简介面向水下管道巡检与维护场景的深度学习图像分割系统基于改进型YOLOv11模型用于识别混凝土垫、混凝土重物、泄漏、管道及管道连接件等关键目标。系统融合计算机视觉和实时监测技术能在复杂水下环境中辅助巡检人员快速定位泄漏隐患适用于能源运输、环境安全及智能运维等领域。压缩包共25个文件以数据集图像、Python训练与推理脚本、说明文档为主要类型整体约3.17MB结构清晰图像可快速验证分割效果脚本覆盖训练、预测与界面展示文档辅助理解流程便于直接运行和二次开发。已有64人学习使用。除核心代码外资源附带README与操作说明覆盖数据组织、预测流程及可视化界面启动方式可作为完整实验方案参考也适合计算机视觉学习者结合数据集训练环节理解模型改进点与部署细节。1. 水下管道巡检场景中改进 YOLOv11 分割模型的定位水下管道巡检不是“把相机扔下去拍一圈”那么简单。管道表面附着海洋生物、水流导致光照不均、能见度在 1 到 5 米之间波动加上混凝土垫和混凝土重物与管道本体颜色接近传统阈值分割在边界处几乎必碎。更麻烦的是泄漏区域往往是小面积的油污或气泡纹理颜色和背景差异极小。把这类任务交给通用目标检测模型矩形框会把泄漏和周围背景黏在一起无法回答“泄漏区域到底多大、在管道哪个方位”这类工程问题。这套资源的核心是用改进后的 YOLOv11-seg 做实例分割在矩形检测之外输出逐像素掩码直接框出泄漏、管道、管道连接件、混凝土垫和混凝土重物五类目标。适合正在做工业缺陷检测、水下机器人视觉或 YOLO 系列分割落地的工程师也适合拿自定义数据集训练分割模型的初学者对照学习。2. YOLOv11-seg 结构拆解与水下场景改进点2.1 从 YOLOv8-seg 到 YOLOv11-seg分割头到底改了什么YOLOv11 延续了 anchor-free 设计和 PAN-FPN 结构但 Backbone 里的 C2f 模块被 C3k2 替代。C3k2 的核心变化是减少分支中的 Bottleneck 数量用更小的参数预算换推理速度这对算力受限的水下机器人是实打实的收益。分割头沿用 YOLOv8-seg 的“检测分支 mask 分支 prototype mask”组合检测分支输出 box 和 classmask 分支对每个检测框生成一组 mask 系数最后与 prototype mask 做矩阵乘法得到实例掩码。这个设计对水下场景有一个隐藏优势prototype mask 是整张图的低秩表示天然具备抗噪声能力。水下图像的散射噪声是高频噪声而 prototype mask 的空间分辨率往往低于输入图等于做了一次隐式平滑。代价是掩码边缘偏软后续做泄漏面积统计时需要用固定的灰度阈值重新二值化。2.2 针对水下复杂环境的三类改进路径这里说“改进”不是只看训练脚本里改了几个参数而是模型结构层面的修正。整理资源包里的代码和文档后最常见的三条路径分别是第一在 Backbone 末端或 Neck 中注入注意力机制。水下图像最典型的问题是目标与背景对比度低CBAM 或 Coordinate Attention 都能让网络更关注颜色纹理有细微差别的泄漏区域。第二增加 P2 小目标检测层。YOLOv11 默认从 P3 开始检测最小特征图下采样 8 倍而远处管道连接件在图像里可能只有 20×20 像素P2 层能保留更高分辨率特征对这种小目标最有效。第三替换损失函数。原始 CIoU 在边界框回归中对小目标不够友好换成 Wise-IoU 或 Shape-IoU 可以有效降低低质量标注框的干扰。2.3 五类目标的类别设计与标注约定水下管道巡检涉及的类别不多但类间关系明确混凝土垫用于固定管道混凝土重物是配重连接件是管道之间的节点泄漏是异常目标。在数据集标注时这五类必须保持独立的 instance mask尤其是“泄漏”不能和“管道”共用掩码——虽然它们空间上重叠但语义上一个是背景一个是异常。资源包中Underwater-Pipelines403-main的目录结构基本遵循 YOLO 分割格式Underwater-Pipelines403-main/ ├── train/ │ ├── images/ │ ├── labels/ │ ├── val/ │ └── data.yaml ├── predict.py ├── val.py ├── ui.py └── README.mddata.yaml中names的推荐顺序是[concrete_mattress, concrete_weight, leak, pipe, pipe_joint]也就是混凝土垫、混凝土重物、泄漏、管道、管道连接件。