簡介目標檢測是計算機視覺的核心任務之一其原理是通過算法在圖像或視頻中定位并識別出感興趣的物體。這項技術的核心價值在于將像素信息轉化為結構化的語義信息是實現機器“看懂”世界的關鍵。在工業自動化、智能零售、安防監控等眾多應用場景中目標檢測都扮演著至關重要的角色。YOLOYou Only Look Once系列算法因其出色的速度與精度平衡成為工程實踐中的熱門選擇。本文以經典的瓶子檢測任務為切入點詳細拆解了使用YOLOv5框架進行模型開發的完整流程涵蓋了從數據集格式整理、環境搭建、訓練調參到模型評估與優化部署的各個環節并針對訓練中常見的過擬合、CUDA內存溢出等問題提供了具體的解決方案為初學者和開發者提供了一個清晰、可復現的實戰范例。1. 項目概述從“瓶子檢測數據集”說起最近在整理硬盤翻出來一個老文件名字就叫“bottle_瓶子檢測數據集.rar”。這讓我想起了幾年前剛開始接觸目標檢測時到處找數據集的窘迫。一個標注好的、可直接用于訓練的數據集對于新手來說其價值不亞于一份清晰的入門教程。這個壓縮包很可能就是某個項目或學習過程中的產物它直接指向了計算機視覺領域一個非常經典且實用的入門任務使用YOLOv5進行瓶子檢測。無論是想學習YOLO框架的新手還是需要快速驗證某個工業場景如流水線分揀、零售貨架盤點、垃圾分類可行性的開發者一個現成的瓶子檢測數據集都能省去大量數據收集和標注的時間。YOLOv5以其簡潔的代碼結構、友好的文檔和相對不錯的性能成為了許多人進入目標檢測領域的首選。而這個數據集就是啟動這個項目的“燃料”。接下來我將基于這個數據集為你完整拆解如何使用YOLOv5訓練一個瓶子檢測模型從環境搭建、數據準備到訓練調參、模型評估與部署分享一路走來的實操經驗和踩過的坑。2. 核心需求與場景解析為什么是瓶子檢測2.1 瓶子檢測的應用價值瓶子檢測看似簡單但其應用場景卻非常廣泛這恰恰是它成為經典入門案例的原因。首先它的形態相對固定圓柱體為主但又具備足夠的多樣性不同顏色、標簽、材質、大小、是否透明這為模型學習泛化特征提供了很好的樣本。在實際項目中它可能演變為以下場景工業自動化與分揀在飲料、化妝品灌裝線上實時檢測瓶子是否到位、瓶口是否完好、標簽是否貼正。或者在回收流水線上識別并分類不同材質的塑料瓶、玻璃瓶。零售與倉儲管理商超貨架的自動盤點統計各類飲料的庫存數量。在無人便利店中識別顧客拿取或放回的瓶裝商品。安防與環境監測在特定區域如實驗室、倉庫檢測危險化學試劑瓶的狀態或位置。在公共場所監測亂扔的塑料瓶輔助清潔管理。機器人抓取為機械臂提供瓶子的精確位置和朝向信息實現自動化抓取和放置。對于學習者而言瓶子檢測任務復雜度適中數據集相對容易獲取和標注訓練周期短可以快速看到成果建立信心。同時它涵蓋了目標檢測的大部分核心流程是通向更復雜任務如行人檢測、車輛檢測的完美跳板。2.2 數據集的核心要求一個合格的“bottle_瓶子檢測數據集”應該滿足YOLO格式的要求。通常一個RAR壓縮包解壓后我們期望看到類似如下的結構bottle_dataset/ ├── images/ │ ├── train/ │ │ ├── bottle_001.jpg │ │ ├── bottle_002.jpg │ │ └── ... │ └── val/ │ ├── bottle_101.jpg │ └── ... └── labels/ ├── train/ │ ├── bottle_001.txt │ ├── bottle_002.txt │ └── ... └── val/ ├── bottle_101.txt └── ...images存放所有的圖片文件通常按train訓練集和val驗證集劃分。labels存放與圖片同名的.txt標注文件。YOLO格式的標注是歸一化后的中心坐標和寬高(class_id, x_center, y_center, width, height)數值范圍在0到1之間。注意在拿到任何數據集壓縮包后第一件事不是直接訓練而是先解壓然后隨機抽查幾張圖片和對應的標簽文件用腳本或工具可視化一下確認標注框是否準確、格式是否正確。我遇到過不少數據集標注框漂移、類別錯亂直接訓練只會得到垃圾模型。3. 環境搭建與YOLOv5項目初始化3.1 創建獨立的Python環境為了避免包版本沖突強烈建議使用conda或venv創建獨立的Python環境。這里以conda為例# 創建一個名為yolov5的新環境指定Python版本推薦3.8或3.9 conda create -n yolov5 python3.9 conda activate yolov53.2 克隆YOLOv5官方倉庫并安裝依賴YOLOv5的官方倉庫維護得非常活躍代碼和文檔都很清晰。# 克隆倉庫 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 安裝依賴包使用requirements.txt文件 pip install -r requirements.txt這個過程會安裝PyTorch、TorchVision、OpenCV、Pandas等核心庫。