企业官网建设流程全解析

简介：这份资源面向计算机视觉入门与进阶学习者，以及需要落地农产品检测场景的开发者，提供一套基于YOLOv5的茶叶目标检测完整项目实战方案。包内共95个文件，以41个yaml配置文件、34个Python源码为主，辅以5个shell脚本、4份markdown说明文档、2个txt依赖清单及Dockerfile等部署文件，压缩包约242KB，结构紧凑、便于快速搭建训练与推理环境。内容涵盖模型结构定义、数据增强、损失计算、指标评估、训练与检测脚本等核心模块，并附带流程教程与notebook示例，可帮助读者理解从数据配置、模型训练到推理部署的完整链路，掌握目标检测在茶叶识别任务中的调参思路与排错方法。目前已有513人学习下载，适合希望以真实项目巩固YOLOv5实践能力的中高级学习者参考。

1. 茶叶目标检测到底在检什么：从一片鲜叶到 YOLOv5 的落地边界

茶叶目标检测，说白了就是让模型在一张茶园或传送带照片里，把「嫩芽」「一芽一叶」「一芽二叶」「老叶」这些目标框出来并分类。它和通用目标检测最大的区别在于：目标极小、颜色高度接近、遮挡密集，而且同一株茶树上不同等级嫩芽的形态差异可能只有几毫米。基于 YOLOv5 实现茶叶目标检测算法，是当前性价比最高的一条路——YOLOv5 的 anchor 机制对小目标友好，训练速度快，部署到树莓派 5 或 Jetson 这类边缘设备也有成熟路径。这套方案适合三类人：想用 YOLOv5 训练自己数据集的算法初学者、做智慧农业采摘机器人的嵌入式工程师、以及需要茶叶分级质检的产线开发者。但我要先把边界说清楚：YOLOv5 不是万能的，茶叶目标检测的难点不在模型结构，而在数据标注一致性和小目标特征保留，这两点决定了你的 mAP 能不能过 0.7。

2. 数据准备与标注：茶叶数据集怎么建才不白干

2.1 茶叶目标检测的类别定义与采集策略

茶叶目标检测翻车最多的环节不是训练，而是标注。我见过太多人拿手机在茶园随手拍几百张，标完训练出来 mAP 只有 0.3，回头一看类别定义就错了。茶叶的检测类别必须和你的下游任务绑定：如果是采摘机器人，类别应该是「可采摘芽头」和「不可采摘」两类；如果是分级质检，类别要细到「单芽」「一芽一叶」「一芽二叶」「对夹叶」「老叶」五类。类别定义一旦确定，整个数据集不能中途改，改一次就得全部重标。

采集时要注意三个硬指标。第一，光照覆盖要全，晴天顺光、晴天逆光、阴天散射光、傍晚弱光各占一定比例，否则模型一到傍晚就瞎。第二，拍摄距离要固定，建议 30cm 到 50cm，太远目标只有几个像素，YOLOv5 的 P3 特征图也救不回来。第三，背景要多样，纯茶园背景训练出来的模型换到竹筛或传送带上直接崩。常见做法是每个类别至少 300 张有效样本，五类就是 1500 张起步，低于这个数别指望 mAP 好看。

2.2 用 labelImg 标注茶叶并转成 YOLO 格式

标注工具用 labelImg 就够了，别一上来就上 CVAT，学习成本不划算。安装和启动命令如下：

pip install labelImg labelImg

启动后按w画框，选类别，保存为 Pascal VOC 的 XML 格式。但 YOLOv5 要的是归一化的 txt 格式，每行是类别索引 x_center y_center width height，全部除以图像宽高归一化到 0 到 1。转换脚本我一般自己写一个，逻辑清晰可控：

import os import xml.etree.ElementTree as ET # 类别顺序必须和 data.yaml 里的 names 完全一致 classes = ["single_bud", "one_bud_one_leaf", "one_bud_two_leaves", "mature_leaf", "old_leaf"] def convert(xml_dir, txt_dir, img_w, img_h): os.makedirs(txt_dir, exist_ok=True) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(xml_dir, xml_file)) root = tree.getroot() # 图像宽高优先从 XML 读，读不到再用传入值兜底 size = root.find("size") w = int(size.find("width").text) if size is not None else img_w h = int(size.find("height").text) if size is not None else img_h lines = [] for obj in root.iter("object"): cls_name = obj.find("name").text if cls_name not in classes: continue # 类别写错直接跳过，避免索引越界 cls_id = classes.index(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) # 归一化并转成中心点加宽高 x_center = (xmin + xmax) / 2.0 / w y_center = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") with open(os.path.join(txt_dir, xml_file.replace(".xml", ".txt")), "w") as f: f.write("\n".join(lines)) convert("./annotations", "./labels", 640, 640)