标注顺序影响模型输出的 class id一旦训练集标注完成后续推理代码里的类别索引必须与之一致否则验证时会发现混淆矩阵对角线全空。3. 数据集组织、训练配置与损失收敛检查3.1 训练环境搭建与依赖版本约束YOLOv11-seg 基于 ultralytics 框架环境搭建比较简单。建议用 conda 独立环境避免和已有项目互相污染依赖conda create -n yolo11 python3.10 -y conda activate yolo11 pip install ultralytics pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python tqdm tensorboardtorch 版本建议不低于 1.8.0cu118 或 cu121 均可。ultralytics包内置了yolo11n-seg.pt、yolo11s-seg.pt等预训练权重初次训练建议从yolo11s-seg.pt或yolo11m-seg.pt开始而不是直接拿最小的 nano 版本。原因很简单水下图像退化严重nano 的参数量在小目标掩码任务上容易出现欠拟合后续反复调参的时间成本远超多花的几分钟训练时间。3.2 数据集目录布局与 yaml 配置YOLOv8/v11 分割数据集的标准布局是 images 和 labels 分开存放标签是.txt文件每行记录class_id x1 y1 x2 y2 ... xn yn坐标是相对图像宽高的归一化值。data.yaml指向训练集和验证集路径并声明类别数量和类别名path: /path/to/Underwater-Pipelines403-main train: train/images val: train/images/../val/images nc: 5 names: 0: concrete_mattress 1: concrete_weight 2: leak 3: pipe 4: pipe_joint注意val不要写成val/images的绝对路径加反斜杠YAML 解析在 Windows 下容易踩路径分隔符的坑。数据集规模从项目命名看约 403 张图按 6:2:2 划分训练、验证、测试比较合理。如果实际图片不足 400 张把验证集比例降到 15%并开启 mosaic 和 mixup 增强否则验证集在训练后期会频繁出现漏检误报。3.3 训练启动命令与关键超参数含义进入项目目录后训练命令如下yolo segment train \ modelyolo11s-seg.pt \ datadata.yaml \ epochs150 \ imgsz640 \ batch16 \ device0 \ optimizerAdamW \ lr00.0005 \ augmentTrue \ seed42这段命令里的参数直接影响模型在水下场景的最终表现。imgsz640是速度和精度的折中水下图片如果是 1080p 采集的提升到 800 或 960 对小目标检出有明显帮助但显存占用会快速上涨。batch16在 3090 或 4090 上都可以稳定跑动lr00.0005对分割任务偏保守适合从预训练权重微调的场景。如果从头训练可以放宽到 0.001并配合warmup_epochs5做预热。augmentTrue打开 ultralytics 默认的 mosaic、旋转、翻转增强。水下图像的色泽偏蓝绿色建议在数据增强之外额外做白平衡扰动办法是直接用 OpenCV 在训练脚本里对输入图做二次变换或者收集不同的水体色调图片扩充数据集。3.4 训练日志中值得关注的三个信号训练过程中终端会按轮次打印 P、R、mAP50、mAP50-95 和各分支 loss。对分割任务最该盯的不是 mAP 飙升有多快而是box_loss和seg_loss的下降曲线是否同步。如果 box_loss 从 1.2 掉到 0.6而 seg_loss 始终在 1.8 左右徘徊说明网络定位能收敛但掩码边界学得不好。此时第一选择是降低 mask 分支的loss_scale或者在验证集上检查 mask 是否整体偏大、偏小。偏大通常是因为 prototype mask 分辨率不足把Nmask参数调到 64 或 128 重新训练改进会比调学习率更快。