如果網絡不暢可以嘗試為pip命令添加鏡像源例如-i https://pypi.tuna.tsinghua.edu.cn/simple。實操心得requirements.txt中的PyTorch通常是CPU版本。如果你有NVIDIA GPU并希望使用GPU加速訓練需要根據你的CUDA版本去 PyTorch官網 獲取對應的安裝命令。例如對于CUDA 11.8可以運行pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118。安裝后可以在Python中運行import torch; print(torch.cuda.is_available())來驗證GPU是否可用。3.3 準備數據集目錄結構假設你的數據集壓縮包解壓后不符合YOLOv5的預期結構你需要手動組織。在yolov5項目根目錄下創建一個datasets文件夾來管理所有數據集是個好習慣。# 在yolov5目錄下 mkdir -p datasets/bottle cd datasets/bottle然后將你解壓后的images/train,images/val,labels/train,labels/val四個文件夾直接拷貝到datasets/bottle目錄下。最終結構如下yolov5/ ├── ... ├── datasets/ │ └── bottle/ │ ├── images/ │ │ ├── train/ │ │ └── val/ │ └── labels/ │ ├── train/ │ └── val/ └── ...4. 數據配置與模型訓練實戰4.1 創建數據集配置文件YOLOv5需要一個YAML文件來告訴它數據集在哪里、有哪些類別。在datasets/bottle目錄下創建一個bottle.yaml文件。# bottle.yaml path: ../datasets/bottle # 數據集根目錄的相對路徑相對于yolov5根目錄 train: images/train # 訓練集圖片路徑相對于path val: images/val # 驗證集圖片路徑相對于path # 類別數量 nc: 1 # 類別名稱列表 names: [bottle] # 可選下載地址/說明 # download: ...這個文件非常簡單path指向數據集根目錄train和val是圖片路徑。nc:1表示我們只有一個檢測類別瓶子names列表里就是這個類別的名字。4.2 啟動模型訓練一切就緒我們可以開始訓練了。回到yolov5項目根目錄運行訓練命令。這里我們選擇中等大小的yolov5s模型它在速度和精度之間取得了很好的平衡非常適合入門和快速迭代。python train.py --img 640 --batch 16 --epochs 100 --data datasets/bottle/bottle.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name bottle_detection讓我解釋一下這幾個關鍵參數--img 640: 輸入圖片會被統一縮放到640x640像素進行訓練。這是YOLOv5的默認尺寸更大的尺寸如1280可能提升精度但會顯著增加顯存消耗和訓練時間。--batch 16: 批次大小。如果你的GPU顯存較小如8GB可能會遇到CUDA out of memory錯誤需要降低batch值如改為8或4。batch大小會影響訓練穩定性一般越大越好但受限于硬件。--epochs 100: 訓練輪數。對于一個小型數據集100輪通常足夠模型收斂。你可以通過觀察后續的評估指標來決定是否提前停止或增加輪數。--data: 指定我們剛才創建的數據集配置文件路徑。--cfg: 指定模型結構配置文件。models/yolov5s.yaml定義了yolov5s的網絡結構。--weights: 指定預訓練權重。yolov5s.pt是官方在COCO數據集上預訓練好的權重。使用預訓練權重進行遷移學習可以極大加快模型在你自己數據集上的收斂速度并提升最終性能。這是至關重要的一步。--name: 本次訓練運行的名稱。所有輸出模型權重、日志、圖表都會保存在runs/train/bottle_detection目錄下。訓練開始后終端會輸出每一輪epoch的損失值和評估指標。更重要的信息在runs/train/bottle_detection目錄中。4.3 訓練過程監控與結果解讀訓練開始后你應該重點關注runs/train/bottle_detection目錄下的幾個文件results.png或results.csv: 這是訓練過程的核心圖表。它會展示訓練損失和驗證損失的下降曲線以及精度Precision、召回率Recall、mAP0.5、mAP0.5:0.95等關鍵指標的變化趨勢。損失Loss包括框回歸損失、目標置信度損失和分類損失。