简介这套基于改进YOLO的玉米病害识别系统源码与部署教程面向目标检测爱好者、农业智能化开发者及深度学习初学者重点解决复杂农田环境下玉米叶片病斑小目标与高密度目标难检测的问题。资源完整覆盖数据集构建、网络结构优化、数据增强及模型训练调参等关键环节尤其引入RepVGG模块以增强特征提取能力适合作为毕业设计或科研实践的参考基线。压缩包为ZIP格式共16个文件包含8张效果演示图片、6个Python源码脚本以及2个Markdown说明文档总大小仅7.02MB轻量便于快速部署。源码脚本涵盖检测流程、模型结构定义与图片验证功能演示图片可直观展示识别效果说明文档则提供环境配置与运行指导。目前已有293人学习具有一定参考价值。按教程运行即可复现改进YOLO训练与推理流程亦可基于现有代码扩展自己的病害分类场景。1. 玉米病害识别为什么绕不开“改进YOLO”一张玉米叶片上同时出现三五处不同时期的病斑有的刚针尖大有的已经蔓延到叶脉——用手机拍下来丢给通用YOLO模型大概率只框出最大的那块小病斑全部漏检。这不是模型“笨”而是玉米病害识别这个任务天生就和通用目标检测不一样病斑边界模糊、尺寸跨度大、背景是复杂的田间叶片纹理和光照。我做这个方向的第一版就吃了这个亏拿官方YOLO直接训验证集mAP勉强0.5拉到地里拍一圈近乎不可用。这篇笔记写给两类人一类是做农业信息化、想把病害识别落到地块现场的工程师另一类是拿这个题目做毕设或竞赛、需要快速跑通训练和部署的在校生。沿着“数据集怎么备 → 网络怎么改 → 参数怎么调 → 部署怎么落”这条线每一步都给你能直接复制的命令和配置最后单独开一章讲我踩过的五个坑。官方YOLO跑玉米病害不是不行但想识别早期小病斑改进点基本绕不开下文会逐个拆开讲。2. 先造数据玉米叶片数据集从拍摄到增强的完整路径2.1 病害类别怎么定三类起步还是七类全上玉米病害类别不是越多越好。常见公开数据集里能稳定标注的通常有锈病、灰斑病、大斑病、小斑病这四类再加上“健康叶片”作为负样本。第一次做我贪多凑了七个类结果数据量被摊薄每类只有一两百张训练出来模型对其中三类几乎不识别。后面退回四类加健康效果立刻上来。类别清单按下表规划即可类别ID类别名英文标签建议最少张数0大斑病northern_leaf_blight3001小斑病gray_leaf_spot3002锈病common_rust3003灰斑病curvularia_leaf_spot3004健康叶片healthy300这五类分别对应不同形状和颜色的病斑类别间有肉眼可辨的差异但又有相似处——锈病和灰斑病初期都是小点容易混。模型的分类头能不能分清楚很大程度上取决于你标注时有没有把“初期”和“后期”的样本都放进去。只放典型病斑而不放过渡形态验证集刷得再高也是假象。2.2 标注规范二值标签与多边形标注的取舍玉米叶片病害标注有两个流派。一是矩形框YOLO默认格式快但会把病斑周围健康组织一起框进去导致模型学到“整片叶子的纹理”而不是“病斑本身”。二是多边形分割标注准确但慢一张叶片十几个病斑标一张要五分钟。我的经验是训练初期用矩形框足够误检多发生在病斑密集的叶片上这时再补充多边形标注的少量样本做精细化修正比一开始全用多边形省一半时间。标注工具直接选LabelImg或X-AnyLabeling前者只出矩形框后者支持多边形和半自动辅助。导出时把标注文件统一转成YOLO的txt格式每行内容为class_id x_center y_center width height这四个数值全部归一化到0到1之间除以图片的宽高。比如一张608像素宽的图上病斑中心x坐标为304像素那么x_center记为0.5。写一个转换脚本批量处理LabelImg导出的VOC XML格式import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, out_dir, class_list, img_w608, img_h608): tree ET.parse(xml_path) root tree.getroot() out_lines [] for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in class_list: continue cls_id class_list.index(cls_name) box obj.find(bndbox) x_min float(box.find(xmin).text) y_min float(box.find(ymin).text) x_max float(box.find(xmax).text) y_max float(box.find(ymax).text) x_center (x_min x_max) / 2 / img_w y_center (y_min y_max) / 2 / img_h w (x_max - x_min) / img_w h (y_max - y_min) / img_h out_lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) if out_lines: base_name os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, base_name .txt), w) as f: f.write(\n.join(out_lines))转换时最常踩的坑是图片尺寸不统一脚本里硬编码608的话小图标注框全部偏移。更稳的做法是先读图片实际宽高再传入归一化分母上面示例为便于阅读写死了数值实际应用时把img_w和img_h替换成每张图的真实尺寸。2.3 数据增强参数别把“增强”做成“污染”玉米叶片病害识别的数据增强有一个特殊之处颜色抖动幅度要小。