简介本资源是一套面向农业智能化应用开发者的猕猴桃叶片病害智能检测系统实现方案聚焦于解决果园病害人工巡检效率低、识别主观性强等实际问题适用于计算机视觉初学者、农林信息化开发者及高校课程设计实践者。压缩包共15个文件5.25MB含6张JPEG/PNG格式的典型病害样本图像、4个核心Python脚本含改进YOLOv5主干网络Net.py与数据加载模块custom.py、1份README.md项目说明、1份说明文件.txt和1份附赠资源.docx覆盖数据集构建、模型训练与推理全流程。已有99人学习下载资源结构清晰代码可直接运行配套文档详述了数据增强策略旋转、色彩扰动等与YOLOv5轻量化改进思路便于读者复现高精度病害定位与分类效果并支持后续数据迭代与模型优化。1. 项目概述与方案选型1.1 为什么选择YOLOv5作为基础框架猕猴桃叶片病害检测这件事业内做CV的人应该都知道核心难点从来不是模型能不能认出病害而是自然环境下能不能稳定认出。果园里的光照、叶片遮挡、病斑形态变异、相机抖动这些因素叠加在一起单纯把实验室里跑通的模型搬到户外基本都会翻车。所以我在做这个项目时最初的框架选型就非常关键既要保障检测精度又要兼顾实际部署时的推理速度还得考虑训练成本和生态成熟度。对比过几个主流目标检测方案之后我最终把锚点落在了YOLOv5上。先说Faster R-CNN两个阶段的检测机制让它在小目标上表现确实不错但推理速度在嵌入式设备上实在提不起来果园巡检通常用Jetson或树莓派级别的算力秒级延迟根本没法做实时监测。SSD在速度上有优势但密集小目标的召回率不如YOLO系列而猕猴桃叶片的病斑恰恰有很多是初期的小斑点因此SSD不够合适。YOLOv5是单阶段检测器里工程化程度最高的一版训练生态极其成熟社区资料丰富部署方案完善而且它的CSPDarknet骨干网络在推理时能较好地平衡精度和速度这是农业场景里很关键的一个点——因为真实巡检往往需要挂载在移动平台上持续运行算力有限但样本量很大。另外还要考虑后续改进空间。YOLOv5的代码结构非常清晰不管是插入注意力模块、替换Neck部分还是改造损失函数都相对好操作。对于做农业检测这类垂直任务来说能自由改动这一点往往比初始精度更重要。我后面加入的若干改进模块也证明了这一点。1.2 农业病害检测场景的四个关键痛点我在实际做猕猴桃叶片病害检测之前先走访了几个种植基地观察过病害叶片在不同光照和湿度条件下的表观特征也拿着手机蹲在树下拍了很多照片。总结下来农业检测不同于通用物体检测的点主要在这四个方面。第一个痛点是样本获取成本高。普通的目标检测数据集可以直接从网上爬农业病害数据几乎没有现成的公开资源尤其猕猴桃这种相对小众的经济作物公开数据集少得可怜。这意味着自建数据集是绕不开的步骤而且采集、清洗、标注全都要耗费大量人力和时间。第二个痛点是数据分布极度不均衡。不同病害在田间的发生率差别很大比如猕猴桃溃疡病如果真的大面积爆发农户早就忙着砍树了但炭疽病、褐斑病则相对常见。这种不均衡导致模型对罕见病害的召回率上不去很容易训练出来一个偏科模型。第三个痛点是环境干扰因素复杂。叶片之间存在重叠叶脉纹理和病斑初期特征容易混淆光照变化会在叶片表面形成大量反光区域这些都会干扰特征提取。我在采集时就发现一个在阴天拍摄的炭疽病斑到了强光下颜色就会偏黄偏亮特征分布差异很大。不做数据增强的话模型在真实环境中会明显打折扣。第四个痛点是病斑尺度差异大。初期的病斑可能只有几个像素后期则可能蔓延到整个叶片。多尺度检测能力直接决定了模型能不能在病发早期就发现问题而这恰恰是农业自动化监测最大的价值所在——早期发现意味着可以提前干预把损失降到最低。这四个痛点相互叠加决定了这个项目不能直接拿一个预训练模型来用而是需要在数据、网络结构、训练策略三层同时做针对性的处理和优化。下面我分别展开讲。2. 数据集构建从采集到增强的完整流程2.1 图像采集策略与样本多样性设计数据是整个项目的地基。我在构建猕猴桃叶片病害数据集时遵循的核心原则是宁可多拍1000张废图也不要漏掉一种真实环境下的表现形态。采集阶段我做了三件事。第一件事是分时段拍摄在晴天上午、正午强光、阴天散射光、傍晚弱光四个时间段各跑一遍果园确保同一片叶子的病斑在不同光照条件下都有样本入集。第二件事是分角度拍摄除了常规的垂直俯拍之外还加入了45度斜拍和贴近地面的低角度拍摄这个设计是为了模拟无人机和地面巡检车两种不同的观测视角。第三件事是刻意采集了一批带遮挡、带阴影、带露水、带泥土的叶片这些脏数据在很多人看来会干扰训练但恰恰是它们决定了模型在上线后能不能扛住真实环境的噪声。采集工具用的是手机加微距镜头搭载了一个简易的RGB色卡做颜色校准参考。这里有个容易踩的坑——iPhone和安卓手机拍出来的同一个病斑色彩偏差肉眼可能看不出来但模型在特征层面会学出差异。如果训练集里混入了大量色偏不一致的图像最终模型在特定设备上的表现会很不稳定。所以建议在采集时尽量固定1到2台设备或者每批图像都保留色卡信息后续做色彩统一处理。