理想情況下這些損失曲線應該平滑下降并最終趨于平穩。如果損失劇烈震蕩可能是學習率太高或批次大小太小。精度Precision模型預測出的瓶子中真正是瓶子的比例。越高說明誤報越少。召回率Recall所有真實的瓶子中被模型找出來的比例。越高說明漏報越少。mAP0.5在交并比IoU閾值為0.5時的平均精度均值。這是最常用的一個指標可以簡單理解為模型檢測瓶子的綜合能力分數。對于瓶子檢測達到0.95以上是很常見的。mAP0.5:0.95在IoU閾值從0.5到0.95步長0.05多個標準下的平均mAP是更嚴格的指標。confusion_matrix.png: 混淆矩陣。因為我們只有一個類別所以這個矩陣很簡單。但它仍然有用可以查看背景被誤認為瓶子的比例反之亦然。val_batchX_labels.jpg和val_batchX_pred.jpg: 這些圖片直觀地展示了在驗證集上真實標注框labels和模型預測框pred的對比。這是判斷模型表現最直接的方式。在訓練中期和結束后務必查看這些圖片看預測框是否緊貼瓶子是否有漏檢或誤檢。避坑技巧訓練時不要只盯著最后的mAP數字。一定要看損失曲線和驗證預測圖片。如果訓練損失持續下降但驗證損失不降反升很可能出現了過擬合模型只記住了訓練集而沒學會泛化。這時需要采取對策比如增加數據增強的強度、使用更小的模型yolov5n、或者加入早停Early Stopping機制。5. 模型評估、測試與優化5.1 使用驗證集評估最佳模型訓練完成后在runs/train/bottle_detection/weights目錄下你會找到兩個最重要的模型文件best.pt: 在驗證集上表現最好的權重根據你指定的指標默認是mAP0.5。last.pt: 最后一輪訓練結束時的權重。通常我們使用best.pt進行后續操作。你可以使用val.py腳本用驗證集對best.pt進行一次全面的評估python val.py --weights runs/train/bottle_detection/weights/best.pt --data datasets/bottle/bottle.yaml --img 640這個命令會輸出詳細的評估表格包括在各個IoU閾值下的精度、召回率、mAP以及每個類別的AP值。它比訓練日志中的更全面、更權威。5.2 使用自定義圖片或視頻進行測試訓練模型的最終目的是應用。YOLOv5提供了非常方便的detect.py腳本用于推理。# 檢測單張圖片 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_image.jpg --conf 0.25 # 檢測一個目錄下的所有圖片 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_folder/ --conf 0.25 # 檢測視頻文件 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_video.mp4 --conf 0.25 # 使用攝像頭實時檢測默認攝像頭索引為0 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source 0 --conf 0.25--conf 0.25: 置信度閾值。只有預測框的置信度高于此值的才會被顯示出來。你可以根據測試結果調整這個值。如果瓶子總是漏檢可以適當降低如0.15如果背景雜物經常被誤檢為瓶子則需要提高如0.4。檢測結果會默認保存在runs/detect/exp目錄下圖片或視頻上會畫出預測框和置信度。5.3 模型優化與調參思路如果你的模型在測試集上表現不佳可以從以下幾個方向進行優化數據層面數據質量檢查這是最根本的。回頭仔細檢查數據集的標注質量是否存在大量漏標、錯標、框不準的情況。臟數據是模型性能的天花板。數據增強YOLOv5默認開啟了強大的數據增強Mosaic MixUp 隨機透視、色彩抖動等。你可以在data/hyps/hyp.scratch-low.yaml等超參數文件中調整增強強度。對于瓶子檢測可以適當增加隨機旋轉因為瓶子可能傾倒和亮度對比度變化應對不同光照條件。增加數據量如果瓶子形態、背景非常單一模型容易過擬合。嘗試收集更多樣化的瓶子圖片或者使用生成式AI工具輔助生成一些數據。模型層面更換模型尺寸yolov5n最小速度最快yolov5x最大精度最高但最慢。如果yolov5s精度不夠可以嘗試yolov5m或yolov5l。修改網絡結構對于高級用戶可以嘗試修改models/yolov5s.yaml例如更換激活函數、調整注意力機制等但這需要較強的深度學習背景。訓練策略層面調整超參數學習率--lr0是最關鍵的。太大導致震蕩不收斂太小導致收斂慢。可以嘗試使用--evolve參數進行超參數進化讓YOLOv5自動尋找一組較優的超參數但這非常耗時。延長訓練時間如果損失還在穩步下降可以增加--epochs到200甚至300。