简介目标检测是计算机视觉领域的核心任务之一旨在定位图像中的特定目标并分类。在粮食储存环节玉米霉变产生的黄曲霉素污染威胁食品安全人工筛查效率低下而基于深度学习的目标检测技术为自动化检测提供了新思路。YOLOv5作为高效的目标检测框架结合PyTorch的动态图机制兼顾精度与推理速度适用于小目标识别场景。通过合理的图像采集、严格的人工标注规范以及数据增强策略能够训练出高准确率的霉斑检测模型实现对玉米粒表面疑似霉变区域的快速定位。本文以玉米黄曲霉素识别为例详细拆解从数据准备、环境部署到模型训练与优化的完整流程为粮食质检及类似小目标检测项目提供可落地的实践参考。 玉米黄曲霉素这个东西种过粮、收过粮的朋友应该都不陌生。它是玉米储存过程中最常见的污染源之一表面会长出灰绿色或黄绿色的霉斑严重时整仓粮食都得处理损失很大。问题是肉眼筛查效率极低靠人工一粒一粒挑看久了眼睛发花漏检率还不低。后来我做了一个玉米黄曲霉素识别的目标检测项目数据集全部使用原始图片、人工标注用yolov5 pytorch训练验证集准确率稳定在93.8%以上。这篇就把整个流程从头到尾拆一遍从数据采集、人工标注到环境部署、训练调参该避的坑一个不落适合自己也想做粮食霉变检测或者类似小目标检测项目的朋友参考。1. 项目整体思路与数据集设计1.1 为什么用yolov5 pytorch做黄曲霉素识别先说结论在玉米霉变识别这类场景里yolov5是投入产出比最高的选择没有之一。原因很简单。第一yolov5生态成熟代码开源、文档齐全不管你是学生还是工程师clone下来就能跑社区里踩坑记录一大把遇到问题基本都能搜到答案。第二它对硬件要求相对友好比起动不动就需要大显存的检测模型yolov5s版在普通消费级显卡上就能训得有模有样这对中小团队和个人项目来说非常重要。第三推理速度快检测玉米粒这种大批量物料分选场景最终是要上产线或半自动设备的帧率跟不上一切都白搭。pytorch作为训练框架这两年已经成了目标检测领域的事实标准。动态图机制让调试变得非常直观模型结构改起来也方便而且yolov5官方实现本身就是基于pytorch的不需要再额外做框架迁移。另外pytorch的torchvision里带了很多预训练模型和数据处理工具后面做迁移学习、结果可视化都顺手。有一点需要先说明白这里做的“黄曲霉素识别”本质上是识别玉米粒表面的霉变区域黄绿色/灰绿色菌落特征不是直接检测黄曲霉素分子本身。影像AI只能锁定“疑似霉变区域”最终是否产生毒素、毒素含量多少还是要靠化学检测手段复核。这一点在项目立项阶段就需要想清楚否则后期容易产生预期错位。1.2 数据集的构成与标注策略整套数据集的采集思路是“贴近实战”。数据来源不是精心布光的实验室环境而是模拟真实仓储筛选现场自然光或者普通LED灯箱照明玉米粒平铺在托盘上用工业相机或者高像素手机固定机位拍摄。这样做的目的是让模型在部署时能够适应真实环境的差异而不是只在实验数据上好看。我处理这个项目时原始图片规模在一万张出头按批拍摄每批几十粒玉米人工标注的目标框接近四万个类别设定为单类——mold_spot霉变区域。为什么不用“正常玉米粒”和“霉变玉米粒”两个类别因为在实际场景中一颗玉米粒上可能只有局部发生霉变整体标记为“霉变粒”会把问题复杂化而且框选局部霉斑更符合目标检测的任务天性也方便后续做霉变面积占比的统计。人工标注是整个流程里最耗时、也最决定模型上限的环节。我用的标注工具是LabelImg它比较轻量支持PascalVOC和YOLO两种格式导出对单机标注足够用。如果是多人协作可以考虑Label Studio这类支持Web端多人协同的工具但相应的部署成本也会高一些。标注规范上定了几条硬规矩框选霉变区域时紧贴霉斑边缘但保留2~3像素的冗余避免框得太贴导致模型学不到边缘特征。霉斑边界模糊、肉眼都难以判断的样本直接丢弃或单独归入“难例集”不强行标注。被遮挡的霉斑区域只要能判断出大致范围就要标这能让模型在真实场景中适应遮挡情况。一张图如果有多个霉斑全部标注不能漏标漏标对训练的影响比错标还大。