简介面向熟悉 Python 与深度学习基础的科研工作者和工程开发人员这套基于 YOLOv10 的麦穗计数系统方案聚焦麦类作物麦穗数量自动化估算用于提升农业生产环节的管理效率。包体为 1 个 docx 文档大小约 46KB按项目介绍、实现步骤、代码解释、数据示例、完整代码整合等模块组织目录清晰便于按需求查阅。内容涵盖环境配置、预训练模型准备与 ONNX 导出、检测系统编码、GUI 实时计数与评估指标展示等完整实现链路并提醒数据集多样性、环境适应性测试等影响泛化能力的注意事项。同时给出超参数优化、模型集成、边缘计算等未来改进方向已有 143 人学习适合作为从项目落地到调优的参考。1. 基于 YOLOv10 的麦穗计数系统从数穗子到估产量的自动化路线基于 YOLOv10 的麦穗计数系统解决的是农情测产里最磨人的一件事把地头的麦穗数清楚。人蹲在田里一米见方的样方框一套一穗一穗点一块地十几个样方下来眼睛先花腰也先投降更麻烦的是麦穗密集、互相遮挡穗子和麦秆颜色几乎一样人眼数都容易重数和漏数。这套系统做的事就是把“数穗子”变成一次目标检测模型在田拍图像上把每个麦穗框出来程序再对框做去重、统计和密度换算最后输出每平米穗数再接上每穗粒数和千粒重就能估产量。相比传统分割或密度回归方案检测即计数逻辑直接标注数据也好组织完整的程序代码和数据组织方式后面都会给出。这条路线适合三类人做育种考种的农艺师、做区域产量估测的从业者以及手里正好有一批麦田图像、想快速搭出自动计数流水线的工程师。下文按模型选型、数据准备、训练调参、踩坑记录、田间落地五节展开代码可以直接跑重点讲密集小目标场景里那些容易翻车的细节。2. 为什么选 YOLOv10 做麦穗检测密集小目标的三个硬理由麦穗目标在大田图像里呈现出三个典型特征个体小大量聚集和背景颜色高度接近。这种场景对检测模型的考验主要不在分类能力而在“密集目标如何不被互相抑制、不被漏掉”。YOLOv10 在这三个维度上正好踩中了需求下面拆开讲。2.1 NMS-free 训练省掉的推理后处理对密集场景有多重要YOLOv10 是 YOLO 系列里第一个把 NMS 从推理链路里去掉的主流版本。之前的 YOLO 模型训练时用 one-to-many 分配一个真值框会被分配给多个预测框所以推理时必须接一个 NMS 后处理把同一目标上重叠的重复框压掉而 NMS 的阈值非常敏感在麦穗这种高密度场景里两个穗挨得近NMS 很容易把其中一个真值当作重复框误删或者阈值放太松导致一个穗保留两三个框。做过密集小目标检测的人应该都体会过“调 NMS 阈值像调玄学”的那种感觉。YOLOv10 的做法是训练阶段引入 one-to-one 匹配让每个目标只对应一个预测框同时保留一个 one-to-many 的辅助头帮助收敛推理时直接取置信度最高的框整个链路里没有 NMS。对麦穗计数来说这意味着少了一个需要手调的环节密集场景下相邻穗子的预测框天然是唯一的。这一点在第五章的重叠框问题里还会体现。模型版本的选择也直接影响效果。我的经验是从 yolov10s 起步它在精度和速度之间最平衡8G 显存能跑动只有 CPU 或显存极小时退回 yolov10n数据量超过 1500 张、想要极限精度再上 yolov10m。下面是三个版本的大致定位权重显存压力适用场景yolov10n低CPU 验证流程、移动端、快速试跑yolov10s中常规田块计数推荐起步配置yolov10m较高数据量大、对漏检零容忍的测产项目需要说清楚边界NMS-free 只解决“同一目标重复框”的问题不解决“漏检”和“误检”。光照差、穗子太小、遮挡过半模型照样会漏麦芒、秸秆横截面在特定角度下也会被误判成穗。所以模型选型只是第一步数据质量和推理参数才是决定最终计数误差的大头。2.2 检测、跟踪、密度回归三条计数路线的取舍麦穗计数在工程上并不只有一条路常见做法是先把需求分成三类再定技术路线。第一类是检测计数对单张图像跑检测直接数框的个数。适合样方静态拍照、考种台架、无人机单帧处理做法最简单也是这套系统的核心。第二类是跟踪计数对视频连续帧做检测加多目标跟踪按 track ID 去重统计整个视频里出现的独立穗子数量适合人拿着相机沿田埂走一遍、或者农机搭载相机的场景能覆盖更大的田块。第三类是密度回归计数用点标注训练密度图模型直接输出每平米穗数密度这类方案对逐穗定位不敏感适合快速估产但没法做单穗考种而且在小麦灌浆后期穗子互相叠压时误差会显著上升。我的选型建议很直接只要目标是产量数字、不在乎单穗位置也先别急着上密度回归YOLOv10 检测路线拿到的精度转计数已经足够要做单穗考种、数无效穗、看穗粒数分布只有检测路线能给到逐穗框。密度图方案的数据标注方式和检测不互通中途切换的沉没成本很高这个后悔药不好吃。2.3 环境准备与最小目录规划先搭环境。GPU 机器按 PyTorch 官方对应 CUDA 版本的安装命令装好 torch然后装 YOLOv10 依赖的训练框架pip install -U ultralytics pip install -U opencv-python装完后跑一条命令验证环境和预训练权重能不能正常加载yolo predict modelyolov10s.pt sourcetest.jpg第一次运行会自动拉取预训练权重网络慢的时候可以先放后台或者先用小图验证流程。纯 CPU 机器也能跑通整条链路只是训练速度慢几个量级建议先用 yolov10n 加小数据集验证逻辑再上 GPU 正式训练。目录结构我习惯这样规划后面所有脚本都按这个路径写wheat-count/ ├── dataset/ │ ├── images/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ ├── labels/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ └── wheat.yaml ├── scripts/ │ ├── voc2yolo.py │ ├── train.py │ └── count.py ├── runs/ # 训练与验证输出 └── weights/ # 预训练权重和最终权重dataset 目录下 images 和 labels 必须同名同前缀训练框架按文件名匹配图像和标签文件。后面所有路径建议用绝对路径避免 YAML 里相对路径在不同工作目录下把数据找丢。