这段代码的关键参数是classes列表，顺序必须和后面data.yaml的names一一对应，错一位整个训练就废了。归一化用六位小数是 YOLOv5 官方推荐精度，少了会有累积误差。转换完一定要抽查几张，用cat看 txt 内容，确认坐标都在 0 到 1 之间，出现大于 1 的值说明 XML 里的宽高读错了。

2.3 数据集划分与 data.yaml 配置

划分比例我一般用 8:1:1，训练集、验证集、测试集。茶叶数据量本来就不大，验证集别低于 10%，否则 mAP 波动大到没法判断模型好坏。目录结构按 YOLOv5 的约定来：

dataset/ images/ train/ val/ test/ labels/ train/ val/ test/

然后写data.yaml：

path: ./dataset train: images/train val: images/val test: images/test nc: 5 names: ["single_bud", "one_bud_one_leaf", "one_bud_two_leaves", "mature_leaf", "old_leaf"]

nc是类别数，必须和names长度一致。这里有个血泪经验：path用相对路径时，训练命令必须在path的上一级目录执行，否则 YOLOv5 找不到图片，报错信息还特别隐晦，只说找不到 label，其实是路径拼接错了。

3. YOLOv5 环境配置与训练：从 conda 到第一个权重文件

3.1 conda 环境与 YOLOv5 依赖安装

环境配置是新手第一道坎。我推荐 conda 建独立环境，别在 base 里折腾：

conda create -n tea_yolo python=3.8 -y conda activate tea_yolo git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

Python 3.8 是 YOLOv5 兼容性最好的版本，3.10 以上有些 torch 版本会出玄学问题。requirements.txt里会自动装 torch，但如果你有 GPU，建议先单独装对应 CUDA 版本的 torch，再装其余依赖，否则可能装成 CPU 版，训练时torch.cuda.is_available()返回 False，白等一晚上。验证环境：

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else "CPU only")

三行输出确认版本、CUDA 可用性、显卡型号。如果第三行是 CPU only，先解决驱动和 torch 版本匹配问题，别急着开训。

3.2 用 YOLOv5 训练茶叶数据集的完整命令

训练命令看着简单，参数才是决定成败的地方：

python train.py \ --data ./data/tea.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 200 \ --hyp data/hyps/hyp.scratch-low.yaml \ --project runs/train \ --name tea_exp1 \ --cache

逐项说。--weights yolov5s.pt用预训练权重，茶叶数据量小，从头训基本没戏，迁移学习是标配。--img 640是输入分辨率，茶叶目标小，理论上 1280 更好，但显存翻四倍，8G 显存跑 640 是稳妥选择。--batch 16根据显存调，显存不够就降到 8，但 batch 太小 BN 层统计不稳，mAP 会抖。--epochs 200是上限，实际看早停，YOLOv5 默认 patience 是 100 轮没提升就停。--hyp用 low 增强配置，茶叶数据集小，强增强容易过拟合到增强后的伪特征。--cache把图片缓存到内存，小数据集能明显加速，但数据集超过 10G 别开，内存会爆。

训练过程中重点看三个指标：box_loss应该稳定下降，如果震荡剧烈说明学习率太大；mAP@0.5是主指标，茶叶检测能到 0.75 以上算合格；precision和recall要平衡，recall 太低说明漏检多，采摘场景漏检比误检更致命。

3.3 超参数怎么调：茶叶小目标的三个必调项

YOLOv5 超参数几十个，茶叶检测真正要动的就三个。第一，anchor尺寸。茶叶目标普遍偏小，默认 anchor 是基于 COCO 的，偏大。用python utils/autanchor.py --data data/tea.yaml重新聚类，生成的 anchor 替换模型配置里的默认值，小目标召回能涨 3 到 5 个点。第二，lr0初始学习率，默认 0.01，茶叶数据集小，我一般降到 0.005，配合lrf0.1 做余弦退火，训练更稳。第三，mosaic增强概率，默认 1.0，茶叶目标密集时 mosaic 拼四张图会让目标更小更难学，我一般降到 0.5，后期再关掉。

