简介这份杂草与作物目标检测数据集专门面向yolo系列算法开发者与农业智能化研究人员包含2722张已标注图像覆盖杂草和作物两类目标可直接用于模型训练、验证与测试。数据集已预先划分好训练集、验证集并附带data.yaml配置文件适配yolov5、yolov7、yolov8、yolov9、yolov10、yolo11等主流版本省去自行整理与格式转换的麻烦。压缩包共2000个文件以xml标签文件为主同时提供yolo格式的txt标签与voc格式的xml标签两种存储方式分别位于独立文件夹标签内容包含目标类别、中心点坐标、宽高比例等标准字段便于不同框架直接读取。包体大小约137.26MB整体结构清晰下载后即可加载数据集配置开始训练也可结合可视化工具核对标注质量。目前已有102人学习下载适合需要快速获取高质量农业检测数据的入门及进阶开发者。1. 2722张带标签的杂草-作物图像能训出什么样的YOLO模型杂草识别是精准农业里最典型的视觉任务之一目标是在田间图像中区分作物与杂草为定点喷洒或机械除草提供感知输入。这个zip包里的数据量很明确2722张图像、带标签、类别只有杂草和作物两类。你可能会觉得2722张太少但实际上这个量级对于二分类检测来说属于“起步充分、落地欠火候”的状态——用它训一个YOLOv8n做产品原型完全够用但想直接扛住不同光照、不同土壤背景、不同生长周期的田间视频流还得靠后续的半监督迭代。这篇内容会把从解压zip到模型部署验证的全流程拆开重点讲清楚标签格式的处理、数据增强怎么做才不伤小目标、训练时哪些参数对应这个数据规模的陷阱以及最后怎么判断模型真的能用而不是只活在验证集里。2. 从zip到YOLO能吃的目录标签格式与数据整理2.1 先确认这2722张图的标签到底是什么格式“带标签”是个含糊的说法。YOLO系列模型原生消费的是txt格式的标注文件每行一个目标格式为class_id x_center y_center width height坐标是相对图像宽高的归一化值。但网上流传的数据集经常是VOC的XML或者COCO的JSON甚至可能是LabelMe的JSON。拿到zip后的第一件事不是急着训练而是解开压缩包摸清楚图像和标签的对应关系。常见做法是写一个探查脚本遍历目录结构并统计标签文件类型。我一般会同时输出目录树的前两层以及每个子目录下文件数量重点确认三个信息图像是jpg还是png、标签是xml/json/txt中的哪一种、是否每个图像都有对应的标签文件。import os from collections import Counter from pathlib import Path dataset_root Path(weed_crop_dataset) ext_counter Counter() missing_label [] for img_path in dataset_root.rglob(*): if img_path.suffix.lower() in {.jpg, .jpeg, .png, .bmp}: ext_counter[img_path.suffix.lower()] 1 # 判断同名的txt标签是否存在 txt_path img_path.with_suffix(.txt) xml_path img_path.with_suffix(.xml) json_path img_path.with_suffix(.json) if not (txt_path.exists() or xml_path.exists() or json_path.exists()): missing_label.append(str(img_path)) print(图像格式分布:, dict(ext_counter)) print(缺标签的图数量:, len(missing_label)) for p in missing_label[:10]: print(p)这段代码先把所有图像文件找出来统计格式分布再逐个检查同名的三种常见标签文件是否存在。如果缺失数量很大说明标签命名与图像名不对应需要进一步看标签文件的内部引用字段而不是盲目补文件。如果缺失很少大概率是标注时漏标的边角样本直接删掉或单独归类都行。这一环节最常见的坑是图像文件名形如IMG_20230415_093021.jpg而标签名是IMG_20230415_093021.txt表面看没问题但某些数据集会在文件名里混入中文或空格Windows下解压会改变编码导致训练时OpenCV读不到图片。处理这类数据集的第一步规范就是统一重命名全部转成000001.jpg这种纯数字格式。2.2 把VOC或COCO标签转换成YOLO的txt格式如果探查下来发现标签是XML格式需要做格式转换。VOC的XML会记录每个目标的name和bndbox坐标转换逻辑是把xmin/ymin/xmax/ymax换算成归一化的中心点坐标和宽高。转换前先收集所有类别名字确定类别索引的映射关系避免后面写着两个类实际标签里却冒出第三个类名来。