1. 番茄叶片检测数据集到底解决什么问题1.1 从一次大棚巡检的真实痛点说起去年秋天我帮一个做设施农业的朋友调试巡检机器人他种的是串收番茄三个大棚加起来不到八亩地。当时他提的需求特别朴素机器人每天沿着垄沟走两趟把叶片上有病斑的位置标出来最好能区分是早疫、晚疫还是叶霉。听起来不难但真正动手才发现卡脖子的根本不是模型结构而是没有一份能直接拿来训练的番茄健康叶片检测数据集。网上公开的农业数据集要么是分类任务一张图一个标签告诉你这片叶子病了要么是整株级别的粗标注真正做成目标检测格式、带边界框、能直接喂给 YOLO 的番茄叶片数据少得可怜。而实际巡检场景里一张图里往往同时出现健康叶片、早期病斑叶片、被遮挡的叶片分类模型根本没法定位你连病斑在哪都不知道喷药机械臂往哪伸这就是番茄健康叶片检测数据集 | 3100张YOLO智慧农业数据集这类资源存在的意义。它把问题从这张图是不是病叶推进到这张图里每一片叶子的位置和健康状态分别是什么直接对接目标检测的落地链路。3100张这个量级不算大但对于一个垂直细分场景来说已经足够跑通从训练到部署的完整闭环尤其是配合迁移学习。1.2 数据集的核心构成与标注逻辑先把这个数据集拆开看。3100张图像通常按 8:1:1 或者 7:2:1 划分训练集、验证集、测试集。类别设计上番茄叶片检测一般围绕两个维度展开健康状态和叶片个体。常见的类别方案是healthy健康、diseased患病两大类也有更细的会拆成early_blight、late_blight、leaf_mold、healthy四类甚至更多。标注格式是 YOLO 标准的 txt 文件每行class_id x_center y_center width height坐标全部归一化到 0-1 之间。这一点特别关键很多人第一次拿到数据集会懵为什么坐标是小数因为 YOLO 训练时输入图像会被 resize 到固定尺寸比如 640×640归一化坐标能让标注与分辨率解耦换输入尺寸不用重新标。提示拿到数据集第一件事不是急着训练而是抽查标注质量。用脚本把 txt 画回原图肉眼过一遍看看框有没有偏移、漏标、类别错标。农业数据集最常见的坑就是叶片重叠区域标注不一致同一片叶子在不同图里框的大小差很多。数据集的图像来源通常是田间实拍包含不同光照顺光、逆光、阴天、不同生长阶段苗期、开花期、结果期、不同遮挡情况。这种多样性是好事但也意味着长尾分布问题健康叶片样本往往远多于患病叶片因为田里健康植株本来就占多数。如果不做处理模型会倾向于把所有叶子都预测成健康准确率看着高实际没用。1.3 谁适合用这份数据集这份数据集不是给纯算法研究员刷 SOTA 用的它更适合三类人一是做智慧农业落地的工程团队需要快速验证巡检机器人或无人机方案的可行性二是农业院校的学生做课程设计或毕业设计想找一个有实际意义又不至于太泛的目标检测题目三是想入门 YOLO 但苦于没有合适数据的开发者番茄叶片目标清晰、背景相对单一比 COCO 那种复杂场景友好得多。我个人的判断是如果你的目标是发论文冲顶会3100张可能偏少需要做数据增强或者半监督扩充但如果目标是做一个能跑起来、能演示、能小范围试用的系统这个量级完全够用关键在于你怎么用。2. 数据集使用前的关键准备与选型考量2.1 为什么选 YOLO 而不是其他检测框架目标检测框架一大堆Faster R-CNN、SSD、RetinaNet、DETR为什么农业场景里 YOLO 系列出镜率这么高我踩过几次坑之后总结出三个现实原因。第一是速度。农业巡检设备大多是边缘端Jetson Nano、树莓派加加速棒、或者工控机算力有限。YOLO 单阶段检测的特性决定了它在同等精度下推理速度远快于两阶段方法。你在棚里让机器人以 0.5m/s 走摄像头 30fps 采集如果模型只能跑 5fps那漏检率会高得离谱。第二是部署生态。YOLO 从 v5 开始导出 ONNX、TensorRT、OpenVINO 的链路非常成熟一行命令的事。你训完模型想上边缘设备不用自己写算子适配。相比之下 DETR 系列虽然精度好但部署时 transformer 结构的算子支持在部分边缘芯片上还是麻烦。第三是社区资源。遇到问题搜一下YOLO 相关的中文资料、踩坑记录、调参经验铺天盖地。农业场景本身小众如果框架再小众你连问都没地方问。具体版本选择上我的建议是新手从 YOLOv8 起步追求极致速度上 YOLOv8n 或 YOLOv10n追求精度用 YOLOv8m 或 YOLOv11m。v5 虽然经典但官方已经停止大版本更新新项目没必要从它开始。v8 的 API 设计对新手友好model.train()一行搞定配置文件也清晰。2.2 环境搭建PyCharm 加 YOLO 的实操路径热词里使用pycharm安装并使用yolo出现频率很高说明很多人卡在环境这一步。