改超参在hyp.scratch-low.yaml里改，别直接改源码。改完重新训，对比 mAP 曲线，一次只改一个参数，否则你不知道是哪个起了作用。这是调参的基本纪律，很多人一次改五个，涨了不知道为啥涨，跌了不知道为啥跌，纯靠运气。

4. 推理、部署与效果验证：模型训完只是开始

4.1 用 detect.py 跑通茶叶图片和视频推理

训练完拿到best.pt，先别急着部署，用detect.py验证：

python detect.py \ --weights runs/train/tea_exp1/weights/best.pt \ --source ./test_images \ --img 640 \ --conf-thres 0.4 \ --iou-thres 0.45 \ --save-txt \ --project runs/detect \ --name tea_test

--conf-thres 0.4是置信度阈值，茶叶检测我一般设 0.4 到 0.5，太低误检多，太高漏检多，按场景权衡。--iou-thres 0.45是 NMS 的 IoU 阈值，茶叶目标密集时这个值要调低到 0.3 到 0.4，否则相邻芽头会被 NMS 误删。--save-txt把检测框坐标存下来，方便后续做计数或分级统计。推理结果重点看两类错误：把老叶误检成嫩芽，说明类别特征没学好，回去检查标注；密集区域漏检，调低 iou-thres 或重新聚类 anchor。

4.2 树莓派 5 上部署自己训练的 YOLOv5 模型

边缘部署是茶叶检测真正落地的场景。树莓派 5 性能比 4 强不少，但直接跑 PyTorch 版 YOLOv5 还是吃力，常见做法是转 ONNX 再用 onnxruntime 推理：

python export.py --weights best.pt --include onnx --img 640 --opset 12

导出 ONNX 后，在树莓派上装onnxruntime，写推理脚本。关键参数是opset 12，版本太高树莓派的 onnxruntime 可能不支持。树莓派 5 上 640 分辨率单帧推理大概 200 到 400ms，做实时采摘引导勉强够用，要更快就降到 416 分辨率，精度会掉几个点。部署时注意散热，树莓派 5 满载跑推理温度能上 80 度，不加风扇会降频，推理时间翻倍。

4.3 茶叶检测模型的验证指标与误检分析

验证不能只看 mAP。茶叶检测要额外看三个指标：单类 AP，看哪个类别拖后腿；混淆矩阵，看类别之间怎么混的；以及实际业务指标，比如采摘场景的漏检率。跑验证：

python val.py \ --weights best.pt \ --data ./data/tea.yaml \ --img 640 \ --conf-thres 0.001 \ --iou-thres 0.6 \ --task test

--conf-thres 0.001是验证时的低阈值，为了算完整的 PR 曲线，别用推理时的 0.4。--task test指定在测试集上跑，别用验证集，验证集参与过调参，指标会虚高。跑完看runs/val下的混淆矩阵图，如果one_bud_one_leaf大量被预测成one_bud_two_leaves，说明这两类标注边界模糊，回去统一标注标准，而不是调模型。

5. 避坑与排查：茶叶目标检测最常见的五个翻车现场

5.1 训练 loss 不降反升

现象：训练前几十轮box_loss和obj_loss都在涨，mAP 一直是 0。原因通常是学习率太大或者标注文件格式错。先检查 labels 目录下的 txt 是不是归一化坐标，有没有出现大于 1 的值。再检查data.yaml的nc和names长度是否一致。如果都正常，把lr0从 0.01 降到 0.001 再试。还有一种隐蔽情况：图片和 label 文件名没对上，YOLOv5 找不到 label 会当成背景图训练，loss 也会异常。

5.2 mAP 卡在 0.5 上不去

现象：训练正常，loss 在降，但 mAP@0.5 到 0.5 就平了。原因多半是 anchor 不匹配小目标。茶叶目标在 640 分辨率下可能只有 20 到 40 像素，默认 anchor 最小是 10x13，勉强够，但聚类后的 anchor 更贴合。跑 autanchor 重新生成，替换yolov5s.yaml里的 anchors 字段。另一个原因是数据量不够，五类各 300 张是底线，低于这个数模型学不到类间差异，加数据比调参有用。