import xml.etree.ElementTree as ET from pathlib import Path def voc2yolo(xml_path, out_dir, class_map): 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.iter(object): name obj.find(name).text if name not in class_map: continue cls_id class_map[name] 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) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) out_name Path(xml_path).stem .txt with open(Path(out_dir) / out_name, w) as f: f.write(\n.join(lines)) class_map {weed: 0, crop: 1} xml_dir Path(labels_xml) txt_out Path(labels_yolo) txt_out.mkdir(exist_okTrue) for xml_file in xml_dir.glob(*.xml): voc2yolo(xml_file, txt_out, class_map)转换后必须做一次反向校验随机抽取50张图把txt里的坐标画回图上肉眼确认框的位置是否贴合目标。这一步不能省因为有些数据集里XML的坐标单位不是像素而是百分比转换后会出现框彻底偏移的情况。画框检查可以用OpenCV的rectangle函数一次生成一张拼接网格图几十张图扫一遍就够。2.3 数据划分分层抽样保住杂草类别的占比2722张图按7:2:1划分为训练集、验证集和测试集很常见但要注意如果杂草只出现在部分图像中随机划分可能导致验证集里杂草目标数量极少mAP评估失真。更稳的做法是按“图像中是否含杂草”做分层抽样先分出含杂草和不含杂草两个集合再各自按比例划分这样能保证三个子集里杂草图像的比例接近原始分布。mkdir -p dataset/images/{train,val,test} mkdir -p dataset/labels/{train,val,test} python - EOF import random from pathlib import Path import shutil random.seed(42) img_root Path(images) label_root Path(labels_yolo) all_imgs list(img_root.glob(*.jpg)) weed_imgs [] no_weed_imgs [] for img in all_imgs: txt label_root / (img.stem .txt) if not txt.exists(): continue has_weed any(line.startswith(0 ) for line in txt.read_text().splitlines()) (weed_imgs if has_weed else no_weed_imgs).append(img) def split_imgs(imgs): random.shuffle(imgs) n len(imgs) return imgs[:int(n*0.7)], imgs[int(n*0.7):int(n*0.9)], imgs[int(n*0.9):] for split_name, split_imgs in zip([train, val, test], map(split_imgs, [weed_imgs, no_weed_imgs])): pass EOF上面脚本的思路是先把图像按是否含杂草分成两个池子再各自划分。实际运行时你需要把两个池子的结果合并写入各自的子集目录代码里我把这段用pass占位了完整版里会逐个shutil.copy图像和标签文件。seed固定为42后每次运行划分结果一致后续对比实验才不会因为数据分布漂移干扰结论。分层抽样对杂草这类长尾分布尤其重要——如果原数据里杂草图像只占三成随机划分中某一折可能只剩两成模型对杂草的召回率波动会非常剧烈。3. 训练前必调的三件事图像尺寸、标签均衡与数据增强策略3.1 统计目标尺寸分布决定imgsz怎么设2722张图的训练规模不大所以输入分辨率的选择对效果影响很大。如果图像里杂草占的面积小比如在无人机俯拍图中杂草只有几十个像素那么直接缩放到640x640会把小草变成几个像素的噪点模型根本学不到纹理特征。训练前先用脚本统计所有标注框的像素宽度和高度分布看看中位数和百分位数落在哪里。