使用更優的預訓練權重除了官方的yolov5s.pt社區也可能有在特定場景下預訓練的權重可以嘗試。6. 模型部署與應用簡析模型訓練和測試滿意后下一步就是將其部署到實際應用中。YOLOv5提供了多種導出格式以適應不同的部署環境。6.1 模型導出使用export.py腳本可以將PyTorch模型導出為其他格式。# 導出為TorchScript格式適用于PyTorch生態內的移動端或C部署 python export.py --weights runs/train/bottle_detection/weights/best.pt --include torchscript # 導出為ONNX格式這是一個開放的模型格式被TensorRT, OpenVINO, ONNX Runtime等眾多推理引擎支持 python export.py --weights runs/train/bottle_detection/weights/best.pt --include onnx # 導出為TensorRT引擎文件用于NVIDIA GPU上的極致加速需要CUDA和TensorRT環境 python export.py --weights runs/train/bottle_detection/weights/best.pt --include engine --device 0導出的文件會保存在與權重文件相同的目錄下。對于大多數工業應用ONNX是一個非常好的中間格式兼容性強。6.2 部署方向參考邊緣設備部署如果你有像樹莓派、Jetson Nano、RK3568/RV1106這類邊緣計算設備可以將ONNX模型通過TensorRT或OpenVINO工具鏈進一步優化并部署實現低功耗、實時的瓶子檢測。Web服務部署使用FastAPI或Flask等框架將模型封裝成RESTful API。前端如網頁或手機App上傳圖片后端調用模型推理并返回檢測結果框的位置和類別。這是構建云服務或管理平臺的常見方式。桌面應用集成使用PyQt、Tkinter等庫制作帶界面的桌面程序直接調用PyTorch或ONNX Runtime進行推理適合工廠質檢員等單機場景。注意事項部署時最關鍵的是預處理和后處理必須與訓練時保持一致。訓練時圖片被歸一化、縮放到640x640部署時也必須進行完全相同的操作。YOLOv5的導出腳本通常會幫你處理好這些細節但如果你是自己寫推理代碼務必仔細核對。7. 常見問題與排查實錄在實際操作中你幾乎一定會遇到下面這些問題。這里是我總結的排查清單問題現象可能原因解決方案訓練時出現CUDA out of memory批次大小(batch)或圖片尺寸(img)太大超出GPU顯存。1. 減小--batch值如16-8。2. 減小--img尺寸如640-320。3. 使用更小的模型如yolov5s換成yolov5n。訓練損失loss不下降1. 學習率(lr)設置過高或過低。2. 數據標注有嚴重錯誤。3. 預訓練權重加載失敗。1. 嘗試使用默認學習率或使用--evolve搜索。2.立即停止訓練可視化檢查數據集標注。3. 確認--weights參數指定的.pt文件路徑正確且可讀。驗證集mAP很低但訓練集loss正常過擬合。模型記住了訓練集的所有細節包括噪聲無法泛化。1. 增強數據多樣性更多場景、角度、光照。2. 增強數據增強的強度和隨機性。3. 在hyp文件中增加權重衰減(weight_decay)。4. 使用更小的模型或提前停止訓練。推理時檢測框亂飛或置信度異常推理時的圖片預處理歸一化、通道順序與訓練時不一致。確保你的推理代碼尤其是自己寫的與YOLOv5detect.py中的預處理邏輯完全一致。直接使用detect.py腳本測試是最穩妥的。某個特定場景如逆光下漏檢嚴重數據集中缺乏此類場景的樣本模型未學習到相關特征。收集并標注該場景下的瓶子圖片加入訓練集重新訓練。這是解決模型盲區最根本的方法。導出的ONNX/TensorRT模型推理速度慢導出時未進行優化或部署環境未充分利用硬件加速。1. 導出ONNX時嘗試使用--dynamic或指定固定輸入尺寸。2. 對于TensorRT使用trtexec工具在目標GPU上構建最優引擎。3. 確保部署環境安裝了正確的CUDA、cuDNN、TensorRT庫。最后關于這個“bottle_瓶子檢測數據集.rar”我想說的是它的價值不僅僅在于里面的幾百張圖片和標簽更在于它提供了一個完整的、從數據到模型的實踐閉環。通過親手完成這個流程你會對目標檢測的整個生命周期——數據準備、模型訓練、評估調優、部署應用——有深刻的理解。這個過程中積累的經驗和直覺是任何理論教程都無法替代的。當你下次拿到一個“安全帽檢測數據集”或“零件缺陷數據集”時你會發現自己可以毫不猶豫地沿著同樣的路徑快速跑通并知道在哪里可以做得更好。這就是一個經典入門項目的意義所在。本文還有配套的精品資源點擊獲取 YOLOv5實戰：從數據集準備到模型部署的瓶子檢測全流程指南