5.3 推理时类别全预测成同一类

现象：detect.py 跑出来所有框都是single_bud。原因是data.yaml的names顺序和训练时不一致，或者转换脚本里classes列表顺序变了。YOLOv5 的类别索引是硬编码的，顺序错一位，所有预测都错位。解决方法是训练和推理用同一份data.yaml，转换脚本的classes从data.yaml读，别手写两份。

5.4 树莓派上推理报 onnxruntime 版本错误

现象：导出 ONNX 后在树莓派上加载报Unsupported model IR version。原因是导出时 opset 版本太高，树莓派上装的 onnxruntime 版本旧。解决方法是导出时指定--opset 12，或者升级树莓派的 onnxruntime。如果还不行，用onnxsim简化模型，去掉冗余算子。树莓派 5 的 ARM 架构对某些算子支持不好，简化后兼容性更好。

5.5 傍晚或逆光图片漏检严重

现象：白天图片检测正常，傍晚或逆光图片大量漏检。原因是训练集光照分布不均，模型没学过弱光特征。解决方法是补充弱光样本，或者在推理前做直方图均衡化预处理。我一般会在推理脚本里加一步 CLAHE 增强，对茶叶这种低对比度目标效果明显。但注意，预处理要和训练时的增强保持一致，训练没用 CLAHE，推理加了反而可能掉点。

6. 把茶叶检测做到产线可用：一个提升小目标召回的技巧

模型训完、部署跑通，离产线可用还差一步：小目标召回。茶叶检测最要命的是漏检，一个嫩芽没检出来，采摘机器人就少摘一个，产线质检就漏判一个。我试过最有效的一个技巧是推理时用 TTA（测试时增强），简单说就是把图片翻转、缩放后分别推理，再融合结果。YOLOv5 的 detect.py 自带 TTA 开关：

python detect.py \ --weights best.pt \ --source ./test_images \ --img 640 \ --augment \ --conf-thres 0.35 \ --iou-thres 0.4

--augment就是开启 TTA，会对每张图做翻转和缩放推理再 NMS 融合。代价是推理时间翻三倍左右，树莓派上可能从 300ms 涨到 900ms，实时场景要权衡。但在离线质检场景，这个技巧能把小目标召回率提升 5 到 8 个点，非常值。

另一个技巧是切片推理，针对超高分辨率图片。茶叶航拍图或产线高清相机图可能有 4000x3000，直接缩到 640 目标只剩几个像素。做法是把大图切成 640x640 的小块，每块带 20% 重叠，分别推理后再把框映射回原图做 NMS。这个逻辑要自己写，核心是滑动窗口加坐标还原：

def slice_inference(img, model, slice_size=640, overlap=128): h, w = img.shape[:2] stride = slice_size - overlap all_boxes = [] for y in range(0, h, stride): for x in range(0, w, stride): # 切块，边界不足时贴边补齐 x2 = min(x + slice_size, w) y2 = min(y + slice_size, h) x1 = max(0, x2 - slice_size) y1 = max(0, y2 - slice_size) patch = img[y1:y2, x1:x2] # 推理并把框坐标加回偏移量 boxes = model(patch) for box in boxes: box[0] += x1 box[1] += y1 box[2] += x1 box[3] += y1 all_boxes.append(box) # 最后对所有框做一次全局 NMS return nms(all_boxes, iou_thres=0.4)

slice_size和overlap是核心参数，overlap 太小边缘目标会被切断，太大推理次数暴增。我一般用 128 像素重叠，640 的块，一张 4000x3000 图大概切 35 块，推理时间可接受。这个方案在茶叶航拍计数场景实测比整图缩放召回高 15 个点以上。

最后说个我自己的习惯：每次训完模型，我都会挑 20 张最难的图——逆光、密集、遮挡——单独存一个hard_cases文件夹，每次改完参数先跑这 20 张，看漏检和误检有没有改善。这比看整体 mAP 敏感得多，整体 mAP 涨 0.5 个点可能只是简单样本的贡献，难样本才是产线真正的考验。茶叶目标检测这行，模型结构不是壁垒，数据和验证方法才是。希望帮到你。

本文还有配套的精品资源，点击获取