★ FEATURED ARTICLE 简介这份草莓数据集检测YOLO8资源面向计算机视觉学习者、农业自动化开发者与果蔬识别研究者提供一套可直接用于目标检测训练与评估的标注数据帮助解决草莓这类小目标、多形态果蔬在真实场景中的定位与识别难题。压缩包共902个文件以450张jpg图像、451个txt标注文件及1个yaml配置文件为主图像覆盖不同角度、大小与光照条件标注文件对应目标位置与类别yaml则用于定义数据集路径与类别信息整体约909.76MB。目前已有1005人学习下载适合作为YOLO系列模型实践与调参的入门到进阶素材。读者可据此完成数据预处理、标注解析、模型训练、验证与测试的完整流程在验证集上观察精度、召回率与mAP变化并尝试调整网络结构或损失函数以提升草莓检测效果也可迁移至采摘机器人、果蔬质量检测等应用场景。1. 草莓数据集检测YOLO8从零训练一个能落地的果实检测器草莓检测这件事听起来像是农业场景里的小众需求但真正做过的人都知道它比通用目标检测难啃得多。果实贴地生长、叶片遮挡严重、成熟度不同导致颜色从青白到深红跨度极大再加上大棚里反光膜和滴灌带造成的干扰随便拿个 COCO 预训练模型直接推理召回率能低到让你怀疑人生。YOLOv8 之所以在这个任务上被反复提起是因为它在小目标密集场景下的速度和精度平衡做得足够好而且 Ultralytics 这套工具链把训练、验证、导出串成了一条相对顺手的流水线。这篇笔记面向的是手里已经有一批草莓图像、想把它跑成一个可用检测器的从业者不管你是做采摘机器人视觉模块还是做果园产量预估路径是共通的先把数据整理成 YOLO 格式再选对模型尺度然后调参训练最后处理那些让模型翻车的边界情况。2. 草莓数据集怎么整理成 YOLOv8 能吃的格式2.1 先搞清楚 YOLO 标注格式到底长什么样YOLO 系列的标注文件是纯文本.txt每行代表一个目标格式为class_id x_center y_center width height其中后四个值都是相对于图像宽高的归一化浮点数范围在 0 到 1 之间。这一点和 VOC 的 XML、COCO 的 JSON 差异很大很多人第一次转换时最容易犯的错就是忘了归一化直接把像素坐标写进去训练时 loss 不降反升模型完全学不到东西。草莓检测通常只分两类ripe成熟和unripe未成熟有些场景还会加flower和rotten。类别数一旦确定就要在数据集配置文件里写死后续训练和推理都依赖这个顺序。类别顺序错乱是另一个隐蔽的坑——标注时按 ripe0、unripe1 写配置文件里却写反了模型训练 loss 看着正常但推理结果全错排查起来非常费时间。2.2 目录结构与 data.yaml 的写法YOLOv8 对目录结构没有强制要求但约定俗成的组织方式能省掉很多路径问题。我一般会这样排strawberry_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml是整个训练的入口配置内容如下# 数据集根路径建议用绝对路径避免相对路径歧义 path: /home/user/strawberry_dataset train: images/train val: images/val test: images/test # 类别数必须与标注文件中的 class_id 最大值加一一致 nc: 2 # 类别名称顺序必须与标注时的 class_id 映射完全一致 names: 0: ripe 1: unripe这里有个细节值得展开path用绝对路径还是相对路径取决于你从哪里启动训练脚本。Ultralytics 的默认行为是以data.yaml所在目录为基准解析相对路径但如果你在别的目录用--data指定配置文件相对路径的基准就可能变化。血泪经验是统一用绝对路径省得在服务器和本地之间来回切换时反复改配置。2.3 从 VOC 或 COCO 转 YOLO 格式的转换脚本大多数人手头的草莓数据要么是 LabelImg 标出来的 VOC XML要么是 Labelme 或 CVAT 导出的 COCO JSON。下面这个脚本处理 VOC 到 YOLO 的转换覆盖了边界框越界裁剪和空标注文件生成这两个容易忽略的点import os import xml.etree.ElementTree as ET from pathlib import Path # 类别映射必须与 data.yaml 中的 names 顺序一致 CLASS_MAP {ripe: 0, unripe: 1} def convert_voc_to_yolo(xml_dir, img_dir, out_label_dir): xml_dir: VOC 标注文件目录 img_dir: 对应图像目录用于读取宽高 out_label_dir: 输出 YOLO 标签目录 os.makedirs(out_label_dir, exist_okTrue) for xml_file