簡介目標檢測是計算機視覺的核心任務之一其原理是通過算法在圖像或視頻中定位并識別出感興趣的物體。這項技術的核心價值在于將像素信息轉化為結構化的語義信息是實現機器“看懂”世界的關鍵。在工業自動化、智能零售、安防監控等眾多應用場景中目標檢測都扮演著至關重要的角色。YOLOYou Only Look Once系列算法因其出色的速度與精度平衡成為工程實踐中的熱門選擇。本文以經典的瓶子檢測任務為切入點詳細拆解了使用YOLOv5框架進行模型開發的完整流程涵蓋了從數據集格式整理、環境搭建、訓練調參到模型評估與優化部署的各個環節并針對訓練中常見的過擬合、CUDA內存溢出等問題提供了具體的解決方案為初學者和開發者提供了一個清晰、可復現的實戰范例。1. 項目概述從“瓶子檢測數據集”說起最近在整理硬盤翻出來一個老文件名字就叫“bottle_瓶子檢測數據集.rar”。這讓我想起了幾年前剛開始接觸目標檢測時到處找數據集的窘迫。一個標注好的、可直接用于訓練的數據集對于新手來說其價值不亞于一份清晰的入門教程。這個壓縮包很可能就是某個項目或學習過程中的產物它直接指向了計算機視覺領域一個非常經典且實用的入門任務使用YOLOv5進行瓶子檢測。無論是想學習YOLO框架的新手還是需要快速驗證某個工業場景如流水線分揀、零售貨架盤點、垃圾分類可行性的開發者一個現成的瓶子檢測數據集都能省去大量數據收集和標注的時間。YOLOv5以其簡潔的代碼結構、友好的文檔和相對不錯的性能成為了許多人進入目標檢測領域的首選。而這個數據集就是啟動這個項目的“燃料”。接下來我將基于這個數據集為你完整拆解如何使用YOLOv5訓練一個瓶子檢測模型從環境搭建、數據準備到訓練調參、模型評估與部署分享一路走來的實操經驗和踩過的坑。2. 核心需求與場景解析為什么是瓶子檢測2.1 瓶子檢測的應用價值瓶子檢測看似簡單但其應用場景卻非常廣泛這恰恰是它成為經典入門案例的原因。首先它的形態相對固定圓柱體為主但又具備足夠的多樣性不同顏色、標簽、材質、大小、是否透明這為模型學習泛化特征提供了很好的樣本。在實際項目中它可能演變為以下場景工業自動化與分揀在飲料、化妝品灌裝線上實時檢測瓶子是否到位、瓶口是否完好、標簽是否貼正。或者在回收流水線上識別并分類不同材質的塑料瓶、玻璃瓶。零售與倉儲管理商超貨架的自動盤點統計各類飲料的庫存數量。在無人便利店中識別顧客拿取或放回的瓶裝商品。安防與環境監測在特定區域如實驗室、倉庫檢測危險化學試劑瓶的狀態或位置。在公共場所監測亂扔的塑料瓶輔助清潔管理。機器人抓取為機械臂提供瓶子的精確位置和朝向信息實現自動化抓取和放置。對于學習者而言瓶子檢測任務復雜度適中數據集相對容易獲取和標注訓練周期短可以快速看到成果建立信心。同時它涵蓋了目標檢測的大部分核心流程是通向更復雜任務如行人檢測、車輛檢測的完美跳板。2.2 數據集的核心要求一個合格的“bottle_瓶子檢測數據集”應該滿足YOLO格式的要求。通常一個RAR壓縮包解壓后我們期望看到類似如下的結構bottle_dataset/ ├── images/ │ ├── train/ │ │ ├── bottle_001.jpg │ │ ├── bottle_002.jpg │ │ └── ... │ └── val/ │ ├── bottle_101.jpg │ └── ... └── labels/ ├── train/ │ ├── bottle_001.txt │ ├── bottle_002.txt │ └── ... └── val/ ├── bottle_101.txt └── ...images存放所有的圖片文件通常按train訓練集和val驗證集劃分。labels存放與圖片同名的.txt標注文件。YOLO格式的標注是歸一化后的中心坐標和寬高(class_id, x_center, y_center, width, height)數值范圍在0到1之間。注意在拿到任何數據集壓縮包后第一件事不是直接訓練而是先解壓然后隨機抽查幾張圖片和對應的標簽文件用腳本或工具可視化一下確認標注框是否準確、格式是否正確。我遇到過不少數據集標注框漂移、類別錯亂直接訓練只會得到垃圾模型。3. 環境搭建與YOLOv5項目初始化3.1 創建獨立的Python環境為了避免包版本沖突強烈建議使用conda或venv創建獨立的Python環境。這里以conda為例# 創建一個名為yolov5的新環境指定Python版本推薦3.8或3.9 conda create -n yolov5 python3.9 conda activate yolov53.2 克隆YOLOv5官方倉庫并安裝依賴YOLOv5的官方倉庫維護得非常活躍代碼和文檔都很清晰。# 克隆倉庫 git clone https://github.com/ultralytics/yolov5 cd yolov5 # 安裝依賴包使用requirements.txt文件 pip install -r requirements.txt這個過程會安裝PyTorch、TorchVision、OpenCV、Pandas等核心庫。