这套目录规划看起来简单但能省掉后面大量“路径不对导致训练静默跳过数据”的排查时间。3. 麦穗数据准备标注规范、格式转换与训练集划分数据是这套系统里最大的杠杆。我见过太多人把精力花在调参上最后卡在标注口径不统一上。这一章把采集、标注、转换、划分一次讲完照着做基本不会在数据环节翻车。3.1 采集与标注把“一个麦穗”定义清楚先说采集。相机镜头尽量垂直朝下拍穗层镜头离穗层 40 到 60 厘米保证单穗在图像里不小于 40 像素一个样方一张图不同地块、不同时段、不同天气都采一些别只在一个晴天正午拍。同一个地块的连续照片放进同一个组后面划分训练集时要按组分开。标注规范必须在开工前写死我用的口径是只框穗体不含芒。麦芒又细又长框进去会把目标拉长干扰宽高比。框贴穗体边界留 1 到 2 像素余量即可。遮挡超过一半的穗不标遮挡小于一半的按可见部分标一个框。一个穗绝对不允许拆成两个框也不允许一个框套两个穗。这个口径直接决定了后续所有评估的可信度。标注工具用常见的图像标注软件就可以导出成 VOC XML 或 COCO JSON 都行后面脚本按 VOC 讲因为 XML 结构直观、好排查。如果多人协作建议先让每个人各标 20 张互相算一下框级 IoU低于 0.7 就先别开工回去对齐口径。3.2 从 VOC XML 到 YOLO 格式的转换脚本YOLO 系列训练需要 txt 标签每行一个目标格式是类别 id、归一化中心 x、中心 y、宽、高。下面这段脚本把 VOC XML 批量转成 YOLO txtimport os import xml.etree.ElementTree as ET def convert(xml_path, txt_path, img_w, img_h): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name ! wheat_head: continue 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) # 归一化到 [0,1]YOLO 要求用图像原图宽高 x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 越界框裁剪防止训练时出现无效标签 x_center max(0.0, min(x_center, 1.0)) y_center max(0.0, min(y_center, 1.0)) w max(0.001, min(w, 1.0)) h max(0.001, min(h, 1.0)) lines.append(f0 {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) # 写出的 txt 与图像同名放在 labels 对应目录下 with open(txt_path, w) as f: f.write(\n.join(lines)) # 使用示例遍历某目录下所有 xml传入原图宽高调用 convert逻辑说明这里只处理类别名为 wheat_head 的标注类别 id 固定写 0对应后面 data.yaml 里的第一个类归一化时用原图宽高而不是 xml 里某个对象的尺寸这两个搞混是新手最常见的翻车点。越界框必须裁剪很多标注工具允许框画出图像边界不处理会让训练在 loss 计算时出现无效值。参数说明img_w、img_h 是图像原始宽高必须从图像文件里读出来不能从 xml 字段里猜。如果你用的是 COCO JSON转换时把 bndbox 换成 annotation 里的 bbox 四元组即可归一化公式完全一样中心坐标和宽高依次除以图像宽高。3.3 训练集划分与 data.yaml 配置划分时有个关键原则按田块划分而不是按图像随机划分。同一块地相邻图像光照、角度高度相似随机划分会让验证集“作弊”mAP 虚高十几个点都很正常一旦换到新地块立刻露馅。做法是把同一个地块、同一次拍摄的图放进同一组再按 7:2:1 分成 train、val、test。# wheat.yaml path: /home/user/wheat-count/dataset train: images/train val: images/val test: images/test # 麦穗就是单类别检测 nc: 1 names: 0: wheat_head说明path 写绝对路径train、val、test 写相对 path 的目录nc 是类别数麦穗场景就是 1。训练框架会自动校验 images 和 labels 目录下的文件是否一一对应缺标签的图会被跳过并打印警告跑之前先确认警告数量为 0。数据量建议从 800 张起步。每张图按 1280 分辨率算麦穗目标几十到上百个训练样本数其实很充足低于 300 张会明显感受到过拟合mAP50 在验证集上波动很大。如果实在缺图先把 3.1 节的标注口径执行到位再考虑用水平翻转、亮度抖动做离线增强不要指望训练时那点在线增强能变出信息量。数据集这块可以先用公开的麦穗检测数据做预训练再用自家田块数据微调能显著减少新数据需求量。4. 训练落地与调参把麦田里的穗子捞干净环境、数据都齐了接下来是训练。这一章给一条能直接跑的训练命令把参数含义讲透再讲增强和验证目标是让模型在你的田块图像上把穗子尽量捞干净。4.1 一条能跑的训练命令与参数含义yolo detect train \ data/home/user/wheat-count/dataset/wheat.yaml \ modelyolov10s.pt \ epochs200 \ imgsz1280 \ batch8 \ lr00.01 \ lrf0.01 \ close_mosaic10 \ patience30 \ device0参数说明参数推荐值说明modelyolov10s.pt中小模型精度速度平衡显存小换 yolov10n精度优先换 mepochs200配合 patience 早停足够收敛imgsz1280小目标关键参数见下方解释batch88G 显存建议 2 到 4再配合梯度累积lr00.01预训练权重微调的常见起点lrf0.01末轮学习率为初始的 1%close_mosaic10最后 10 轮关闭 Mosaic 增强逻辑说明imgsz 是训练时缩放的边长。