最终我收集了大约4500张原始图像覆盖健康叶片、炭疽病、褐斑病、溃疡病、花腐病和虫害损伤六种类别。实际入集的图像是4200张另外300张因为严重过曝或严重失焦被直接淘汰了。2.2 标注规范与数据清洗的实操细节标注这一步看似简单实际上有非常多的玄机。我用Labelme做多边形标注而不是用矩形框。原因是病斑的形状很不规则圆形叶片上的梭形病斑如果用矩形框标注框内会混入大量健康叶片区域模型训练时会被这些干扰信息带偏。多边形标注虽然慢一些但训练出的模型边界感知能力明显更好。标注规范上我内部定了几条硬性规则。规则一是宁缺毋滥模棱两可的病斑不标比如肉眼无法判断是病斑还是虫粪污染的区域直接放弃。规则二是小斑必标只要是人眼能确定的疑似病斑即使只有10×10像素大小也要标出来这样能有效增加小目标样本量减少模型对小病斑的漏检。规则三是遮挡分类处理超过50%面积被遮挡的叶片不标注30%到50%遮挡的叶片只标注可见部分并在标注文件中单独备注。标注完成后数据清洗这一步很多人会忽略但我强烈建议务必做。我用了一个简单的脚本统计每张图的标注框面积占比发现有一部分图像的标注框面积占比异常小几乎可以断定是误标或质量极差的样本。对这些图我逐一进行了人工复核把确实有问题的删掉了。另外对类别分布也做了统计六类中花腐病样本最少只有不到200张这时候我就知道后面必须要做针对性的过采样或增强补偿否则模型会直接放弃这个类别。2.3 数据增强策略的深度解读数据增强是这个小项目里性价比最高的一环也是让模型从实验室能用变成果园能打的关键所在。我在做数据增强时不是简单丢一个albumentations库开箱即用而是根据猕猴桃叶片病害的视觉特点做了针对性配置。首先说Mosaic增强。Mosaic把4张图拼成一张在YOLOv5中默认启用它的好处是变相增大了单次训练能看到的上下文信息同时让模型在小目标上的学习更充分。但我在实际使用中发现Mosaic增强的拼接边界有时候会产生不自然的颜色断层导致模型学到一些伪特征。解决方法是把Mosaic的启用概率从默认的1.0降到0.7剩下的0.3概率使用普通的仿射变换。然后是HSV颜色扰动。我在这个项目里特意加大了色调和饱和度的扰动范围H通道从默认的±0.015加大到±0.03S通道从±0.7加大到±0.9。原因是猕猴桃叶片病害在不同生长阶段、不同光照下的色彩变化非常明显早期炭疽病斑是浅褐色后期变成深褐色甚至黑色如果色彩扰动范围不够模型会被限制在某个固定色域里换一个光照条件就失效。针对小病斑漏检的问题我加入了一种随机裁剪放大的策略以50%的概率从原图中随机裁剪出一个区域包含部分病斑然后放大到原始输入尺寸。这个策略等效于让模型在训练时看到更多的局部特写对小目标学习非常有效远超简单地在整图上缩放的效果。这里需要强调一点增强策略不是越多越好。MixUp增强虽然能进一步提升精度但它在农业病害上的应用效果并不理想——混合后的图像中叶片纹理互相叠加会让本来就微弱的病斑特征变得更加难以区分。我测试过几轮MixUp最终选择了放弃。做实验时还是要以验证集的实际表现为准不要迷信任何增强方法的纸面优势。3. 针对农业场景的YOLOv5改进策略3.1 注意力机制从SE到CBAM的实战对比YOLOv5原版的CSPDarknet骨干网络已经具备不错的特征提取能力但在农业场景中病斑和背景叶片的区分度不够高尤其是那些与叶脉走向一致的条状病斑经常被模型当成叶脉忽略掉。我在改进时首先想到的是引入注意力机制让模型学会关注该关注的区域。我先后试了SE注意力模块和CBAM模块。SE模块在通道维度上做自适应重标定计算量极小插入到骨干网络后基本不影响推理速度。但在叶片病害检测上SE的效果有限——因为它只关注通道关系不关注空间位置信息而病害定位恰恰是一个非常强的空间任务模型必须知道病斑在叶片的哪个区域光知道有哪些通道特征是不够的。CBAM则是在通道注意力后面串接了一个空间注意力模块在Channel维度之外增加了Spatial维度的建模正好补上了SE的短板。我参考了一些公开代码在YOLOv5的C3模块中并行插入了CBAM实验结果显示仅仅这一个改动就让mAP从83.1%提升到85.7%其中炭疽病和褐斑病两个类别的提升最为明显。原因分析下来也合理——这两种病的病斑特征是边缘清晰、内部颜色不均匀CBAM都能同时强化边缘响应和内部纹理敏感度相互增益。不过要提醒的是注意力模块千万不要在网络的每一层都加。我在实验时尝试过在CSPDarknet的每一个C3模块后都串接CBAM结果参数量暴增训练速度明显下降而mAP只提升了0.3个百分点性价比极低。最优的做法是只在下采样到16×16和8×8的两个深层特征层加入原因在于深层特征图语义信息更强注意力机制能更有效地聚焦病害相关区域浅层特征图保留的是边缘、颜色、纹理等底层的细节信息加入注意力反而会干扰这些基础特征的传递。3.2 小目标检测层的引入与特征融合改进猕猴桃叶片病害有一个显著的特点——病斑尺度跨度极大。初期炭疽病的病斑可能只有4到5个像素而后期褐斑病能覆盖半张叶片。