如果網絡不暢可以嘗試為pip命令添加鏡像源例如-i https://pypi.tuna.tsinghua.edu.cn/simple。實操心得requirements.txt中的PyTorch通常是CPU版本。如果你有NVIDIA GPU并希望使用GPU加速訓練需要根據你的CUDA版本去 PyTorch官網 獲取對應的安裝命令。例如對于CUDA 11.8可以運行pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118。安裝后可以在Python中運行import torch; print(torch.cuda.is_available())來驗證GPU是否可用。3.3 準備數據集目錄結構假設你的數據集壓縮包解壓后不符合YOLOv5的預期結構你需要手動組織。在yolov5項目根目錄下創建一個datasets文件夾來管理所有數據集是個好習慣。# 在yolov5目錄下 mkdir -p datasets/bottle cd datasets/bottle然后將你解壓后的images/train,images/val,labels/train,labels/val四個文件夾直接拷貝到datasets/bottle目錄下。最終結構如下yolov5/ ├── ... ├── datasets/ │ └── bottle/ │ ├── images/ │ │ ├── train/ │ │ └── val/ │ └── labels/ │ ├── train/ │ └── val/ └── ...4. 數據配置與模型訓練實戰4.1 創建數據集配置文件YOLOv5需要一個YAML文件來告訴它數據集在哪里、有哪些類別。在datasets/bottle目錄下創建一個bottle.yaml文件。# bottle.yaml path: ../datasets/bottle # 數據集根目錄的相對路徑相對于yolov5根目錄 train: images/train # 訓練集圖片路徑相對于path val: images/val # 驗證集圖片路徑相對于path # 類別數量 nc: 1 # 類別名稱列表 names: [bottle] # 可選下載地址/說明 # download: ...這個文件非常簡單path指向數據集根目錄train和val是圖片路徑。nc:1表示我們只有一個檢測類別瓶子names列表里就是這個類別的名字。4.2 啟動模型訓練一切就緒我們可以開始訓練了。回到yolov5項目根目錄運行訓練命令。這里我們選擇中等大小的yolov5s模型它在速度和精度之間取得了很好的平衡非常適合入門和快速迭代。python train.py --img 640 --batch 16 --epochs 100 --data datasets/bottle/bottle.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name bottle_detection讓我解釋一下這幾個關鍵參數--img 640: 輸入圖片會被統一縮放到640x640像素進行訓練。這是YOLOv5的默認尺寸更大的尺寸如1280可能提升精度但會顯著增加顯存消耗和訓練時間。--batch 16: 批次大小。如果你的GPU顯存較小如8GB可能會遇到CUDA out of memory錯誤需要降低batch值如改為8或4。batch大小會影響訓練穩定性一般越大越好但受限于硬件。--epochs 100: 訓練輪數。對于一個小型數據集100輪通常足夠模型收斂。你可以通過觀察后續的評估指標來決定是否提前停止或增加輪數。--data: 指定我們剛才創建的數據集配置文件路徑。--cfg: 指定模型結構配置文件。models/yolov5s.yaml定義了yolov5s的網絡結構。--weights: 指定預訓練權重。yolov5s.pt是官方在COCO數據集上預訓練好的權重。使用預訓練權重進行遷移學習可以極大加快模型在你自己數據集上的收斂速度并提升最終性能。這是至關重要的一步。--name: 本次訓練運行的名稱。所有輸出模型權重、日志、圖表都會保存在runs/train/bottle_detection目錄下。訓練開始后終端會輸出每一輪epoch的損失值和評估指標。更重要的信息在runs/train/bottle_detection目錄中。4.3 訓練過程監控與結果解讀訓練開始后你應該重點關注runs/train/bottle_detection目錄下的幾個文件results.png或results.csv: 這是訓練過程的核心圖表。它會展示訓練損失和驗證損失的下降曲線以及精度Precision、召回率Recall、mAP0.5、mAP0.5:0.95等關鍵指標的變化趨勢。損失Loss包括框回歸損失、目標置信度損失和分類損失。