企业官网建设流程全解析

1. 为什么我要搞一个番茄叶片检测数据集

做智慧农业这行的人，手里没几个拿得出手的数据集，出门都不好意思跟人打招呼。但说真的，市面上的公开数据集要么是国外的（病害种类对不上国内品种），要么是纯学术场景拍的（背景干净得像实验室），真拿到大棚里去跑，效果一言难尽。所以我在实际推进一个温室大棚病害预警项目时，索性自己动手，搞了一套3100张的番茄健康叶片检测数据集，配合YOLO系列做目标检测训练。

这个数据集的核心应用场景很明确：配合定点摄像头或者巡检机器人，在番茄生长周期内持续拍摄叶片图像，实时识别叶片是否健康、是否存在早期病害迹象。目标不是替代植保专家的判断，而是帮种植户在大面积种植时快速筛查出问题区域，把"人眼看得过来"变成"算法先筛一遍，人工重点复查"。

适合谁参考？如果你正准备训练自己的农业检测模型，或者在YOLO数据集的构建、标注、训练上踩坑，这篇文章应该能给你省不少时间。我会把从数据采集、标注规范、训练参数到落地部署的关键细节全部摊开讲，包括那些文档里不会写的坑。

3100张不多，但对一个垂直于单作物、单部位检测的任务来说，配合好的数据增强和迁移学习，已经能训练出可用性相当高的模型。关键不在于数量堆到几万张，而在于每一张数据的质量、标注的一致性和训练策略的适配性。

2. 数据集设计与制作的整体思路

2.1 为什么选番茄叶片作为检测对象

番茄是全球种植面积最大的蔬菜作物之一，大棚种植尤其密集，叶片病害传播速度快。常见的叶霉病、早疫病、晚疫病、灰叶斑，一旦漏检几天，整棚蔓延，损失很大。而叶片又是病害表现最早的部位——很多系统性病害在果实显现症状之前，叶片上已经有明显的颜色和形态变化。所以把检测目标锁定在叶片上，是性价比最高的切入方式。

另一个原因是番茄叶片的结构特征清晰。番茄叶片是羽状复叶，背景相对简单，叶片边缘轮廓明显，病害区域的颜色变化（黄化、褐斑、灰霉层）在视觉上辨识度高。比起果实检测（果实遮挡严重、颜色受光照影响大），叶片检测对标注和模型来说都更友好，准确率更容易做上去。

选择单一作物还有一个实际考量：模型容量有限，检测类别越多，单类数据的均衡性要求越高。当前项目聚焦番茄，后面可以按同样的流程扩展到黄瓜、辣椒，每个作物单独训练专属模型，部署时按需加载。

2.2 数据集的类别体系如何设计

这是我最想强调的一点。很多人在做农业数据集时，一上来就把类别分得很细，什么"番茄叶霉病早期"、"番茄叶霉病中期"、"番茄晚疫病斑点"，标注起来痛苦不说，模型学到的特征往往互相混淆。病害发展是一个连续过程，划分过细的类别边界本来就是模糊的。

我最终把类别收敛为两类：

• 健康叶片（healthy_leaf）
• 病害叶片（diseased_leaf）

病害叶片这一类是广义的，涵盖叶霉病、早疫病、斑枯病等多种常见病害的叶片表现。实际训练中，模型只需要学习"什么样的叶片看起来不正常"，这个特征边界比"具体是哪一种病"要清晰得多，检测置信度也更稳定。

那具体病害的细分识别怎么做？我的方案是分两阶段：第一阶段用当前数据集跑YOLO做健康/病害的快速筛查；第二阶段对检出的病害区域做图像分类（或用多模态模型识别具体病种）。这样既保证了检测精度的稳定性，又保留了后续细分的扩展空间。

类别体系确定后，标注工作就简单得多，只需框选叶片区域并标记类别，不需要在叶片上细抠病斑轮廓，省了大量工时。

2.3 3100张数据的构成比例

整个数据集3100张，我按以下比例分配：

病害叶片与健康叶片的比例控制在约6:4。病害样本略多一点，因为病害叶片的形态多样性更高——不同病害、不同严重程度、不同光照条件下的表现差异都需要覆盖。但如果病害样本占比过高，模型会倾向于"宁可错杀也不放过"，导致健康叶片的误检率上升。

