重能带来骨干层良好的底层特征。load()会尝试把预训练权重里的参数复制到改进模型对应层网络结构变了的层比如新增的 P2 检测头保持随机初始化。参数说明imgsz960是第一个关键参数野生动物目标小把输入从默认的 640 提到 960相当于把目标像素放大了 1.5 倍小目标 AP 通常直接涨 2 到 4 个点。代价是显存占用涨了一倍多如果你的显卡显存不够先降到 768 或保持 640。batch8在 960 分辨率下比较稳显存 24G 可以试 16。lr01e-4是我在微调场景下的习惯值比默认的 1e-2 低很多因为迁移学习用太大学容易震荡。cos_lrTrue让学习率余弦衰减和低初始学习率配合训练后期更稳。mosaic0.5是数据增强的概率野生动物数据本身有大量重复帧mosaic 开太高会让模型在小目标上更不稳定。4.3 训练监控与结果保存看什么指标、怎么把推理结果存下来训练开始后Ultralytics 会在终端实时打印每个 epoch 的 loss 和验证指标。主要看两个东西box_loss和val/box_loss。训练 loss 下降但验证 loss 不降说明过拟合此时应该看patience参数触发早停。还有一个容易被忽视的指标是cls_loss野生动物类别之间外观差别可能很小cls_loss降得慢说明分类头学得不够考虑增加类别权重或补充难样本。训练结束后runs/exp1/weights目录下会生成best.pt和last.pt。best.pt是验证集上指标最好的权重用于推理和部署last.pt是最后一个 epoch 的权重主要用于断点续训。别用混了我之前有过一次用last.pt去部署精度比best.pt掉了 3 个点排查了半天才发现是权重文件选错。推理结果的保存方式直接决定了后续怎么用。predict的几个参数要记牢saveTrue保存带框的图片save_txtTrue保存每张图的检测坐标save_confTrue把置信度一并写进 txt。model YOLO(/data/wildlife/runs/exp1/weights/best.pt) results model.predict( source/data/wildlife/test_images, conf0.35, iou0.5, imgsz960, saveTrue, save_txtTrue, save_confTrue, device0, )逻辑说明这段代码用训练好的best.pt跑一批测试图save_txtTrue后每张图会生成一个同名 txt位置在runs/detect/exp/labels下。txt 每一行的格式是“类别 x_center y_center width height 置信度”置信度就是后面加上的save_conf。参数说明conf0.35是置信度阈值低于这个值的框会被过滤。相机陷阱场景建议低一点0.25 到 0.35 之间因为小目标天然置信度低阈值设太高会把真目标滤掉。iou0.5是 NMS 的 IoU 阈值目标密集重叠时调高到 0.6防止相邻个体被合并成一个框。5. 避坑野生动物检测场景常见的 5 个问题与排查记录这一章整理了我做类似项目时踩过、也帮别人排查过的 5 个高频问题。每条按“现象、原因、解决”的顺序写你可以直接对照自己的情况定位。5.1 训练 loss 不降或变成 NaN现象训练跑了十几个 epochloss 一直在 3 附近横盘甚至直接变成 NaN终端报 warning。原因最常见的是标注数据里有非法框——坐标超过 1、宽高为负、或者类别 ID 超出nc范围。另一个常见原因是学习率太高尤其是用了 AdamW 加上默认的lr01e-2预训练权重被冲乱。解决先检查标签写一个脚本统计所有 txt 里坐标是否在 [0,1] 区间宽高是否大于 0。如果标签没问题把lr0降到 1e-4同时把warmup_epochs从默认的 3 提到 5让学习率缓慢上升。NaN 的情况还要检查训练集的图片是否有全黑图或损坏图片建议在 data.yaml 里把cacheTrue关掉先排除缓存文件损坏。5.2 验证 mAP 高但实拍误报率高现象验证集上 mAP0.5 到了 0.85看起来不错部署到相机陷阱真实数据上满屏都是把树叶阴影、光影变化当成动物的误报框。原因训练集里空触发帧删得太干净模型从头到尾没见过“没有动物的画面长什么样”学到的是“画面里有动静就报警”。验证集里也全是带目标的帧自然不会暴露误报问题。解决从原始数据里随机抽一批空触发帧加入训练集占总训练集的 10% 到 20%在 yaml 里单独设一个 background 类别并配少量标注。如果不想引入背景类也可以用dropout配合低置信度过滤但那只是缓解。记住对相机陷阱场景来说负样本和正样本同样重要。5.3 夜间红外图像预测全乱现象白天图片检测效果正常夜间红外图像上的动物全检不出来或者把树木轮廓检成动物。原因红外图像是单通道灰度风格而 YOLOv11 骨干网络的预训练权重是在三通道彩色图像上学到的。单通道图像在输入时会被复制成三通道但每个通道的像素统计分布和自然图像完全不同底层卷积核没有见过这种分布。解决在预处理阶段对红外图像做归一化把像素值从 [0,255] 映射到和 ImageNet 预训练统计匹配的范围通常用(x / 255 - 0.485) / 0.229这类标准差标准化。