原版YOLOv5的三个检测层分别对应大中小目标但对极小目标小于8×8像素的召回效果并不理想。我在原版基础上新增了一个针对小目标的检测层让模型在更高分辨率的特征图上做预测。具体的实现方式是将原本的PAFPN特征金字塔从三层扩展为四层在骨干网络的更浅层增加一次下采样分支与76×76尺度的特征图做融合输出。这个改动对病斑检测的收益非常直接——小目标面积小于32×32像素的AP从61.4%提升到69.8%召回率提升了将近9个百分点。代价是推理速度略有下降。我用TensorRT做加速后的实际测试表明原始YOLOv5s的推理耗时约为4.8毫秒/帧改进后为6.2毫秒/帧在Jetson Nano上依然可以跑出30 FPS的实时帧率这在农业巡检场景里完全够用。如果你对速度要求特别极致可以考虑用剪枝或蒸馏做一个模型压缩把新增的检测层知识蒸馏回原始结构的网络中但这会大幅增加训练复杂度我最终没有采用而是在部署时直接选择了TensorRT的FP16精度优化来弥补速度损失。3.3 损失函数与NMS策略的细致调优YOLOv5默认使用GIoU损失作为边界框回归损失但在小目标检测上GIoU的表现不太理想容易因为预测框和真实框重叠面积过小而导致梯度不稳定。我试验后最终换成了SIoU损失引入了角度和距离的联合惩罚项效果是收敛速度明显加快而且训练后期的边框定位精度更稳定。这里有一个容易被忽略的细节更换损失函数时需要同步调整回归损失的权重系数。YOLOv5默认将box_loss_weight设为0.05但这个值是针对GIoU设计的SIoU的损失尺度与GIoU不同直接沿用0.05会导致总损失里回归项占比过低模型精度反而下降。我经过验证后将系数调到了0.12整体效果最佳。NMS这边也有一个调参细节。YOLOv5默认的Confidence阈值是0.25IoU阈值是0.45但对高密度的叶片场景来说这个配置会漏掉很多真实病斑。我最终把IoU阈值降低到0.35让重叠的检测框更容易被保留配合置信度阈值0.2使用病斑召回率有了小幅提升。代价是误检略微上升不过这类场景里误检的修复成本远低于漏检所以我选择优先保障召回率。实际测试一组数据对比原始YOLOv5s基线mAP83.1%加入CBAM后mAP85.7%再加入小目标检测层和SIoU损失后mAP进一步提升到89.2%。综合改进幅度达到了6.1个百分点这在医学或农业这类细粒度检测任务里算是相当可观的涨幅。4. 训练过程与模型评估4.1 硬件环境与训练超参数的详细设置整个训练过程我用的是一块RTX 3090 24G显卡CUDA 11.3PyTorch 1.10。对于YOLOv5s这个量级的模型24G显存完全够用就算batch size拉到64也能跑。但考虑到Mosaic增强后单张图包含的信息量增大我保守地把batch size设置为32避免显存溢出同时保证训练稳定性。这里我把关键超参数列出来供参考输入尺寸640×640。考虑过用1280精度会提升但训练时间翻倍而且对部署端推理速度影响较大最终没有采用。预训练权重使用COCO预训练权重进行迁移学习。这里要注意训练前必须冻结骨干网络前10层先训练头部参数约10个epoch再解冻所有层进行完整训练。这种做法可以让模型先稳定输出框位置再微调特征提取能力收敛速度更快。基础学习率0.002训练后期用余弦退火衰减到0.0002。这里有一个值得注意的地方如果你的数据集中目标框普遍较小不建议使用过高的初始学习率否则模型很容易在早期就被带偏只关注主要大目标而忽略小目标。训练轮数300个epoch。实测在第230个epoch左右验证集loss趋于平稳模型表现不再大幅波动此时触发早停机制结束训练。Warmup策略前3个epoch做warmup学习率线性从0缓缓升到预设值避免训练前期因为学习率过大导致权重震荡。4.2 评价指标解读与结果分析训练完成后我在测试集800张未参与训练的图像上做了全面评估结果如下指标原始YOLOv5s改进后的YOLOv5smAP0.583.1%89.2%mAP0.5:0.9554.7%61.3%查准率 Precision80.5%85.9%召回率 Recall78.2%87.4%单帧推理耗时TensorRT4.8ms6.2ms画混淆矩阵的时候我发现一个有趣的规律炭疽病和褐斑病的互相混淆概率明显偏高。分析后定位到原因——这两种病在中期阶段都呈褐色圆形病斑肉眼本来就很难区分模型学出来的特征自然也就接近。为了解决这个问题我回到数据层面做了二次筛查专门挑选了一批中期炭疽病斑与中期褐斑病斑的边界样本重新标注并在这两类上做了3倍过采样。重新训练后这两类的区分准确率提升了约11个百分点。这里想多说一句遇到模型精度瓶颈时第一反应不要总是调网络结构先回头看看混淆矩阵很多问题根源在数据分布和数据标注上。网络结构能解决的问题有限数据层面的调整往往收益更大。4.3 模型压缩与推理部署农业巡检终端的算力一般都很有限不是每台设备都有高端GPU所以我专门做了模型压缩和部署优化。