锈病和灰斑病的早期病斑靠颜色区分HSV增强里饱和度偏移超过0.3两类病斑视觉上几乎一致模型直接学废。我后来把色调偏移固定在0.015以内饱和度偏移0.2亮度偏移0.15对比度保持不变效果才稳下来。另一个关键参数是mosaic的开启时机。mosaic把四张图拼成一张训练对提升小目标检测很有帮助但在病害识别中它有一个副作用四张叶片的背景拼在一起模型会倾向学组合边缘而不是病斑特征。建议前20个epoch关闭mosaic等模型对病斑形状有了基本认知再开启最后10个epoch再关掉做微调。这在Ultralytics YOLO里没有直接的开关参数常规做法是在训练脚本中动态替换augment配置具体做法见后面训练章节。3. 改进YOLO的网络结构从YOLOv8出发的三个可落地改法3.1 替换骨干轻量化与精度之间的平衡“改进YOLO”不一定非得自己从零写网络结构更靠谱的路线是站在YOLOv8的肩膀上换掉或插入模块。最直接的改进是替换骨干网络。默认YOLOv8用CSPDarknet精度不错但参数量对边缘设备不友好田间部署如果跑在Jetson或树莓派上可以把骨干换成MobileNetV3或ShuffleNetV2代价是mAP掉1到3个点换来推理速度提升一倍。反过来的场景是精度优先病斑太小需要更强的特征提取能力那就把YOLOv8的C2f模块替换成C2f-EMA或C2f-CBAM这属于加注意力机制下节单独讲。骨干替换的实际操作在YOLOv8里可以不改代码Ultralytics框架支持在yaml配置里直接指定backbone# yolov8_custom_backbone.yaml backbone: - [-1, 1, MobileNetV3, [1]] # 使用MobileNetV3作为起始层 - [-1, 1, C2f, [64, True]] - [-1, 1, C2f, [128, True]] - [-1, 1, C2f, [256, True]] - [-1, 1, C2f, [512, True]] head: - [-1, 1, Detect, [5]]yaml这段不是完整配置只用来展示骨干部分的替换逻辑。真正做到可训练还需要在ultralytics/nn/modules.py里注册MobileNetV3这个类并实现前向传播否则框架会报找不到模块。这一步对新手不太友好我的建议是第一版改动不要碰骨干先把注意力模块加上性价比最高。3.2 加入注意力模块让模型盯着病斑而不是叶脉玉米叶片上叶脉和病斑在纹理上高度相似模型经常把叶脉误判成病斑。解决思路是让网络明确知道“该看哪里”——注意力机制。SE模块压通道权重CBAM在通道和空间两个维度做注意力还有个ECA在轻量化和效果之间平衡。对于小目标病害我的经验是空间注意力比通道注意力更关键因为病斑的“位置”信息比“是什么类别”的信息更稀缺。一个同样有效但常被忽视的做法是在Detect检测头前插入坐标注意力Coordinate Attention。这类模块把位置信息编码进注意力权重让网络对病斑分布的位置更敏感。实现上不需要自己从头写很多开源仓库做了即插即用的封装。下面是一个简化版的空间注意力模块可以直接插入C2f后import torch import torch.nn as nn class SpatialAttention(nn.Module): # 空间注意力沿通道维度分别做平均池化和最大池化 def __init__(self, kernel_size7): super().__init__() self.conv nn.Conv2d(2, 1, kernel_size, paddingkernel_size // 2, biasFalse) self.sigmoid nn.Sigmoid() def forward(self, x): avg_out torch.mean(x, dim1, keepdimTrue) max_out, _ torch.max(x, dim1, keepdimTrue) attn torch.cat([avg_out, max_out], dim1) attn self.sigmoid(self.conv(attn)) return x * attnkernel_size默认7这是论文里的经验值感受野足够覆盖病斑周围的上下文信息。实际调参中如果发现病斑小几个像素把kernel_size降到3防止注意力区域过大把背景纹理也纳入进来。插入位置在C2f模块输出之后、下采样之前这样每次特征图缩放前注意力都会重新校准一遍。3.3 一份可训练的改进模型YAML与训练入口把上面的预留思路汇总成一份真实能训练的YAML配置。以YOLOv8n为基座在backbone第三层和第四层后分别插入坐标注意力并保留原始PANet结构# yolov8n_corn_disease.yaml nc: 5 scales: n: [0.33, 16.0, 1.00] backbone: - [-1, 1, Conv, [64, 3, 2]] - [-1, 1, Conv, [128, 3, 2]] - [-1, 1, C2f, [128, True]] - [-1, 1, Conv, [256, 3, 2]] - [-1, 1, C2f, [256, True]] - [-1, 1, CoordAtt, [256]] # 新增坐标注意力 - [-1, 1, Conv, [512, 3, 2]] - [-1, 1, C2f, [512, True]] - [-1, 1, CoordAtt, [512]] # 新增最深层特征图上的注意力 - [-1, 1, SPPF, [1024, 5]] head: - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 5], 1, Concat, [1]] - [-1, 1, C2f, [512]] - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 3], 1, Concat, [1]] - [-1, 1, C2f, [256]] - [3, 1, Conv, [256, 3, 2]] - [[-1, 10], 1, Concat, [1]] - [-1, 1, C2f, [512]] - [5, 1, Conv, [512, 3, 2]] - [[-1, 7], 1, Concat, [1]] - [-1, 1, C2f, [1024]] - [[11, 14, 17], 1, Detect, [nc]]这个yaml文件直接放进项目里训练命令和官方YOLOv8一致yolo detect train \ modelyolov8n.pt \ datacorn_disease.yaml \ epochs120 \ batch16 \ imgsz640 \ project./runs/corn \ nameexp_attention参数说明modelyolov8n.pt表示加载官方预训练权重做迁移学习data指向数据集配置文件imgsz640是输入分辨率。batch16在单张消费级显卡上是安全值显存不够就降到8。name每次训练换一个方便对比改进前后的实验结果。4. 训练参数与损失函数让模型真正学会“看病害”4.1 训练入口与关键超参epoch、batch、lr的落地设置模型改进不是只改网络结构就完事训练策略占一半。玉米病害数据集通常只有千张左右和COCO这种百万级数据集完全不同超参照搬官方默认值会出问题。先说epoch。120到150轮是合理的范围超过200轮在千级数据集上大概率过拟合具体表现是训练loss持续下降但验证mAP不再上升反而开始波动。batch的选择要结合显存和BN层表现。batch太小比如4时BN统计量抖动大模型的loss曲线会像锯齿一样batch太大比如64时单卡显存容易爆。8到32之间比较安全。学习率方面用AdamW优化器时初始lr设为0.001权重衰减weight_decay设0.0005这两个值是农业小数据集上验证比较稳的组合。SGD的话lr初始0.01配合warmup让前3轮预热防止早期大步长把预训练权重冲坏。训练命令可以带上这些参数直接落在shell脚本里方便后续反复调整yolo detect train \ modelyolov8n.pt \ datacorn_disease.yaml \ epochs150 \ batch16 \ imgsz640 \ optimizerAdamW \ lr00.001 \ weight_decay0.0005 \ warmup_epochs3.0 \ patience30 \ seed42patience30表示验证指标连续30轮不涨就提前停止这个参数在夜间挂着训练时非常有用防止过拟合继续跑无效迭代。seed42固定随机种子保证每次实验结果可比论文里写实验对比时这个是基本要求。4.2 loss曲线怎么读收敛还是不收敛训练日志里loss分三部分box_loss是定位损失cls_loss是分类损失dfl_loss是分布焦点损失加起来是最终总loss。跑玉米病害模型时重点关注cls_loss。如果cls_loss稳定下降但box_loss波动很大多半是标注框质量参差标得不准模型不知道往哪收敛。这个现象比mAP更能暴露标注问题。另一个常见现象是总loss在前10轮断崖式下降之后几乎平坦。这是正常的预训练模型已经把底层特征迁移过来了前10轮主要是在适配玉米叶片的颜色统计分布。真正需要警惕的是loss在20轮附近突然升高又恢复这种尖刺通常由mosaic增强导致——四张图拼接让BN统计量突变遇到这个情况可以关闭mosaic训练10轮再打开或者直接把mosaic关闭掉。训练结束后看验证集混淆矩阵统筹看模型到底错在哪。玉米病害里最典型的错误是锈病和灰斑病互为混淆因为两者的早期病斑都是黄色小点。如果混淆矩阵显示这两个类互相误判率超过15%不要着急调网络先回头查训练数据里这两个类各阶段的病斑数量是否平衡。4.3 模型选型tasktrain时用哪个预训练权重YOLO官方提供了n/s/m/l/x五个尺寸的预训练权重尺寸越大精度越高但推理越慢。玉米病害识别属于中细粒度分类任务病斑细节比通用物体重要得多我建议直接用yolov8m或yolov8l作为基座不要用yolov8n。我一开始图省事用n验证集mAP不到0.4换了m之后直接跳到0.58同一份数据同一个训练参数只换了基座尺寸。原因是n的参数量太小特征抽象能力不足以区分病斑和叶脉的细微纹理差异。显存不够跑m的话另一个方案是继续用n但把输入分辨率从640提到768甚至896。分辨率对病害小目标的提升非常明显代价是训练时间增加推理端也得用同尺寸输入才能对齐性能。实测中640提到896后mAP能涨4到6个点比换backbone更值得先做。5. 避坑5个让玉米病害识别模型翻车的真实场景5.1 现象训练loss正常下降mAP却只有0.2第一次训完看到总loss从3.2降到0.4以为稳了结果验证集mAP只有0.2当时整个人懵了。后来排查发现是数据集的train/val划分出了问题——我只按文件夹随机分了7:3但同一个地块拍的照片长得很像模型“记住”了地块背景而不是病害特征验证集上自然表现差。解决按“拍摄批次”划分数据集而不是按文件随机划分。同一时间同一地块拍的叶子全部放同一集合。做法是在划分脚本里以文件夹或文件名前缀为维度做分组。