另一个更有效的做法是单独收集一批红外夜间数据做二次微调只训练骨干层学习率用 1e-5让底层卷积适应红外分布。如果项目里红外数据占比大建议干脆分成白天模型和夜间模型两个部署。5.4 小目标一个都检不出来mAP 却很好看现象模型在验证集上 mAP 不低但专门挑出小目标样本一测召回率几乎是零。原因验证集里的目标大多是大目标小目标占比低被大目标的正确预测拉高了整体 mAP掩盖了小目标的问题。另外一个原因是默认检测头的最小下采样层级对小于 16×16 的目标几乎无响应不是阈值问题。解决评估时单独算 AP_smallUltralytics 输出的混淆矩阵里能看到按目标尺寸分的指标。如果 AP_small 明显低于整体水平按第 3 章的方法加 P2 检测头或者推理时用切片推理第 6 章会写。还有一条捷径把训练分辨率提到 960 或 1280小目标像素变大AP_small 会直接涨但显存占用翻倍需要自己衡量。5.5 断电续训后精度掉一截现象训练到第 60 个 epoch 断电用last.pt加resumeTrue继续训练到 100 个 epoch最终精度比一次跑完的差了好几个点。原因Ultralytics 的续训机制会恢复模型权重、优化器状态、学习率调度器和 EMA 权重。但如果训练命令里的参数和上次不完全一致比如改了cos_lr或者mosaic学习率调度会错位后续 epoch 的学习率曲线就乱了。解决续训时严格保持和原命令一致的参数只改epochs为剩余 epoch 数。另外养成习惯每次启动长训练前把完整命令存成 shell 脚本方便恢复时对比。还有一个更稳妥的做法是训练到一半手动保存一份权重同时记下当时的last.pt路径和命令参数断电后直接复制原命令改resumeTrue即可。我之前有一次续训后精度反而涨了是因为那条命令里把imgsz从 640 改成了 960相当于额外做了一次分辨率提升但这种变化是不可控的不推荐主动这么做。6. 验证与落地把模型推理结果存入种群监测统计模型训练完真正决定项目成败的是推理结果能不能被种群监测业务直接使用。这一章给出保存推理结果的具体做法、小目标场景下的切片推理与 TTA 取舍、以及把连拍结果去重成个体计数的方法。6.1 保存推理结果的三种方式推理结果有三种常见落盘方式图片上画框方便人工抽查txt 文件方便后续程序读取JSON 方便对接数据库。实际项目中三种都要但用途不同。from ultralytics import YOLO import json model YOLO(best.pt) results model.predict(sourcetest_images/001.jpg, conf0.35, iou0.5) boxes results[0].boxes detections [] for box in boxes: x1, y1, x2, y2 box.xyxy[0].tolist() cls_id int(box.cls[0]) conf float(box.conf[0]) detections.append({ bbox: [round(v, 2) for v in [x1, y1, x2, y2]], class_id: cls_id, class_name: results[0].names[cls_id], score: round(conf, 4), }) with open(detections.json, w, encodingutf-8) as f: json.dump(detections, f, ensure_asciiFalse, indent2)逻辑说明这段代码从results[0].boxes里取出每个检测框的坐标、类别和置信度组装成 JSON 格式落到本地。后面接数据库时直接把detections列表逐条插入即可。参数说明box.xyxy[0]返回的是绝对像素坐标如果你要存归一化坐标用box.xyxyn[0]。results[0].names是数据配置里的类别名映射表类别 ID 为整数不转成字符串的话后面查物种名很麻烦。6.2 切片推理与多尺度 TTA 的取舍小目标是野生动物检测的核心问题如果模型加了 P2 检测头还不够就轮到推理策略补救。两种常见手段多尺度 TTA 和切片推理。TTA 的做法是推理时开启多尺度增强Ultralytics 里一行参数搞定。results model.predict(sourcetest_images/001.jpg, imgsz960, augmentTrue)逻辑说明augmentTrue会让模型把输入图缩放到多个尺度分别推理再融合结果。对小目标有一定帮助但速度会慢 3 到 5 倍不适合大批量离线推理。切片推理的思路是把大图切成小块分别检测再把结果映射回原图坐标。对相机陷阱的 2048×1536 原图切成 4 块 1024×1024每个小块里的小目标相当于被放大了一倍检测效果明显好过整图推理。代价是同一目标在切片边缘可能出现两次需要按 IoU 合并。我的习惯是目标像素小于 20×20 的场景优先用切片推理其他场景直接整图推理。6.3 个体计数的最后一步时间窗口去重相机陷阱连拍会产生同一个体连续几十帧的检测记录。如果直接把每帧的检测框都叠加计数一个个体过路会被数成几十个种群统计立刻失真。