每张图片的平均标注框数量在1到3个之间，取决于拍摄时是单叶特写还是整株多叶。多叶场景对模型在大棚实景下的泛化能力很重要，单叶特写则有助于学习细致的纹理特征，两者搭配使用。

3. 数据采集与标注的实操细节

3.1 采集设备和拍摄环境的真实要求

对农业数据集来说，采集设备不需要特别高端，我用的就是普通工业相机（500万像素级），手机摄像头其实也能用，但要注意保持分辨率在1280x1280以上，否则叶片纹理细节丢失，小病斑根本看不清。

拍摄场景我分了三种，尽量覆盖实际部署环境：

第一种是大棚自然光环境。上午9点到11点、下午3点到5点这两个时间段光照比较均匀，不会产生过强的阴影和反光。这个场景拍出来的数据最接近实际运行状态，占比约70%。

第二种是人工补光环境，模拟阴天、傍晚等弱光条件。我用了一盏LED补光灯，色温5000K左右，亮度调低于正午阳光。这部分数据能有效提高模型在不同光照条件下的鲁棒性。

第三种是室内白底背景拍摄，作为数据增强的"干净样本"。这类图片背景无干扰，模型学到的叶片特征更纯粹，占比约10%。

拍摄时注意叶片状态要自然——不能刚喷完水就拍，叶片上的水珠会产生高光反射，干扰病害特征提取；也不要刻意把病叶洗得干干净净再去拍，那就失去了实际检测的意义。

3.2 标注工具选择与标注规范

标注工具我用的是LabelImg和X-AnyLabeling，都支持YOLO格式直接导出。LabelImg是老牌工具，稳定可靠，适合批量操作；X-AnyLabeling支持AI辅助预标注，先用一个初版模型自动标一遍，人工再修正，效率能提升不少。

标注规范上，我踩过不少坑，总结几条硬性原则：

一、标注框必须完整包住叶片，宁大勿小。很多人标注时喜欢紧贴叶片边缘，但叶片边缘有锯齿状突起，框得太紧会把一部分叶片切出框外，训练时模型学到的是"残缺的叶片"，检测效果反而不好。我就吃过这个亏，最初一版数据标注框都紧贴边缘，结果模型对边缘遮挡的叶片几乎完全无法识别。

二、遮挡情况的处理要统一。如果叶片被其他叶片遮挡超过50%，不标注；遮挡少的部分，按可见轮廓框。这个标准在整个标注过程中必须一以贯之，否则模型对是否应该检测一个不完整的叶片会产生混乱。

三、一个叶片一个框，不要试图把一丛叶片框在一起。哪怕两片叶子紧紧挨着，只要边缘可辨认，就要分开标注。模型依赖每个框学习"一片叶子"的视觉范围，框里装了两片半叶子，特征就浑浊了。

标注完成后，导出YOLO格式的txt标签文件（类别ID加归一化坐标），建议再用一个小脚本做一遍格式校验和可视化检查，把标注框画回原图上快速扫一遍，看看有没有错位和漏标。这一步不能省，肉眼直接看txt坐标文件根本发现不了问题。

3.3 数据清洗和增强策略

数据采集回来不是直接就能用的，清洗这一步决定了数据集的底线质量。我清洗了三类问题：

第一类是模糊图片，手持相机拍摄时容易产生轻微运动模糊，雾天或大棚内湿度大时也会导致画面发灰。我按人工逐张筛选删除，标准是叶片脉络是否清晰可辨。

第二类是严重过曝和欠曝的图片，曝光问题的图片后期很难通过简单增强救回来，删掉比留着好。

第三类是标注错误率偏高的图片，抽查时有超过20%的标注框明显错位的，整个文件直接丢掉重新拍。

清洗完的数据集做增强，我主要用了以下几种方式：

• 水平翻转、垂直翻转（注意垂直翻转在真实场景中不太常见，占比控制在10%以内）
• 亮度扰动：随机调整亮度正负25%，模拟一天中不同时段的光照变化
• 对比度与饱和度微调：让模型对颜色变化不那么敏感，减少过拟合
• 轻微随机旋转（±10度）与缩放（0.8~1.2倍），模拟相机角度变化
• Mosaic增强（YOLO自带）：将四张图拼接训练，让模型学会处理叶片密集和互相遮挡的情况

增强数据不是越多越好，尤其注意不要引入现实中不可能出现的状态。比如翻转后的叶片阴影方向会和自然光方向不一致，这不会干扰YOLO训练，但如果做的是需要方向敏感的任务就得格外留意。