from pathlib import Path import numpy as np boxes [] for txt in Path(labels_yolo).glob(*.txt): for line in txt.read_text().splitlines(): parts line.split() w float(parts[3]) h float(parts[4]) boxes.append([w, h]) boxes np.array(boxes) print(归一化宽度 中位数: {:.4f}, 90分位: {:.4f}.format( np.median(boxes[:, 0]), np.percentile(boxes[:, 0], 90))) print(归一化高度 中位数: {:.4f}, 90分位: {:.4f}.format( np.median(boxes[:, 1]), np.percentile(boxes[:, 1], 90)))如果90分位的框宽高都小于0.1说明大量目标是中、小目标训练时imgsz应设为832甚至1024而不是默认的640。代价是显存占用变大2722张图迭代100轮的时间会拉长但针对小目标的数据集提升输入分辨率常常比换更大的模型更直接。反之如果90分位的框宽高都在0.3以上说明目标占比大640就够强行增大分辨率只会带来过拟合风险。3.2 类别不均衡杂草少不是问题问题是怎么采样两个类别的目标数量如果差距超过3倍训练时模型会倾向于把不确定目标预测成样本多的那一类。YOLOv8自带focal loss缓解类别不均衡但对极端比例帮助有限。更可控的做法是过采样把含杂草的图像在训练集里多复制几份或者在数据加载层面设置每个batch强制包含一定比例的杂草图像。另一个实用技巧是调整loss里类别损失的权重。Ultralytics的配置里没有直接暴露cls_loss_weight参数但可以通过自定义数据集采样器实现。常见做法是写一个自定义Dataset在__getitem__里以概率p决定返回杂草图像还是作物图像人为控制每个epoch里两类图像的出现频率接近1:1。如果不想动代码最简单的方式是直接用mosaic增强——把4张图拼成一张其中至少一张是含杂草的图相当于变相把杂草样本的参与频率提高了。3.3 数据增强参数怎么配才不伤杂草小目标YOLOv8的增强参数集中在hyp.yaml里对杂草数据集需要重点调整的是scale和hsv_h。scale0.5表示训练时图像缩放范围是0.5到1.5倍这对大目标无感但对小目标草株来说缩到0.5倍后目标可能只有十几个像素标注框还在但语义信息已经丢了。杂草检测场景我一般把scale压到0.3mosaic1.0保持开启translate0.1控制平移幅度fliplr0.5左右翻转保留上下翻转flipud关掉——因为作物种植行方向固定上下翻转会让模型学到错误的几何先验。参数默认值杂草数据集建议理由scale0.50.3避免小目标缩放后不可辨fliplr0.50.5左右翻转不破坏行的方向flipud0.00.0上下翻转会颠倒种植行方向hsv_h0.0150.02田间光照变化大适当加强色调扰动translate0.10.1保持默认平移不改变目标尺度mosaic1.01.0拼接增强提高小目标上下文这些参数在Ultralytics里可以直接通过训练命令传hyp路径也可以写到yaml文件里。4. 用YOLOv8在2722张图上训练杂草检测模型4.1 写好data.yaml类别顺序、路径和中文名陷阱YOLO训练的第一步是准备数据集配置文件。杂草数据集需要明确两个类别的索引顺序训练脚本、标签文件和这个yaml三者必须完全一致否则模型训练完做推理时会把类别名对应错。path: /home/user/weed_crop_dataset train: images/train val: images/val test: images/test names: 0: weed 1: croppath字段用绝对路径避免相对路径在不同工作目录下解析出错。names的键值顺序必须和标签txt文件里的第一个数字一致。有个容易忽略的细节如果图像路径里含中文目录名即使训练能跑通OpenCV在某些版本的编码处理下会读不到图导致训练集实际数量少于预期。拿到数据集先看路径有中文就全部改掉。验证数据配置是否正确的最快方式是运行yolo detect train前先用一行命令检查python -c from ultralytics import YOLO; model YOLO(yolov8n.pt); results model.val(datadata.yaml)如果配置有问题这一步会直接报错或警告不会等到训了半天才发现数据没加载。4.2 训练命令与关键参数从n模型起步先看能不能收敛2722张图属于小规模数据首选yolov8n或yolov8s。直接上yolov8l大概率过拟合而且训练时间长不利于快速迭代验证标签质量。