1.3 原始图片训练与增强策略的取舍为什么强调“原始图片”因为很多数据集在制作过程中会做压缩、裁剪、拼接甚至美颜式处理导致图像信息丢失。玉米霉斑的纹理和颜色差异非常细微压缩一次、重采样一次关键特征可能就模糊了。整个数据集从相机导出后只做了一件事统一改成jpg格式把分辨率统一到1920x1080左右不做锐化、不做降噪、不做色彩增强。干干净净的原始数据才能让模型学到真正属于目标本身的信息。这里要澄清一个常见的误区数据增强不等于要在数据集阶段做预处理。yolov5在训练时会自动执行mosaic、随机仿射变换、HSV色域变换等一系列在线增强操作。也就是说我喂给模型的虽然是“原始图片”但每一次迭代看到的都是被随机增强过的新版本数据多样性并不差。这种“原始数据 在线增强”的组合既保留了真实的分布特征又解决了样本量不足的问题。所以如果你的项目也是类似的小目标检测不要在一开始就急着对图片做各种花式预处理先让模型看看原始图再根据训练结果决定要不要针对性地调整输入质量。2. 数据采集与人工标注的核心细节2.1 图像采集环境的规范化数据集的质量从采集那一刻就决定了。很多项目死在数据上不是标注的问题而是采集环境太乱导致模型学到的是环境特征而不是目标特征。我的做法是固定两套采集方案一套是在暗箱里用LED灯板打光光源色温5500K左右固定相机高度、固定托盘位置另一套是模拟自然光环境在窗边或普通室内灯光下拍摄但同样固定机位。两套方案分开存目录后面切分训练集和验证集时可以按环境类型做分层抽样。这里有个经验之谈玉米粒不要堆叠超过两层否则下层霉斑被完全遮挡标注人员根本看不出来标签噪声会直接拉低模型精度。托盘底部尽量用纯色哑光材质比如黑色或深灰色的塑料盘减少反光和纹理干扰。如果后续要部署到产线上采集环境越接近产线实际环境越好这一点怎么强调都不过分。拍摄时每一批玉米粒要重新翻动、重新铺盘不要同一盘连续拍几十张那样会产生大量高度相似的图像导致训练集和验证集信息重叠验证准确率虚高。我给自己的要求是每盘铺好后最多拍3张然后重新翻动再拍。这个细节决定了验证集有没有参考价值。2.2 标注工具选型与标注规范标注工具我用的LabelImg支持YOLO格式直接输出操作逻辑简单。安装方式也很直接Windows下可以通过pip安装也可以克隆GitHub仓库运行。标注的时候要养成随时保存的习惯LabelImg是按图片为单位的每标注完一张要按CtrlS保存对应的txt文件。如果你标了上百张图忘了保存切换目录的时候才会发现那感觉真的非常酸爽。关于标注格式yolov5使用的是YOLO txt格式每行对应一个目标框class_id x_center y_center width height其中框的坐标和宽高都归一化到0~1之间。比如一张1920x1080的图上一个霉斑框的左上角坐标是(500, 300)右下角坐标是(900, 700)那么对应的归一化结果是0 0.3646 0.4630 0.2083 0.3704计算过程框中心x (500 900) / 2 / 1920 0.3646框中心y (300 700) / 2 / 1080 0.4630框宽 (900 - 500) / 1920 0.2083框高 (700 - 300) / 1080 0.3704这些值一般不需要手算LabelImg能直接生成但理解计算方式对后面排查数据问题会很有帮助。比如看到txt里某个坐标值为负或大于1就说明标注文件出了问题模型训练时会崩。2.3 人工标注的质量控制人工标注最大的问题不是慢而是不一致。同一个人标1000张图前面标的和后面标的可能都有差异更别说多人协作。这点在单类小目标任务里容易被低估因为大家觉得“反正就一个类别随便框一下嘛”但框的边界差个5像素、该标的漏标一个都会让模型学到错误的东西。我做的质量控制有三层第一层标注过程中随时自查。每标完50张图把标注框叠加到原图上看一遍重点检查漏标和边界偏移。