4. val.py 指标诊断与水下场景常见坑位4.1 验证脚本输出结果解读资源包自带的val.py是 YOLO 分割验证流程的封装运行方式python val.py \ --weights runs/segment/train/exp/weights/best.pt \ --data data.yaml \ --imgsz 640 \ --batch 16 \ --conf-thres 0.25 \ --iou-thres 0.45 \ --verbose--conf-thres是置信度阈值低于该值的预测会被过滤--iou-thres是 NMS 的 IoU 阈值控制重叠框的抑制力度。水下场景中泄漏目标往往置信度不高验证时把 conf 阈值降到 0.15 观察泄漏类别的 recall 更真实。验证完成后终端会输出一个指标表重点看这几个数值指标含义水下场景的健康范围Precision预测为正的样本中真正类的比例0.75 以上Recall真实目标中被检出的比例0.7 以上mAP50IoU0.5 时的平均精度0.8 以上mAP50-95多 IoU 阈值下的综合指标越高越好但不易估算如果 mAP50 到 0.85 但 mAP50-95 只有 0.5说明掩码定位基本准确但边界贴合度差问题多半在 mask 分支的分辨率或训练轮次不够。反之 mAP50 和 mAP50-95 都低优先检查类别名是否与标注一致。4.2 可视化推理结果排查漏检val.py跑完会在runs/segment/val/exp下保存带掩码的可视化图。逐张看小图不够我一般会写一段小脚本把预测掩码单独提取出来与 GT 掩码按类别做差值import cv2 import numpy as np mask_gt cv2.imread(gt_mask.png, cv2.IMREAD_GRAYSCALE) mask_pred cv2.imread(pred_mask.png, cv2.IMREAD_GRAYSCALE) diff cv2.absdiff(mask_gt, mask_pred) miss np.sum(diff 127) / np.sum(mask_gt 0) extra np.sum(diff 127) / np.sum((mask_pred 0) 1e-6) print(fmiss_rate{miss:.3f}, extra_rate{extra:.3f})把 miss_rate 高的图片按文件名汇总能直观看出漏检集中在哪类目标——是混凝土重物完全没框出来还是泄漏区域识别了一半。这个脚本不改模型、不动训练只是把混淆矩阵换成人能快速看懂的空间信息排查效率比看数字高得多。4.3 训练失败与低精度的四个高频原因水下管道数据集容易踩的四类坑每个都对应明确症状。第一标签坐标越界或出现负数通常是因为标注工具导出坐标时没有做归一化症状是 loss 在某个 epoch 后突然变成 nan。用脚本批量检查标签文件的坐标值是否都在 0 到 1 之间即可定位。第二类别严重不平衡——一张图里管道占 60% 像素泄漏可能只占 1%模型会把泄漏类全部学成背景。给我做的话对泄漏类做 oversample或者把cls_loss的权重按类别频率反比设置。第三验证集和训练集来自同一段视频的连续帧导致 mAP 虚高部署后现场效果崩掉。按视频文件切分数据而非按帧随机切分可以解决。第四训练轮次过多导致过拟合水下场景的 400 张图片规模下150 到 200 轮足够更大轮次只是在记住训练集的水体颜色。5. predict.py 推理脚本、结果保存与部署小技巧5.1 用 predict.py 跑通单图和批量推理资源包内的predict.py逻辑比较清晰核心就是加载权重、读图、推理、保存结果。实际使用中更关心输出格式能否满足巡检报告的需求。