in Path(xml_dir).glob(*.xml): tree ET.parse(xml_file) root tree.getroot() # 图像宽高从 XML 的 size 节点读取比重新打开图像快 size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.findall(object): cls_name obj.find(name).text.strip() if cls_name not in CLASS_MAP: continue # 跳过未定义类别避免训练时索引越界 cls_id CLASS_MAP[cls_name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 裁剪到图像边界内标注时手抖画出界的情况很常见 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) # 过滤掉宽高为 0 的无效框 if xmax xmin or ymax ymin: continue # 归一化并计算中心点 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / 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}) # 即使没有目标也要生成空文件否则 YOLO 会报找不到标签 out_path Path(out_label_dir) / (xml_file.stem .txt) out_path.write_text(\n.join(lines)) if __name__ __main__: convert_voc_to_yolo( xml_dirannotations/xmls, img_dirimages/train, out_label_dirlabels/train )这段代码的关键逻辑有三处。第一CLASS_MAP必须和data.yaml的names严格对应顺序错了模型学到的就是错位的类别。第二边界裁剪不是可选项草莓标注时果实紧贴图像边缘的情况很普遍不裁剪会导致归一化坐标超出 [0,1]训练时虽然不会报错但那些框实际上是在惩罚模型学习正确位置。第三空标签文件必须生成YOLOv8 在训练时会遍历images目录下的每张图去找同名.txt找不到会直接抛异常中断训练。2.4 数据集划分与最小样本量估算草莓检测的数据集规模我的经验是每个类别至少 300 到 500 个实例才能让模型稳定收敛注意是实例数不是图像数。一张图里如果有 8 个草莓那这张图贡献 8 个实例。训练集、验证集、测试集按 7:2:1 划分比较稳妥但如果你的数据来自不同大棚或不同光照条件划分时要保证每个子集都覆盖这些变化否则验证集指标会虚高。划分脚本本身很简单但有个细节图像和标签必须同步移动漏掉一个就会出现训练时找不到标签的情况。我一般用符号链接而不是复制节省磁盘空间# 按 7:2:1 划分假设所有图像和标签已在 all/images 和 all/labels for f in all/images/*.jpg; do base$(basename $f .jpg) # 用文件名的哈希做确定性划分保证可复现 hash$(echo -n $base | md5sum | cut -c1-8) bucket$((16#$hash % 10)) if [ $bucket -lt 7 ]; then splittrain elif [ $bucket -lt 9 ]; then splitval else splittest fi ln -sf $(realpath $f) dataset/images/$split/$base.jpg ln -sf $(realpath all/labels/$base.txt) dataset/labels/$split/$base.txt done用文件名哈希做划分而不是随机打乱好处是每次执行结果一致团队协作时不会因为重新划分导致指标不可比。md5sum取前 8 位转成十进制再取模分布足够均匀不需要额外引入 Python 依赖。3. YOLOv8 模型选型与训练参数怎么定3.1 n/s/m/l/x 五个尺度在草莓场景下的取舍YOLOv8 提供 n、s、m、l、x 五个尺度参数量从 3.2M 到 68.2M 递增。草莓检测的典型部署环境是边缘设备或嵌入式 GPU所以选型不能只看精度。我的实测结论是如果你用的是 Jetson 系列或类似算力的设备yolov8n和yolov8s是唯二现实的选择如果跑在服务器 GPU 上做离线批量检测yolov8m能在精度上明显优于 s而推理速度仍然够用。具体到草莓这个场景小目标占比高yolov8n在密集果实上的召回率会明显吃亏漏检主要集中在被叶片遮挡一半的果实和远处的小果。