yolov5的plot_labels.py脚本可以可视化标注分布也可以自己写一段简单的opencv脚本把框画出来。第二层交叉互检。如果有多人参与标注每个人随机抽别人标注的10%图片进行复审拿不准的讨论后统一意见。单人标注时也建议间隔几天后再重新看一遍之前标注的图人对模糊目标的判断是会漂移的。第三层自动清洗。用脚本检查标注文件有没有异常比如框坐标越界、类别ID超出范围、空标注文件、宽高为0等。这些异常会让训练过程产生各种莫名其妙的错误而且报错信息不一定直接指向数据问题。实测下来经过这三层质量控制后的数据集训练出来的模型精度能比“标完就直接用”高3到5个百分点。这个投入非常划算。2.4 数据集的目录组织yolov5官方约定的数据集目录结构长这样datasets/ └── corn/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/images放图片labels放同名的txt标注文件一一对应。这里最忌讳的是图片和标注文件名称不匹配一旦对不上训练时要么漏训练要么报错。我写了个简单的脚本校验了一遍所有配对关系确保每张图都有标注文件每个标注文件都有对应图片。数据划分上我踩过一个坑一开始我是随机切分的导致Same拍摄批次的图像同时出现在训练集和验证集里验证准确率看起来高达97%但一到现场测试就掉到85%左右。后来改成按拍摄批次划分按批次的先后顺序前70%批次进训练集中间15%进验证集最后15%进测试集。这样切分出的验证集才真正反映了模型的泛化能力。最终93.8%这个数字就是在这样的严格切分下跑出来的。3. 环境准备与数据组织3.1 pytorch GPU环境搭建先说硬件训练这套数据集我用的是一块RTX 3060 12GB显卡在目标检测任务里属于入门配置但足够支撑yolov5s的完整训练。如果你显存更小比如8GB可以把batch size调小或降低输入分辨率也能跑就是慢一些。环境搭建步骤我这边梳理了一份比较稳定的组合conda create -n yolo python3.9 -y conda activate yolo pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118这里我装的是CUDA 11.8对应的pytorch。实际使用中pytorch 2.0以上版本和yolov5的兼容性都不错目前最新主干代码也不挑太老的版本。装完之后先验证一下GPU是否可用import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))如果输出True说明pytorch已经正确调用GPU。这一步非常重要很多人装了CPU版pytorch就开始训练epoch时间翻倍甚至更多体感上就是慢到怀疑人生。3.2 yolov5代码与依赖yolov5的代码直接从GitHub仓库clone下来就行git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txtrequirements.txt里包含了训练所需的大部分依赖比如opencv-python、matplotlib、pandas、seaborn等。整个安装过程一般几分钟能完成如果网络状况不佳把pip源切换到就近的镜像源能快不少。有几个依赖版本需要特别注意是我的实际踩坑记录numpy版本不能太新也不能太旧yolov5对numpy的API兼容性有一段时间有些毛刺实测numpy 1.24.x比较稳。opencv-python如果安装的是headless版本图像可视化相关功能会缺建议装完整版。如果你的pytorch版本是2.6以上的较新版本加载旧权重时可能会遇到weights_only参数相关的报错这是因为新版pytorch把torch.load的默认行为改成了安全模式。这类权重大多都是自己训练的或者官方发布的正常权重手动指定weights_onlyFalse即可。