5.2 现象验证集上效果好得离谱一到实拍就崩验证集mAP高达0.85结果采集了几张田间手机照片丢进模型一个框都不出或者框出一堆背景。原因是训练数据太“干净”——实验室环境下均匀光照、单一背景实拍则是杂光、遮阴、泥土和杂草。模型没有见过这种背景分布直接拒绝识别。解决训练集里至少混入20%的“脏数据”即背景包含泥土、杂草、手指遮挡、叶片卷曲的照片。如果找不到这种公开数据就用第2章提到的mosaic增强和随机仿射变换去模拟背景变化但注意增强幅度不能太过否则病斑纹理也会被抹掉。5.3 现象病斑很小模型一个都没框出来训练时imgsz设为640大部分早期病斑只有10像素左右小目标的特征在下采样32倍后的特征图上只剩不到1像素检测头根本看不到。可视化特征图会发现小病斑的响应值淹没在背景噪声里。解决把输入分辨率提到1280同时开启YOLOv8的P2检测层。P2层是原图1/4分辨率的特征图对小目标保留更多空间细节。Ultralytics的YAML里增加一层从backbone第2层引出的特征图即可代价是显存占用直接翻倍训练速度下降约40%但对玉米早期病斑来说这个代价值得。5.4 现象把“健康叶片”误判成病害类型健康叶片误检率居高不下模型对任何黄色斑块都给出锈病标签。看训练集发现健康类样本只有300张而病害类每类都有400到500张类别比例接近1比1.6模型天然倾向输出出现频率更多的类别。解决健康类数据翻倍或者采用类别权重——给健康类更高的loss权重强制模型区分。Ultralytics里没有直接设置类别权重的参数需要在数据加载器的采样器部分做加权采样代码改动不大但效果明显。另一个更实用的做法是在推理端提高置信度阈值健康误检多半是低置信度输出阈值从默认0.25提到0.5能压掉大半。5.5 现象PyTorch版本不一致导致权重载入报错训练在服务器上用的是PyTorch 2.0拿到本地电脑推理时版本是1.13加载权重直接报“Unknown builtin op”或者形状不匹配。这种错误在网上搜半天也找不到答案因为问题根本不在代码而在torch版本序列化格式不兼容。解决要么把本地torch升到与训练端一致要么在训练完成时额外导出ONNX格式推理端改用ONNX Runtime加载。导出命令很简单yolo export modelbest.pt formatonnx imgsz640 dynamicTruedynamicTrue让输入尺寸可动态变化田间部署时就不用固定分辨率方便适配不同来源的图片。6. 部署落地图片演示到实际地块的最小脚本与置信度调优训练出的best.pt最终要落到一个可演示、可实际调用的接口上。最简单的方式是直接在Ultralytics框架里写Python推理脚本几十行搞定支持单张图片、批量图片文件夹、甚至视频流。下面是我在项目里一直在用的最小推理脚本from ultralytics import YOLO import cv2 # 0. 加载训练好的权重或导出的ONNX model YOLO(runs/corn/exp_attention/weights/best.pt) # 1. 单张图片推理conf控制置信度阈值iou控制重叠框抑制 results model.predict( sourcedemo/leaf_001.jpg, conf0.45, iou0.5, saveTrue, project./inference_output, namedemo_result, imgsz1280 ) # 2. 批量推理传入文件夹即可结果按原文件名保存 results model.predict( sourcedemo/field_photos/, conf0.45, iou0.5, saveTrue, imgsz1280 ) # 3. 打印每个框的类别、置信度、坐标 for r in results: for box in r.boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) xyxy box.xyxy[0].tolist() print(fclass{r.names[cls_id]} conf{conf:.3f} box{xyxy})conf这个参数是部署时最值得调的。训练时阈值可以低一些0.25保证召回率但实际落地时低阈值会把健康叶片误检全放进来。我的习惯是先设0.45跑一批实拍图看误报数量如果误报多往提高到0.55如果漏检多就降到0.35。iou默认0.5即可玉米病斑分布稀疏很少出现大量重叠框调低反而会把同一个大斑拆成多个框。脚本里一个关键的工程细节是imgsz要和训练时一致。训练时用1280部署就用1280否则检测头输出的尺度会和预期错位表现在小目标漏检增多。另一个容易忽略的点是输入图片的EXIF旋转信息手机竖拍的照片经常带着旋转标记cv2.imread按像素矩阵直接读不会处理EXIF导致模型看到的是旋转90度的叶子。用PIL读取并exif_transpose处理后再转成numpy数组送入模型这个坑我在现场演示翻车过一次。推理输出后如果想做成更正式的演示界面可以把results的坐标画到原图上并标注类别名和置信度自行保存成演示图。批量文件夹推理全部跑完看一眼全部输出图重点关注误检最多的类别是哪一个这往往比mAP表格更能说明现场问题——因为mAP是统计平均现场照片的分布偏差不会被平均“抹平”。回到前面说的置信度阈值分享一个实际习惯我不追求验证集上的最高mAP点而是保存训练过程中每个epoch的权重然后在现场采集的20到30张实拍图上做阈值扫描挑出实拍图上F1分数最高的那个epoch权重作为最终部署版本。验证集的精度只是参考现场的表现才是后悔药。希望这篇笔记能帮你把玉米病害识别系统从实验室顺利带到田间少走我走过的弯路。本文还有配套的精品资源点击获取 改进YOLO实战：玉米病害检测从数据到部署全流程