常见做法是时间窗口去重对同一个相机点位同一物种在设定时间窗口内只保留置信度最高的一个检测框。from collections import defaultdict def dedup_by_time(detections, species_keyclass_name, time_keytimestamp, window_sec300): detections.sort(keylambda x: x[time_key]) groups defaultdict(list) for det in detections: groups[(det[camera_id], det[species_key])].append(det) result [] for key, items in groups.items(): last_ts None for det in items: if last_ts is None or det[time_key] - last_ts window_sec: result.append(det) last_ts det[time_key] return result逻辑说明代码按相机点位和物种分组组内按时间排序window_sec300表示同一个体在 5 分钟内只算一次。窗口大小的设置建议参考该物种通过相机视野的平均时间小型鸟类用 60 秒大中型兽类用 300 秒更合理。我在另一个类似项目上吃过亏没做时间窗口去重直接把模型输出丢给业务方结果一个鹿群路过被数出 200 多只现场复核时才发现是连拍每帧都计了数。后来在推理结果入库前加了这个去重步骤统计数字才和人工样方调查对得上。种群监测模型的价值不只是把框画出来而是把框变成可复核的种群变化趋势这一步不做前面的模型精度再高也白搭。希望帮到你。本文还有配套的精品资源点击获取
简介一份聚焦YOLOv11改进模型在野生动物种群监测中应用的完整实践文档面向环保监测、目标检测领域的研究者与开发者帮助读者解决复杂环境下小目标检测精度不足、类别不平衡等实际难题。压缩包内为单个PDF文件共33页压缩包大小2.01MB文档支持目录章节跳转与左侧大纲快速定位所有文字、图表显示正常。目前已有68人学习/下载。文档内容覆盖环保监测背景与意义、YOLOv11模型架构及工作原理、改进模型的设计策略包括自适应光照调整、多尺度特征融合与损失函数优化、数据预处理流程如红外相机陷阱与无人机航拍数据收集、数据增强、训练优化、部署实践以及监测结果分析等核心模块并结合数量统计、行为分析、栖息地分析等环节给出了从数据标注到实时监测系统搭建的完整思路。适合需要系统了解目标检测模型改进方法并落地于生态监测场景的读者参考学习。1. 野生动物种群监测为什么盯上 YOLOv11 改进模型保护区架了几百台红外相机一夜回传几万张照片里面一半是空触发剩下的一半里目标只有十几个像素。直接用 YOLOv11 原版权重去推理远距离小目标漏检、夜间红外误报、同一只动物在连拍里被反复计数这三件事能把监测报告做成笑话。这篇实践讲的就是把 YOLOv11 改进模型落到野生动物种群监测的一条完整路径从数据怎么筛、标注规则怎么定、网络结构朝哪个方向改到训练参数怎么设、推理结果怎么存、最终怎么用于种群统计。适合正在做生态监测、保护区巡护系统或者野生动物AI识别落地的工程师也适合打算入这个方向的开发者。2. 数据工程相机陷阱和无人机数据怎么筛、怎么标、怎么转成 YOLO 格式野生动物检测和通用目标检测最大的不同在于数据侧而不是模型侧。YOLOv11 在很多公开数据集上的精度已经不错但那些数据里的目标大多是行人、车辆、商品目标占比大、背景干净、光照稳定。相机陷阱拍回来的数据恰恰相反。所以先别急着改网络结构先把数据工程做扎实后面模型的每个改进点才会有可对比的基线。2.1 三种数据来源相机陷阱、无人机航拍、公开数据集怎么取舍做野生动物种群监测常见的数据来源有三种各自的问题不一样。相机陷阱是主力。红外触发或运动触发动物经过时连续拍好几张导致同一场景重复帧极多。一个点位一个月可能产生几万张照片但有效目标可能只有几十个个体。这个数据有两个特点一是夜间红外图像占了相当大的比例图像是单通道灰度风格和 ImageNet 预训练权重见到的三通道彩色图像统计特性完全不同二是目标经常在画面边缘因为动物从镜头侧面经过时触发等你看到的时候它已经走了一半。无人机航拍解决的是开阔地带的种群数量估计比如草原上的有蹄类。这类数据的特点是分辨率高、视野大动物在整张正射影像里占比很小必须切图成瓦片再训练。切图有一个麻烦点动物正好站在瓦片边界上目标被切成两半。常见做法是切图时保留重叠区域比如 640×640 的瓦片用 10% 的重叠但重叠会让同一目标在相邻瓦片里重复出现训练时相当于加了一点点随机裁剪增强问题不大。公开数据集适合做预训练或补充类别。像 Snapshot Serengeti、iWildCam、Caltech Camera Traps 这类生态相机陷阱数据集类别覆盖非洲草原的常见物种类别体系和国内保护区不同但背景分布非常接近。我的做法是先用这些公开数据预训练一个基线再用自己的标注数据微调。注意类别体系差别大预训练只取权重参数不共用最后的分类头。2.2 标注规则小目标、遮挡个体和类别平衡的四个约定标注规则直接决定模型能学到什么。