我把完整流程走一遍你照着做基本不会出问题。首先是 Python 版本。YOLOv8 要求 Python 3.8 以上我实测 3.10 最稳3.11 和 3.12 在部分依赖上还有兼容问题尤其是 torch 和 torchvision 的版本匹配。别用最新的用 3.10。创建虚拟环境这一步别省。很多人图省事直接装在 base 环境结果后面装别的库冲突了哭都来不及。在 PyCharm 里新建项目时勾选 New environment using Virtualenv或者命令行python -m venv tomato_yolo # Windows tomato_yolo\Scripts\activate # Linux/Mac source tomato_yolo/bin/activate然后装 ultralyticspip install ultralytics这一条命令会把 torch、torchvision、numpy、opencv-python 等依赖一起装上。如果你有 NVIDIA 显卡想用 CUDA 加速建议先去 PyTorch 官网查对应 CUDA 版本的安装命令先单独装 torch再装 ultralytics避免 pip 自动装成 CPU 版本。注意装完之后一定要验证 GPU 是否可用。在 PyCharm 的 Python Console 里跑import torch; print(torch.cuda.is_available())返回 True 才算成功。返回 False 的话要么是没装 CUDA 版 torch要么是显卡驱动版本不匹配。这个坑我见过太多人踩训练半天发现用的是 CPU速度差几十倍。2.3 数据集目录结构的规范组织YOLO 对目录结构有约定不按规矩来训练脚本会找不到文件。标准结构是这样的tomato_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamlimages/train里放 jpg 或 pnglabels/train里放同名的 txt。注意文件名必须一一对应img_001.jpg对应img_001.txt差一个字符都会报错。data.yaml是数据集描述文件内容大概长这样path: /home/user/tomato_dataset train: images/train val: images/val test: images/test nc: 2 names: [healthy, diseased]nc是类别数names是类别名列表顺序必须和标注文件里的 class_id 对应。如果你把 healthy 标成 0、diseased 标成 1那 names 里第一个就得是 healthy搞反了模型学出来的结果完全是错的。我见过有人把path写成相对路径结果换个目录跑就报错。建议写绝对路径或者用os.path动态拼接省心。3. 从零跑通番茄叶片检测训练全流程3.1 数据增强策略小数据集的救命稻草3100张图说实话不算多。番茄叶片检测里模型需要学会识别不同角度、不同光照、不同遮挡下的叶片原始数据很难覆盖所有情况。数据增强就是用小样本撬动大泛化的关键手段。YOLOv8 内置了增强参数在训练配置里可以直接调。我常用的组合是这样的from ultralytics import YOLO model YOLO(yolov8m.pt) model.train( datatomato_dataset/data.yaml, epochs150, imgsz640, batch16, hsv_h0.015, hsv_s0.7, hsv_v0.4, degrees15.0, translate0.1, scale0.5, shear2.0, flipud0.3, fliplr0.5, mosaic1.0, mixup0.1, )逐个解释这些参数为什么这么设。hsv_h/s/v是色调、饱和度、明度扰动农业场景光照变化大这三个值适当调高能让模型对光照不敏感。degrees15是随机旋转番茄叶片在自然状态下朝向各异旋转增强很合理但别超过 30 度否则叶片形态失真。flipud0.3是上下翻转注意这个值不能设太高因为植物有向光性倒过来的叶片在现实中很少见设 0.3 是折中。fliplr0.5左右翻转可以放心用叶片左右对称性较强。mosaic1.0是 YOLO 的招牌增强把四张图拼成一张能大幅提升小目标检测能力同时变相增加 batch 内的多样性。mixup0.1是图像混合比例别太高0.1 到 0.2 之间比较稳太高会让叶片边界模糊反而伤害定位精度。实操心得数据增强不是越多越好。我试过把 degrees 开到 45、scale 开到 0.8结果验证集 mAP 反而掉了。