麦穗在原图里经常只有 20 到 40 像素imgsz640 会把它们压到 10 到 15 像素特征基本消失提到 1280 后单穗能保留 25 像素以上召回率提升明显。代价是显存和训练时间大约翻倍8G 显存跑 yolov10s 加 imgsz1280 时 batch 设 2 到 4 比较稳训练脚本里开梯度累积可以模拟更大 batch。预训练权重文件放在 weights 目录下训练输出会自动写到 runs/detect/train 下best.pt 是按验证集 mAP 保存的最优权重last.pt 是最后一轮权重。习惯上只用 best.pt 做后续推理last.pt 偶尔会在训练被中断时派上用场比如用来续训。4.2 针对小麦图像的增强参数设置田间图像的光照变化比一般目标检测场景大得多增强参数要按麦田特性来调。下面这组配置是我在多个地块上验证过的起点yolo detect train \ data/home/user/wheat-count/dataset/wheat.yaml \ modelyolov10s.pt \ epochs200 imgsz1280 batch8 \ hsv_h0.02 hsv_s0.7 hsv_v0.5 \ degrees5 translate0.1 scale0.5 \ fliplr0.5 mosaic0.5 mixup0.2 \ label_smoothing0.05 \ close_mosaic10 device0参数含义说明hsv_h、hsv_s、hsv_v 分别控制色相、饱和度、亮度的随机抖动幅度麦田从清晨到正午再到黄昏色温和亮度差异很大这三项开大一点能明显提升泛化degrees 只给 5 度因为麦穗基本垂直向上大角度旋转会制造出田间不存在的姿态mosaic 从默认的 1.0 降到 0.5拼接增强会把小目标进一步缩小对麦穗这种小目标反而不友好mixup 开 0.2轻量混合增强能提升遮挡场景的鲁棒性label_smoothing 对标注边缘含糊的框有帮助尤其多人协作标注时边界争议多。这些参数不用一次调到位。我的习惯是先跑一版默认参数看基线再只改 imgsz 和 mosaic确认小目标指标有提升后再动 hsv 和 mixup。一次改一堆参数最后出了问题根本不知道是谁的锅。4.3 验证指标怎么读mAP 和计数误差是两回事训练完先跑验证确认指标yolo detect val \ model/home/user/wheat-count/runs/detect/train/weights/best.pt \ data/home/user/wheat-count/dataset/wheat.yaml \ imgsz1280训练框架会输出 mAP50、mAP50-95、Precision、Recall 四组数字。对麦穗计数来说最该盯的是 Recall漏检一个穗计数就少一个这是直接损失而 Precision 误差可以通过后处理降低。mAP50 到 0.9 左右通常就意味着检测质量不错但 mAP 再高也不能替代计数误差评估。计数误差要人工抽检才能看出来。我常用下面这个小脚本拿 10 张人工数过的验证图逐张比对import numpy as np from ultralytics import YOLOv10 model YOLOv10(/home/user/wheat-count/runs/detect/train/weights/best.pt) # 人工数的 10 张图键是文件名值是手工数出来的穗数 manual { plot_001.jpg: 87, plot_002.jpg: 92, plot_003.jpg: 76, } errors [] for img_name, true_count in manual.items(): res model.predict( sourcef/home/user/wheat-count/dataset/images/test/{img_name}, imgsz1280, conf0.30 ) pred_count len(res[0].boxes) errors.append(abs(pred_count - true_count)) print(f{img_name}: 模型 {pred_count}, 人工 {true_count}) print(平均绝对计数误差:, np.mean(errors))逻辑说明脚本用模型预测框数量直接对人工数逐图算差值误差稳定在 ±5% 以内再谈落地。如果系统偏差为正说明重复框或误检偏多优先调 conf 阈值和重叠框合并偏差为负优先查漏检回到 imgsz 和数据覆盖这两个方向。mAP 是模型对自己的评价人工比对才是系统对田间的评价这两者一定要同时看。5. 麦穗计数系统避坑记录5 个高频翻车点与对应解决这一章是我在搭建麦穗计数系统过程中踩过的真实坑每条按“现象、原因、解决”记录希望能帮你省掉几周排查时间。5.1 小穗漏检imgsz、切片与增强三选一现象训练 mAP50 到 0.75 左右验证集看着不错换到另一块田图像边缘的穗和灌浆初期的嫩穗大量漏检计数偏低 20% 以上。原因麦穗在原图里只有十几个像素imgsz640 训练时被进一步压小模型没见过足够大的目标特征灌浆初期穗色偏绿和叶片对比度低网络学到的特征偏向中后期金黄色穗。解决优先把 imgsz 提到 1280这一步能解决大部分漏检图像超过 4000 像素的田块大图先用切片推理再合并结果等效于让模型在原分辨率上看目标增强侧把 hsv 色相抖动调大覆盖嫩穗的绿色。改完重训后验证集 recall 通常能从 0.82 提到 0.93 左右计数误差从 -20% 收窄到 -3%。5.2 同一麦穗被重复计数视频与拼接图的去重逻辑现象人拿着相机沿田埂走一遍录像模型每帧都数出 80 到 100 个穗把全部帧加起来一个样方有上千个明显不对。原因没有给检测目标分配身份。同一个麦穗在 30 帧视频里出现 30 次每次都被当成一个新目标计数累加自然爆炸。解决视频场景走跟踪路线用 ByteTrack 或 BoT-SORT 给每个穗分配 track ID统计时按 ID 去重。具体做法在第六章的 count_video 函数里给出。对于需要拼接的切片图先做重叠区域的 IoU 合并再计数不能让切片的边缘重复计入。视频计数的核心原则是身份去重优先于逐帧数量。