初始训练参数我常用yolo detect train \ modelyolov8n.pt \ datadata.yaml \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience20 \ seed42 \ augmentTrue \ cacheTrueepochs100配合patience20意思是如果连续20个epoch验证集mAP没提升就早停。lr00.01是YOLOv8的默认初始学习率对小数据集来说可以接受如果发现loss前10个epoch震荡不降改成0.005重试。cacheTrue显存够时建议开启把图像加载进内存省去每轮epoch的磁盘IO——2722张jpg图全部载入大约占用几个GB内存性价比很高。训练过程中要盯着两个指标train/box_loss是否平稳下降以及val/mAP50有没有在早停前出现平台期。如果box_loss一直降但mAP卡住不动优先怀疑标签噪声太大比如杂草和作物在图像中本就难以区分标注员的框位置飘忽不定。另一个常见现象是mAP50很高但mAP50-95很低说明框的位置基本正确但交并比不够高这类问题到部署阶段会表现为检测框轻微抖动需要从标签质量下手而不是盲目加大训练轮数。4.3 混淆矩阵能告诉你哪些错误不可接受训练结束后的confusion_matrix.png是杂草模型最值得看的一张图。对于喷洒类应用把作物误检成杂草导致除草剂打到作物上和把杂草漏检导致草没除掉两者代价完全不同。混淆矩阵里如果crop被大量预测成weed说明两类的外观特征在模型看来有重叠此时需要回到数据层面检查是不是标签本身就标错了或者增加更多不同生长阶段的图像。如果weed大量漏检成背景则是正样本不足的问题优先考虑过采样或使用更小的conf_thres重新评估。训练结束后用测试集做一次完整的指标评估记住要保留生成最优模型的权重文件best.pt而不是last.pt。last.pt是最后一个epoch的权重早停情况下它的指标往往比best低一截部署时选错文件会白白损失几个点的准确率。5. 部署前的一个关键验证按目标尺寸分层统计召回率训练完别急着接摄像头。杂草检测的落地难点在于目标尺度变化极大——刚出苗的草只有十几个像素长到分蘖期可能比作物还大。通用mAP把大小目标混在一起算一个模型mAP50有0.9不代表它对小目标可用。把测试集推理结果按标注框面积分层统计召回率才是真正暴露模型短板的方法。from ultralytics import YOLO from pathlib import Path import numpy as np model YOLO(runs/detect/train/weights/best.pt) img_dir Path(dataset/images/test) area_ratio [] is_tp [] for img_path in sorted(img_dir.glob(*.jpg)): results model.predict(str(img_path), conf0.25, verboseFalse) txt_path Path(dataset/labels/test) / (img_path.stem .txt) gt_boxes [] for line in txt_path.read_text().splitlines(): parts line.split() w float(parts[3]) * 640 h float(parts[4]) * 640 gt_boxes.append((w * h)) pred_boxes [] if len(results) 0 and results[0].boxes is not None: for box in results[0].boxes.xyxy.cpu().numpy(): pred_boxes.append((box[2] - box[0]) * (box[3] - box[1])) for area in gt_boxes: area_ratio.append(area / (640 * 640)) is_tp.append(any(_calc_iou(box, area) for box in pred_boxes))这段代码只是框架完整的逻辑需要计算预测框和真实框的交并比并判断是否大于0.5。运行后把area_ratio分成三档小于0.01的算小目标0.01到0.05算中目标大于0.05算大目标逐档统计召回率。如果小目标召回率明显低于其他两档说明输入分辨率不够或标注框小于10像素难以学习此时应改用imgsz960重训或者引入滑窗推理——把原图切成四块分别推理再合并结果。最后还要做一次真实场景的连拍视频测试采集连续帧观察检测框是否抖动杂草检测最终是要驱动执行机构的稳定的边界框比偶尔刷高几个点的mAP更值得追求。本文还有配套的精品资源点击获取