原因是增强后的图像分布偏离了真实田间分布模型学了一堆现实中不存在的形态。增强的目的是模拟真实变化不是创造新世界。3.2 训练参数调优学习率与 batch size 的配合学习率是训练里最敏感的旋钮。YOLOv8 默认用余弦退火加 warmup初始 lr 一般设 0.01但这是针对 COCO 这种大数据集的。番茄数据集小我建议初始 lr 降到 0.001 到 0.005 之间避免早期震荡。batch size 受显存限制。如果你用 8G 显存的卡imgsz640 的情况下 batch 大概能开到 1612G 能到 32。batch 太小会导致 BN 层统计不稳定训练曲线抖动batch 太大则泛化可能变差。我的经验是在显存允许范围内取中等偏大16 到 32 是比较舒服的区间。训练轮数上3100 张图配合预训练权重100 到 200 epoch 通常能收敛。判断收敛不要只看 loss要看验证集的 mAP50 和 mAP50-95。如果连续 20 个 epoch 这两个指标都不涨了就可以停。YOLOv8 有patience参数设成 30 会自动早停。这里有个细节冻结骨干网络训练。如果你数据量特别小比如只有几百张可以先冻结 backbone 只训 head跑 50 epoch再解冻全量微调。这样能防止预训练权重被小数据带偏。3100 张的话直接全量微调问题不大但如果发现过拟合严重可以试试这个策略。3.3 训练过程监控与指标解读训练启动后YOLO 会在runs/detect/train/下生成一堆文件最重要的是results.csv和weights/目录。results.csv记录了每个 epoch 的 loss 和指标可以用 pandas 读出来画图。关键指标有三个box_loss、cls_loss、mAP50。box_loss 衡量边界框回归误差cls_loss 衡量分类误差。正常情况下两个 loss 都应该是下降趋势如果 box_loss 降但 cls_loss 不降说明定位学好了但分类没学好可能是类别不平衡或者类别特征不明显。如果 cls_loss 降但 box_loss 不降可能是标注框质量有问题。mAP50 是 IoU 阈值 0.5 时的平均精度mAP50-95 是 0.5 到 0.95 每隔 0.05 取一次的平均。农业场景里mAP50 能到 0.85 以上就算不错mAP50-95 能到 0.6 以上说明定位比较准。如果 mAP50 高但 mAP50-95 低说明框大概位置对但不够精确可以考虑调 anchor 或者用更高分辨率的输入。我一般会在训练中途用验证集跑一次可视化把预测框画到原图上肉眼看看哪些叶片漏检了、哪些误检了。数字指标有时候会骗人肉眼看图最直接。比如模型可能把相邻两片叶子框成一个大框mAP 看着还行但实际没法用。4. 常见问题排查与实战避坑指南4.1 训练不收敛或指标异常的排查思路训练过程中最容易遇到的问题是 loss 不降或者 mAP 一直上不去。我整理了一个排查顺序按这个走基本能定位到原因。现象可能原因排查方法解决方向loss 为 nan学习率过高、数据有脏标注检查 lr、抽查标注降 lr、清洗数据loss 不降数据路径错、类别数不对打印数据集长度、检查 yaml修正路径和 ncmAP 一直为 0标注格式错、坐标未归一化可视化标注重新转换格式只检出健康叶片类别不平衡统计各类样本数过采样、加权损失框位置偏移严重标注框与图像不对应画框回原图修正标注验证集好测试集差数据分布不一致对比两个集合来源重新划分数据其中mAP 一直为 0这个坑我踩过。当时标注文件里坐标是像素值不是归一化值模型怎么学都学不对。后来写了个脚本检查发现所有坐标都大于 1一眼就看出问题。所以拿到数据集第一件事写个校验脚本检查每行是不是 5 个值、class_id 是不是在范围内、坐标是不是都在 0-1 之间。类别不平衡也是高频问题。番茄田里健康叶片本来就多如果 healthy 有 8000 个框、diseased 只有 2000 个模型会偏向预测 healthy。解决办法有几个一是对少数类做过采样复制图像并做增强二是在 loss 里给少数类更高权重三是用 focal loss 替代交叉熵。YOLOv8 默认的 cls loss 已经带了部分处理但极端不平衡时还是需要手动干预。4.2 推理部署阶段的性能优化模型训完只是第一步真正落地要考虑推理速度和资源占用。我拿 YOLOv8m 在 Jetson Orin Nano 上实测过PyTorch 原生推理 640×640 大概 15fps导出 TensorRT 后能到 45fps 左右提升非常明显。