流程是先将PyTorch模型导出为ONNX再用TensorRT在目标设备上做FP16量化推理。这里有几个关键细节要提示到位。第一ONNX导出时必须固定输入尺寸我固定为640×640动态尺寸在TensorRT上虽然也能跑但会显著增加显存占用并降低推理效率。第二TensorRT的engine文件必须基于目标GPU型号单独构建在3090上构建的engine拿到Jetson Nano上会直接报错这是TensorRT的一个硬性约束。第三若要使用批量推理需要在构建engine时明确设置最大batch数否则无法利用多batch的并行加速优化。我在Jetson Nano上的实测结果是改进后的模型在FP16精度下推理耗时约32毫秒/帧约合30 FPS帧率基本满足实时检测需要。这个速度足够支撑一台巡检小车以5km/h的速度在田间行走每2米拍摄一次并完成检测。5. 常见问题与排查技巧实录5.1 训练不收敛或Loss异常高的排查思路这个项目里我踩过最大的坑是在第二次训练时Loss值一直在8到10之间徘徊完全不下降。排查了整整两天最终发现问题出在数据增强参数上——我在Mosaic增强中自定义了一个随机缩放逻辑当缩放比例低于0.3时病斑在拼接图中的区域会被压缩到极小近乎于一个不可见的噪声点导致模型在训练时反复在这些看不见的样本上计算损失梯度被严重干扰。这类问题说起来简单但排查过程非常折磨人。我的经验是训练一旦不收敛先关闭所有自定义增强只保留最基础的仿射变换确认模型能正常收敛后再逐步加回增强模块每一步都需要对比loss曲线的变化。另外还有一个容易被忽视的常见bug数据集中存在空的标注文件时相当多训练框架会直接报错或跳过该样本影响训练效果。我在清洗数据后写了一个小脚本检查所有标注文件去掉所有没有标注框的图片这一步虽然简单但能节省很多排查时间。5.2 漏检误检的优化思路漏检问题通常集中在两个方向一是小目标漏检二是罕见病害类别漏检。小目标漏检我的解决方案是加大96×96尺度上的特征融合权重配合在第2章提到的随机裁剪放大策略让模型在训练时看到更多小目标特写。罕见病害类别漏检则需要通过过采样或合成样本来增加该类别的样本量我在花腐病类别上复制并做了适量增强把训练样本从不到200张补到了800张召回率从52%提升到了79%。如果训练数据已无法增加则需要考虑在NMS阈值和置信度阈值层面做调整适当降低阈值以换取更高的召回率。需要说明的是这里的优化方向取决于具体使用场景如果是病害普查而非精确分级优先保障召回率更合理如果是精确判断是否需要喷洒农药则优先保障查准率。5.3 常见问题速查表问题现象常见原因排查与解决思路Loss不下降或震荡剧烈自定义增强过强学习率过大标注数据有误先去掉增强模块降低学习率重新核查标注小目标病斑漏检严重特征层对小目标不敏感小目标样本占比过低新增小目标检测层增加随机裁剪放大增强训练集表现很好但验证集差过拟合数据分布不一致提高数据增强强度增加验证集多样性样本推理速度达不到实时要求模型oversize未做压缩量化裁剪到640×640导ONNX后用TensorRT FP16推理检测框定位不准回归损失函数不合适NMS参数不匹配换用SIoU调整置信度阈值和IoU阈值不同设备效果差异大颜色空间不一致训练集设备单一采集时固定设备或加色卡校准增强HSV扰动范围排查问题的时候遵循从数据到模型再到部署的路径先确认数据本身没问题再考虑模型结构最后检查部署环境——这个顺序能帮你少走很多弯路。6. 项目扩展方向与个人心得现在这套系统能稳定检测猕猴桃的四种主要病害和虫害损伤但农业检测的需求远远不止于此。后续可以考虑两个方向延伸。第一个方向是扩展作物品类。猕猴桃叶片和苹果叶片、柑橘叶片在病害表现上有不少共性如炭疽病、褐斑病在不同果树上形态相近。我把当前模型作为预训练权重仅用少量苹果叶片病害数据做微调几天内就能得到一个可用的苹果叶片病害检测模型迁移能力验证下来很不错。第二个方向是做时序维度的病害发展跟踪。目前的系统是单帧检测只能判断当前是否有病但无法回答病斑在3天内是否迅速扩展开来这个对农事决策而言更为重要的问题。如果能对同一株猕猴桃持续拍摄结合目标跟踪算法分析病斑的时序变化趋势就能精准预测病害发展速度从而指导间歇性喷药策略——这是农业精准防治一个很有价值的方向。后续可以考虑接入轻量化跟踪框架或者基于视频帧之间特征的关联建模来实现。最后分享一个我在这个项目里最深的心得做农业AI项目投入最多的往往不是模型调参的时间而是跑果园、拍照片、标数据的时间。如果从头开始做建议找到所在地区的农业技术推广站或种植合作社合作既能够获得专业的农业知识支持也能在真实果园环境里做反复测试。模型代码永远不是最难的部分最难的是理解你要解决的农业问题本身。至于目前这套改进后的YOLOv5方案我认为mAP达到89.2%已经具备在示范果园进行小规模试运行的条件。如果后续有更多算力和更丰富的病害样本再考虑迁移到更新版本的检测框架也不迟——关键是先把当前环节的数据闭环和质量保障体系跑通。本文还有配套的精品资源点击获取 YOLOv5改进策略：从注意力机制到小目标检测的猕猴桃叶片病害识别实践