4. YOLO训练全流程实操

4.1 环境配置和baseline选择

这个项目的模型我选了YOLOv8s作为baseline。原因很简单：YOLOv8的生态成熟，文档齐全，训练推理速度平衡，部署到一般工控机甚至边缘设备上都没有压力。YOLO系列发展到v8在backbone和neck上的改进已经相当完善，对农业场景这种目标尺度较小、背景复杂程度中等的任务，完全能胜任。

环境配置我用的是PyTorch框架，CUDA版本11.8，GPU用RTX 3090（24G显存），训练这个规模的数据集毫无压力。CPU训练非常不推荐，哪怕只是2480张图，用CPU训练YOLOv8s的推理速度会很痛苦。

ultralytics这个库直接pip安装就行，YOLO训练的基础流程非常简单，重点在于参数调优。

4.2 关键训练参数设置与调优思路

以下是我实际训练中用的核心参数，附上选择理由：

一个重要心得：不要在一开始就把imgsz调到1280甚至1536去追求精度。imgsz提升会显著增加显存占用和计算量，而640下的精度在小目标检测上已经够用。如果你要检测的是特别小的早期病斑，可以试试将imgsz提到960，同时注意Mosaic增强的比例需要相应调整，否则小目标信息丢失得更严重。

关闭weight augmentation（weight_augment=False），这是默认设置但对小数据集帮助有限；开启cache=True把数据集缓存到显存，能大幅减少训练过程中的磁盘IO等待。

4.3 训练过程中的实时监控和调优

训练开始后，最需要关注的指标是train/cls_loss（分类损失）和train/box_loss（回归损失）的下降曲线。如果训练集分类损失持续下降到接近0而验证集损失停滞甚至上升，那基本可以确定过拟合了。

我对过拟合的应对，第一步是增加数据增强的强度，特别是把scale（随机缩放）从0.5提高到0.9，相当于喂更多"角度不同、距离不同"的样本。第二步是加dropout来正则化网络。

另一个常见的问题是：某个类的AP（平均精度）特别低。我当时就遇到"健康叶片"AP一直在0.7左右上不去，而"病害叶片"AP已经0.9了。排查下来发现两个原因：一是数据集中健康样本占比偏低；二是健康叶片在光照充足时反光严重，部分叶片边缘和背景的差异度不足。解决方案是补充了100多张侧光条件下拍摄的健康叶片，模型的AP立刻有了改善。

训练完成后，用验证集评估模型，mAP50（IoU阈值0.5下的平均精度）在0.88，而mAP50-95（从0.5到0.95取不同阈值的综合指标）在0.7左右。对农业检测来说，mAP50这个指标更重要，因为实际场景里允许检测框有一定的偏差，框住叶片的大部分区域即可，不需要像素级的精准定位。

4.4 模型导出与测试集最终评估

训练结束后，我将训练好的权重导出为TensorRT engine格式，部署在NVIDIA Jetson Orin NX上，推理速度从PyTorch的约30ms/帧降到了约12ms/帧，满足实时检测的需求。具体可这样做：

yolo export model=best.pt format=engine device=0 half=True

half=True表示FP16半精度推理，精度损失可以忽略，速度提升明显。导出后可以快速验证一下：

yolo predict model=best.engine source=test_images device=0

测试集的310张图在导出后的engine模型上跑一遍，mAP50和训练时的验证集评估结果接近，没有出现精度断崖式下跌。这一步很有必要——有时量化或格式转换会有精度回退，及早发现比部署上线后才发现要好得多。

5. 落地部署与真实场景适配

5.1 大棚定点监控方案

第一套落地部署方案是大棚定点监控。在温室顶部或者侧面支架上安装摄像头，每隔几秒拍摄一张高清图像，传入边缘计算盒子（比如Jetson Orin NX这一级别）执行YOLO检测。

这里有一个关键的工程细节：摄像头安装高度和角度直接影响检测效果。摄像头安装得过高，叶片在画面中占的比例太小，检测精度严重下滑；安装得过低，单株叶片遮挡严重，漏检率增加。我实测下来，摄像头距离番茄植株顶部大概1到1.5米，以俯视约45度角拍摄，单张画面能覆盖3到5株番茄，叶片尺寸在画面中占比适中，检测精度比较理想。