yolov8s在同样数据上 mAP50 通常能比 n 高 3 到 5 个点而推理延迟只增加 30% 左右。yolov8m再往上提升就边际递减了除非你的数据集超过 5000 张且标注质量很高。模型参数量mAP50参考单张推理延迟参考适用场景yolov8n3.2M基准最快嵌入式实时检测yolov8s11.2M3~530%边缘设备平衡选择yolov8m25.9M5~880%服务器离线检测yolov8l43.7M6~9150%高精度离线场景yolov8x68.2M7~10250%精度优先不计成本表里的 mAP50 增量是相对基准的粗略范围实际取决于你的数据质量和难度。不要盲目上大模型草莓检测的瓶颈往往在数据标注一致性和遮挡样本数量上换模型解决不了标注问题。3.2 从预训练权重开始训练的最小命令Ultralytics 的 CLI 让训练启动变得很简单但参数背后的含义需要说清楚yolo detect train \ modelyolov8s.pt \ data/home/user/strawberry_dataset/data.yaml \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ device0 \ projectstrawberry_runs \ nameexp_s_640逐项说明modelyolov8s.pt表示从 COCO 预训练权重开始微调这对草莓这种数据量不大的场景至关重要从零训练几乎不可能收敛到可用精度。epochs150是上限实际训练会在patience30触发早停时提前结束即连续 30 轮验证指标没有提升就停。imgsz640是输入分辨率草莓果实相对图像占比小如果显存允许可以提到 800 或 960对小目标召回有明显帮助但推理延迟也会线性增加。batch16在 8GB 显存上跑 yolov8s 加 640 分辨率基本是安全的如果 OOM 就降到 8 并配合accumulate2模拟大 batch。lr00.01是初始学习率微调场景下这个值偏大如果 loss 震荡明显可以降到 0.005。lrf0.01是最终学习率因子即训练结束时学习率降到初始值的 1%余弦退火策略。3.3 数据增强参数对草莓检测的实际影响YOLOv8 默认开启 mosaic、mixup、HSV 增强等但草莓场景下有些增强需要调整。mosaic 把四张图拼成一张能显著提升小目标检测能力但草莓的红色在拼接边界处容易出现不自然的色块过渡如果发现模型对拼接边缘产生虚假响应可以把mosaic0.5降低使用概率。HSV 增强中的hsv_h控制色调抖动草莓从青到红的成熟度变化本身就是色调变化这个值不宜设太大默认 0.015 是合理的调到 0.05 会让模型对未成熟果实的颜色判断失准。flipud0.5垂直翻转在草莓场景下要谨慎因为果实通常朝下生长垂直翻转后的图像不符合真实分布可能引入噪声。fliplr0.5水平翻转是安全的草莓左右对称翻转不改变语义。scale0.5缩放增强对处理远近不同的果实很有用建议保留。# 在训练命令中覆盖默认增强参数 yolo detect train \ modelyolov8s.pt \ data/home/user/strawberry_dataset/data.yaml \ epochs150 \ imgsz640 \ mosaic0.5 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ fliplr0.5 \ flipud0.0 \ scale0.5hsv_s0.7和hsv_v0.4分别控制饱和度和明度抖动大棚里光照变化大适当提高这两个值能增强模型对光照的鲁棒性。flipud0.0直接关闭垂直翻转这是我踩过坑之后的固定设置。4. 训练过程中怎么判断模型是在学还是在瞎猜4.1 看 loss 曲线的三个关键信号YOLOv8 训练会输出box_loss、cls_loss、dfl_loss三条曲线。正常收敛的情况下三条曲线都应该是先快速下降然后趋于平缓。如果cls_loss下降但box_loss不降说明模型能分类但定位不准通常是标注框质量有问题比如框得太松或太紧。如果box_loss下降但cls_loss震荡可能是类别不平衡成熟果实远多于未成熟果实需要检查每个类别的实例数。验证集的mAP50和mAP50-95是更直接的指标。mAP50到 0.85 以上通常就具备落地价值了mAP50-95能到 0.6 以上说明定位精度不错。如果训练集指标远高于验证集差距超过 15 个点就是过拟合的信号需要增加数据或加强增强。4.2 用验证集跑一次可视化推理训练完成后不要只看数字一定要把预测结果画出来看yolo detect predict \ modelstrawberry_runs/exp_s_640/weights/best.pt \ source/home/user/strawberry_dataset/images/val \ conf0.25 \ iou0.45 \ saveTrue \ projectstrawberry_preds \ nameval_visconf0.25是置信度阈值低于这个值的检测框会被过滤。