常见做法是把推理结果保存为带掩码的叠加图同时把掩码面积按像素换算成实际面积from ultralytics import YOLO model YOLO(runs/segment/train/exp/weights/best.pt) results model.predict(test_images/leak_case_03.png, conf0.3, saveTrue) for result in results: masks result.masks.data.cpu().numpy() # 每个目标的掩码 boxes result.boxes.xyxy.cpu().numpy() cls result.boxes.cls.cpu().numpy() for i, mask in enumerate(masks): area_pixels (mask 0.5).sum() print(f目标 {i}: 类别 {model.names[int(cls[i])]}, 像素面积 {area_pixels})result.masks.data是原始概率图需要手动做阈值化才能得到干净的掩码。conf0.3在生产环境比验证时高一些因为现场误报的代价大于漏报——把一个混凝土垫误报成泄漏会触发不必要的停输检查成本远高于漏掉一次轻微渗漏。像素面积换算成平方米需要已知镜头到目标的距离和相机内参否则只能做相对面积对比。5.2 阈值调整与类别过滤的工程实践水下巡航视频是连续帧直接对每一帧全类别跑推理输出文件会多到没法看。建议加一个类别过滤参数只保留泄漏和管道连接件两类结果。ultralytics 的 predict 接受classes[2, 4]参数传进去后其余类别直接不输出能减少 40% 左右的推理耗时。另一个技巧是连续帧去重两帧之间掩码中心点位移小于 10 像素时判定为同一目标只在巡检日志里记录一次避免同一泄漏点被反复报警。5.3 导出 ONNX 用于边缘设备部署训练好的分割模型不能总依赖 Python 环境跑推理。用yolo export modelbest.pt formatonnx opset12导出 ONNX然后用 ONNX Runtime 在 Jetson 或工控机上做推理。导出后注意检查输出的后处理维度YOLOv11-seg 的输出同时包含检测头的 45 维信息和 mask 分支的 32 维系数后处理时需要把 mask 系数和 prototype 做乘法得到最终掩码。很多移植失败都发生在这一步切片索引错一位掩码就整体错位。先离线对同一张图对比 PyTorch 推理和 ONNX Runtime 推理的输出张量确认差值低于 1e-4 再上设备。本文还有配套的精品资源点击获取 水下管道巡检中改进YOLOv11分割模型：从训练到部署全攻略
简介面向水下管道巡检与维护场景的深度学习图像分割系统基于改进型YOLOv11模型用于识别混凝土垫、混凝土重物、泄漏、管道及管道连接件等关键目标。系统融合计算机视觉和实时监测技术能在复杂水下环境中辅助巡检人员快速定位泄漏隐患适用于能源运输、环境安全及智能运维等领域。压缩包共25个文件以数据集图像、Python训练与推理脚本、说明文档为主要类型整体约3.17MB结构清晰图像可快速验证分割效果脚本覆盖训练、预测与界面展示文档辅助理解流程便于直接运行和二次开发。已有64人学习使用。除核心代码外资源附带README与操作说明覆盖数据组织、预测流程及可视化界面启动方式可作为完整实验方案参考也适合计算机视觉学习者结合数据集训练环节理解模型改进点与部署细节。1. 水下管道巡检场景中改进 YOLOv11 分割模型的定位水下管道巡检不是“把相机扔下去拍一圈”那么简单。管道表面附着海洋生物、水流导致光照不均、能见度在 1 到 5 米之间波动加上混凝土垫和混凝土重物与管道本体颜色接近传统阈值分割在边界处几乎必碎。更麻烦的是泄漏区域往往是小面积的油污或气泡纹理颜色和背景差异极小。把这类任务交给通用目标检测模型矩形框会把泄漏和周围背景黏在一起无法回答“泄漏区域到底多大、在管道哪个方位”这类工程问题。这套资源的核心是用改进后的 YOLOv11-seg 做实例分割在矩形检测之外输出逐像素掩码直接框出泄漏、管道、管道连接件、混凝土垫和混凝土重物五类目标。适合正在做工业缺陷检测、水下机器人视觉或 YOLO 系列分割落地的工程师也适合拿自定义数据集训练分割模型的初学者对照学习。2. YOLOv11-seg 结构拆解与水下场景改进点2.1 从 YOLOv8-seg 到 YOLOv11-seg分割头到底改了什么YOLOv11 延续了 anchor-free 设计和 PAN-FPN 结构但 Backbone 里的 C2f 模块被 C3k2 替代。C3k2 的核心变化是减少分支中的 Bottleneck 数量用更小的参数预算换推理速度这对算力受限的水下机器人是实打实的收益。