简介这套基于改进YOLO的玉米病害识别系统源码与部署教程面向目标检测爱好者、农业智能化开发者及深度学习初学者重点解决复杂农田环境下玉米叶片病斑小目标与高密度目标难检测的问题。资源完整覆盖数据集构建、网络结构优化、数据增强及模型训练调参等关键环节尤其引入RepVGG模块以增强特征提取能力适合作为毕业设计或科研实践的参考基线。压缩包为ZIP格式共16个文件包含8张效果演示图片、6个Python源码脚本以及2个Markdown说明文档总大小仅7.02MB轻量便于快速部署。源码脚本涵盖检测流程、模型结构定义与图片验证功能演示图片可直观展示识别效果说明文档则提供环境配置与运行指导。目前已有293人学习具有一定参考价值。按教程运行即可复现改进YOLO训练与推理流程亦可基于现有代码扩展自己的病害分类场景。1. 玉米病害识别为什么绕不开“改进YOLO”一张玉米叶片上同时出现三五处不同时期的病斑有的刚针尖大有的已经蔓延到叶脉——用手机拍下来丢给通用YOLO模型大概率只框出最大的那块小病斑全部漏检。这不是模型“笨”而是玉米病害识别这个任务天生就和通用目标检测不一样病斑边界模糊、尺寸跨度大、背景是复杂的田间叶片纹理和光照。我做这个方向的第一版就吃了这个亏拿官方YOLO直接训验证集mAP勉强0.5拉到地里拍一圈近乎不可用。这篇笔记写给两类人一类是做农业信息化、想把病害识别落到地块现场的工程师另一类是拿这个题目做毕设或竞赛、需要快速跑通训练和部署的在校生。沿着“数据集怎么备 → 网络怎么改 → 参数怎么调 → 部署怎么落”这条线每一步都给你能直接复制的命令和配置最后单独开一章讲我踩过的五个坑。官方YOLO跑玉米病害不是不行但想识别早期小病斑改进点基本绕不开下文会逐个拆开讲。2. 先造数据玉米叶片数据集从拍摄到增强的完整路径2.1 病害类别怎么定三类起步还是七类全上玉米病害类别不是越多越好。常见公开数据集里能稳定标注的通常有锈病、灰斑病、大斑病、小斑病这四类再加上“健康叶片”作为负样本。第一次做我贪多凑了七个类结果数据量被摊薄每类只有一两百张训练出来模型对其中三类几乎不识别。后面退回四类加健康效果立刻上来。类别清单按下表规划即可类别ID类别名英文标签建议最少张数0大斑病northern_leaf_blight3001小斑病gray_leaf_spot3002锈病common_rust3003灰斑病curvularia_leaf_spot3004健康叶片healthy300这五类分别对应不同形状和颜色的病斑类别间有肉眼可辨的差异但又有相似处——锈病和灰斑病初期都是小点容易混。模型的分类头能不能分清楚很大程度上取决于你标注时有没有把“初期”和“后期”的样本都放进去。只放典型病斑而不放过渡形态验证集刷得再高也是假象。2.2 标注规范二值标签与多边形标注的取舍玉米叶片病害标注有两个流派。一是矩形框YOLO默认格式快但会把病斑周围健康组织一起框进去导致模型学到“整片叶子的纹理”而不是“病斑本身”。二是多边形分割标注准确但慢一张叶片十几个病斑标一张要五分钟。我的经验是训练初期用矩形框足够误检多发生在病斑密集的叶片上这时再补充多边形标注的少量样本做精细化修正比一开始全用多边形省一半时间。标注工具直接选LabelImg或X-AnyLabeling前者只出矩形框后者支持多边形和半自动辅助。导出时把标注文件统一转成YOLO的txt格式每行内容为class_id x_center y_center width height这四个数值全部归一化到0到1之间除以图片的宽高。比如一张608像素宽的图上病斑中心x坐标为304像素那么x_center记为0.5。写一个转换脚本批量处理LabelImg导出的VOC XML格式import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, out_dir, class_list, img_w608, img_h608): tree ET.parse(xml_path) root tree.getroot() out_lines [] for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in class_list: continue cls_id class_list.index(cls_name) box obj.find(bndbox) x_min float(box.find(xmin).text) y_min float(box.find(ymin).text) x_max float(box.find(xmax).text) y_max float(box.find(ymax).text) x_center (x_min x_max) / 2 / img_w y_center (y_min y_max) / 2 / img_h w (x_max - x_min) / img_w h (y_max - y_min) / img_h out_lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) if out_lines: base_name os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, base_name .txt), w) as f: f.write(\n.join(out_lines))转换时最常踩的坑是图片尺寸不统一脚本里硬编码608的话小图标注框全部偏移。更稳的做法是先读图片实际宽高再传入归一化分母上面示例为便于阅读写死了数值实际应用时把img_w和img_h替换成每张图的真实尺寸。