草莓检测中如果漏检严重可以降到 0.15 看看是否有改善但会引入更多误检。iou0.45是 NMS 的 IoU 阈值密集果实场景下这个值可以适当提高到 0.5 到 0.6避免相邻果实被错误抑制。输出图像会保存在strawberry_preds/val_vis下逐张检查漏检和误检的模式比看指标有用得多。4.3 混淆矩阵告诉你模型把什么认成了什么YOLOv8 训练结束后会自动生成混淆矩阵在runs/detect/exp/目录下。重点看两件事成熟和未成熟之间有没有大量互相误判以及背景有没有被大量误检为目标。前者说明颜色特征学习不充分可能需要增加成熟度过渡阶段的样本后者说明模型对叶片、反光膜等背景纹理过敏感需要补充负样本或提高conf阈值。5. 草莓检测的避坑与排查清单5.1 训练 loss 不降反升现象启动训练后前几个 epoch 的box_loss和cls_loss都在 10 以上且不下降。原因通常是标注坐标没有归一化或者data.yaml中的nc和实际类别数不一致。解决方法是随机抽几个.txt标签文件确认所有数值都在 0 到 1 之间同时检查nc是否等于names的条目数。5.2 验证集 mAP 很高但实际推理漏检严重现象验证集mAP50到 0.9但拿新拍的草莓图去推理漏检超过一半。原因一般是验证集和训练集来自同一批图像分布过于接近模型没有见过新场景。解决方法是在划分数据集时按采集批次或大棚来源分层确保验证集包含训练集未出现的背景和光照条件。另一个可能是推理时的imgsz和训练时不一致训练用 640 推理用 1280模型对尺度变化不适应。5.3 密集果实场景下相邻框被合并现象一簇紧挨着的草莓只检测出一个框。原因是 NMS 的iou阈值太低相邻果实的预测框重叠度超过了阈值被抑制。解决方法是在推理时把iou从默认的 0.45 提高到 0.55 或 0.6同时检查训练数据中密集果实的标注是否每个果实都单独标了框如果标注时就把一簇标成一个框模型学到的就是合并行为。5.4 模型对未成熟果实几乎全部漏检现象成熟果实检测正常但青色未成熟果实召回率极低。原因是数据集中未成熟果实的实例数远少于成熟果实模型偏向多数类。解决方法是在数据层面补充未成熟果实的标注或者在训练时用cls_pw参数调整类别权重。另一个容易被忽略的点是 HSV 增强中的hsv_h过大把青色果实的色调抖动到了模型不认识的区域。5.5 导出 ONNX 后推理结果和 PyTorch 不一致现象PyTorch 下推理正常导出 ONNX 后用 onnxruntime 跑框的位置偏移或置信度变化。原因通常是导出时的opset版本和推理引擎不匹配或者动态轴设置有问题。解决方法是导出时指定opset12并固定imgsz不要用动态输入yolo export \ modelstrawberry_runs/exp_s_640/weights/best.pt \ formatonnx \ opset12 \ imgsz640 \ simplifyTruesimplifyTrue会调用 onnx-simplifier 做图优化能消除一些冗余算子减少导出后的数值偏差。导出后务必用同一张图分别跑 PyTorch 和 ONNX对比输出张量的差异如果 mAP 下降超过 2 个点就要检查预处理和后处理是否对齐。6. 把草莓检测器推到可用的最后几步训练出一个指标好看的模型只是起点真正让它可用还需要做几件事。第一是确定推理时的置信度阈值我一般会在验证集上画一条conf从 0.05 到 0.9 的 precision-recall 曲线选 F1 最高的点作为默认阈值而不是拍脑袋定 0.25。第二是处理图像预处理的一致性训练时 Ultralytics 会做 letterbox 填充推理时如果直接用 resize 拉伸长宽比变化会导致框偏移必须用同样的 letterbox 逻辑。第三是模型量化。如果部署在边缘设备上FP16 量化通常能带来 1.5 到 2 倍的速度提升而精度损失不到 1 个点INT8 量化速度更快但需要校准数据集草莓这种颜色敏感的检测任务上 INT8 的精度损失可能到 3 到 5 个点要谨慎评估。第四是建立一套回归测试每次重新训练或换模型后用固定的 50 张测试图跑一遍记录漏检数和误检数确保新版本没有在某个场景上退化。我自己的习惯是每次训练完把best.pt、data.yaml、训练命令和验证集指标写进一个experiment_log.md隔一个月回头看还能复现。草莓检测这个方向数据质量的决定性远大于模型选型与其反复换模型不如把标注一致性做好把遮挡和未成熟果实的样本补足。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