分割头沿用 YOLOv8-seg 的“检测分支 mask 分支 prototype mask”组合检测分支输出 box 和 classmask 分支对每个检测框生成一组 mask 系数最后与 prototype mask 做矩阵乘法得到实例掩码。这个设计对水下场景有一个隐藏优势prototype mask 是整张图的低秩表示天然具备抗噪声能力。水下图像的散射噪声是高频噪声而 prototype mask 的空间分辨率往往低于输入图等于做了一次隐式平滑。代价是掩码边缘偏软后续做泄漏面积统计时需要用固定的灰度阈值重新二值化。2.2 针对水下复杂环境的三类改进路径这里说“改进”不是只看训练脚本里改了几个参数而是模型结构层面的修正。整理资源包里的代码和文档后最常见的三条路径分别是第一在 Backbone 末端或 Neck 中注入注意力机制。水下图像最典型的问题是目标与背景对比度低CBAM 或 Coordinate Attention 都能让网络更关注颜色纹理有细微差别的泄漏区域。第二增加 P2 小目标检测层。YOLOv11 默认从 P3 开始检测最小特征图下采样 8 倍而远处管道连接件在图像里可能只有 20×20 像素P2 层能保留更高分辨率特征对这种小目标最有效。第三替换损失函数。原始 CIoU 在边界框回归中对小目标不够友好换成 Wise-IoU 或 Shape-IoU 可以有效降低低质量标注框的干扰。2.3 五类目标的类别设计与标注约定水下管道巡检涉及的类别不多但类间关系明确混凝土垫用于固定管道混凝土重物是配重连接件是管道之间的节点泄漏是异常目标。在数据集标注时这五类必须保持独立的 instance mask尤其是“泄漏”不能和“管道”共用掩码——虽然它们空间上重叠但语义上一个是背景一个是异常。资源包中Underwater-Pipelines403-main的目录结构基本遵循 YOLO 分割格式Underwater-Pipelines403-main/ ├── train/ │ ├── images/ │ ├── labels/ │ ├── val/ │ └── data.yaml ├── predict.py ├── val.py ├── ui.py └── README.mddata.yaml中names的推荐顺序是[concrete_mattress, concrete_weight, leak, pipe, pipe_joint]也就是混凝土垫、混凝土重物、泄漏、管道、管道连接件。标注顺序影响模型输出的 class id一旦训练集标注完成后续推理代码里的类别索引必须与之一致否则验证时会发现混淆矩阵对角线全空。3. 数据集组织、训练配置与损失收敛检查3.1 训练环境搭建与依赖版本约束YOLOv11-seg 基于 ultralytics 框架环境搭建比较简单。建议用 conda 独立环境避免和已有项目互相污染依赖conda create -n yolo11 python3.10 -y conda activate yolo11 pip install ultralytics pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python tqdm tensorboardtorch 版本建议不低于 1.8.0cu118 或 cu121 均可。ultralytics包内置了yolo11n-seg.pt、yolo11s-seg.pt等预训练权重初次训练建议从yolo11s-seg.pt或yolo11m-seg.pt开始而不是直接拿最小的 nano 版本。原因很简单水下图像退化严重nano 的参数量在小目标掩码任务上容易出现欠拟合后续反复调参的时间成本远超多花的几分钟训练时间。3.2 数据集目录布局与 yaml 配置YOLOv8/v11 分割数据集的标准布局是 images 和 labels 分开存放标签是.txt文件每行记录class_id x1 y1 x2 y2 ... xn yn坐标是相对图像宽高的归一化值。data.yaml指向训练集和验证集路径并声明类别数量和类别名path: /path/to/Underwater-Pipelines403-main train: train/images val: train/images/../val/images nc: 5 names: 0: concrete_mattress 1: concrete_weight 2: leak 3: pipe 4: pipe_joint注意val不要写成val/images的绝对路径加反斜杠YAML 解析在 Windows 下容易踩路径分隔符的坑。