简介本资源是一套面向农业智能化应用开发者的猕猴桃叶片病害智能检测系统实现方案聚焦于解决果园病害人工巡检效率低、识别主观性强等实际问题适用于计算机视觉初学者、农林信息化开发者及高校课程设计实践者。压缩包共15个文件5.25MB含6张JPEG/PNG格式的典型病害样本图像、4个核心Python脚本含改进YOLOv5主干网络Net.py与数据加载模块custom.py、1份README.md项目说明、1份说明文件.txt和1份附赠资源.docx覆盖数据集构建、模型训练与推理全流程。已有99人学习下载资源结构清晰代码可直接运行配套文档详述了数据增强策略旋转、色彩扰动等与YOLOv5轻量化改进思路便于读者复现高精度病害定位与分类效果并支持后续数据迭代与模型优化。1. 项目概述与方案选型1.1 为什么选择YOLOv5作为基础框架猕猴桃叶片病害检测这件事业内做CV的人应该都知道核心难点从来不是模型能不能认出病害而是自然环境下能不能稳定认出。果园里的光照、叶片遮挡、病斑形态变异、相机抖动这些因素叠加在一起单纯把实验室里跑通的模型搬到户外基本都会翻车。所以我在做这个项目时最初的框架选型就非常关键既要保障检测精度又要兼顾实际部署时的推理速度还得考虑训练成本和生态成熟度。对比过几个主流目标检测方案之后我最终把锚点落在了YOLOv5上。先说Faster R-CNN两个阶段的检测机制让它在小目标上表现确实不错但推理速度在嵌入式设备上实在提不起来果园巡检通常用Jetson或树莓派级别的算力秒级延迟根本没法做实时监测。SSD在速度上有优势但密集小目标的召回率不如YOLO系列而猕猴桃叶片的病斑恰恰有很多是初期的小斑点因此SSD不够合适。YOLOv5是单阶段检测器里工程化程度最高的一版训练生态极其成熟社区资料丰富部署方案完善而且它的CSPDarknet骨干网络在推理时能较好地平衡精度和速度这是农业场景里很关键的一个点——因为真实巡检往往需要挂载在移动平台上持续运行算力有限但样本量很大。另外还要考虑后续改进空间。YOLOv5的代码结构非常清晰不管是插入注意力模块、替换Neck部分还是改造损失函数都相对好操作。对于做农业检测这类垂直任务来说能自由改动这一点往往比初始精度更重要。我后面加入的若干改进模块也证明了这一点。1.2 农业病害检测场景的四个关键痛点我在实际做猕猴桃叶片病害检测之前先走访了几个种植基地观察过病害叶片在不同光照和湿度条件下的表观特征也拿着手机蹲在树下拍了很多照片。总结下来农业检测不同于通用物体检测的点主要在这四个方面。第一个痛点是样本获取成本高。普通的目标检测数据集可以直接从网上爬农业病害数据几乎没有现成的公开资源尤其猕猴桃这种相对小众的经济作物公开数据集少得可怜。这意味着自建数据集是绕不开的步骤而且采集、清洗、标注全都要耗费大量人力和时间。第二个痛点是数据分布极度不均衡。不同病害在田间的发生率差别很大比如猕猴桃溃疡病如果真的大面积爆发农户早就忙着砍树了但炭疽病、褐斑病则相对常见。这种不均衡导致模型对罕见病害的召回率上不去很容易训练出来一个偏科模型。第三个痛点是环境干扰因素复杂。叶片之间存在重叠叶脉纹理和病斑初期特征容易混淆光照变化会在叶片表面形成大量反光区域这些都会干扰特征提取。我在采集时就发现一个在阴天拍摄的炭疽病斑到了强光下颜色就会偏黄偏亮特征分布差异很大。不做数据增强的话模型在真实环境中会明显打折扣。第四个痛点是病斑尺度差异大。初期的病斑可能只有几个像素后期则可能蔓延到整个叶片。多尺度检测能力直接决定了模型能不能在病发早期就发现问题而这恰恰是农业自动化监测最大的价值所在——早期发现意味着可以提前干预把损失降到最低。这四个痛点相互叠加决定了这个项目不能直接拿一个预训练模型来用而是需要在数据、网络结构、训练策略三层同时做针对性的处理和优化。下面我分别展开讲。2. 数据集构建从采集到增强的完整流程2.1 图像采集策略与样本多样性设计数据是整个项目的地基。我在构建猕猴桃叶片病害数据集时遵循的核心原则是宁可多拍1000张废图也不要漏掉一种真实环境下的表现形态。采集阶段我做了三件事。第一件事是分时段拍摄在晴天上午、正午强光、阴天散射光、傍晚弱光四个时间段各跑一遍果园确保同一片叶子的病斑在不同光照条件下都有样本入集。第二件事是分角度拍摄除了常规的垂直俯拍之外还加入了45度斜拍和贴近地面的低角度拍摄这个设计是为了模拟无人机和地面巡检车两种不同的观测视角。第三件事是刻意采集了一批带遮挡、带阴影、带露水、带泥土的叶片这些脏数据在很多人看来会干扰训练但恰恰是它们决定了模型在上线后能不能扛住真实环境的噪声。采集工具用的是手机加微距镜头搭载了一个简易的RGB色卡做颜色校准参考。这里有个容易踩的坑——iPhone和安卓手机拍出来的同一个病斑色彩偏差肉眼可能看不出来但模型在特征层面会学出差异。如果训练集里混入了大量色偏不一致的图像最终模型在特定设备上的表现会很不稳定。所以建议在采集时尽量固定1到2台设备或者每批图像都保留色卡信息后续做色彩统一处理。