简介这份杂草与作物目标检测数据集专门面向yolo系列算法开发者与农业智能化研究人员包含2722张已标注图像覆盖杂草和作物两类目标可直接用于模型训练、验证与测试。数据集已预先划分好训练集、验证集并附带data.yaml配置文件适配yolov5、yolov7、yolov8、yolov9、yolov10、yolo11等主流版本省去自行整理与格式转换的麻烦。压缩包共2000个文件以xml标签文件为主同时提供yolo格式的txt标签与voc格式的xml标签两种存储方式分别位于独立文件夹标签内容包含目标类别、中心点坐标、宽高比例等标准字段便于不同框架直接读取。包体大小约137.26MB整体结构清晰下载后即可加载数据集配置开始训练也可结合可视化工具核对标注质量。目前已有102人学习下载适合需要快速获取高质量农业检测数据的入门及进阶开发者。1. 2722张带标签的杂草-作物图像能训出什么样的YOLO模型杂草识别是精准农业里最典型的视觉任务之一目标是在田间图像中区分作物与杂草为定点喷洒或机械除草提供感知输入。这个zip包里的数据量很明确2722张图像、带标签、类别只有杂草和作物两类。你可能会觉得2722张太少但实际上这个量级对于二分类检测来说属于“起步充分、落地欠火候”的状态——用它训一个YOLOv8n做产品原型完全够用但想直接扛住不同光照、不同土壤背景、不同生长周期的田间视频流还得靠后续的半监督迭代。这篇内容会把从解压zip到模型部署验证的全流程拆开重点讲清楚标签格式的处理、数据增强怎么做才不伤小目标、训练时哪些参数对应这个数据规模的陷阱以及最后怎么判断模型真的能用而不是只活在验证集里。2. 从zip到YOLO能吃的目录标签格式与数据整理2.1 先确认这2722张图的标签到底是什么格式“带标签”是个含糊的说法。YOLO系列模型原生消费的是txt格式的标注文件每行一个目标格式为class_id x_center y_center width height坐标是相对图像宽高的归一化值。但网上流传的数据集经常是VOC的XML或者COCO的JSON甚至可能是LabelMe的JSON。拿到zip后的第一件事不是急着训练而是解开压缩包摸清楚图像和标签的对应关系。常见做法是写一个探查脚本遍历目录结构并统计标签文件类型。我一般会同时输出目录树的前两层以及每个子目录下文件数量重点确认三个信息图像是jpg还是png、标签是xml/json/txt中的哪一种、是否每个图像都有对应的标签文件。import os from collections import Counter from pathlib import Path dataset_root Path(weed_crop_dataset) ext_counter Counter() missing_label [] for img_path in dataset_root.rglob(*): if img_path.suffix.lower() in {.jpg, .jpeg, .png, .bmp}: ext_counter[img_path.suffix.lower()] 1 # 判断同名的txt标签是否存在 txt_path img_path.with_suffix(.txt) xml_path img_path.with_suffix(.xml) json_path img_path.with_suffix(.json) if not (txt_path.exists() or xml_path.exists() or json_path.exists()): missing_label.append(str(img_path)) print(图像格式分布:, dict(ext_counter)) print(缺标签的图数量:, len(missing_label)) for p in missing_label[:10]: print(p)这段代码先把所有图像文件找出来统计格式分布再逐个检查同名的三种常见标签文件是否存在。如果缺失数量很大说明标签命名与图像名不对应需要进一步看标签文件的内部引用字段而不是盲目补文件。如果缺失很少大概率是标注时漏标的边角样本直接删掉或单独归类都行。这一环节最常见的坑是图像文件名形如IMG_20230415_093021.jpg而标签名是IMG_20230415_093021.txt表面看没问题但某些数据集会在文件名里混入中文或空格Windows下解压会改变编码导致训练时OpenCV读不到图片。处理这类数据集的第一步规范就是统一重命名全部转成000001.jpg这种纯数字格式。2.2 把VOC或COCO标签转换成YOLO的txt格式如果探查下来发现标签是XML格式需要做格式转换。VOC的XML会记录每个目标的name和bndbox坐标转换逻辑是把xmin/ymin/xmax/ymax换算成归一化的中心点坐标和宽高。转换前先收集所有类别名字确定类别索引的映射关系避免后面写着两个类实际标签里却冒出第三个类名来。