数据集规模从项目命名看约 403 张图按 6:2:2 划分训练、验证、测试比较合理。如果实际图片不足 400 张把验证集比例降到 15%并开启 mosaic 和 mixup 增强否则验证集在训练后期会频繁出现漏检误报。3.3 训练启动命令与关键超参数含义进入项目目录后训练命令如下yolo segment train \ modelyolo11s-seg.pt \ datadata.yaml \ epochs150 \ imgsz640 \ batch16 \ device0 \ optimizerAdamW \ lr00.0005 \ augmentTrue \ seed42这段命令里的参数直接影响模型在水下场景的最终表现。imgsz640是速度和精度的折中水下图片如果是 1080p 采集的提升到 800 或 960 对小目标检出有明显帮助但显存占用会快速上涨。batch16在 3090 或 4090 上都可以稳定跑动lr00.0005对分割任务偏保守适合从预训练权重微调的场景。如果从头训练可以放宽到 0.001并配合warmup_epochs5做预热。augmentTrue打开 ultralytics 默认的 mosaic、旋转、翻转增强。水下图像的色泽偏蓝绿色建议在数据增强之外额外做白平衡扰动办法是直接用 OpenCV 在训练脚本里对输入图做二次变换或者收集不同的水体色调图片扩充数据集。3.4 训练日志中值得关注的三个信号训练过程中终端会按轮次打印 P、R、mAP50、mAP50-95 和各分支 loss。对分割任务最该盯的不是 mAP 飙升有多快而是box_loss和seg_loss的下降曲线是否同步。如果 box_loss 从 1.2 掉到 0.6而 seg_loss 始终在 1.8 左右徘徊说明网络定位能收敛但掩码边界学得不好。此时第一选择是降低 mask 分支的loss_scale或者在验证集上检查 mask 是否整体偏大、偏小。偏大通常是因为 prototype mask 分辨率不足把Nmask参数调到 64 或 128 重新训练改进会比调学习率更快。4. val.py 指标诊断与水下场景常见坑位4.1 验证脚本输出结果解读资源包自带的val.py是 YOLO 分割验证流程的封装运行方式python val.py \ --weights runs/segment/train/exp/weights/best.pt \ --data data.yaml \ --imgsz 640 \ --batch 16 \ --conf-thres 0.25 \ --iou-thres 0.45 \ --verbose--conf-thres是置信度阈值低于该值的预测会被过滤--iou-thres是 NMS 的 IoU 阈值控制重叠框的抑制力度。水下场景中泄漏目标往往置信度不高验证时把 conf 阈值降到 0.15 观察泄漏类别的 recall 更真实。验证完成后终端会输出一个指标表重点看这几个数值指标含义水下场景的健康范围Precision预测为正的样本中真正类的比例0.75 以上Recall真实目标中被检出的比例0.7 以上mAP50IoU0.5 时的平均精度0.8 以上mAP50-95多 IoU 阈值下的综合指标越高越好但不易估算如果 mAP50 到 0.85 但 mAP50-95 只有 0.5说明掩码定位基本准确但边界贴合度差问题多半在 mask 分支的分辨率或训练轮次不够。反之 mAP50 和 mAP50-95 都低优先检查类别名是否与标注一致。4.2 可视化推理结果排查漏检val.py跑完会在runs/segment/val/exp下保存带掩码的可视化图。逐张看小图不够我一般会写一段小脚本把预测掩码单独提取出来与 GT 掩码按类别做差值import cv2 import numpy as np mask_gt cv2.imread(gt_mask.png, cv2.IMREAD_GRAYSCALE) mask_pred cv2.imread(pred_mask.png, cv2.IMREAD_GRAYSCALE) diff cv2.absdiff(mask_gt, mask_pred) miss np.sum(diff 127) / np.sum(mask_gt 0) extra np.sum(diff 127) / np.sum((mask_pred 0) 1e-6) print(fmiss_rate{miss:.3f}, extra_rate{extra:.3f})把 miss_rate 高的图片按文件名汇总能直观看出漏检集中在哪类目标——是混凝土重物完全没框出来还是泄漏区域识别了一半。