导出命令很简单from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) model.export(formatengine, halfTrue, imgsz640)halfTrue是 FP16 量化精度损失很小但速度提升明显。formatengine是 TensorRT如果是其他平台可以选onnx、openvino、tflite。注意导出 TensorRT 时 imgsz 必须和训练时一致否则精度会掉。另外 TensorRT 引擎是跟设备绑定的在 A 设备导出的 engine 拿到 B 设备上可能跑不了需要在目标设备上重新导出。还有一个容易被忽略的点是输入预处理。训练时 YOLO 会自动做 letterbox 填充推理时如果你自己写预处理一定要保持一致否则检测框会偏移。我见过有人推理时直接 resize 不填充结果框全歪了查了半天以为是模型问题。4.3 农业场景特有的数据陷阱农业数据集和通用数据集有个很大区别背景干扰。番茄大棚里除了叶片还有吊蔓绳、地膜、滴灌管、甚至工人的手。如果这些元素在训练集里出现得少模型可能把它们误检成叶片。解决办法是在标注时把明显不是叶片的区域也标出来或者增加包含这些干扰的负样本。另一个陷阱是叶片重叠。番茄叶片密集生长一片压一片很常见。标注时如果只标可见部分模型学到的就是半片叶子遇到完整叶片反而框不准。我的做法是重叠区域如果超过 50% 被遮挡就不标如果遮挡少于 50%按可见轮廓标但框可以适当外扩到估计的完整范围。这个标准要在整个数据集里统一不能一张图一个标法。光照也是大问题。大棚里中午阳光直射叶片反光严重病斑特征被淹没傍晚光线暗叶片发黑健康和不健康看起来差不多。如果数据集里某种光照条件样本太少模型在那种条件下就会失效。建议在划分数据集时按光照条件分层抽样保证训练集和验证集里各种光照都有。最后说一个我自己的经验别迷信公开数据集的标注。3100 张图标注工作量巨大难免有疏漏。我一般会随机抽 100 张自己重新标一遍和原标注对比算一下 IoU。如果平均 IoU 低于 0.7说明标注质量堪忧要么自己重标要么用半自动方式修正。这个前期投入很值得脏数据训出来的模型后面调参调到死也救不回来。5. 从数据集到落地系统的扩展思路5.1 多模态融合的想象空间单纯的目标检测只能告诉你哪里有叶片、健不健康但农业决策往往需要更多信息。比如同样是病斑早期和晚期的处理方式完全不同。这时候可以考虑多模态融合可见光图像做检测红外图像做温度分析高光谱做成分分析。我试过一个简化方案用 YOLO 检测出叶片位置后裁剪出叶片区域送进一个分类网络做病害细分类。检测负责在哪分类负责是什么两级串联。这样做的好处是分类网络可以做得更深更准因为输入已经是干净的叶片区域没有背景干扰。缺点是速度会慢一些但农业巡检对实时性要求没那么苛刻几秒出一张图的结果完全可以接受。再进一步可以把检测结果和 GPS 坐标、时间戳结合生成田间的病害分布热力图。哪片区域病斑密集哪片区域健康一目了然。这种空间信息对精准施药特别有价值能大幅减少农药用量。5.2 模型迭代与持续学习农业场景有个特点季节性强。番茄生长周期几个月不同阶段叶片形态差异很大。你春天训的模型到秋天可能就不太准了。所以落地系统一定要有持续学习的机制。我的做法是部署时开启一个难例挖掘模块把模型置信度低或者人工复核发现错误的样本自动存下来定期人工标注后加入训练集重新训练。这样模型会随着使用越来越准形成一个正向循环。另外不同品种的番茄叶片形态也有差异。如果你从一种番茄换到另一种最好重新采集一批数据微调。直接迁移过去可能也能用但精度会打折扣。微调时学习率设小一点比如 0.0001只训几十个 epoch让模型适应新品种的特征同时不忘记之前学的东西。5.3 边缘端部署的工程细节最后聊聊部署。农业现场往往网络条件差不可能把图像传到云端推理必须边缘端本地处理。硬件选型上Jetson 系列是主流Orin Nano 性价比不错算力够跑 YOLOv8m。如果预算有限树莓派加加速棒也能跑但只能上 YOLOv8n 这种小模型精度会降一些。软件层面建议用 Docker 打包环境避免现场设备依赖问题。把模型、推理代码、预处理逻辑全部容器化换设备时直接拉镜像就行。我吃过亏现场设备 Python 版本和开发机不一致跑起来各种报错后来全部 Docker 化才省心。功耗和散热也要考虑。大棚里夏天温度能到 40 度以上边缘设备如果没有主动散热很容易降频甚至死机。选型时留足散热余量或者加个小风扇。这些细节看着不起眼但真正落地时往往就是它们决定系统能不能稳定跑下去。我个人在实际操作中的体会是番茄叶片检测这个方向数据集是起点不是终点。3100 张图能帮你跑通流程、验证想法但真正要做好还得结合具体场景不断迭代。别指望一个模型打天下农业的复杂性远超实验室环境多下地、多看真实数据、多和种植户聊比闷头调参有用得多。