import xml.etree.ElementTree as ET from pathlib import Path def voc2yolo(xml_path, out_dir, class_map): 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.iter(object): name obj.find(name).text if name not in class_map: continue cls_id class_map[name] 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) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) out_name Path(xml_path).stem .txt with open(Path(out_dir) / out_name, w) as f: f.write(\n.join(lines)) class_map {weed: 0, crop: 1} xml_dir Path(labels_xml) txt_out Path(labels_yolo) txt_out.mkdir(exist_okTrue) for xml_file in xml_dir.glob(*.xml): voc2yolo(xml_file, txt_out, class_map)转换后必须做一次反向校验随机抽取50张图把txt里的坐标画回图上肉眼确认框的位置是否贴合目标。这一步不能省因为有些数据集里XML的坐标单位不是像素而是百分比转换后会出现框彻底偏移的情况。画框检查可以用OpenCV的rectangle函数一次生成一张拼接网格图几十张图扫一遍就够。2.3 数据划分分层抽样保住杂草类别的占比2722张图按7:2:1划分为训练集、验证集和测试集很常见但要注意如果杂草只出现在部分图像中随机划分可能导致验证集里杂草目标数量极少mAP评估失真。更稳的做法是按“图像中是否含杂草”做分层抽样先分出含杂草和不含杂草两个集合再各自按比例划分这样能保证三个子集里杂草图像的比例接近原始分布。mkdir -p dataset/images/{train,val,test} mkdir -p dataset/labels/{train,val,test} python - EOF import random from pathlib import Path import shutil random.seed(42) img_root Path(images) label_root Path(labels_yolo) all_imgs list(img_root.glob(*.jpg)) weed_imgs [] no_weed_imgs [] for img in all_imgs: txt label_root / (img.stem .txt) if not txt.exists(): continue has_weed any(line.startswith(0 ) for line in txt.read_text().splitlines()) (weed_imgs if has_weed else no_weed_imgs).append(img) def split_imgs(imgs): random.shuffle(imgs) n len(imgs) return imgs[:int(n*0.7)], imgs[int(n*0.7):int(n*0.9)], imgs[int(n*0.9):] for split_name, split_imgs in zip([train, val, test], map(split_imgs, [weed_imgs, no_weed_imgs])): pass EOF上面脚本的思路是先把图像按是否含杂草分成两个池子再各自划分。实际运行时你需要把两个池子的结果合并写入各自的子集目录代码里我把这段用pass占位了完整版里会逐个shutil.copy图像和标签文件。seed固定为42后每次运行划分结果一致后续对比实验才不会因为数据分布漂移干扰结论。分层抽样对杂草这类长尾分布尤其重要——如果原数据里杂草图像只占三成随机划分中某一折可能只剩两成模型对杂草的召回率波动会非常剧烈。3. 训练前必调的三件事图像尺寸、标签均衡与数据增强策略3.1 统计目标尺寸分布决定imgsz怎么设2722张图的训练规模不大所以输入分辨率的选择对效果影响很大。如果图像里杂草占的面积小比如在无人机俯拍图中杂草只有几十个像素那么直接缩放到640x640会把小草变成几个像素的噪点模型根本学不到纹理特征。训练前先用脚本统计所有标注框的像素宽度和高度分布看看中位数和百分位数落在哪里。