news 2026/5/16 17:20:17

保姆级教程：用YOLOv5训练自己的水下生物检测模型（附12444张数据集）

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
保姆级教程：用YOLOv5训练自己的水下生物检测模型（附12444张数据集）

从零构建水下生物检测模型：YOLOv5实战指南

水下世界的神秘与复杂一直吸引着科学家和探险家。在这个充满未知的领域，人工智能技术正逐渐成为探索海洋生物多样性的重要工具。本文将带你一步步完成从环境配置到模型部署的完整流程，使用YOLOv5构建一个能够识别螃蟹、鱼类、水母等常见水下生物的目标检测系统。

1. 环境准备与数据集处理

1.1 搭建深度学习环境

构建YOLOv5模型的第一步是配置合适的开发环境。推荐使用Python 3.8+和PyTorch 1.7+的组合，这是经过验证的稳定搭配。以下是关键组件的安装步骤：

conda create -n yolo_env python=3.8 conda activate yolo_env pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 -f https://download.pytorch.org/whl/torch_stable.html pip install opencv-python matplotlib tqdm pandas seaborn

注意：CUDA版本需要与你的NVIDIA显卡驱动兼容。使用nvidia-smi命令查看支持的CUDA版本。

常见环境问题解决方案：

  • CUDA版本不匹配：重新安装对应版本的PyTorch
  • 显存不足：减小batch_size或使用更小的模型变体(yolov5s)
  • 依赖冲突：建议使用conda或venv创建独立环境

1.2 数据集结构与格式转换

假设你已经获得了标注好的水下生物数据集，通常会有两种常见格式：

VOC格式：

Annotations/ ├── image1.xml ├── image2.xml └── ... JPEGImages/ ├── image1.jpg ├── image2.jpg └── ...

YOLO格式：

images/ ├── image1.jpg ├── image2.jpg └── ... labels/ ├── image1.txt ├── image2.txt └── ...

如果原始数据是VOC格式，可以使用以下Python脚本转换为YOLO格式：

import xml.etree.ElementTree as ET import os def convert_voc_to_yolo(xml_file, classes): tree = ET.parse(xml_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) yolo_lines = [] for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) bb = convert((w,h), b) yolo_lines.append(f"{cls_id} {' '.join([str(a) for a in bb])}\n") return yolo_lines def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = x*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h)

2. YOLOv5模型配置

2.1 下载与准备YOLOv5

从官方仓库克隆最新代码：

git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

YOLOv5提供了多个预训练模型变体，根据硬件条件选择：

模型类型参数量(M)推理速度(ms)mAP@0.5适用场景
yolov5n1.96.328.0移动端/嵌入式
yolov5s7.26.437.4入门级GPU
yolov5m21.28.245.4中等配置
yolov5l46.510.149.0高性能GPU
yolov5x86.712.150.7服务器级

对于水下生物检测，建议从yolov5s开始，在验证集上评估后再决定是否需要更大模型。

2.2 自定义数据集配置

创建数据集描述文件underwater.yaml：

# 训练和验证图像路径 train: ../underwater_dataset/train/images val: ../underwater_dataset/valid/images # 类别数量 nc: 6 # 类别名称 names: ['crab', 'fish', 'jellyfish', 'shrimp', 'small_fish', 'starfish']

关键参数说明：

  • nc: 类别数量，与你的数据集一致
  • names: 类别标签，顺序与标注文件中的class_id对应
  • 路径建议使用相对路径，便于项目迁移

3. 模型训练与调优

3.1 启动训练过程

基础训练命令：

python train.py --img 640 --batch 16 --epochs 100 --data underwater.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name underwater_detection

常用训练参数解析：

  • --img: 输入图像尺寸，保持640x640的默认值即可
  • --batch: 根据GPU显存调整，显存不足时减小此值
  • --epochs: 训练轮数，水下生物检测通常需要100-300轮
  • --weights: 预训练权重，使用官方提供的yolov5s.pt可以加速收敛
  • --name: 实验名称，用于区分不同训练运行