最终我收集了大约4500张原始图像覆盖健康叶片、炭疽病、褐斑病、溃疡病、花腐病和虫害损伤六种类别。实际入集的图像是4200张另外300张因为严重过曝或严重失焦被直接淘汰了。2.2 标注规范与数据清洗的实操细节标注这一步看似简单实际上有非常多的玄机。我用Labelme做多边形标注而不是用矩形框。原因是病斑的形状很不规则圆形叶片上的梭形病斑如果用矩形框标注框内会混入大量健康叶片区域模型训练时会被这些干扰信息带偏。多边形标注虽然慢一些但训练出的模型边界感知能力明显更好。标注规范上我内部定了几条硬性规则。规则一是宁缺毋滥模棱两可的病斑不标比如肉眼无法判断是病斑还是虫粪污染的区域直接放弃。规则二是小斑必标只要是人眼能确定的疑似病斑即使只有10×10像素大小也要标出来这样能有效增加小目标样本量减少模型对小病斑的漏检。规则三是遮挡分类处理超过50%面积被遮挡的叶片不标注30%到50%遮挡的叶片只标注可见部分并在标注文件中单独备注。标注完成后数据清洗这一步很多人会忽略但我强烈建议务必做。我用了一个简单的脚本统计每张图的标注框面积占比发现有一部分图像的标注框面积占比异常小几乎可以断定是误标或质量极差的样本。对这些图我逐一进行了人工复核把确实有问题的删掉了。另外对类别分布也做了统计六类中花腐病样本最少只有不到200张这时候我就知道后面必须要做针对性的过采样或增强补偿否则模型会直接放弃这个类别。2.3 数据增强策略的深度解读数据增强是这个小项目里性价比最高的一环也是让模型从实验室能用变成果园能打的关键所在。我在做数据增强时不是简单丢一个albumentations库开箱即用而是根据猕猴桃叶片病害的视觉特点做了针对性配置。首先说Mosaic增强。Mosaic把4张图拼成一张在YOLOv5中默认启用它的好处是变相增大了单次训练能看到的上下文信息同时让模型在小目标上的学习更充分。但我在实际使用中发现Mosaic增强的拼接边界有时候会产生不自然的颜色断层导致模型学到一些伪特征。解决方法是把Mosaic的启用概率从默认的1.0降到0.7剩下的0.3概率使用普通的仿射变换。然后是HSV颜色扰动。我在这个项目里特意加大了色调和饱和度的扰动范围H通道从默认的±0.015加大到±0.03S通道从±0.7加大到±0.9。原因是猕猴桃叶片病害在不同生长阶段、不同光照下的色彩变化非常明显早期炭疽病斑是浅褐色后期变成深褐色甚至黑色如果色彩扰动范围不够模型会被限制在某个固定色域里换一个光照条件就失效。针对小病斑漏检的问题我加入了一种随机裁剪放大的策略以50%的概率从原图中随机裁剪出一个区域包含部分病斑然后放大到原始输入尺寸。这个策略等效于让模型在训练时看到更多的局部特写对小目标学习非常有效远超简单地在整图上缩放的效果。这里需要强调一点增强策略不是越多越好。MixUp增强虽然能进一步提升精度但它在农业病害上的应用效果并不理想——混合后的图像中叶片纹理互相叠加会让本来就微弱的病斑特征变得更加难以区分。我测试过几轮MixUp最终选择了放弃。做实验时还是要以验证集的实际表现为准不要迷信任何增强方法的纸面优势。3. 针对农业场景的YOLOv5改进策略3.1 注意力机制从SE到CBAM的实战对比YOLOv5原版的CSPDarknet骨干网络已经具备不错的特征提取能力但在农业场景中病斑和背景叶片的区分度不够高尤其是那些与叶脉走向一致的条状病斑经常被模型当成叶脉忽略掉。我在改进时首先想到的是引入注意力机制让模型学会关注该关注的区域。我先后试了SE注意力模块和CBAM模块。SE模块在通道维度上做自适应重标定计算量极小插入到骨干网络后基本不影响推理速度。但在叶片病害检测上SE的效果有限——因为它只关注通道关系不关注空间位置信息而病害定位恰恰是一个非常强的空间任务模型必须知道病斑在叶片的哪个区域光知道有哪些通道特征是不够的。CBAM则是在通道注意力后面串接了一个空间注意力模块在Channel维度之外增加了Spatial维度的建模正好补上了SE的短板。我参考了一些公开代码在YOLOv5的C3模块中并行插入了CBAM实验结果显示仅仅这一个改动就让mAP从83.1%提升到85.7%其中炭疽病和褐斑病两个类别的提升最为明显。原因分析下来也合理——这两种病的病斑特征是边缘清晰、内部颜色不均匀CBAM都能同时强化边缘响应和内部纹理敏感度相互增益。不过要提醒的是注意力模块千万不要在网络的每一层都加。我在实验时尝试过在CSPDarknet的每一个C3模块后都串接CBAM结果参数量暴增训练速度明显下降而mAP只提升了0.3个百分点性价比极低。最优的做法是只在下采样到16×16和8×8的两个深层特征层加入原因在于深层特征图语义信息更强注意力机制能更有效地聚焦病害相关区域浅层特征图保留的是边缘、颜色、纹理等底层的细节信息加入注意力反而会干扰这些基础特征的传递。3.2 小目标检测层的引入与特征融合改进猕猴桃叶片病害有一个显著的特点——病斑尺度跨度极大。初期炭疽病的病斑可能只有4到5个像素而后期褐斑病能覆盖半张叶片。