1. 番茄叶片检测数据集到底解决什么问题1.1 从一次大棚巡检的真实痛点说起去年秋天我帮一个做设施农业的朋友调试巡检机器人他种的是串收番茄三个大棚加起来不到八亩地。当时他提的需求特别朴素机器人每天沿着垄沟走两趟把叶片上有病斑的位置标出来最好能区分是早疫、晚疫还是叶霉。听起来不难但真正动手才发现卡脖子的根本不是模型结构而是没有一份能直接拿来训练的番茄健康叶片检测数据集。网上公开的农业数据集要么是分类任务一张图一个标签告诉你这片叶子病了要么是整株级别的粗标注真正做成目标检测格式、带边界框、能直接喂给 YOLO 的番茄叶片数据少得可怜。而实际巡检场景里一张图里往往同时出现健康叶片、早期病斑叶片、被遮挡的叶片分类模型根本没法定位你连病斑在哪都不知道喷药机械臂往哪伸这就是番茄健康叶片检测数据集 | 3100张YOLO智慧农业数据集这类资源存在的意义。它把问题从这张图是不是病叶推进到这张图里每一片叶子的位置和健康状态分别是什么直接对接目标检测的落地链路。3100张这个量级不算大但对于一个垂直细分场景来说已经足够跑通从训练到部署的完整闭环尤其是配合迁移学习。1.2 数据集的核心构成与标注逻辑先把这个数据集拆开看。3100张图像通常按 8:1:1 或者 7:2:1 划分训练集、验证集、测试集。类别设计上番茄叶片检测一般围绕两个维度展开健康状态和叶片个体。常见的类别方案是healthy健康、diseased患病两大类也有更细的会拆成early_blight、late_blight、leaf_mold、healthy四类甚至更多。标注格式是 YOLO 标准的 txt 文件每行class_id x_center y_center width height坐标全部归一化到 0-1 之间。这一点特别关键很多人第一次拿到数据集会懵为什么坐标是小数因为 YOLO 训练时输入图像会被 resize 到固定尺寸比如 640×640归一化坐标能让标注与分辨率解耦换输入尺寸不用重新标。提示拿到数据集第一件事不是急着训练而是抽查标注质量。用脚本把 txt 画回原图肉眼过一遍看看框有没有偏移、漏标、类别错标。农业数据集最常见的坑就是叶片重叠区域标注不一致同一片叶子在不同图里框的大小差很多。数据集的图像来源通常是田间实拍包含不同光照顺光、逆光、阴天、不同生长阶段苗期、开花期、结果期、不同遮挡情况。这种多样性是好事但也意味着长尾分布问题健康叶片样本往往远多于患病叶片因为田里健康植株本来就占多数。如果不做处理模型会倾向于把所有叶子都预测成健康准确率看着高实际没用。1.3 谁适合用这份数据集这份数据集不是给纯算法研究员刷 SOTA 用的它更适合三类人一是做智慧农业落地的工程团队需要快速验证巡检机器人或无人机方案的可行性二是农业院校的学生做课程设计或毕业设计想找一个有实际意义又不至于太泛的目标检测题目三是想入门 YOLO 但苦于没有合适数据的开发者番茄叶片目标清晰、背景相对单一比 COCO 那种复杂场景友好得多。我个人的判断是如果你的目标是发论文冲顶会3100张可能偏少需要做数据增强或者半监督扩充但如果目标是做一个能跑起来、能演示、能小范围试用的系统这个量级完全够用关键在于你怎么用。2. 数据集使用前的关键准备与选型考量2.1 为什么选 YOLO 而不是其他检测框架目标检测框架一大堆Faster R-CNN、SSD、RetinaNet、DETR为什么农业场景里 YOLO 系列出镜率这么高我踩过几次坑之后总结出三个现实原因。第一是速度。农业巡检设备大多是边缘端Jetson Nano、树莓派加加速棒、或者工控机算力有限。YOLO 单阶段检测的特性决定了它在同等精度下推理速度远快于两阶段方法。你在棚里让机器人以 0.5m/s 走摄像头 30fps 采集如果模型只能跑 5fps那漏检率会高得离谱。第二是部署生态。YOLO 从 v5 开始导出 ONNX、TensorRT、OpenVINO 的链路非常成熟一行命令的事。你训完模型想上边缘设备不用自己写算子适配。相比之下 DETR 系列虽然精度好但部署时 transformer 结构的算子支持在部分边缘芯片上还是麻烦。第三是社区资源。遇到问题搜一下YOLO 相关的中文资料、踩坑记录、调参经验铺天盖地。农业场景本身小众如果框架再小众你连问都没地方问。具体版本选择上我的建议是新手从 YOLOv8 起步追求极致速度上 YOLOv8n 或 YOLOv10n追求精度用 YOLOv8m 或 YOLOv11m。v5 虽然经典但官方已经停止大版本更新新项目没必要从它开始。v8 的 API 设计对新手友好model.train()一行搞定配置文件也清晰。2.2 环境搭建PyCharm 加 YOLO 的实操路径热词里使用pycharm安装并使用yolo出现频率很高说明很多人卡在环境这一步。