3.2 训练监控与问题排查

训练开始后，YOLOv5会自动生成以下监控文件：

runs/train/underwater_detection/ ├── weights/ # 保存的模型权重 ├── events.out.tfevents # TensorBoard日志 ├── results.png # 训练指标可视化 ├── train_batch0.jpg # 训练批次示例 └── val_batch0_labels.jpg # 验证集标注可视化

常见训练问题及解决方案：

  1. 损失不下降

    • 检查学习率是否合适(默认0.01)
    • 确认数据标注是否正确
    • 尝试更小的模型或增加数据增强

  2. 显存不足(OOM)

    • 减小batch_size(如从16降到8)
    • 使用更小的模型变体(yolov5n)
    • 尝试混合精度训练(添加--device 0 --half)

  3. 过拟合

    • 增加数据增强参数(添加--augment True)
    • 提前停止训练(观察验证集指标)
    • 使用更大的数据集

3.3 高级训练技巧

数据增强策略：

修改data/hyps/hyp.scratch-low.yaml中的增强参数：

hsv_h: 0.015 # 色调增强 hsv_s: 0.7 # 饱和度增强 hsv_v: 0.4 # 明度增强 degrees: 10.0 # 旋转角度 translate: 0.1 # 平移比例 scale: 0.9 # 缩放比例 shear: 0.0 # 剪切变换 perspective: 0.0 # 透视变换 flipud: 0.0 # 上下翻转概率 fliplr: 0.5 # 左右翻转概率 mosaic: 1.0 # mosaic增强概率 mixup: 0.0 # mixup增强概率

学习率调度：

YOLOv5默认使用余弦退火学习率调度。可以通过修改train.py中的优化器配置进行调整：

optimizer = torch.optim.SGD(pg0, lr=hyp['lr0'], momentum=hyp['momentum'], nesterov=True) lf = lambda x: ((1 + math.cos(x * math.pi / epochs)) / 2) * (1 - hyp['lrf']) + hyp['lrf'] # cosine scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lf)

4. 模型评估与部署

4.1 性能评估指标

训练完成后，使用验证集评估模型性能：

python val.py --weights runs/train/underwater_detection/weights/best.pt --data underwater.yaml --img 640

关键评估指标解读：

  • mAP@0.5: IoU阈值为0.5时的平均精度，主要指标
  • mAP@0.5:0.95: IoU阈值从0.5到0.95的平均精度，更严格
  • Precision: 查准率，预测为正样本中实际为正的比例
  • Recall: 查全率，实际正样本中被预测为正的比例

水下生物检测的典型性能目标：

类别合理mAP@0.5优秀mAP@0.5
螃蟹0.65-0.75>0.80
鱼类0.70-0.80>0.85
水母0.60-0.70>0.75
虾类0.55-0.65>0.70

4.2 模型导出与优化

将PyTorch模型导出为ONNX格式，便于跨平台部署：

python export.py --weights runs/train/underwater_detection/weights/best.pt --include onnx --img 640 --dynamic

导出后的模型可以使用ONNX Runtime进行加速推理：

import onnxruntime as ort ort_session = ort.InferenceSession("best.onnx") outputs = ort_session.run(None, {"images": processed_image})

模型量化减小模型大小，提升推理速度：

from onnxruntime.quantization import quantize_dynamic, QuantType quantize_dynamic("best.onnx", "best_quant.onnx", weight_type=QuantType.QUInt8)

4.3 实际应用示例

使用训练好的模型进行实时检测：

import cv2 import torch model = torch.hub.load('ultralytics/yolov5', 'custom', path='runs/train/underwater_detection/weights/best.pt') cap = cv2.VideoCapture('underwater_video.mp4') while cap.isOpened(): ret, frame = cap.read() if not ret: break results = model(frame) rendered_frame = results.render()[0] cv2.imshow('Underwater Detection', rendered_frame) if cv2.waitKey(1) == ord('q'): break cap.release() cv2.destroyAllWindows()