理想情況下這些損失曲線應該平滑下降并最終趨于平穩。如果損失劇烈震蕩可能是學習率太高或批次大小太小。精度Precision模型預測出的瓶子中真正是瓶子的比例。越高說明誤報越少。召回率Recall所有真實的瓶子中被模型找出來的比例。越高說明漏報越少。mAP0.5在交并比IoU閾值為0.5時的平均精度均值。這是最常用的一個指標可以簡單理解為模型檢測瓶子的綜合能力分數。對于瓶子檢測達到0.95以上是很常見的。mAP0.5:0.95在IoU閾值從0.5到0.95步長0.05多個標準下的平均mAP是更嚴格的指標。confusion_matrix.png: 混淆矩陣。因為我們只有一個類別所以這個矩陣很簡單。但它仍然有用可以查看背景被誤認為瓶子的比例反之亦然。val_batchX_labels.jpg和val_batchX_pred.jpg: 這些圖片直觀地展示了在驗證集上真實標注框labels和模型預測框pred的對比。這是判斷模型表現最直接的方式。在訓練中期和結束后務必查看這些圖片看預測框是否緊貼瓶子是否有漏檢或誤檢。避坑技巧訓練時不要只盯著最后的mAP數字。一定要看損失曲線和驗證預測圖片。如果訓練損失持續下降但驗證損失不降反升很可能出現了過擬合模型只記住了訓練集而沒學會泛化。這時需要采取對策比如增加數據增強的強度、使用更小的模型yolov5n、或者加入早停Early Stopping機制。5. 模型評估、測試與優化5.1 使用驗證集評估最佳模型訓練完成后在runs/train/bottle_detection/weights目錄下你會找到兩個最重要的模型文件best.pt: 在驗證集上表現最好的權重根據你指定的指標默認是mAP0.5。last.pt: 最后一輪訓練結束時的權重。通常我們使用best.pt進行后續操作。你可以使用val.py腳本用驗證集對best.pt進行一次全面的評估python val.py --weights runs/train/bottle_detection/weights/best.pt --data datasets/bottle/bottle.yaml --img 640這個命令會輸出詳細的評估表格包括在各個IoU閾值下的精度、召回率、mAP以及每個類別的AP值。它比訓練日志中的更全面、更權威。5.2 使用自定義圖片或視頻進行測試訓練模型的最終目的是應用。YOLOv5提供了非常方便的detect.py腳本用于推理。# 檢測單張圖片 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_image.jpg --conf 0.25 # 檢測一個目錄下的所有圖片 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_folder/ --conf 0.25 # 檢測視頻文件 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source path/to/your/test_video.mp4 --conf 0.25 # 使用攝像頭實時檢測默認攝像頭索引為0 python detect.py --weights runs/train/bottle_detection/weights/best.pt --source 0 --conf 0.25--conf 0.25: 置信度閾值。只有預測框的置信度高于此值的才會被顯示出來。你可以根據測試結果調整這個值。如果瓶子總是漏檢可以適當降低如0.15如果背景雜物經常被誤檢為瓶子則需要提高如0.4。檢測結果會默認保存在runs/detect/exp目錄下圖片或視頻上會畫出預測框和置信度。5.3 模型優化與調參思路如果你的模型在測試集上表現不佳可以從以下幾個方向進行優化數據層面數據質量檢查這是最根本的。回頭仔細檢查數據集的標注質量是否存在大量漏標、錯標、框不準的情況。臟數據是模型性能的天花板。數據增強YOLOv5默認開啟了強大的數據增強Mosaic MixUp 隨機透視、色彩抖動等。你可以在data/hyps/hyp.scratch-low.yaml等超參數文件中調整增強強度。對于瓶子檢測可以適當增加隨機旋轉因為瓶子可能傾倒和亮度對比度變化應對不同光照條件。增加數據量如果瓶子形態、背景非常單一模型容易過擬合。嘗試收集更多樣化的瓶子圖片或者使用生成式AI工具輔助生成一些數據。模型層面更換模型尺寸yolov5n最小速度最快yolov5x最大精度最高但最慢。如果yolov5s精度不夠可以嘗試yolov5m或yolov5l。修改網絡結構對于高級用戶可以嘗試修改models/yolov5s.yaml例如更換激活函數、調整注意力機制等但這需要較強的深度學習背景。訓練策略層面調整超參數學習率--lr0是最關鍵的。太大導致震蕩不收斂太小導致收斂慢。可以嘗試使用--evolve參數進行超參數進化讓YOLOv5自動尋找一組較優的超參數但這非常耗時。