很多项目模型效果差不是网络不够强是标注标准自相矛盾。我在项目里定过四条约定你可以直接抄。第一条判定什么目标值得标。通用检测框里经常把小于 16×16 像素的目标直接忽略但在野生动物场景里16 个像素可能就是一只远处的藏羚羊。我的标准是只要人眼能从原图里大概率判出物种就标判不出物种但能确定是动物的标成“未知动物”类而不是不标。这能让模型先学会“那里有东西”再学会“那是什么”。第二条遮挡目标的处理。遮挡超过 70% 的个体不标因为这类目标连人眼都很难确认。只露出头部、半个身体的正常标但框要框住可见部分不要脑补完整身体。框可见部分的好处是让模型学习“局部特征也能判别物种”这在红外夜间图像里非常关键。第三条类别平衡。相机陷阱数据的类别分布天然长尾优势物种可能占 60%稀有物种只有几十个样本。我的做法是稀有类别不砍优势类别做欠采样随机丢掉一部分重复帧。如果两个物种外观极像且经常同时出现先合并成一个大类比如“鹿类”等数据积累够了再拆细。第四条空触发帧不要全删。训练集里必须保留一定比例的空触发帧并且在 yaml 里设一个背景类。否则模型会把风吹草动、光影变化都当成动物推理时误报率会非常难看。这个坑在后面第 5 章还会专门展开。2.3 VOC 转 YOLO 格式一套能直接跑的转换脚本和四个边界坑标注工具导出的格式大多是 VOC xml 或者 COCO jsonYOLOv11 训练需要的是每张图一个同名 txt每行一个目标格式是“类别 x_center y_center width height”坐标归一化到 [0, 1]。下面这个脚本处理 VOC 格式核心逻辑是把 xml 里的绝对坐标转成相对坐标。import xml.etree.ElementTree as ET import os def convert_voc_to_yolo(xml_path, out_dir, class_names): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in class_names: continue # 跳过未定义类别 cls_id class_names.index(cls) box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 必要一步坐标越界修正 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) w xmax - xmin h ymax - ymin if w 1 or h 1: continue x_center (xmin w / 2) / img_w y_center (ymin h / 2) / img_h w_norm w / img_w h_norm h / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}) out_path os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] .txt) with open(out_path, w) as f: f.write(\n.join(lines))逻辑说明代码先读 xml 里的图片宽高和每个目标的 bndbox 原始坐标再按(xmin w/2) / img_w的方式归一化中心点宽高也做同样的归一化。写完缩进后生成的 txt 每行一个目标直接用空格分隔和 Ultralytics 要求的格式一致。参数说明class_names是类别列表顺序必须和训练时的 data.yaml 完全一致A 列表对应 ID 0B 列表对应 ID 1否则训练出来的模型类别就乱了。这里有四个边界坑。第一xml 里可能出现xmax大于图片宽度的脏数据不 clip 的话归一化坐标会超过 1轻则训练警告重则 loss 变成 NaN。第二clip 之后宽或高小于等于 1 的目标要直接跳过否则一个 0 宽度的框会让 anchor 匹配失效。第三VOC 类别名是字符串转换前先打印一份类别统计确认没有拼写不一致的别名比如“deer”和“deer_ ”是两个类。第四目标完全被 clip 掉以后txt 文件可能是空的这没问题别删图Ultralytics 能处理空标签只是这类图等于是纯背景样本。3. YOLOv11 改进模型网络结构改动方案与注意力引入的三种路径数据工程做完才轮到模型。YOLOv11 本身已经是 Ultralytics 系列里兼顾精度和速度的版本但它的默认设计目标还是通用目标检测。直接拿原版跑野生动物监测小目标召回率和夜间鲁棒性都会暴露短板。这一章讲清楚原版结构在野生场景里的具体问题以及常见的三种改进路径最后给一份能直接改的 yaml 示例。3.1 YOLOv11 原版网络结构在野生场景里的短板YOLOv11 的网络结构延续了 YOLOv8 整体的骨干加颈部加检测头设计骨干里用 C3k2 模块做特征提取在空间注意力上引入了 C2PSA 这类带自注意力思路的结构整体特征提取能力不弱。但问题出在检测头的尺度覆盖上。默认检测头在 640 输入下大致覆盖 80×80、40×40、20×20 三个网格实际对应原图中 8×8、16×16、32×32 以上的目标。