对于边缘设备部署，可以考虑使用TensorRT进一步优化：

trtexec --onnx=best.onnx --saveEngine=best.trt --fp16

5. 进阶优化策略

5.1 类别不平衡处理

水下数据集中常见类别不平衡问题，例如鱼类样本远多于海星。解决方法：

  1. 重采样策略：

    • 过采样稀有类别
    • 欠采样常见类别

  2. 损失函数加权： 修改YOLOv5的损失计算，为稀有类别分配更高权重：

# 在utils/loss.py中修改ComputeLoss类 class ComputeLoss: def __init__(self, model, autobalance=False): self.cls_weight = torch.tensor([1.0, 1.0, 2.0, 1.5, 1.0, 2.0]) # 各类别权重 # ...其余初始化代码
  1. 数据增强侧重： 对稀有类别使用更强的数据增强

5.2 水下图像增强

水下图像常受颜色失真和模糊影响，预处理方法：

def underwater_image_enhancement(image): # 颜色校正 image = cv2.cvtColor(image, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(image) clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8)) l = clahe.apply(l) image = cv2.merge((l,a,b)) image = cv2.cvtColor(image, cv2.COLOR_LAB2BGR) # 去模糊 kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]]) image = cv2.filter2D(image, -1, kernel) return image

5.3 模型融合与集成

提升模型鲁棒性的高级技术：

  1. TTA(Test-Time Augmentation)：

    python detect.py --weights best.pt --source test_images/ --augment

  2. 模型融合： 训练多个不同初始化的模型，融合预测结果：

models = [ torch.hub.load('ultralytics/yolov5', 'custom', path='model1.pt'), torch.hub.load('ultralytics/yolov5', 'custom', path='model2.pt'), torch.hub.load('ultralytics/yolov5', 'custom', path='model3.pt') ] def ensemble_predict(image): results = [model(image) for model in models] # 实现加权框融合算法(WBF) return final_results
  1. 多尺度训练与测试： 在训练时使用不同输入尺寸，提升模型尺度不变性：
python train.py --img 320 640 --multi-scale
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/4/14 16:32:34

列表大量dom渲染导致浏览器卡顿的解决方案：虚拟滚动（vue）

大量dom导致浏览器渲染了全部dom导致页面严重卡顿、交互延迟、CPU 占用飙升、内存急剧增大，滚动频繁掉帧等问题，细想一下：用户并不会同时看到所有数据，所以我们只需借助虚拟滚动，只渲染用户可视区域内的数据&#xff0…

作者头像 李华
网站建设 2026/4/14 16:32:34

WaveTools：终极鸣潮游戏优化工具箱，一键解锁120帧流畅体验

WaveTools：终极鸣潮游戏优化工具箱，一键解锁120帧流畅体验 【免费下载链接】WaveTools 🧰鸣潮工具箱 项目地址: https://gitcode.com/gh_mirrors/wa/WaveTools 你是否在为《鸣潮》游戏的60帧锁帧限制而烦恼？是否希望在高性…

作者头像 李华
网站建设 2026/4/14 16:28:33

Flowise图文实战手册：可视化节点连线构建Zapier自动化工作流

Flowise图文实战手册：可视化节点连线构建Zapier自动化工作流 你是不是也遇到过这样的场景：想用AI模型做个智能客服，或者把公司文档变成问答机器人，但一看到要写代码、调API、处理各种复杂的逻辑链，头就大了&#xff1…

作者头像 李华
网站建设 2026/4/14 16:27:51

手把手教你用Arduino+ESP8266+Blinker实现智能家居远程控制（附完整代码）

从零构建智能家居控制中枢：ArduinoESP8266Blinker实战指南 智能家居早已不再是科幻电影中的场景，而是逐渐走进寻常百姓家的实用技术。想象一下，炎炎夏日下班路上提前打开家中空调，或是深夜躺在床上发现客厅灯没关时用手机一键关闭…

作者头像 李华
网站建设 2026/4/14 16:27:34

三分钟搭建本地AI OpenClaw部署实操教程 | 无需命令行

前言 在本地AI智能体快速普及的当下，OpenClaw（小龙虾）凭借「纯本地运行、零代码部署、全场景自动化」的核心优势，成为2026年办公人群、技术爱好者优选的AI工具。相比旧版本，全新v2.6.2进一步优化了部署流程、兼容性与…

作者头像 李华