我把完整流程走一遍你照着做基本不会出问题。首先是 Python 版本。YOLOv8 要求 Python 3.8 以上我实测 3.10 最稳3.11 和 3.12 在部分依赖上还有兼容问题尤其是 torch 和 torchvision 的版本匹配。别用最新的用 3.10。创建虚拟环境这一步别省。很多人图省事直接装在 base 环境结果后面装别的库冲突了哭都来不及。在 PyCharm 里新建项目时勾选 New environment using Virtualenv或者命令行python -m venv tomato_yolo # Windows tomato_yolo\Scripts\activate # Linux/Mac source tomato_yolo/bin/activate然后装 ultralyticspip install ultralytics这一条命令会把 torch、torchvision、numpy、opencv-python 等依赖一起装上。如果你有 NVIDIA 显卡想用 CUDA 加速建议先去 PyTorch 官网查对应 CUDA 版本的安装命令先单独装 torch再装 ultralytics避免 pip 自动装成 CPU 版本。注意装完之后一定要验证 GPU 是否可用。在 PyCharm 的 Python Console 里跑import torch; print(torch.cuda.is_available())返回 True 才算成功。返回 False 的话要么是没装 CUDA 版 torch要么是显卡驱动版本不匹配。这个坑我见过太多人踩训练半天发现用的是 CPU速度差几十倍。2.3 数据集目录结构的规范组织YOLO 对目录结构有约定不按规矩来训练脚本会找不到文件。标准结构是这样的tomato_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamlimages/train里放 jpg 或 pnglabels/train里放同名的 txt。注意文件名必须一一对应img_001.jpg对应img_001.txt差一个字符都会报错。data.yaml是数据集描述文件内容大概长这样path: /home/user/tomato_dataset train: images/train val: images/val test: images/test nc: 2 names: [healthy, diseased]nc是类别数names是类别名列表顺序必须和标注文件里的 class_id 对应。如果你把 healthy 标成 0、diseased 标成 1那 names 里第一个就得是 healthy搞反了模型学出来的结果完全是错的。我见过有人把path写成相对路径结果换个目录跑就报错。建议写绝对路径或者用os.path动态拼接省心。3. 从零跑通番茄叶片检测训练全流程3.1 数据增强策略小数据集的救命稻草3100张图说实话不算多。番茄叶片检测里模型需要学会识别不同角度、不同光照、不同遮挡下的叶片原始数据很难覆盖所有情况。数据增强就是用小样本撬动大泛化的关键手段。YOLOv8 内置了增强参数在训练配置里可以直接调。我常用的组合是这样的from ultralytics import YOLO model YOLO(yolov8m.pt) model.train( datatomato_dataset/data.yaml, epochs150, imgsz640, batch16, hsv_h0.015, hsv_s0.7, hsv_v0.4, degrees15.0, translate0.1, scale0.5, shear2.0, flipud0.3, fliplr0.5, mosaic1.0, mixup0.1, )逐个解释这些参数为什么这么设。hsv_h/s/v是色调、饱和度、明度扰动农业场景光照变化大这三个值适当调高能让模型对光照不敏感。degrees15是随机旋转番茄叶片在自然状态下朝向各异旋转增强很合理但别超过 30 度否则叶片形态失真。flipud0.3是上下翻转注意这个值不能设太高因为植物有向光性倒过来的叶片在现实中很少见设 0.3 是折中。fliplr0.5左右翻转可以放心用叶片左右对称性较强。mosaic1.0是 YOLO 的招牌增强把四张图拼成一张能大幅提升小目标检测能力同时变相增加 batch 内的多样性。mixup0.1是图像混合比例别太高0.1 到 0.2 之间比较稳太高会让叶片边界模糊反而伤害定位精度。实操心得数据增强不是越多越好。我试过把 degrees 开到 45、scale 开到 0.8结果验证集 mAP 反而掉了。