这个脚本不改模型、不动训练只是把混淆矩阵换成人能快速看懂的空间信息排查效率比看数字高得多。4.3 训练失败与低精度的四个高频原因水下管道数据集容易踩的四类坑每个都对应明确症状。第一标签坐标越界或出现负数通常是因为标注工具导出坐标时没有做归一化症状是 loss 在某个 epoch 后突然变成 nan。用脚本批量检查标签文件的坐标值是否都在 0 到 1 之间即可定位。第二类别严重不平衡——一张图里管道占 60% 像素泄漏可能只占 1%模型会把泄漏类全部学成背景。给我做的话对泄漏类做 oversample或者把cls_loss的权重按类别频率反比设置。第三验证集和训练集来自同一段视频的连续帧导致 mAP 虚高部署后现场效果崩掉。按视频文件切分数据而非按帧随机切分可以解决。第四训练轮次过多导致过拟合水下场景的 400 张图片规模下150 到 200 轮足够更大轮次只是在记住训练集的水体颜色。5. predict.py 推理脚本、结果保存与部署小技巧5.1 用 predict.py 跑通单图和批量推理资源包内的predict.py逻辑比较清晰核心就是加载权重、读图、推理、保存结果。实际使用中更关心输出格式能否满足巡检报告的需求。常见做法是把推理结果保存为带掩码的叠加图同时把掩码面积按像素换算成实际面积from ultralytics import YOLO model YOLO(runs/segment/train/exp/weights/best.pt) results model.predict(test_images/leak_case_03.png, conf0.3, saveTrue) for result in results: masks result.masks.data.cpu().numpy() # 每个目标的掩码 boxes result.boxes.xyxy.cpu().numpy() cls result.boxes.cls.cpu().numpy() for i, mask in enumerate(masks): area_pixels (mask 0.5).sum() print(f目标 {i}: 类别 {model.names[int(cls[i])]}, 像素面积 {area_pixels})result.masks.data是原始概率图需要手动做阈值化才能得到干净的掩码。conf0.3在生产环境比验证时高一些因为现场误报的代价大于漏报——把一个混凝土垫误报成泄漏会触发不必要的停输检查成本远高于漏掉一次轻微渗漏。像素面积换算成平方米需要已知镜头到目标的距离和相机内参否则只能做相对面积对比。5.2 阈值调整与类别过滤的工程实践水下巡航视频是连续帧直接对每一帧全类别跑推理输出文件会多到没法看。建议加一个类别过滤参数只保留泄漏和管道连接件两类结果。ultralytics 的 predict 接受classes[2, 4]参数传进去后其余类别直接不输出能减少 40% 左右的推理耗时。另一个技巧是连续帧去重两帧之间掩码中心点位移小于 10 像素时判定为同一目标只在巡检日志里记录一次避免同一泄漏点被反复报警。5.3 导出 ONNX 用于边缘设备部署训练好的分割模型不能总依赖 Python 环境跑推理。用yolo export modelbest.pt formatonnx opset12导出 ONNX然后用 ONNX Runtime 在 Jetson 或工控机上做推理。导出后注意检查输出的后处理维度YOLOv11-seg 的输出同时包含检测头的 45 维信息和 mask 分支的 32 维系数后处理时需要把 mask 系数和 prototype 做乘法得到最终掩码。很多移植失败都发生在这一步切片索引错一位掩码就整体错位。先离线对同一张图对比 PyTorch 推理和 ONNX Runtime 推理的输出张量确认差值低于 1e-4 再上设备。本文还有配套的精品资源点击获取