5.3 一个穗出两个框密集场景的重叠框合并现象单图计数一直比人工多 5% 到 8%打开可视化发现部分大穗被模型拆成上下两个框两个框 IoU 很高但都保留了。原因穗体较长局部外观差异大在极端遮挡或视角下one-to-one 匹配仍可能让一个目标对应两个高置信度预测NMS-free 推理时不抑制重叠框这个角案例就被保留下来。解决推理时对置信度高于阈值的框做一次轻量合并。两个框 IoU 大于 0.3 且类别相同就保留置信度高的那个def merge_overlap_boxes(boxes, iou_thr0.3): # boxes 是 [x1, y1, x2, y2, conf] 的列表 boxes sorted(boxes, keylambda b: b[4], reverseTrue) used [False] * len(boxes) keep [] for i, a in enumerate(boxes): if used[i]: continue for j, b in enumerate(boxes): if i ! j and not used[j] and b[4] 0.3: if box_iou(a, b) iou_thr: used[j] True # 低置信度框被合并掉 keep.append(a) return keep逻辑说明按置信度从高到低遍历高置信度框吃掉所有与它重叠超过阈值的低置信度框。box_iou 是标准的 IoU 计算函数x1、y1、x2、y2 是像素坐标conf 是模型输出的目标置信度。注意这个后处理只在计数偏差为正、确认存在重叠框时才需要加如果误差已经在 ±3% 以内加上它反而可能引入新的误合并保持流水线简单更重要。5.4 标注口径不一致mAP 虚高的假象现象模型验证结果 Precision 0.96、Recall 0.91数字很漂亮和人工数的偏差却最大换个人重新标同一批图发现框的大小和遮挡穗标注标准完全不一样。原因部分标注者把芒也框进去了宽高比变了遮挡穗有人标有人不标。模型学到的“麦穗”概念和考种口径不一致mAP 只是在标注口径一致的子集上自我评价虚高不代表田间表现好。解决标注前做一套标准图例三个人各标 20 张两两算框级平均 IoU低于 0.7 就重新对齐口径再开工。训练后对置信度在 0.3 到 0.5 之间的边界样本人工复核确认是漏标还是误检。这个环节工作量最大但最值标注标得乱后面所有数字都不可信。5.5 跨生育期泛化崩坏数据与增强的覆盖短板现象拔节期和灌浆期的穗色、姿态差异很大只用一种生育期的图训练换到另一个时期 mAP 掉 0.2 以上。原因麦穗在灌浆前期是嫩绿色且带芒直立后期是金黄色且穗头轻微下垂外观差异超过很多人的直觉。模型学到的是“训练集那一个生育期的麦穗”不是抽象的麦穗概念换个物候期就等于换了半个任务。解决采集时按生育期归档训练集至少覆盖两个关键时期。如果项目启动得晚先用公开麦穗检测数据预训练再用自家田块数据微调新数据一两百张就有明显效果。验证时注意地块来源不能混入训练集否则指标虚高。模型不是万能黑匣子边界案例最好在项目早期就暴露出来拖到验收阶段再发现跨期泛化问题改数据重训的成本非常高。6. 落到田间算产量推理计数脚本与穗数-产量换算技巧最后一步是把模型封装成能直接用的计数工具并接上产量估算。这里给出单图和视频两套脚本再讲透标定和换算。6.1 单图与视频的计数脚本from ultralytics import YOLOv10 model YOLOv10(/home/user/wheat-count/runs/detect/train/weights/best.pt) def count_single(image_path, conf0.30): # 单图计数数出当前图像里的麦穗框数量 res model.predict(sourceimage_path, imgsz1280, confconf, device0) return len(res[0].boxes) def count_video(video_path, conf0.30): # 视频计数按 track ID 去重统计整个视频里出现的独立麦穗数 track_ids set() for res in model.track( sourcevideo_path, persistTrue, confconf, trackerbytetrack.yaml, imgsz1280, device0 ): if res.boxes is None or res.boxes.id is None: continue for tid in res.boxes.id.cpu().tolist(): track_ids.add(tid) return len(track_ids)逻辑说明count_single 直接数当前帧的检测框数量适合样方静态图所有框默认可信。count_video 用 ByteTrack 给每个穗分配身份编号把整个视频里出现过的 ID 集合求大小这是视频去重的标准做法。tracker 参数指定跟踪器配置persistTrue 让跟踪状态跨帧保持。固定相机场景如果只想统计新进入画面的穗可以再加一个记录首次出现时间帧的过滤条件。6.2 标定与产量换算从框数到每平米穗数单图数出的是“这张图里有多少穗”要变成有农学意义的“每平米穗数”必须做标定。最常见的做法是拍照时放一个 1 米乘 1 米的标定框镜头垂直向下让标定框充满画面。此时 count_single 的输出就是每平米穗数。没有标定框时用镜头高度和视场角算出图像覆盖的实际面积再拿框数除面积同样能得到密度。拿到每平米穗数后接上考种数据就能估算产量每穗粒数从样方里随机取 20 个穗人工脱粒统计千粒重晾干后称重得到亩产量估算公式约为产量公斤/亩约等于每平米穗数乘以每穗粒数乘以千粒重克再乘以 0.000667。这套公式是农学里常用的测产换算检测模型只负责最前面那个乘数也就是穗数。我的习惯是给这套系统配一个固定的人工复核集每次模型更新或参数调整都在那 10 张金标准图上重新跑一遍计数误差误差超过 5% 就回头查 conf、合并阈值和数据覆盖。这个集子不动模型怎么改都有个对照精度下滑第一时间就能暴露而不是等到整片田数完才发现系统性偏差。这套方案从数据准备到产量估算已经形成闭环照着做一遍你手上的麦田图像就会变成一套能重复使用、误差可量化的计数工具。希望帮到你。本文还有配套的精品资源点击获取