2.3 数据增强参数别把“增强”做成“污染”玉米叶片病害识别的数据增强有一个特殊之处颜色抖动幅度要小。锈病和灰斑病的早期病斑靠颜色区分HSV增强里饱和度偏移超过0.3两类病斑视觉上几乎一致模型直接学废。我后来把色调偏移固定在0.015以内饱和度偏移0.2亮度偏移0.15对比度保持不变效果才稳下来。另一个关键参数是mosaic的开启时机。mosaic把四张图拼成一张训练对提升小目标检测很有帮助但在病害识别中它有一个副作用四张叶片的背景拼在一起模型会倾向学组合边缘而不是病斑特征。建议前20个epoch关闭mosaic等模型对病斑形状有了基本认知再开启最后10个epoch再关掉做微调。这在Ultralytics YOLO里没有直接的开关参数常规做法是在训练脚本中动态替换augment配置具体做法见后面训练章节。3. 改进YOLO的网络结构从YOLOv8出发的三个可落地改法3.1 替换骨干轻量化与精度之间的平衡“改进YOLO”不一定非得自己从零写网络结构更靠谱的路线是站在YOLOv8的肩膀上换掉或插入模块。最直接的改进是替换骨干网络。默认YOLOv8用CSPDarknet精度不错但参数量对边缘设备不友好田间部署如果跑在Jetson或树莓派上可以把骨干换成MobileNetV3或ShuffleNetV2代价是mAP掉1到3个点换来推理速度提升一倍。反过来的场景是精度优先病斑太小需要更强的特征提取能力那就把YOLOv8的C2f模块替换成C2f-EMA或C2f-CBAM这属于加注意力机制下节单独讲。骨干替换的实际操作在YOLOv8里可以不改代码Ultralytics框架支持在yaml配置里直接指定backbone# yolov8_custom_backbone.yaml backbone: - [-1, 1, MobileNetV3, [1]] # 使用MobileNetV3作为起始层 - [-1, 1, C2f, [64, True]] - [-1, 1, C2f, [128, True]] - [-1, 1, C2f, [256, True]] - [-1, 1, C2f, [512, True]] head: - [-1, 1, Detect, [5]]yaml这段不是完整配置只用来展示骨干部分的替换逻辑。真正做到可训练还需要在ultralytics/nn/modules.py里注册MobileNetV3这个类并实现前向传播否则框架会报找不到模块。这一步对新手不太友好我的建议是第一版改动不要碰骨干先把注意力模块加上性价比最高。3.2 加入注意力模块让模型盯着病斑而不是叶脉玉米叶片上叶脉和病斑在纹理上高度相似模型经常把叶脉误判成病斑。解决思路是让网络明确知道“该看哪里”——注意力机制。SE模块压通道权重CBAM在通道和空间两个维度做注意力还有个ECA在轻量化和效果之间平衡。对于小目标病害我的经验是空间注意力比通道注意力更关键因为病斑的“位置”信息比“是什么类别”的信息更稀缺。一个同样有效但常被忽视的做法是在Detect检测头前插入坐标注意力Coordinate Attention。这类模块把位置信息编码进注意力权重让网络对病斑分布的位置更敏感。实现上不需要自己从头写很多开源仓库做了即插即用的封装。下面是一个简化版的空间注意力模块可以直接插入C2f后import torch import torch.nn as nn class SpatialAttention(nn.Module): # 空间注意力沿通道维度分别做平均池化和最大池化 def __init__(self, kernel_size7): super().__init__() self.conv nn.Conv2d(2, 1, kernel_size, paddingkernel_size // 2, biasFalse) self.sigmoid nn.Sigmoid() def forward(self, x): avg_out torch.mean(x, dim1, keepdimTrue) max_out, _ torch.max(x, dim1, keepdimTrue) attn torch.cat([avg_out, max_out], dim1) attn self.sigmoid(self.conv(attn)) return x * attnkernel_size默认7这是论文里的经验值感受野足够覆盖病斑周围的上下文信息。实际调参中如果发现病斑小几个像素把kernel_size降到3防止注意力区域过大把背景纹理也纳入进来。插入位置在C2f模块输出之后、下采样之前这样每次特征图缩放前注意力都会重新校准一遍。3.3 一份可训练的改进模型YAML与训练入口把上面的预留思路汇总成一份真实能训练的YAML配置。以YOLOv8n为基座在backbone第三层和第四层后分别插入坐标注意力并保留原始PANet结构# yolov8n_corn_disease.yaml nc: 5 scales: n: [0.33, 16.0, 1.00] backbone: - [-1, 1, Conv, [64, 3, 2]] - [-1, 1, Conv, [128, 3, 2]] - [-1, 1, C2f, [128, True]] - [-1, 1, Conv, [256, 3, 2]] - [-1, 1, C2f, [256, True]] - [-1, 1, CoordAtt, [256]] # 新增坐标注意力 - [-1, 1, Conv, [512, 3, 2]] - [-1, 1, C2f, [512, True]] - [-1, 1, CoordAtt, [512]] # 新增最深层特征图上的注意力 - [-1, 1, SPPF, [1024, 5]] head: - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 5], 1, Concat, [1]] - [-1, 1, C2f, [512]] - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 3], 1, Concat, [1]] - [-1, 1, C2f, [256]] - [3, 1, Conv, [256, 3, 2]] - [[-1, 10], 1, Concat, [1]] - [-1, 1, C2f, [512]] - [5, 1, Conv, [512, 3, 2]] - [[-1, 7], 1, Concat, [1]] - [-1, 1, C2f, [1024]] - [[11, 14, 17], 1, Detect, [nc]]这个yaml文件直接放进项目里训练命令和官方YOLOv8一致yolo detect train \ modelyolov8n.pt \ datacorn_disease.yaml \ epochs120 \ batch16 \ imgsz640 \ project./runs/corn \ nameexp_attention参数说明modelyolov8n.pt表示加载官方预训练权重做迁移学习data指向数据集配置文件imgsz640是输入分辨率。batch16在单张消费级显卡上是安全值显存不够就降到8。name每次训练换一个方便对比改进前后的实验结果。4. 训练参数与损失函数让模型真正学会“看病害”4.1 训练入口与关键超参epoch、batch、lr的落地设置模型改进不是只改网络结构就完事训练策略占一半。玉米病害数据集通常只有千张左右和COCO这种百万级数据集完全不同超参照搬官方默认值会出问题。先说epoch。120到150轮是合理的范围超过200轮在千级数据集上大概率过拟合具体表现是训练loss持续下降但验证mAP不再上升反而开始波动。batch的选择要结合显存和BN层表现。batch太小比如4时BN统计量抖动大模型的loss曲线会像锯齿一样batch太大比如64时单卡显存容易爆。8到32之间比较安全。学习率方面用AdamW优化器时初始lr设为0.001权重衰减weight_decay设0.0005这两个值是农业小数据集上验证比较稳的组合。SGD的话lr初始0.01配合warmup让前3轮预热防止早期大步长把预训练权重冲坏。训练命令可以带上这些参数直接落在shell脚本里方便后续反复调整yolo detect train \ modelyolov8n.pt \ datacorn_disease.yaml \ epochs150 \ batch16 \ imgsz640 \ optimizerAdamW \ lr00.001 \ weight_decay0.0005 \ warmup_epochs3.0 \ patience30 \ seed42patience30表示验证指标连续30轮不涨就提前停止这个参数在夜间挂着训练时非常有用防止过拟合继续跑无效迭代。seed42固定随机种子保证每次实验结果可比论文里写实验对比时这个是基本要求。4.2 loss曲线怎么读收敛还是不收敛训练日志里loss分三部分box_loss是定位损失cls_loss是分类损失dfl_loss是分布焦点损失加起来是最终总loss。跑玉米病害模型时重点关注cls_loss。如果cls_loss稳定下降但box_loss波动很大多半是标注框质量参差标得不准模型不知道往哪收敛。这个现象比mAP更能暴露标注问题。另一个常见现象是总loss在前10轮断崖式下降之后几乎平坦。这是正常的预训练模型已经把底层特征迁移过来了前10轮主要是在适配玉米叶片的颜色统计分布。真正需要警惕的是loss在20轮附近突然升高又恢复这种尖刺通常由mosaic增强导致——四张图拼接让BN统计量突变遇到这个情况可以关闭mosaic训练10轮再打开或者直接把mosaic关闭掉。训练结束后看验证集混淆矩阵统筹看模型到底错在哪。玉米病害里最典型的错误是锈病和灰斑病互为混淆因为两者的早期病斑都是黄色小点。如果混淆矩阵显示这两个类互相误判率超过15%不要着急调网络先回头查训练数据里这两个类各阶段的病斑数量是否平衡。4.3 模型选型tasktrain时用哪个预训练权重YOLO官方提供了n/s/m/l/x五个尺寸的预训练权重尺寸越大精度越高但推理越慢。玉米病害识别属于中细粒度分类任务病斑细节比通用物体重要得多我建议直接用yolov8m或yolov8l作为基座不要用yolov8n。我一开始图省事用n验证集mAP不到0.4换了m之后直接跳到0.58同一份数据同一个训练参数只换了基座尺寸。原因是n的参数量太小特征抽象能力不足以区分病斑和叶脉的细微纹理差异。显存不够跑m的话另一个方案是继续用n但把输入分辨率从640提到768甚至896。分辨率对病害小目标的提升非常明显代价是训练时间增加推理端也得用同尺寸输入才能对齐性能。实测中640提到896后mAP能涨4到6个点比换backbone更值得先做。5. 避坑5个让玉米病害识别模型翻车的真实场景5.1 现象训练loss正常下降mAP却只有0.2第一次训完看到总loss从3.2降到0.4以为稳了结果验证集mAP只有0.2当时整个人懵了。后来排查发现是数据集的train/val划分出了问题——我只按文件夹随机分了7:3但同一个地块拍的照片长得很像模型“记住”了地块背景而不是病害特征验证集上自然表现差。解决按“拍摄批次”划分数据集而不是按文件随机划分。同一时间同一地块拍的叶子全部放同一集合。做法是在划分脚本里以文件夹或文件名前缀为维度做分组。