3.3 数据配置与预处理进入训练之前需要在yolov5目录下新建一个数据配置文件命名为corn.yamltrain: ./datasets/corn/images/train val: ./datasets/corn/images/val test: ./datasets/corn/images/test nc: 1 names: [mold_spot]train、val、test分别指向前面建好的图片目录nc是类别总数names是类别名字列表。这里注意类别名尽量用英文或拼音别用中文因为yolov5后续保存的标签文件、结果图、日志文件都会引用这个名字中文容易出现编码问题。标签文件的命名必须和图片文件保持一致图片是IMG_0001.jpg标注文件就是IMG_0001.txt。如果图片有后缀png、jpeg也都没关系只要前缀一致就能被识别。数据准备完毕可以在训练前先跑一次验证脚本检查数据集配置是否有错python train.py --data corn.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 1如果这条命令能顺利进入训练循环说明数据和环境都没问题。如果报错多跑几行日志就能定位到具体问题比如标签文件缺失或类别ID超范围。4. 训练过程与参数调优4.1 基础训练参数的选择训练命令我建议这样下python train.py --data corn.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 150 --patience 30 --name corn_mold几个关键参数解释一下--weights yolov5s.pt使用yolov5s的COCO预训练模型作为起点这比从头训练收敛快得多最终精度也更高。--img 640输入图像尺寸。玉米霉斑属于典型的小目标如果显存允许建议提高到768甚至896小目标的检出率会明显改善。--batch 16batch size显存吃紧就降到8或4影响的是训练速度和稳定性不直接决定精度。--epochs 150训练轮数配合早停patience使用一般到不了150轮模型就会自己停。--patience 30连续30轮验证集指标没有提升就自动停止训练避免浪费时间。刚接触yolov5的朋友有个误区觉得epochs越多越好。实际上在早停机制下收益最大的是前40到80轮后面基本在震荡。不如把节省下来的时间用来调试超参数和数据。4.2 超参数调整对准确率的影响yolov5的超参数在data/hyps/hyp.scratch-low.yaml等文件里定义包含学习率、动量、权重衰减、数据增强强度等一系列配置。默认参数在大多数场景下已经能用但对小目标任务有两个参数值得手动调。第一个是mosaic默认是1.0即每张训练图都有概率经过mosaic拼接增强。mosaic对小目标检测有奇效因为它把多张图缩小后拼在一起相当于变相增加了小目标样本占比。如果目标特别小甚至可以保持在1.0不要为了追求“真实分布”而调低。第二个是hsv_h、hsv_s、hsv_v这三个色域增强参数。玉米霉斑和正常玉米粒的颜色差异是核心特征所以色相偏移hsv_h我调低了保留更真实的颜色信息饱和度hsv_s和明度hsv_v保持默认让模型对不同光照条件有一定容忍度。还有一个实用的参数是--noautoanchor。yolov5默认会在训练前自动基于数据集重新聚类anchor框尺寸这是好事但有时聚类结果不稳定。我习惯第一次训练不指定这个参数让程序自动聚类然后查看训练日志里的BPRBest Possible Recall指标。如果BPR低于0.98说明默认anchor尺寸对当前数据集不够贴切我会考虑手动调整anchor或者增加输入分辨率。4.3 训练日志怎么看训练过程中控制台会持续输出类似这样的日志Epoch gpu_mem box obj cls labels img_size 49/149 5.21G 0.0234 0.0165 0.001212 12 640重点看box_loss边框回归损失和obj_loss目标置信度损失cls_loss是类别损失单类任务里通常已经很小了。