简介面向熟悉 Python 与深度学习基础的科研工作者和工程开发人员这套基于 YOLOv10 的麦穗计数系统方案聚焦麦类作物麦穗数量自动化估算用于提升农业生产环节的管理效率。包体为 1 个 docx 文档大小约 46KB按项目介绍、实现步骤、代码解释、数据示例、完整代码整合等模块组织目录清晰便于按需求查阅。内容涵盖环境配置、预训练模型准备与 ONNX 导出、检测系统编码、GUI 实时计数与评估指标展示等完整实现链路并提醒数据集多样性、环境适应性测试等影响泛化能力的注意事项。同时给出超参数优化、模型集成、边缘计算等未来改进方向已有 143 人学习适合作为从项目落地到调优的参考。1. 基于 YOLOv10 的麦穗计数系统从数穗子到估产量的自动化路线基于 YOLOv10 的麦穗计数系统解决的是农情测产里最磨人的一件事把地头的麦穗数清楚。人蹲在田里一米见方的样方框一套一穗一穗点一块地十几个样方下来眼睛先花腰也先投降更麻烦的是麦穗密集、互相遮挡穗子和麦秆颜色几乎一样人眼数都容易重数和漏数。这套系统做的事就是把“数穗子”变成一次目标检测模型在田拍图像上把每个麦穗框出来程序再对框做去重、统计和密度换算最后输出每平米穗数再接上每穗粒数和千粒重就能估产量。相比传统分割或密度回归方案检测即计数逻辑直接标注数据也好组织完整的程序代码和数据组织方式后面都会给出。这条路线适合三类人做育种考种的农艺师、做区域产量估测的从业者以及手里正好有一批麦田图像、想快速搭出自动计数流水线的工程师。下文按模型选型、数据准备、训练调参、踩坑记录、田间落地五节展开代码可以直接跑重点讲密集小目标场景里那些容易翻车的细节。2. 为什么选 YOLOv10 做麦穗检测密集小目标的三个硬理由麦穗目标在大田图像里呈现出三个典型特征个体小大量聚集和背景颜色高度接近。这种场景对检测模型的考验主要不在分类能力而在“密集目标如何不被互相抑制、不被漏掉”。YOLOv10 在这三个维度上正好踩中了需求下面拆开讲。2.1 NMS-free 训练省掉的推理后处理对密集场景有多重要YOLOv10 是 YOLO 系列里第一个把 NMS 从推理链路里去掉的主流版本。之前的 YOLO 模型训练时用 one-to-many 分配一个真值框会被分配给多个预测框所以推理时必须接一个 NMS 后处理把同一目标上重叠的重复框压掉而 NMS 的阈值非常敏感在麦穗这种高密度场景里两个穗挨得近NMS 很容易把其中一个真值当作重复框误删或者阈值放太松导致一个穗保留两三个框。做过密集小目标检测的人应该都体会过“调 NMS 阈值像调玄学”的那种感觉。YOLOv10 的做法是训练阶段引入 one-to-one 匹配让每个目标只对应一个预测框同时保留一个 one-to-many 的辅助头帮助收敛推理时直接取置信度最高的框整个链路里没有 NMS。对麦穗计数来说这意味着少了一个需要手调的环节密集场景下相邻穗子的预测框天然是唯一的。这一点在第五章的重叠框问题里还会体现。模型版本的选择也直接影响效果。我的经验是从 yolov10s 起步它在精度和速度之间最平衡8G 显存能跑动只有 CPU 或显存极小时退回 yolov10n数据量超过 1500 张、想要极限精度再上 yolov10m。下面是三个版本的大致定位权重显存压力适用场景yolov10n低CPU 验证流程、移动端、快速试跑yolov10s中常规田块计数推荐起步配置yolov10m较高数据量大、对漏检零容忍的测产项目需要说清楚边界NMS-free 只解决“同一目标重复框”的问题不解决“漏检”和“误检”。光照差、穗子太小、遮挡过半模型照样会漏麦芒、秸秆横截面在特定角度下也会被误判成穗。所以模型选型只是第一步数据质量和推理参数才是决定最终计数误差的大头。2.2 检测、跟踪、密度回归三条计数路线的取舍麦穗计数在工程上并不只有一条路常见做法是先把需求分成三类再定技术路线。第一类是检测计数对单张图像跑检测直接数框的个数。适合样方静态拍照、考种台架、无人机单帧处理做法最简单也是这套系统的核心。第二类是跟踪计数对视频连续帧做检测加多目标跟踪按 track ID 去重统计整个视频里出现的独立穗子数量适合人拿着相机沿田埂走一遍、或者农机搭载相机的场景能覆盖更大的田块。第三类是密度回归计数用点标注训练密度图模型直接输出每平米穗数密度这类方案对逐穗定位不敏感适合快速估产但没法做单穗考种而且在小麦灌浆后期穗子互相叠压时误差会显著上升。我的选型建议很直接只要目标是产量数字、不在乎单穗位置也先别急着上密度回归YOLOv10 检测路线拿到的精度转计数已经足够要做单穗考种、数无效穗、看穗粒数分布只有检测路线能给到逐穗框。密度图方案的数据标注方式和检测不互通中途切换的沉没成本很高这个后悔药不好吃。2.3 环境准备与最小目录规划先搭环境。GPU 机器按 PyTorch 官方对应 CUDA 版本的安装命令装好 torch然后装 YOLOv10 依赖的训练框架pip install -U ultralytics pip install -U opencv-python装完后跑一条命令验证环境和预训练权重能不能正常加载yolo predict modelyolov10s.pt sourcetest.jpg第一次运行会自动拉取预训练权重网络慢的时候可以先放后台或者先用小图验证流程。纯 CPU 机器也能跑通整条链路只是训练速度慢几个量级建议先用 yolov10n 加小数据集验证逻辑再上 GPU 正式训练。目录结构我习惯这样规划后面所有脚本都按这个路径写wheat-count/ ├── dataset/ │ ├── images/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ ├── labels/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ └── wheat.yaml ├── scripts/ │ ├── voc2yolo.py │ ├── train.py │ └── count.py ├── runs/ # 训练与验证输出 └── weights/ # 预训练权重和最终权重dataset 目录下 images 和 labels 必须同名同前缀训练框架按文件名匹配图像和标签文件。后面所有路径建议用绝对路径避免 YAML 里相对路径在不同工作目录下把数据找丢。