相机陷阱里大量野生动物目标换算到 640 分辨率下只有 10 到 20 像素这些目标在默认结构里只有 80×80 那层能勉强响应而 80×80 层蕴含的语义信息较弱很容易把远处一个动物和一块石头混在一起。所以“YOLOv11 小目标优化”这个方向的本质是让模型用更高分辨率的特征图去感知小目标而不是单纯调低置信度阈值。还有一个隐性短板夜间红外图像。很多相机陷阱在夜间用红外补光拍出来的是灰度风格图像。YOLOv11 骨干的前几层卷积核是基于三通道彩色图像预训练出来的直接应用时对单通道的统计特性不敏感。这个问题的解决不在网络结构而在数据预处理后面单独说。3.2 三种可落地的改进方向注意力、轻量化卷积、颈部结构针对野生动物场景我一般从三个方向里选一到两个改不建议全上。第一个方向是注意力机制。SE 注意力对通道关系做重标定CBAM 在通道基础上加了空间注意力EMA 是偏轻量的多头注意力变体。像 HCANet 这类偏轻量注意力思路也常被拿来做同样的事做法是在骨干的某个 stage 之后插入注意力模块让网络更关注动物所在区域。引入位置比选哪个模块更重要我的经验是加在 P4 和 P5 特征层之前这两个层对应中等大小目标最贴近野生动物“不大不小但容易被背景吞掉”的实际情况。加在 P2 小目标层之前收益不明显反而拖慢训练速度。第二个方向是轻量化卷积。把部分 C3k2 里的普通卷积替换成 GhostConv 或者 DSConv参数量能下降省出来的显存让训练时可以把输入分辨率从 640 提到 960。对野生动物检测来说输入分辨率直接决定小目标的像素大小这个收益往往比换注意力模块更直观。这个方向适合模型要部署到边缘设备的场景如果显卡显存本身就够不一定要做。第三个方向是颈部结构。原版 PAN 结构在特征融合上够用但小目标检测头只有一个。常见做法是增加一个 P2 检测头让 160×160 的特征图也参与预测。代价是显存和计算量明显上涨在 640 输入下 P2 层的特征图是 160×160×通道数比 P3 层大四倍。所以我一般只在目标平均尺寸确实小的情况下加 P2。这三个方向的实验顺序建议是先加 P2 检测头用原版其他结构跑一版看小目标召回率有没有变化再加注意力模块对比同一份验证集上的 AP_small最后再考虑轻量化卷积腾显存提分辨率。每次只改一个变量不然最后根本说不清精度涨是哪个模块带来的。3.3 一个带 P2 检测头与注意力的 yaml 示例在 Ultralytics 工程里模型结构由 yaml 文件定义。下面是一段关键改动示意以 yolo11n 为基线加了 P2 检测头和注意力引入的位置。# my_yolo11_wild.yaml示意其余层按当前 ultralytics 版本的 yolo11n.yaml 原样保留 nc: 10 # 按数据集的类别数修改 backbone: # 前面各 stage 保持 yolo11n.yaml 原样 - [-1, 1, C3k2, [128, False, 0.25]] - [-1, 1, SPPF, [1024, 5]] head: - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 6], 1, Concat, [1]] # 与 P4 层拼接 - [-1, 1, C3k2, [256, False]] # 融合后的 P4 特征 # 新增 P2 检测层上采样后与骨干第 4 层拼接 - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 4], 1, Concat, [1]] # 与骨干早期高分辨率层拼接 - [-1, 1, C3k2, [128, False]] - [-1, 1, EMA, []] # 在高分辨率特征上引入 EMA 注意力 # 三个检测头P2 小目标、P4、P5 - [-1, 1, Detect, [nc, [64, 128, 256]]]逻辑说明这段 yaml 的关键在 head 部分新增了一个上采样分支把深层特征图上采样后与骨干早期的高分辨率层拼接形成 P2 检测头。P2 层的特征图分辨率是输入图的四分之一能保留更多小目标的空间细节。EMA 模块放在 P2 与 Detect 之间让检测头直接用上重标定后的特征。注意上面代码里的层索引号是示意实际拼接索引必须对照你当前版本 yaml 里 backbone 各层的真实序号不然 Concat 会拼错层。参数说明nc必须和 data.yaml 里的类别数一致。[64, 128, 256]是三个检测头各自期望的通道数配置如果 backbone 实际输出的通道数不匹配Ultralytics 会在加载模型时自动调整但建议手动核对一遍避免 silently 改变参数量。EMA 模块在代码里对应ultralytics.nn.modules下注册的类名没有注册的话要在__init__.py里加一行导入。4. 用 YOLOv11 训练自己的模型环境配置、关键参数与训练监控模型结构改完之后最耗时间的不是训练本身而是环境配置和参数调试。这一章从零开始把环境搭起来给出一份能直接跑的训练脚本再把几个关键参数讲透。很多 0 基础纯小白在这一步卡住其实大多数不是代码问题是 torch 版本和 CUDA 版本对不上。