延長訓練時間如果損失還在穩步下降可以增加--epochs到200甚至300。使用更優的預訓練權重除了官方的yolov5s.pt社區也可能有在特定場景下預訓練的權重可以嘗試。6. 模型部署與應用簡析模型訓練和測試滿意后下一步就是將其部署到實際應用中。YOLOv5提供了多種導出格式以適應不同的部署環境。6.1 模型導出使用export.py腳本可以將PyTorch模型導出為其他格式。# 導出為TorchScript格式適用于PyTorch生態內的移動端或C部署 python export.py --weights runs/train/bottle_detection/weights/best.pt --include torchscript # 導出為ONNX格式這是一個開放的模型格式被TensorRT, OpenVINO, ONNX Runtime等眾多推理引擎支持 python export.py --weights runs/train/bottle_detection/weights/best.pt --include onnx # 導出為TensorRT引擎文件用于NVIDIA GPU上的極致加速需要CUDA和TensorRT環境 python export.py --weights runs/train/bottle_detection/weights/best.pt --include engine --device 0導出的文件會保存在與權重文件相同的目錄下。對于大多數工業應用ONNX是一個非常好的中間格式兼容性強。6.2 部署方向參考邊緣設備部署如果你有像樹莓派、Jetson Nano、RK3568/RV1106這類邊緣計算設備可以將ONNX模型通過TensorRT或OpenVINO工具鏈進一步優化并部署實現低功耗、實時的瓶子檢測。Web服務部署使用FastAPI或Flask等框架將模型封裝成RESTful API。前端如網頁或手機App上傳圖片后端調用模型推理并返回檢測結果框的位置和類別。這是構建云服務或管理平臺的常見方式。桌面應用集成使用PyQt、Tkinter等庫制作帶界面的桌面程序直接調用PyTorch或ONNX Runtime進行推理適合工廠質檢員等單機場景。注意事項部署時最關鍵的是預處理和后處理必須與訓練時保持一致。訓練時圖片被歸一化、縮放到640x640部署時也必須進行完全相同的操作。YOLOv5的導出腳本通常會幫你處理好這些細節但如果你是自己寫推理代碼務必仔細核對。7. 常見問題與排查實錄在實際操作中你幾乎一定會遇到下面這些問題。這里是我總結的排查清單問題現象可能原因解決方案訓練時出現CUDA out of memory批次大小(batch)或圖片尺寸(img)太大超出GPU顯存。1. 減小--batch值如16-8。2. 減小--img尺寸如640-320。3. 使用更小的模型如yolov5s換成yolov5n。訓練損失loss不下降1. 學習率(lr)設置過高或過低。2. 數據標注有嚴重錯誤。3. 預訓練權重加載失敗。1. 嘗試使用默認學習率或使用--evolve搜索。2.立即停止訓練可視化檢查數據集標注。3. 確認--weights參數指定的.pt文件路徑正確且可讀。驗證集mAP很低但訓練集loss正常過擬合。模型記住了訓練集的所有細節包括噪聲無法泛化。1. 增強數據多樣性更多場景、角度、光照。2. 增強數據增強的強度和隨機性。3. 在hyp文件中增加權重衰減(weight_decay)。4. 使用更小的模型或提前停止訓練。推理時檢測框亂飛或置信度異常推理時的圖片預處理歸一化、通道順序與訓練時不一致。確保你的推理代碼尤其是自己寫的與YOLOv5detect.py中的預處理邏輯完全一致。直接使用detect.py腳本測試是最穩妥的。某個特定場景如逆光下漏檢嚴重數據集中缺乏此類場景的樣本模型未學習到相關特征。收集并標注該場景下的瓶子圖片加入訓練集重新訓練。這是解決模型盲區最根本的方法。導出的ONNX/TensorRT模型推理速度慢導出時未進行優化或部署環境未充分利用硬件加速。1. 導出ONNX時嘗試使用--dynamic或指定固定輸入尺寸。2. 對于TensorRT使用trtexec工具在目標GPU上構建最優引擎。3. 確保部署環境安裝了正確的CUDA、cuDNN、TensorRT庫。最后關于這個“bottle_瓶子檢測數據集.rar”我想說的是它的價值不僅僅在于里面的幾百張圖片和標簽更在于它提供了一個完整的、從數據到模型的實踐閉環。通過親手完成這個流程你會對目標檢測的整個生命周期——數據準備、模型訓練、評估調優、部署應用——有深刻的理解。這個過程中積累的經驗和直覺是任何理論教程都無法替代的。當你下次拿到一個“安全帽檢測數據集”或“零件缺陷數據集”時你會發現自己可以毫不猶豫地沿著同樣的路徑快速跑通并知道在哪里可以做得更好。這就是一個經典入門項目的意義所在。本文還有配套的精品資源點擊獲取