这套目录规划看起来简单但能省掉后面大量“路径不对导致训练静默跳过数据”的排查时间。3. 麦穗数据准备标注规范、格式转换与训练集划分数据是这套系统里最大的杠杆。我见过太多人把精力花在调参上最后卡在标注口径不统一上。这一章把采集、标注、转换、划分一次讲完照着做基本不会在数据环节翻车。3.1 采集与标注把“一个麦穗”定义清楚先说采集。相机镜头尽量垂直朝下拍穗层镜头离穗层 40 到 60 厘米保证单穗在图像里不小于 40 像素一个样方一张图不同地块、不同时段、不同天气都采一些别只在一个晴天正午拍。同一个地块的连续照片放进同一个组后面划分训练集时要按组分开。标注规范必须在开工前写死我用的口径是只框穗体不含芒。麦芒又细又长框进去会把目标拉长干扰宽高比。框贴穗体边界留 1 到 2 像素余量即可。遮挡超过一半的穗不标遮挡小于一半的按可见部分标一个框。一个穗绝对不允许拆成两个框也不允许一个框套两个穗。这个口径直接决定了后续所有评估的可信度。标注工具用常见的图像标注软件就可以导出成 VOC XML 或 COCO JSON 都行后面脚本按 VOC 讲因为 XML 结构直观、好排查。如果多人协作建议先让每个人各标 20 张互相算一下框级 IoU低于 0.7 就先别开工回去对齐口径。3.2 从 VOC XML 到 YOLO 格式的转换脚本YOLO 系列训练需要 txt 标签每行一个目标格式是类别 id、归一化中心 x、中心 y、宽、高。下面这段脚本把 VOC XML 批量转成 YOLO txtimport os import xml.etree.ElementTree as ET def convert(xml_path, txt_path, img_w, img_h): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name ! wheat_head: continue 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) # 归一化到 [0,1]YOLO 要求用图像原图宽高 x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 越界框裁剪防止训练时出现无效标签 x_center max(0.0, min(x_center, 1.0)) y_center max(0.0, min(y_center, 1.0)) w max(0.001, min(w, 1.0)) h max(0.001, min(h, 1.0)) lines.append(f0 {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) # 写出的 txt 与图像同名放在 labels 对应目录下 with open(txt_path, w) as f: f.write(\n.join(lines)) # 使用示例遍历某目录下所有 xml传入原图宽高调用 convert逻辑说明这里只处理类别名为 wheat_head 的标注类别 id 固定写 0对应后面 data.yaml 里的第一个类归一化时用原图宽高而不是 xml 里某个对象的尺寸这两个搞混是新手最常见的翻车点。越界框必须裁剪很多标注工具允许框画出图像边界不处理会让训练在 loss 计算时出现无效值。参数说明img_w、img_h 是图像原始宽高必须从图像文件里读出来不能从 xml 字段里猜。如果你用的是 COCO JSON转换时把 bndbox 换成 annotation 里的 bbox 四元组即可归一化公式完全一样中心坐标和宽高依次除以图像宽高。3.3 训练集划分与 data.yaml 配置划分时有个关键原则按田块划分而不是按图像随机划分。同一块地相邻图像光照、角度高度相似随机划分会让验证集“作弊”mAP 虚高十几个点都很正常一旦换到新地块立刻露馅。做法是把同一个地块、同一次拍摄的图放进同一组再按 7:2:1 分成 train、val、test。# wheat.yaml path: /home/user/wheat-count/dataset train: images/train val: images/val test: images/test # 麦穗就是单类别检测 nc: 1 names: 0: wheat_head说明path 写绝对路径train、val、test 写相对 path 的目录nc 是类别数麦穗场景就是 1。训练框架会自动校验 images 和 labels 目录下的文件是否一一对应缺标签的图会被跳过并打印警告跑之前先确认警告数量为 0。数据量建议从 800 张起步。每张图按 1280 分辨率算麦穗目标几十到上百个训练样本数其实很充足低于 300 张会明显感受到过拟合mAP50 在验证集上波动很大。如果实在缺图先把 3.1 节的标注口径执行到位再考虑用水平翻转、亮度抖动做离线增强不要指望训练时那点在线增强能变出信息量。数据集这块可以先用公开的麦穗检测数据做预训练再用自家田块数据微调能显著减少新数据需求量。4. 训练落地与调参把麦田里的穗子捞干净环境、数据都齐了接下来是训练。这一章给一条能直接跑的训练命令把参数含义讲透再讲增强和验证目标是让模型在你的田块图像上把穗子尽量捞干净。4.1 一条能跑的训练命令与参数含义yolo detect train \ data/home/user/wheat-count/dataset/wheat.yaml \ modelyolov10s.pt \ epochs200 \ imgsz1280 \ batch8 \ lr00.01 \ lrf0.01 \ close_mosaic10 \ patience30 \ device0参数说明参数推荐值说明modelyolov10s.pt中小模型精度速度平衡显存小换 yolov10n精度优先换 mepochs200配合 patience 早停足够收敛imgsz1280小目标关键参数见下方解释batch88G 显存建议 2 到 4再配合梯度累积lr00.01预训练权重微调的常见起点lrf0.01末轮学习率为初始的 1%close_mosaic10最后 10 轮关闭 Mosaic 增强逻辑说明imgsz 是训练时缩放的边长。