4.1 环境配置怎么搭一条命令装齐 plus 验证常见做法是用 conda 建一个干净环境Python 版本选 3.10 或 3.11然后安装 PyTorch。注意 PyTorch 的安装命令要和你本机的 CUDA 驱动匹配不确定就先用 CPU 版跑通流程再换 GPU 版。conda create -n yolo11 python3.11 -y conda activate yolo11 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install ultralytics逻辑说明先建独立环境避免把系统 Python 搞乱再装 PyTorchcu121表示针对 CUDA 12.1 的预编译版本如果你机器驱动是 CUDA 11.8 就换成cu118最后装 Ultralytics它会自动带上 YOLOv11 的模型定义和训练工具。装完先跑一句验证不要急着训练。把这段代码存成check_env.py执行能打印出 CUDA 可用就说明环境通了。from ultralytics import YOLO model YOLO(yolo11n.pt) # 这里会自动下载权重文件到当前目录 results model.predict(https://ultralytics.com/images/bus.jpg, saveFalse) print(CUDA available:, model.device.type)逻辑说明YOLO(yolo11n.pt)会同时完成两件事下载 YOLOv11 权重文件到当前目录并加载模型结构。predict跑一张示例图验证推理链路。这里的权重文件下载是 Ultralytics 自动完成的不需要手动找网盘。如果你公司内网访问外网受限可以先在外网机器下载好.pt文件再拷到内网路径改成绝对路径即可。参数说明yolo11n.pt是 nano 版本参数最小适合验证环境。正式训练换成yolo11s.pt或yolo11m.pt效果更好但显存占用相应增大。4.2 训练脚本与必调参数从 YOLOv11 权重下载到启动训练环境验证通过后准备数据配置文件。data.yaml 的格式很简单里面指定训练验证图片路径和类别列表。这里只写关键字段路径可以用相对路径但建议用绝对路径避免跑的时候找不到文件。# data.yaml path: /data/wildlife train: images/train val: images/val names: 0: deer 1: wild_boar 2: fox 3: bird训练脚本用 Python 调用比命令行更好调试能直接看到每个参数的值。下面是一份针对野生动物检测的推荐配置。from ultralytics import YOLO model YOLO(my_yolo11_wild.yaml).load(yolo11n.pt) model.train( datadata.yaml, epochs100, imgsz960, batch8, device0, patience20, optimizerAdamW, lr01e-4, cos_lrTrue, augmentTrue, mosaic0.5, project/data/wildlife/runs, nameexp1, )逻辑说明加载顺序是先传入改进后的 yaml再用原版 YOLOv11 权重做预训练初始化。这一步是关键直接训练随机初始化的改进模型收敛很慢而原版权重能带来骨干层良好的底层特征。load()会尝试把预训练权重里的参数复制到改进模型对应层网络结构变了的层比如新增的 P2 检测头保持随机初始化。参数说明imgsz960是第一个关键参数野生动物目标小把输入从默认的 640 提到 960相当于把目标像素放大了 1.5 倍小目标 AP 通常直接涨 2 到 4 个点。代价是显存占用涨了一倍多如果你的显卡显存不够先降到 768 或保持 640。batch8在 960 分辨率下比较稳显存 24G 可以试 16。lr01e-4是我在微调场景下的习惯值比默认的 1e-2 低很多因为迁移学习用太大学容易震荡。cos_lrTrue让学习率余弦衰减和低初始学习率配合训练后期更稳。mosaic0.5是数据增强的概率野生动物数据本身有大量重复帧mosaic 开太高会让模型在小目标上更不稳定。4.3 训练监控与结果保存看什么指标、怎么把推理结果存下来训练开始后Ultralytics 会在终端实时打印每个 epoch 的 loss 和验证指标。主要看两个东西box_loss和val/box_loss。训练 loss 下降但验证 loss 不降说明过拟合此时应该看patience参数触发早停。还有一个容易被忽视的指标是cls_loss野生动物类别之间外观差别可能很小cls_loss降得慢说明分类头学得不够考虑增加类别权重或补充难样本。训练结束后runs/exp1/weights目录下会生成best.pt和last.pt。best.pt是验证集上指标最好的权重用于推理和部署last.pt是最后一个 epoch 的权重主要用于断点续训。别用混了我之前有过一次用last.pt去部署精度比best.pt掉了 3 个点排查了半天才发现是权重文件选错。推理结果的保存方式直接决定了后续怎么用。