5.2 现象验证集上效果好得离谱一到实拍就崩验证集mAP高达0.85结果采集了几张田间手机照片丢进模型一个框都不出或者框出一堆背景。原因是训练数据太“干净”——实验室环境下均匀光照、单一背景实拍则是杂光、遮阴、泥土和杂草。模型没有见过这种背景分布直接拒绝识别。解决训练集里至少混入20%的“脏数据”即背景包含泥土、杂草、手指遮挡、叶片卷曲的照片。如果找不到这种公开数据就用第2章提到的mosaic增强和随机仿射变换去模拟背景变化但注意增强幅度不能太过否则病斑纹理也会被抹掉。5.3 现象病斑很小模型一个都没框出来训练时imgsz设为640大部分早期病斑只有10像素左右小目标的特征在下采样32倍后的特征图上只剩不到1像素检测头根本看不到。可视化特征图会发现小病斑的响应值淹没在背景噪声里。解决把输入分辨率提到1280同时开启YOLOv8的P2检测层。P2层是原图1/4分辨率的特征图对小目标保留更多空间细节。Ultralytics的YAML里增加一层从backbone第2层引出的特征图即可代价是显存占用直接翻倍训练速度下降约40%但对玉米早期病斑来说这个代价值得。5.4 现象把“健康叶片”误判成病害类型健康叶片误检率居高不下模型对任何黄色斑块都给出锈病标签。看训练集发现健康类样本只有300张而病害类每类都有400到500张类别比例接近1比1.6模型天然倾向输出出现频率更多的类别。解决健康类数据翻倍或者采用类别权重——给健康类更高的loss权重强制模型区分。Ultralytics里没有直接设置类别权重的参数需要在数据加载器的采样器部分做加权采样代码改动不大但效果明显。另一个更实用的做法是在推理端提高置信度阈值健康误检多半是低置信度输出阈值从默认0.25提到0.5能压掉大半。5.5 现象PyTorch版本不一致导致权重载入报错训练在服务器上用的是PyTorch 2.0拿到本地电脑推理时版本是1.13加载权重直接报“Unknown builtin op”或者形状不匹配。这种错误在网上搜半天也找不到答案因为问题根本不在代码而在torch版本序列化格式不兼容。解决要么把本地torch升到与训练端一致要么在训练完成时额外导出ONNX格式推理端改用ONNX Runtime加载。导出命令很简单yolo export modelbest.pt formatonnx imgsz640 dynamicTruedynamicTrue让输入尺寸可动态变化田间部署时就不用固定分辨率方便适配不同来源的图片。6. 部署落地图片演示到实际地块的最小脚本与置信度调优训练出的best.pt最终要落到一个可演示、可实际调用的接口上。最简单的方式是直接在Ultralytics框架里写Python推理脚本几十行搞定支持单张图片、批量图片文件夹、甚至视频流。下面是我在项目里一直在用的最小推理脚本from ultralytics import YOLO import cv2 # 0. 加载训练好的权重或导出的ONNX model YOLO(runs/corn/exp_attention/weights/best.pt) # 1. 单张图片推理conf控制置信度阈值iou控制重叠框抑制 results model.predict( sourcedemo/leaf_001.jpg, conf0.45, iou0.5, saveTrue, project./inference_output, namedemo_result, imgsz1280 ) # 2. 批量推理传入文件夹即可结果按原文件名保存 results model.predict( sourcedemo/field_photos/, conf0.45, iou0.5, saveTrue, imgsz1280 ) # 3. 打印每个框的类别、置信度、坐标 for r in results: for box in r.boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) xyxy box.xyxy[0].tolist() print(fclass{r.names[cls_id]} conf{conf:.3f} box{xyxy})conf这个参数是部署时最值得调的。训练时阈值可以低一些0.25保证召回率但实际落地时低阈值会把健康叶片误检全放进来。我的习惯是先设0.45跑一批实拍图看误报数量如果误报多往提高到0.55如果漏检多就降到0.35。iou默认0.5即可玉米病斑分布稀疏很少出现大量重叠框调低反而会把同一个大斑拆成多个框。脚本里一个关键的工程细节是imgsz要和训练时一致。训练时用1280部署就用1280否则检测头输出的尺度会和预期错位表现在小目标漏检增多。另一个容易忽略的点是输入图片的EXIF旋转信息手机竖拍的照片经常带着旋转标记cv2.imread按像素矩阵直接读不会处理EXIF导致模型看到的是旋转90度的叶子。用PIL读取并exif_transpose处理后再转成numpy数组送入模型这个坑我在现场演示翻车过一次。推理输出后如果想做成更正式的演示界面可以把results的坐标画到原图上并标注类别名和置信度自行保存成演示图。批量文件夹推理全部跑完看一眼全部输出图重点关注误检最多的类别是哪一个这往往比mAP表格更能说明现场问题——因为mAP是统计平均现场照片的分布偏差不会被平均“抹平”。回到前面说的置信度阈值分享一个实际习惯我不追求验证集上的最高mAP点而是保存训练过程中每个epoch的权重然后在现场采集的20到30张实拍图上做阈值扫描挑出实拍图上F1分数最高的那个epoch权重作为最终部署版本。验证集的精度只是参考现场的表现才是后悔药。希望这篇笔记能帮你把玉米病害识别系统从实验室顺利带到田间少走我走过的弯路。本文还有配套的精品资源点击获取