麦穗在原图里经常只有 20 到 40 像素imgsz640 会把它们压到 10 到 15 像素特征基本消失提到 1280 后单穗能保留 25 像素以上召回率提升明显。代价是显存和训练时间大约翻倍8G 显存跑 yolov10s 加 imgsz1280 时 batch 设 2 到 4 比较稳训练脚本里开梯度累积可以模拟更大 batch。预训练权重文件放在 weights 目录下训练输出会自动写到 runs/detect/train 下best.pt 是按验证集 mAP 保存的最优权重last.pt 是最后一轮权重。习惯上只用 best.pt 做后续推理last.pt 偶尔会在训练被中断时派上用场比如用来续训。4.2 针对小麦图像的增强参数设置田间图像的光照变化比一般目标检测场景大得多增强参数要按麦田特性来调。下面这组配置是我在多个地块上验证过的起点yolo detect train \ data/home/user/wheat-count/dataset/wheat.yaml \ modelyolov10s.pt \ epochs200 imgsz1280 batch8 \ hsv_h0.02 hsv_s0.7 hsv_v0.5 \ degrees5 translate0.1 scale0.5 \ fliplr0.5 mosaic0.5 mixup0.2 \ label_smoothing0.05 \ close_mosaic10 device0参数含义说明hsv_h、hsv_s、hsv_v 分别控制色相、饱和度、亮度的随机抖动幅度麦田从清晨到正午再到黄昏色温和亮度差异很大这三项开大一点能明显提升泛化degrees 只给 5 度因为麦穗基本垂直向上大角度旋转会制造出田间不存在的姿态mosaic 从默认的 1.0 降到 0.5拼接增强会把小目标进一步缩小对麦穗这种小目标反而不友好mixup 开 0.2轻量混合增强能提升遮挡场景的鲁棒性label_smoothing 对标注边缘含糊的框有帮助尤其多人协作标注时边界争议多。这些参数不用一次调到位。我的习惯是先跑一版默认参数看基线再只改 imgsz 和 mosaic确认小目标指标有提升后再动 hsv 和 mixup。一次改一堆参数最后出了问题根本不知道是谁的锅。4.3 验证指标怎么读mAP 和计数误差是两回事训练完先跑验证确认指标yolo detect val \ model/home/user/wheat-count/runs/detect/train/weights/best.pt \ data/home/user/wheat-count/dataset/wheat.yaml \ imgsz1280训练框架会输出 mAP50、mAP50-95、Precision、Recall 四组数字。对麦穗计数来说最该盯的是 Recall漏检一个穗计数就少一个这是直接损失而 Precision 误差可以通过后处理降低。mAP50 到 0.9 左右通常就意味着检测质量不错但 mAP 再高也不能替代计数误差评估。计数误差要人工抽检才能看出来。我常用下面这个小脚本拿 10 张人工数过的验证图逐张比对import numpy as np from ultralytics import YOLOv10 model YOLOv10(/home/user/wheat-count/runs/detect/train/weights/best.pt) # 人工数的 10 张图键是文件名值是手工数出来的穗数 manual { plot_001.jpg: 87, plot_002.jpg: 92, plot_003.jpg: 76, } errors [] for img_name, true_count in manual.items(): res model.predict( sourcef/home/user/wheat-count/dataset/images/test/{img_name}, imgsz1280, conf0.30 ) pred_count len(res[0].boxes) errors.append(abs(pred_count - true_count)) print(f{img_name}: 模型 {pred_count}, 人工 {true_count}) print(平均绝对计数误差:, np.mean(errors))逻辑说明脚本用模型预测框数量直接对人工数逐图算差值误差稳定在 ±5% 以内再谈落地。如果系统偏差为正说明重复框或误检偏多优先调 conf 阈值和重叠框合并偏差为负优先查漏检回到 imgsz 和数据覆盖这两个方向。mAP 是模型对自己的评价人工比对才是系统对田间的评价这两者一定要同时看。5. 麦穗计数系统避坑记录5 个高频翻车点与对应解决这一章是我在搭建麦穗计数系统过程中踩过的真实坑每条按“现象、原因、解决”记录希望能帮你省掉几周排查时间。5.1 小穗漏检imgsz、切片与增强三选一现象训练 mAP50 到 0.75 左右验证集看着不错换到另一块田图像边缘的穗和灌浆初期的嫩穗大量漏检计数偏低 20% 以上。原因麦穗在原图里只有十几个像素imgsz640 训练时被进一步压小模型没见过足够大的目标特征灌浆初期穗色偏绿和叶片对比度低网络学到的特征偏向中后期金黄色穗。解决优先把 imgsz 提到 1280这一步能解决大部分漏检图像超过 4000 像素的田块大图先用切片推理再合并结果等效于让模型在原分辨率上看目标增强侧把 hsv 色相抖动调大覆盖嫩穗的绿色。改完重训后验证集 recall 通常能从 0.82 提到 0.93 左右计数误差从 -20% 收窄到 -3%。5.2 同一麦穗被重复计数视频与拼接图的去重逻辑现象人拿着相机沿田埂走一遍录像模型每帧都数出 80 到 100 个穗把全部帧加起来一个样方有上千个明显不对。原因没有给检测目标分配身份。同一个麦穗在 30 帧视频里出现 30 次每次都被当成一个新目标计数累加自然爆炸。解决视频场景走跟踪路线用 ByteTrack 或 BoT-SORT 给每个穗分配 track ID统计时按 ID 去重。具体做法在第六章的 count_video 函数里给出。对于需要拼接的切片图先做重叠区域的 IoU 合并再计数不能让切片的边缘重复计入。视频计数的核心原则是身份去重优先于逐帧数量。