predict的几个参数要记牢saveTrue保存带框的图片save_txtTrue保存每张图的检测坐标save_confTrue把置信度一并写进 txt。model YOLO(/data/wildlife/runs/exp1/weights/best.pt) results model.predict( source/data/wildlife/test_images, conf0.35, iou0.5, imgsz960, saveTrue, save_txtTrue, save_confTrue, device0, )逻辑说明这段代码用训练好的best.pt跑一批测试图save_txtTrue后每张图会生成一个同名 txt位置在runs/detect/exp/labels下。txt 每一行的格式是“类别 x_center y_center width height 置信度”置信度就是后面加上的save_conf。参数说明conf0.35是置信度阈值低于这个值的框会被过滤。相机陷阱场景建议低一点0.25 到 0.35 之间因为小目标天然置信度低阈值设太高会把真目标滤掉。iou0.5是 NMS 的 IoU 阈值目标密集重叠时调高到 0.6防止相邻个体被合并成一个框。5. 避坑野生动物检测场景常见的 5 个问题与排查记录这一章整理了我做类似项目时踩过、也帮别人排查过的 5 个高频问题。每条按“现象、原因、解决”的顺序写你可以直接对照自己的情况定位。5.1 训练 loss 不降或变成 NaN现象训练跑了十几个 epochloss 一直在 3 附近横盘甚至直接变成 NaN终端报 warning。原因最常见的是标注数据里有非法框——坐标超过 1、宽高为负、或者类别 ID 超出nc范围。另一个常见原因是学习率太高尤其是用了 AdamW 加上默认的lr01e-2预训练权重被冲乱。解决先检查标签写一个脚本统计所有 txt 里坐标是否在 [0,1] 区间宽高是否大于 0。如果标签没问题把lr0降到 1e-4同时把warmup_epochs从默认的 3 提到 5让学习率缓慢上升。NaN 的情况还要检查训练集的图片是否有全黑图或损坏图片建议在 data.yaml 里把cacheTrue关掉先排除缓存文件损坏。5.2 验证 mAP 高但实拍误报率高现象验证集上 mAP0.5 到了 0.85看起来不错部署到相机陷阱真实数据上满屏都是把树叶阴影、光影变化当成动物的误报框。原因训练集里空触发帧删得太干净模型从头到尾没见过“没有动物的画面长什么样”学到的是“画面里有动静就报警”。验证集里也全是带目标的帧自然不会暴露误报问题。解决从原始数据里随机抽一批空触发帧加入训练集占总训练集的 10% 到 20%在 yaml 里单独设一个 background 类别并配少量标注。如果不想引入背景类也可以用dropout配合低置信度过滤但那只是缓解。记住对相机陷阱场景来说负样本和正样本同样重要。5.3 夜间红外图像预测全乱现象白天图片检测效果正常夜间红外图像上的动物全检不出来或者把树木轮廓检成动物。原因红外图像是单通道灰度风格而 YOLOv11 骨干网络的预训练权重是在三通道彩色图像上学到的。单通道图像在输入时会被复制成三通道但每个通道的像素统计分布和自然图像完全不同底层卷积核没有见过这种分布。解决在预处理阶段对红外图像做归一化把像素值从 [0,255] 映射到和 ImageNet 预训练统计匹配的范围通常用(x / 255 - 0.485) / 0.229这类标准差标准化。另一个更有效的做法是单独收集一批红外夜间数据做二次微调只训练骨干层学习率用 1e-5让底层卷积适应红外分布。如果项目里红外数据占比大建议干脆分成白天模型和夜间模型两个部署。5.4 小目标一个都检不出来mAP 却很好看现象模型在验证集上 mAP 不低但专门挑出小目标样本一测召回率几乎是零。原因验证集里的目标大多是大目标小目标占比低被大目标的正确预测拉高了整体 mAP掩盖了小目标的问题。另外一个原因是默认检测头的最小下采样层级对小于 16×16 的目标几乎无响应不是阈值问题。解决评估时单独算 AP_smallUltralytics 输出的混淆矩阵里能看到按目标尺寸分的指标。如果 AP_small 明显低于整体水平按第 3 章的方法加 P2 检测头或者推理时用切片推理第 6 章会写。还有一条捷径把训练分辨率提到 960 或 1280小目标像素变大AP_small 会直接涨但显存占用翻倍需要自己衡量。5.5 断电续训后精度掉一截现象训练到第 60 个 epoch 断电用last.pt加resumeTrue继续训练到 100 个 epoch最终精度比一次跑完的差了好几个点。原因Ultralytics 的续训机制会恢复模型权重、优化器状态、学习率调度器和 EMA 权重。但如果训练命令里的参数和上次不完全一致比如改了cos_lr或者mosaic学习率调度会错位后续 epoch 的学习率曲线就乱了。解决续训时严格保持和原命令一致的参数只改epochs为剩余 epoch 数。另外养成习惯每次启动长训练前把完整命令存成 shell 脚本方便恢复时对比。还有一个更稳妥的做法是训练到一半手动保存一份权重同时记下当时的last.pt路径和命令参数断电后直接复制原命令改resumeTrue即可。