原因是增强后的图像分布偏离了真实田间分布模型学了一堆现实中不存在的形态。增强的目的是模拟真实变化不是创造新世界。3.2 训练参数调优学习率与 batch size 的配合学习率是训练里最敏感的旋钮。YOLOv8 默认用余弦退火加 warmup初始 lr 一般设 0.01但这是针对 COCO 这种大数据集的。番茄数据集小我建议初始 lr 降到 0.001 到 0.005 之间避免早期震荡。batch size 受显存限制。如果你用 8G 显存的卡imgsz640 的情况下 batch 大概能开到 1612G 能到 32。batch 太小会导致 BN 层统计不稳定训练曲线抖动batch 太大则泛化可能变差。我的经验是在显存允许范围内取中等偏大16 到 32 是比较舒服的区间。训练轮数上3100 张图配合预训练权重100 到 200 epoch 通常能收敛。判断收敛不要只看 loss要看验证集的 mAP50 和 mAP50-95。如果连续 20 个 epoch 这两个指标都不涨了就可以停。YOLOv8 有patience参数设成 30 会自动早停。这里有个细节冻结骨干网络训练。如果你数据量特别小比如只有几百张可以先冻结 backbone 只训 head跑 50 epoch再解冻全量微调。这样能防止预训练权重被小数据带偏。3100 张的话直接全量微调问题不大但如果发现过拟合严重可以试试这个策略。3.3 训练过程监控与指标解读训练启动后YOLO 会在runs/detect/train/下生成一堆文件最重要的是results.csv和weights/目录。results.csv记录了每个 epoch 的 loss 和指标可以用 pandas 读出来画图。关键指标有三个box_loss、cls_loss、mAP50。box_loss 衡量边界框回归误差cls_loss 衡量分类误差。正常情况下两个 loss 都应该是下降趋势如果 box_loss 降但 cls_loss 不降说明定位学好了但分类没学好可能是类别不平衡或者类别特征不明显。如果 cls_loss 降但 box_loss 不降可能是标注框质量有问题。mAP50 是 IoU 阈值 0.5 时的平均精度mAP50-95 是 0.5 到 0.95 每隔 0.05 取一次的平均。农业场景里mAP50 能到 0.85 以上就算不错mAP50-95 能到 0.6 以上说明定位比较准。如果 mAP50 高但 mAP50-95 低说明框大概位置对但不够精确可以考虑调 anchor 或者用更高分辨率的输入。我一般会在训练中途用验证集跑一次可视化把预测框画到原图上肉眼看看哪些叶片漏检了、哪些误检了。数字指标有时候会骗人肉眼看图最直接。比如模型可能把相邻两片叶子框成一个大框mAP 看着还行但实际没法用。4. 常见问题排查与实战避坑指南4.1 训练不收敛或指标异常的排查思路训练过程中最容易遇到的问题是 loss 不降或者 mAP 一直上不去。我整理了一个排查顺序按这个走基本能定位到原因。现象可能原因排查方法解决方向loss 为 nan学习率过高、数据有脏标注检查 lr、抽查标注降 lr、清洗数据loss 不降数据路径错、类别数不对打印数据集长度、检查 yaml修正路径和 ncmAP 一直为 0标注格式错、坐标未归一化可视化标注重新转换格式只检出健康叶片类别不平衡统计各类样本数过采样、加权损失框位置偏移严重标注框与图像不对应画框回原图修正标注验证集好测试集差数据分布不一致对比两个集合来源重新划分数据其中mAP 一直为 0这个坑我踩过。当时标注文件里坐标是像素值不是归一化值模型怎么学都学不对。后来写了个脚本检查发现所有坐标都大于 1一眼就看出问题。所以拿到数据集第一件事写个校验脚本检查每行是不是 5 个值、class_id 是不是在范围内、坐标是不是都在 0-1 之间。类别不平衡也是高频问题。番茄田里健康叶片本来就多如果 healthy 有 8000 个框、diseased 只有 2000 个模型会偏向预测 healthy。解决办法有几个一是对少数类做过采样复制图像并做增强二是在 loss 里给少数类更高权重三是用 focal loss 替代交叉熵。YOLOv8 默认的 cls loss 已经带了部分处理但极端不平衡时还是需要手动干预。4.2 推理部署阶段的性能优化模型训完只是第一步真正落地要考虑推理速度和资源占用。我拿 YOLOv8m 在 Jetson Orin Nano 上实测过PyTorch 原生推理 640×640 大概 15fps导出 TensorRT 后能到 45fps 左右提升非常明显。