5.3 一个穗出两个框密集场景的重叠框合并现象单图计数一直比人工多 5% 到 8%打开可视化发现部分大穗被模型拆成上下两个框两个框 IoU 很高但都保留了。原因穗体较长局部外观差异大在极端遮挡或视角下one-to-one 匹配仍可能让一个目标对应两个高置信度预测NMS-free 推理时不抑制重叠框这个角案例就被保留下来。解决推理时对置信度高于阈值的框做一次轻量合并。两个框 IoU 大于 0.3 且类别相同就保留置信度高的那个def merge_overlap_boxes(boxes, iou_thr0.3): # boxes 是 [x1, y1, x2, y2, conf] 的列表 boxes sorted(boxes, keylambda b: b[4], reverseTrue) used [False] * len(boxes) keep [] for i, a in enumerate(boxes): if used[i]: continue for j, b in enumerate(boxes): if i ! j and not used[j] and b[4] 0.3: if box_iou(a, b) iou_thr: used[j] True # 低置信度框被合并掉 keep.append(a) return keep逻辑说明按置信度从高到低遍历高置信度框吃掉所有与它重叠超过阈值的低置信度框。box_iou 是标准的 IoU 计算函数x1、y1、x2、y2 是像素坐标conf 是模型输出的目标置信度。注意这个后处理只在计数偏差为正、确认存在重叠框时才需要加如果误差已经在 ±3% 以内加上它反而可能引入新的误合并保持流水线简单更重要。5.4 标注口径不一致mAP 虚高的假象现象模型验证结果 Precision 0.96、Recall 0.91数字很漂亮和人工数的偏差却最大换个人重新标同一批图发现框的大小和遮挡穗标注标准完全不一样。原因部分标注者把芒也框进去了宽高比变了遮挡穗有人标有人不标。模型学到的“麦穗”概念和考种口径不一致mAP 只是在标注口径一致的子集上自我评价虚高不代表田间表现好。解决标注前做一套标准图例三个人各标 20 张两两算框级平均 IoU低于 0.7 就重新对齐口径再开工。训练后对置信度在 0.3 到 0.5 之间的边界样本人工复核确认是漏标还是误检。这个环节工作量最大但最值标注标得乱后面所有数字都不可信。5.5 跨生育期泛化崩坏数据与增强的覆盖短板现象拔节期和灌浆期的穗色、姿态差异很大只用一种生育期的图训练换到另一个时期 mAP 掉 0.2 以上。原因麦穗在灌浆前期是嫩绿色且带芒直立后期是金黄色且穗头轻微下垂外观差异超过很多人的直觉。模型学到的是“训练集那一个生育期的麦穗”不是抽象的麦穗概念换个物候期就等于换了半个任务。解决采集时按生育期归档训练集至少覆盖两个关键时期。如果项目启动得晚先用公开麦穗检测数据预训练再用自家田块数据微调新数据一两百张就有明显效果。验证时注意地块来源不能混入训练集否则指标虚高。模型不是万能黑匣子边界案例最好在项目早期就暴露出来拖到验收阶段再发现跨期泛化问题改数据重训的成本非常高。6. 落到田间算产量推理计数脚本与穗数-产量换算技巧最后一步是把模型封装成能直接用的计数工具并接上产量估算。这里给出单图和视频两套脚本再讲透标定和换算。6.1 单图与视频的计数脚本from ultralytics import YOLOv10 model YOLOv10(/home/user/wheat-count/runs/detect/train/weights/best.pt) def count_single(image_path, conf0.30): # 单图计数数出当前图像里的麦穗框数量 res model.predict(sourceimage_path, imgsz1280, confconf, device0) return len(res[0].boxes) def count_video(video_path, conf0.30): # 视频计数按 track ID 去重统计整个视频里出现的独立麦穗数 track_ids set() for res in model.track( sourcevideo_path, persistTrue, confconf, trackerbytetrack.yaml, imgsz1280, device0 ): if res.boxes is None or res.boxes.id is None: continue for tid in res.boxes.id.cpu().tolist(): track_ids.add(tid) return len(track_ids)逻辑说明count_single 直接数当前帧的检测框数量适合样方静态图所有框默认可信。count_video 用 ByteTrack 给每个穗分配身份编号把整个视频里出现过的 ID 集合求大小这是视频去重的标准做法。tracker 参数指定跟踪器配置persistTrue 让跟踪状态跨帧保持。固定相机场景如果只想统计新进入画面的穗可以再加一个记录首次出现时间帧的过滤条件。6.2 标定与产量换算从框数到每平米穗数单图数出的是“这张图里有多少穗”要变成有农学意义的“每平米穗数”必须做标定。最常见的做法是拍照时放一个 1 米乘 1 米的标定框镜头垂直向下让标定框充满画面。此时 count_single 的输出就是每平米穗数。没有标定框时用镜头高度和视场角算出图像覆盖的实际面积再拿框数除面积同样能得到密度。拿到每平米穗数后接上考种数据就能估算产量每穗粒数从样方里随机取 20 个穗人工脱粒统计千粒重晾干后称重得到亩产量估算公式约为产量公斤/亩约等于每平米穗数乘以每穗粒数乘以千粒重克再乘以 0.000667。这套公式是农学里常用的测产换算检测模型只负责最前面那个乘数也就是穗数。我的习惯是给这套系统配一个固定的人工复核集每次模型更新或参数调整都在那 10 张金标准图上重新跑一遍计数误差误差超过 5% 就回头查 conf、合并阈值和数据覆盖。这个集子不动模型怎么改都有个对照精度下滑第一时间就能暴露而不是等到整片田数完才发现系统性偏差。这套方案从数据准备到产量估算已经形成闭环照着做一遍你手上的麦田图像就会变成一套能重复使用、误差可量化的计数工具。希望帮到你。本文还有配套的精品资源点击获取