原版YOLOv5的三个检测层分别对应大中小目标但对极小目标小于8×8像素的召回效果并不理想。我在原版基础上新增了一个针对小目标的检测层让模型在更高分辨率的特征图上做预测。具体的实现方式是将原本的PAFPN特征金字塔从三层扩展为四层在骨干网络的更浅层增加一次下采样分支与76×76尺度的特征图做融合输出。这个改动对病斑检测的收益非常直接——小目标面积小于32×32像素的AP从61.4%提升到69.8%召回率提升了将近9个百分点。代价是推理速度略有下降。我用TensorRT做加速后的实际测试表明原始YOLOv5s的推理耗时约为4.8毫秒/帧改进后为6.2毫秒/帧在Jetson Nano上依然可以跑出30 FPS的实时帧率这在农业巡检场景里完全够用。如果你对速度要求特别极致可以考虑用剪枝或蒸馏做一个模型压缩把新增的检测层知识蒸馏回原始结构的网络中但这会大幅增加训练复杂度我最终没有采用而是在部署时直接选择了TensorRT的FP16精度优化来弥补速度损失。3.3 损失函数与NMS策略的细致调优YOLOv5默认使用GIoU损失作为边界框回归损失但在小目标检测上GIoU的表现不太理想容易因为预测框和真实框重叠面积过小而导致梯度不稳定。我试验后最终换成了SIoU损失引入了角度和距离的联合惩罚项效果是收敛速度明显加快而且训练后期的边框定位精度更稳定。这里有一个容易被忽略的细节更换损失函数时需要同步调整回归损失的权重系数。YOLOv5默认将box_loss_weight设为0.05但这个值是针对GIoU设计的SIoU的损失尺度与GIoU不同直接沿用0.05会导致总损失里回归项占比过低模型精度反而下降。我经过验证后将系数调到了0.12整体效果最佳。NMS这边也有一个调参细节。YOLOv5默认的Confidence阈值是0.25IoU阈值是0.45但对高密度的叶片场景来说这个配置会漏掉很多真实病斑。我最终把IoU阈值降低到0.35让重叠的检测框更容易被保留配合置信度阈值0.2使用病斑召回率有了小幅提升。代价是误检略微上升不过这类场景里误检的修复成本远低于漏检所以我选择优先保障召回率。实际测试一组数据对比原始YOLOv5s基线mAP83.1%加入CBAM后mAP85.7%再加入小目标检测层和SIoU损失后mAP进一步提升到89.2%。综合改进幅度达到了6.1个百分点这在医学或农业这类细粒度检测任务里算是相当可观的涨幅。4. 训练过程与模型评估4.1 硬件环境与训练超参数的详细设置整个训练过程我用的是一块RTX 3090 24G显卡CUDA 11.3PyTorch 1.10。对于YOLOv5s这个量级的模型24G显存完全够用就算batch size拉到64也能跑。但考虑到Mosaic增强后单张图包含的信息量增大我保守地把batch size设置为32避免显存溢出同时保证训练稳定性。这里我把关键超参数列出来供参考输入尺寸640×640。考虑过用1280精度会提升但训练时间翻倍而且对部署端推理速度影响较大最终没有采用。预训练权重使用COCO预训练权重进行迁移学习。这里要注意训练前必须冻结骨干网络前10层先训练头部参数约10个epoch再解冻所有层进行完整训练。这种做法可以让模型先稳定输出框位置再微调特征提取能力收敛速度更快。基础学习率0.002训练后期用余弦退火衰减到0.0002。这里有一个值得注意的地方如果你的数据集中目标框普遍较小不建议使用过高的初始学习率否则模型很容易在早期就被带偏只关注主要大目标而忽略小目标。训练轮数300个epoch。实测在第230个epoch左右验证集loss趋于平稳模型表现不再大幅波动此时触发早停机制结束训练。Warmup策略前3个epoch做warmup学习率线性从0缓缓升到预设值避免训练前期因为学习率过大导致权重震荡。4.2 评价指标解读与结果分析训练完成后我在测试集800张未参与训练的图像上做了全面评估结果如下指标原始YOLOv5s改进后的YOLOv5smAP0.583.1%89.2%mAP0.5:0.9554.7%61.3%查准率 Precision80.5%85.9%召回率 Recall78.2%87.4%单帧推理耗时TensorRT4.8ms6.2ms画混淆矩阵的时候我发现一个有趣的规律炭疽病和褐斑病的互相混淆概率明显偏高。分析后定位到原因——这两种病在中期阶段都呈褐色圆形病斑肉眼本来就很难区分模型学出来的特征自然也就接近。为了解决这个问题我回到数据层面做了二次筛查专门挑选了一批中期炭疽病斑与中期褐斑病斑的边界样本重新标注并在这两类上做了3倍过采样。重新训练后这两类的区分准确率提升了约11个百分点。这里想多说一句遇到模型精度瓶颈时第一反应不要总是调网络结构先回头看看混淆矩阵很多问题根源在数据分布和数据标注上。网络结构能解决的问题有限数据层面的调整往往收益更大。4.3 模型压缩与推理部署农业巡检终端的算力一般都很有限不是每台设备都有高端GPU所以我专门做了模型压缩和部署优化。