from pathlib import Path import numpy as np boxes [] for txt in Path(labels_yolo).glob(*.txt): for line in txt.read_text().splitlines(): parts line.split() w float(parts[3]) h float(parts[4]) boxes.append([w, h]) boxes np.array(boxes) print(归一化宽度 中位数: {:.4f}, 90分位: {:.4f}.format( np.median(boxes[:, 0]), np.percentile(boxes[:, 0], 90))) print(归一化高度 中位数: {:.4f}, 90分位: {:.4f}.format( np.median(boxes[:, 1]), np.percentile(boxes[:, 1], 90)))如果90分位的框宽高都小于0.1说明大量目标是中、小目标训练时imgsz应设为832甚至1024而不是默认的640。代价是显存占用变大2722张图迭代100轮的时间会拉长但针对小目标的数据集提升输入分辨率常常比换更大的模型更直接。反之如果90分位的框宽高都在0.3以上说明目标占比大640就够强行增大分辨率只会带来过拟合风险。3.2 类别不均衡杂草少不是问题问题是怎么采样两个类别的目标数量如果差距超过3倍训练时模型会倾向于把不确定目标预测成样本多的那一类。YOLOv8自带focal loss缓解类别不均衡但对极端比例帮助有限。更可控的做法是过采样把含杂草的图像在训练集里多复制几份或者在数据加载层面设置每个batch强制包含一定比例的杂草图像。另一个实用技巧是调整loss里类别损失的权重。Ultralytics的配置里没有直接暴露cls_loss_weight参数但可以通过自定义数据集采样器实现。常见做法是写一个自定义Dataset在__getitem__里以概率p决定返回杂草图像还是作物图像人为控制每个epoch里两类图像的出现频率接近1:1。如果不想动代码最简单的方式是直接用mosaic增强——把4张图拼成一张其中至少一张是含杂草的图相当于变相把杂草样本的参与频率提高了。3.3 数据增强参数怎么配才不伤杂草小目标YOLOv8的增强参数集中在hyp.yaml里对杂草数据集需要重点调整的是scale和hsv_h。scale0.5表示训练时图像缩放范围是0.5到1.5倍这对大目标无感但对小目标草株来说缩到0.5倍后目标可能只有十几个像素标注框还在但语义信息已经丢了。杂草检测场景我一般把scale压到0.3mosaic1.0保持开启translate0.1控制平移幅度fliplr0.5左右翻转保留上下翻转flipud关掉——因为作物种植行方向固定上下翻转会让模型学到错误的几何先验。参数默认值杂草数据集建议理由scale0.50.3避免小目标缩放后不可辨fliplr0.50.5左右翻转不破坏行的方向flipud0.00.0上下翻转会颠倒种植行方向hsv_h0.0150.02田间光照变化大适当加强色调扰动translate0.10.1保持默认平移不改变目标尺度mosaic1.01.0拼接增强提高小目标上下文这些参数在Ultralytics里可以直接通过训练命令传hyp路径也可以写到yaml文件里。4. 用YOLOv8在2722张图上训练杂草检测模型4.1 写好data.yaml类别顺序、路径和中文名陷阱YOLO训练的第一步是准备数据集配置文件。杂草数据集需要明确两个类别的索引顺序训练脚本、标签文件和这个yaml三者必须完全一致否则模型训练完做推理时会把类别名对应错。path: /home/user/weed_crop_dataset train: images/train val: images/val test: images/test names: 0: weed 1: croppath字段用绝对路径避免相对路径在不同工作目录下解析出错。names的键值顺序必须和标签txt文件里的第一个数字一致。有个容易忽略的细节如果图像路径里含中文目录名即使训练能跑通OpenCV在某些版本的编码处理下会读不到图导致训练集实际数量少于预期。拿到数据集先看路径有中文就全部改掉。验证数据配置是否正确的最快方式是运行yolo detect train前先用一行命令检查python -c from ultralytics import YOLO; model YOLO(yolov8n.pt); results model.val(datadata.yaml)如果配置有问题这一步会直接报错或警告不会等到训了半天才发现数据没加载。4.2 训练命令与关键参数从n模型起步先看能不能收敛2722张图属于小规模数据首选yolov8n或yolov8s。直接上yolov8l大概率过拟合而且训练时间长不利于快速迭代验证标签质量。