训练正常的情况下loss应该总体下降偶尔震荡是正常的。如果loss出现大幅反弹或直接nan多数是学习率过大或数据里有异常标注。训练结束后模型会保存在runs/train/corn_mold/weights/目录下有best.pt和last.pt两个文件。best.pt是验证集指标最好的那一轮权重后续验证和部署优先用它last.pt是最后一轮的权重在断点续训时有意义。5. 验证结果分析与精度提升5.1 93.8%准确率是怎么来的训练完成后用下面的命令在验证集上做正式评估python val.py --data corn.yaml --weights runs/train/corn_mold/weights/best.pt --img 640输出会包括precision精确率、recall召回率、mAP0.5、mAP0.5:0.95等指标。标题里说的“验证准确率93.8%”在这个项目里指的是验证集所有图片的识别正确率也就是正确检测出霉斑的图片数除以验证集总图片数同时mAP0.5也能达到90以上。这里要提醒大家一点不同项目的“准确率”口径可能不一样。有的说准确率指的是mAP有的指precision。如果你拿别人训练好的模型和自己的结果对比一定要先对齐指标定义不然会得出错误的结论。实测下来这套数据集的验证集结果分布大概是这样霉斑清晰、光照均匀的图片几乎100%识别。霉斑面积小、且与玉米粒阴影重叠的图片有个别漏检。玉米须残渣、破损粒的断面、深色阴影偶尔被误报为霉斑这是误检的主要来源。整体上在严格按批次划分的验证集上准确率稳定在93.8%到95%之间说明模型的泛化能力是达标的。5.2 误检与漏检案例分析从混淆矩阵和PR曲线能快速定位模型的薄弱点。我的项目中误检主要集中在三类情况。第一类是阴影误判。玉米粒的天然弧度会产生深色阴影尤其是自然光拍摄的部分图片中阴影的形状和霉斑初期的黄绿色在灰度上接近。这个问题的缓解思路是补充更多带阴影的负样本没有霉斑但有阴影的图片让模型学会区分。我在第二轮数据补充时专门拍了一批阴影明显的正常玉米粒图片把它们作为背景图加入训练集图片存在但没有任何标注误检率明显下降。第二类是玉米须残留。玉米粒的须状物在视觉上有一定的颗粒纹理容易和菌丝混淆。处理办法是调整标注策略把玉米须残留区域明确标记为背景不强行框选。如果模型频繁误检玉米须也可以考虑在数据增强中增加一些模糊处理降低纹理细节对判断的干扰。第三类是小霉斑漏检。早期特征成点时检测框很小模型容易漏。提高输入分辨率是立竿见影的方法我从640提高到768后小目标召回率大概提升了4个百分点。代价是显存占用增加、训练时间变长但如果你的场景也是小目标为主这笔投入值得。5.3 进一步优化的方向93.8%的准确率在这个项目里已经可以支撑半自动分选但离全自动产线还有距离。如果要继续提升有几条路可以走。换用更大的模型yolov5l或yolov5x感受野更大特征提取能力更强但推理速度会下降需要根据产线节拍做取舍。引入注意力机制在yolov5的backbone或neck中加入SE、CBAM等轻量注意力模块能让模型更关注霉斑区域抑制背景干扰实测对小目标场景有正向收益。使用yolov8或v9系列只是换模型但数据组织和标注格式是通用的迁移成本不高。如果你硬件条件允许yolov8的C2f结构和Anchor-free头在部分场景下精度更高。模型集成训练多个fold的模型推理时做加权投票通常能再涨1到2个百分点但工程复杂度也上去了。这些方向不必一口气全做先评估实际部署场景的瓶颈在哪里缺精度就升模型缺速度就做剪枝量化别盲目追新。6. 