导出命令很简单from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) model.export(formatengine, halfTrue, imgsz640)halfTrue是 FP16 量化精度损失很小但速度提升明显。formatengine是 TensorRT如果是其他平台可以选onnx、openvino、tflite。注意导出 TensorRT 时 imgsz 必须和训练时一致否则精度会掉。另外 TensorRT 引擎是跟设备绑定的在 A 设备导出的 engine 拿到 B 设备上可能跑不了需要在目标设备上重新导出。还有一个容易被忽略的点是输入预处理。训练时 YOLO 会自动做 letterbox 填充推理时如果你自己写预处理一定要保持一致否则检测框会偏移。我见过有人推理时直接 resize 不填充结果框全歪了查了半天以为是模型问题。4.3 农业场景特有的数据陷阱农业数据集和通用数据集有个很大区别背景干扰。番茄大棚里除了叶片还有吊蔓绳、地膜、滴灌管、甚至工人的手。如果这些元素在训练集里出现得少模型可能把它们误检成叶片。解决办法是在标注时把明显不是叶片的区域也标出来或者增加包含这些干扰的负样本。另一个陷阱是叶片重叠。番茄叶片密集生长一片压一片很常见。标注时如果只标可见部分模型学到的就是半片叶子遇到完整叶片反而框不准。我的做法是重叠区域如果超过 50% 被遮挡就不标如果遮挡少于 50%按可见轮廓标但框可以适当外扩到估计的完整范围。这个标准要在整个数据集里统一不能一张图一个标法。光照也是大问题。大棚里中午阳光直射叶片反光严重病斑特征被淹没傍晚光线暗叶片发黑健康和不健康看起来差不多。如果数据集里某种光照条件样本太少模型在那种条件下就会失效。建议在划分数据集时按光照条件分层抽样保证训练集和验证集里各种光照都有。最后说一个我自己的经验别迷信公开数据集的标注。3100 张图标注工作量巨大难免有疏漏。我一般会随机抽 100 张自己重新标一遍和原标注对比算一下 IoU。如果平均 IoU 低于 0.7说明标注质量堪忧要么自己重标要么用半自动方式修正。这个前期投入很值得脏数据训出来的模型后面调参调到死也救不回来。5. 从数据集到落地系统的扩展思路5.1 多模态融合的想象空间单纯的目标检测只能告诉你哪里有叶片、健不健康但农业决策往往需要更多信息。比如同样是病斑早期和晚期的处理方式完全不同。这时候可以考虑多模态融合可见光图像做检测红外图像做温度分析高光谱做成分分析。我试过一个简化方案用 YOLO 检测出叶片位置后裁剪出叶片区域送进一个分类网络做病害细分类。检测负责在哪分类负责是什么两级串联。这样做的好处是分类网络可以做得更深更准因为输入已经是干净的叶片区域没有背景干扰。缺点是速度会慢一些但农业巡检对实时性要求没那么苛刻几秒出一张图的结果完全可以接受。再进一步可以把检测结果和 GPS 坐标、时间戳结合生成田间的病害分布热力图。哪片区域病斑密集哪片区域健康一目了然。这种空间信息对精准施药特别有价值能大幅减少农药用量。5.2 模型迭代与持续学习农业场景有个特点季节性强。番茄生长周期几个月不同阶段叶片形态差异很大。你春天训的模型到秋天可能就不太准了。所以落地系统一定要有持续学习的机制。我的做法是部署时开启一个难例挖掘模块把模型置信度低或者人工复核发现错误的样本自动存下来定期人工标注后加入训练集重新训练。这样模型会随着使用越来越准形成一个正向循环。另外不同品种的番茄叶片形态也有差异。如果你从一种番茄换到另一种最好重新采集一批数据微调。直接迁移过去可能也能用但精度会打折扣。微调时学习率设小一点比如 0.0001只训几十个 epoch让模型适应新品种的特征同时不忘记之前学的东西。5.3 边缘端部署的工程细节最后聊聊部署。农业现场往往网络条件差不可能把图像传到云端推理必须边缘端本地处理。硬件选型上Jetson 系列是主流Orin Nano 性价比不错算力够跑 YOLOv8m。如果预算有限树莓派加加速棒也能跑但只能上 YOLOv8n 这种小模型精度会降一些。软件层面建议用 Docker 打包环境避免现场设备依赖问题。把模型、推理代码、预处理逻辑全部容器化换设备时直接拉镜像就行。我吃过亏现场设备 Python 版本和开发机不一致跑起来各种报错后来全部 Docker 化才省心。功耗和散热也要考虑。大棚里夏天温度能到 40 度以上边缘设备如果没有主动散热很容易降频甚至死机。选型时留足散热余量或者加个小风扇。这些细节看着不起眼但真正落地时往往就是它们决定系统能不能稳定跑下去。我个人在实际操作中的体会是番茄叶片检测这个方向数据集是起点不是终点。3100 张图能帮你跑通流程、验证想法但真正要做好还得结合具体场景不断迭代。别指望一个模型打天下农业的复杂性远超实验室环境多下地、多看真实数据、多和种植户聊比闷头调参有用得多。