初始训练参数我常用yolo detect train \ modelyolov8n.pt \ datadata.yaml \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience20 \ seed42 \ augmentTrue \ cacheTrueepochs100配合patience20意思是如果连续20个epoch验证集mAP没提升就早停。lr00.01是YOLOv8的默认初始学习率对小数据集来说可以接受如果发现loss前10个epoch震荡不降改成0.005重试。cacheTrue显存够时建议开启把图像加载进内存省去每轮epoch的磁盘IO——2722张jpg图全部载入大约占用几个GB内存性价比很高。训练过程中要盯着两个指标train/box_loss是否平稳下降以及val/mAP50有没有在早停前出现平台期。如果box_loss一直降但mAP卡住不动优先怀疑标签噪声太大比如杂草和作物在图像中本就难以区分标注员的框位置飘忽不定。另一个常见现象是mAP50很高但mAP50-95很低说明框的位置基本正确但交并比不够高这类问题到部署阶段会表现为检测框轻微抖动需要从标签质量下手而不是盲目加大训练轮数。4.3 混淆矩阵能告诉你哪些错误不可接受训练结束后的confusion_matrix.png是杂草模型最值得看的一张图。对于喷洒类应用把作物误检成杂草导致除草剂打到作物上和把杂草漏检导致草没除掉两者代价完全不同。混淆矩阵里如果crop被大量预测成weed说明两类的外观特征在模型看来有重叠此时需要回到数据层面检查是不是标签本身就标错了或者增加更多不同生长阶段的图像。如果weed大量漏检成背景则是正样本不足的问题优先考虑过采样或使用更小的conf_thres重新评估。训练结束后用测试集做一次完整的指标评估记住要保留生成最优模型的权重文件best.pt而不是last.pt。last.pt是最后一个epoch的权重早停情况下它的指标往往比best低一截部署时选错文件会白白损失几个点的准确率。5. 部署前的一个关键验证按目标尺寸分层统计召回率训练完别急着接摄像头。杂草检测的落地难点在于目标尺度变化极大——刚出苗的草只有十几个像素长到分蘖期可能比作物还大。通用mAP把大小目标混在一起算一个模型mAP50有0.9不代表它对小目标可用。把测试集推理结果按标注框面积分层统计召回率才是真正暴露模型短板的方法。from ultralytics import YOLO from pathlib import Path import numpy as np model YOLO(runs/detect/train/weights/best.pt) img_dir Path(dataset/images/test) area_ratio [] is_tp [] for img_path in sorted(img_dir.glob(*.jpg)): results model.predict(str(img_path), conf0.25, verboseFalse) txt_path Path(dataset/labels/test) / (img_path.stem .txt) gt_boxes [] for line in txt_path.read_text().splitlines(): parts line.split() w float(parts[3]) * 640 h float(parts[4]) * 640 gt_boxes.append((w * h)) pred_boxes [] if len(results) 0 and results[0].boxes is not None: for box in results[0].boxes.xyxy.cpu().numpy(): pred_boxes.append((box[2] - box[0]) * (box[3] - box[1])) for area in gt_boxes: area_ratio.append(area / (640 * 640)) is_tp.append(any(_calc_iou(box, area) for box in pred_boxes))这段代码只是框架完整的逻辑需要计算预测框和真实框的交并比并判断是否大于0.5。运行后把area_ratio分成三档小于0.01的算小目标0.01到0.05算中目标大于0.05算大目标逐档统计召回率。如果小目标召回率明显低于其他两档说明输入分辨率不够或标注框小于10像素难以学习此时应改用imgsz960重训或者引入滑窗推理——把原图切成四块分别推理再合并结果。最后还要做一次真实场景的连拍视频测试采集连续帧观察检测框是否抖动杂草检测最终是要驱动执行机构的稳定的边界框比偶尔刷高几个点的mAP更值得追求。本文还有配套的精品资源点击获取
)
)