常见问题与排查技巧实录6.1 环境部署阶段的坑现象原因解决办法torch.cuda.is_available()返回False安装的是CPU版pytorch或CUDA版本不匹配卸载后根据显卡驱动版本重新安装对应的CUDA版pytorch训练时显存溢出CUDA out of memorybatch size过大或输入分辨率过高降低batch size到8或4或降低img尺寸到51212GB显存建议用batch 16配合640weights_only报错pytorch 2.6加载旧版权重默认安全模式加载时手动指定weights_onlyFalse中文路径报错项目路径含中文opencv读取失败所有文件路径改用英文数据集目录不要放在桌面或带中文名的文件夹下6.2 训练阶段的典型问题loss不降是新手最容易遇到也最无从下手的问题。我的排查顺序是先看数据配置对不对有没有空标签文件、标签坐标是否越界再看学习率设置默认0.01对大多数情况合适但可以尝试调低到0.001最后看预训练权重是否加载成功。大部分“loss不降”的案例最终都指向数据问题而不是参数问题。验证集和训练集精度差距很大通常是过拟合了。玉米霉变数据集的样本量如果有几千张一般不容易剧烈过拟合但如果出现这种情况优先加数据、做随机遮挡增强、调低mosaic的概率。另外检查一下是不是验证集切分不严谨比如同一批拍摄的图片同时出现在两个集合里会让验证结果虚高。如果训练过程正常但验证时几乎检测不到目标试试用--conf-thres调低置信度阈值比如从0.25调到0.1。有时候是模型对的只是置信度低于默认阈值被过滤了。实测我的模型在实际场景中部分检测框的置信度在0.2到0.3之间这些框在默认阈值下直接被滤掉了。6.3 数据标注相关的坑标注工作量大难免出错。最典型的问题是漏标和框不紧。漏标会让模型在实际推理时把对应区域判为背景即使feature再明显也学不会框不紧会让模型学到错误的边界特征导致检测框偏移。我建议在训练前做一次自动化体检统计所有标注框的宽高分布看看有没有异常值比如宽度或高度接近整张图尺寸的框、面积过大的框等这些大概率是标注失误。还可以把标注框画到图上人工抽查重点看最小和最大的那几个框。另一个常被忽视的问题是类别不平衡。虽然我的项目是单类但如果你的数据集有多类某一类样本特别少会导致该类一直学不好。最直接的办法就是补充数据其次可以考虑对该类做过采样或者复制粘贴增强简单来说就是把该类目标贴到更多背景图上扩大它在训练样本中的占比。6.4 部署阶段的注意事项模型训练好后要从PyTorch格式导出成适合部署的格式。最常用的是ONNXpython export.py --weights runs/train/corn_mold/weights/best.pt --img 640 --include onnx导出后可以用onnxruntime或者OpenCV的DNN模块做推理也可以在支持TensorRT的硬件上做进一步加速。如果你用的是嵌入式设备比如Jetson系列要特别注意JetPack版本和pytorch版本的匹配关系这里没有万能组合去官方文档查对应版本矩阵最靠谱。实在版本对不上就用ONNX Runtime的方式部署绕开pytorch的版本限制。部署时的输入预处理要和训练时保持一致。yolov5的预处理包括letterbox等比缩放填充、RGB转换、归一化到0~1。很多人导出模型后直接用原始图像分辨率喂进去导致推理结果完全不可用然后怀疑模型训练有问题其实只是预处理不一致。最后再分享一个小经验如果你打算把模型接到实时视频流上做分选建议把输入分辨率固定在训练时的尺寸不要动态变化。动态尺寸在部分推理引擎上会触发重新build导致严重的卡顿实测下来固定尺寸的延迟比动态尺寸低一个量级。做玉米黄曲霉素识别这个项目我最大的体会是真正决定模型上限的不是调参技巧而是数据本身。人工标注花了整个项目接近一半的时间中间无数次想糊弄过去但最终模型能稳定到93.8%以上靠的就是那些坐在屏幕前一个个框选霉斑的夜晚。数据和标注的质量如果不过关后面做再多的模型优化都是白搭。给要做类似粮食、农产品检测项目的朋友一个建议至少把一半的项目周期留给数据采集和标注你会感谢自己的。本文还有配套的精品资源点击获取