流程是先将PyTorch模型导出为ONNX再用TensorRT在目标设备上做FP16量化推理。这里有几个关键细节要提示到位。第一ONNX导出时必须固定输入尺寸我固定为640×640动态尺寸在TensorRT上虽然也能跑但会显著增加显存占用并降低推理效率。第二TensorRT的engine文件必须基于目标GPU型号单独构建在3090上构建的engine拿到Jetson Nano上会直接报错这是TensorRT的一个硬性约束。第三若要使用批量推理需要在构建engine时明确设置最大batch数否则无法利用多batch的并行加速优化。我在Jetson Nano上的实测结果是改进后的模型在FP16精度下推理耗时约32毫秒/帧约合30 FPS帧率基本满足实时检测需要。这个速度足够支撑一台巡检小车以5km/h的速度在田间行走每2米拍摄一次并完成检测。5. 常见问题与排查技巧实录5.1 训练不收敛或Loss异常高的排查思路这个项目里我踩过最大的坑是在第二次训练时Loss值一直在8到10之间徘徊完全不下降。排查了整整两天最终发现问题出在数据增强参数上——我在Mosaic增强中自定义了一个随机缩放逻辑当缩放比例低于0.3时病斑在拼接图中的区域会被压缩到极小近乎于一个不可见的噪声点导致模型在训练时反复在这些看不见的样本上计算损失梯度被严重干扰。这类问题说起来简单但排查过程非常折磨人。我的经验是训练一旦不收敛先关闭所有自定义增强只保留最基础的仿射变换确认模型能正常收敛后再逐步加回增强模块每一步都需要对比loss曲线的变化。另外还有一个容易被忽视的常见bug数据集中存在空的标注文件时相当多训练框架会直接报错或跳过该样本影响训练效果。我在清洗数据后写了一个小脚本检查所有标注文件去掉所有没有标注框的图片这一步虽然简单但能节省很多排查时间。5.2 漏检误检的优化思路漏检问题通常集中在两个方向一是小目标漏检二是罕见病害类别漏检。小目标漏检我的解决方案是加大96×96尺度上的特征融合权重配合在第2章提到的随机裁剪放大策略让模型在训练时看到更多小目标特写。罕见病害类别漏检则需要通过过采样或合成样本来增加该类别的样本量我在花腐病类别上复制并做了适量增强把训练样本从不到200张补到了800张召回率从52%提升到了79%。如果训练数据已无法增加则需要考虑在NMS阈值和置信度阈值层面做调整适当降低阈值以换取更高的召回率。需要说明的是这里的优化方向取决于具体使用场景如果是病害普查而非精确分级优先保障召回率更合理如果是精确判断是否需要喷洒农药则优先保障查准率。5.3 常见问题速查表问题现象常见原因排查与解决思路Loss不下降或震荡剧烈自定义增强过强学习率过大标注数据有误先去掉增强模块降低学习率重新核查标注小目标病斑漏检严重特征层对小目标不敏感小目标样本占比过低新增小目标检测层增加随机裁剪放大增强训练集表现很好但验证集差过拟合数据分布不一致提高数据增强强度增加验证集多样性样本推理速度达不到实时要求模型oversize未做压缩量化裁剪到640×640导ONNX后用TensorRT FP16推理检测框定位不准回归损失函数不合适NMS参数不匹配换用SIoU调整置信度阈值和IoU阈值不同设备效果差异大颜色空间不一致训练集设备单一采集时固定设备或加色卡校准增强HSV扰动范围排查问题的时候遵循从数据到模型再到部署的路径先确认数据本身没问题再考虑模型结构最后检查部署环境——这个顺序能帮你少走很多弯路。6. 项目扩展方向与个人心得现在这套系统能稳定检测猕猴桃的四种主要病害和虫害损伤但农业检测的需求远远不止于此。后续可以考虑两个方向延伸。第一个方向是扩展作物品类。猕猴桃叶片和苹果叶片、柑橘叶片在病害表现上有不少共性如炭疽病、褐斑病在不同果树上形态相近。我把当前模型作为预训练权重仅用少量苹果叶片病害数据做微调几天内就能得到一个可用的苹果叶片病害检测模型迁移能力验证下来很不错。第二个方向是做时序维度的病害发展跟踪。目前的系统是单帧检测只能判断当前是否有病但无法回答病斑在3天内是否迅速扩展开来这个对农事决策而言更为重要的问题。如果能对同一株猕猴桃持续拍摄结合目标跟踪算法分析病斑的时序变化趋势就能精准预测病害发展速度从而指导间歇性喷药策略——这是农业精准防治一个很有价值的方向。后续可以考虑接入轻量化跟踪框架或者基于视频帧之间特征的关联建模来实现。最后分享一个我在这个项目里最深的心得做农业AI项目投入最多的往往不是模型调参的时间而是跑果园、拍照片、标数据的时间。如果从头开始做建议找到所在地区的农业技术推广站或种植合作社合作既能够获得专业的农业知识支持也能在真实果园环境里做反复测试。模型代码永远不是最难的部分最难的是理解你要解决的农业问题本身。至于目前这套改进后的YOLOv5方案我认为mAP达到89.2%已经具备在示范果园进行小规模试运行的条件。如果后续有更多算力和更丰富的病害样本再考虑迁移到更新版本的检测框架也不迟——关键是先把当前环节的数据闭环和质量保障体系跑通。本文还有配套的精品资源点击获取