我之前有一次续训后精度反而涨了是因为那条命令里把imgsz从 640 改成了 960相当于额外做了一次分辨率提升但这种变化是不可控的不推荐主动这么做。6. 验证与落地把模型推理结果存入种群监测统计模型训练完真正决定项目成败的是推理结果能不能被种群监测业务直接使用。这一章给出保存推理结果的具体做法、小目标场景下的切片推理与 TTA 取舍、以及把连拍结果去重成个体计数的方法。6.1 保存推理结果的三种方式推理结果有三种常见落盘方式图片上画框方便人工抽查txt 文件方便后续程序读取JSON 方便对接数据库。实际项目中三种都要但用途不同。from ultralytics import YOLO import json model YOLO(best.pt) results model.predict(sourcetest_images/001.jpg, conf0.35, iou0.5) boxes results[0].boxes detections [] for box in boxes: x1, y1, x2, y2 box.xyxy[0].tolist() cls_id int(box.cls[0]) conf float(box.conf[0]) detections.append({ bbox: [round(v, 2) for v in [x1, y1, x2, y2]], class_id: cls_id, class_name: results[0].names[cls_id], score: round(conf, 4), }) with open(detections.json, w, encodingutf-8) as f: json.dump(detections, f, ensure_asciiFalse, indent2)逻辑说明这段代码从results[0].boxes里取出每个检测框的坐标、类别和置信度组装成 JSON 格式落到本地。后面接数据库时直接把detections列表逐条插入即可。参数说明box.xyxy[0]返回的是绝对像素坐标如果你要存归一化坐标用box.xyxyn[0]。results[0].names是数据配置里的类别名映射表类别 ID 为整数不转成字符串的话后面查物种名很麻烦。6.2 切片推理与多尺度 TTA 的取舍小目标是野生动物检测的核心问题如果模型加了 P2 检测头还不够就轮到推理策略补救。两种常见手段多尺度 TTA 和切片推理。TTA 的做法是推理时开启多尺度增强Ultralytics 里一行参数搞定。results model.predict(sourcetest_images/001.jpg, imgsz960, augmentTrue)逻辑说明augmentTrue会让模型把输入图缩放到多个尺度分别推理再融合结果。对小目标有一定帮助但速度会慢 3 到 5 倍不适合大批量离线推理。切片推理的思路是把大图切成小块分别检测再把结果映射回原图坐标。对相机陷阱的 2048×1536 原图切成 4 块 1024×1024每个小块里的小目标相当于被放大了一倍检测效果明显好过整图推理。代价是同一目标在切片边缘可能出现两次需要按 IoU 合并。我的习惯是目标像素小于 20×20 的场景优先用切片推理其他场景直接整图推理。6.3 个体计数的最后一步时间窗口去重相机陷阱连拍会产生同一个体连续几十帧的检测记录。如果直接把每帧的检测框都叠加计数一个个体过路会被数成几十个种群统计立刻失真。常见做法是时间窗口去重对同一个相机点位同一物种在设定时间窗口内只保留置信度最高的一个检测框。from collections import defaultdict def dedup_by_time(detections, species_keyclass_name, time_keytimestamp, window_sec300): detections.sort(keylambda x: x[time_key]) groups defaultdict(list) for det in detections: groups[(det[camera_id], det[species_key])].append(det) result [] for key, items in groups.items(): last_ts None for det in items: if last_ts is None or det[time_key] - last_ts window_sec: result.append(det) last_ts det[time_key] return result逻辑说明代码按相机点位和物种分组组内按时间排序window_sec300表示同一个体在 5 分钟内只算一次。窗口大小的设置建议参考该物种通过相机视野的平均时间小型鸟类用 60 秒大中型兽类用 300 秒更合理。我在另一个类似项目上吃过亏没做时间窗口去重直接把模型输出丢给业务方结果一个鹿群路过被数出 200 多只现场复核时才发现是连拍每帧都计了数。后来在推理结果入库前加了这个去重步骤统计数字才和人工样方调查对得上。种群监测模型的价值不只是把框画出来而是把框变成可复核的种群变化趋势这一步不做前面的模型精度再高也白搭。希望帮到你。本文还有配套的精品资源点击获取