检测结果的输出是一条带坐标和时间戳的记录，写入数据库。如果一个检测区域内连续多帧检出病害叶片，说明这里大概率真的有了问题，系统自动推送提醒消息。单独一帧偶尔检出可能是噪声，连续多帧确认能有效降低误报率。

5.2 巡检机器人路径检测方案

另一套方案是和轨道式巡检机器人配合。机器人在温室的行间轨道上移动，每隔固定距离停下拍摄一组图像。这样一套设备就能覆盖整个大棚，单台成本远低于部署几十个固定摄像头。

机器人方案对流处理有一个额外要求：检测结果需要在本地做一次时序聚合，而不能单纯依赖单帧。具体来说，每次停靠点拍摄的5张图中，至少3张检出病害区域，才确认为阳性结果。这个阈值是我通过实地测试调出来的，既能过滤运动模糊导致的误检，又不会放过真正的病斑。

5.3 弱光与逆光场景的模型表现

实际大棚里最影响检测精度的问题是弱光和逆光。大棚薄膜会过滤部分紫外线，阴天时实测亮度只有晴天的三分之一。我在训练时加入的亮度扰动在这时发挥了作用，模型在弱光下的mAP50从初始的0.72提升到了0.85，提升幅度明显。

逆光情况更棘手。太阳低角度时，朝南一侧的叶片会处于背光状态，叶片整体发暗，病害斑点和正常叶片的亮度对比度大幅下降。我处理的办法是训练时加大对比度扰动的范围，同时在实际部署时引导摄像头尽量避免直射阳光朝向，优先选择顺光或侧光位置安装。

这里也暴露了数据集的覆盖范围不足——3100张数据中逆光样本占比不到5%，模型对此类场景的泛化能力有限。后续迭代时，我会专门补一批不同时段、不同天气、不同朝向条件下的逆光数据，把短板补上。

6. 典型问题与避坑经验速查

6.1 数据层面的五大高频问题

标注框错位算是我最常遇到的标注质量问题。很多人以为标注得差不多就行，但YOLO的anchor-free机制对标注精度还是敏感的。我重新仔细标注一遍之后，mAP50提升了约5个百分点，效果立竿见影。

6.2 训练环节的四个提醒

第一个提醒：使用预训练权重（YOLOv8官方在COCO上的预训练权重）是非常必要的。COCO数据集包含大量自然图像特征，迁移学习的收益在这个规模的数据集上非常明显。从零开始训练，同参数下mAP50会低10个百分点以上。

第二个提醒：Mosaic增强在训练末期建议关闭。YOLOv8默认最后10个epoch自动关闭Mosaic，因为拼接图与真实场景差异较大，训练后期需要回归到真实分布。手动训练时记得保留这个默认机制。

第三个提醒：保存检查点文件（epoch每50轮保存一次的权重）很有用。我遇到过训练到约200轮时显存溢出导致进程被杀，如果没有检查点就只能全部重来。

第四个提醒：验证集不能只在训练结束后跑一遍，要在训练过程中定期评估，否则很难判断是否过拟合、该不该提前停止。YOLOv8自带的val机制已经能做到这一点，别嫌麻烦，每轮训练结束的自动验证对判断训练状态极为关键。

6.3 关于数据集持续迭代的体会

3100张数据集解决了从0到1的问题，但从1到N还需要持续迭代。我的做法是将每批从大棚采集的新图像做增量标注，定期合并进训练集并重新训练。这样模型能逐渐适应季节变化、品种差异、光照模式迁移带来的新情况。

具体操作时要注意不要让旧数据被新数据淹没——每次增量训练时，新数据的采样权重适当提高，但旧数据也要保留一定比例，否则模型会遗忘之前学过的特征。我使用约3:1的采样比例（新数据:旧数据），实测效果比较理想。

7. 实操中的心得体会与后续扩展方向

这个项目做完，我最大的体会是：智慧农业的模型和数据集工作，真正难的地方不在于算法本身，而在于你是否理解农业现场的真实约束。目标检测模型在标准数据集上刷分是一回事，在大棚里的泥土、水雾、遮阳网、滴灌带组成的真实环境中稳定工作是另一回事。数据集的构建和迭代必须围绕实际部署场景持续做，才能让模型从"论文里能跑"变成"地里能用"。

另外想提醒大家的是，纯检测只是第一步。我在项目尾期尝试将健康/病害检测结果接入一个轻量级的视觉分析模块，用检出的叶片区域做进一步的病斑面积估算和颜色特征分析，从而对病害严重程度做粗略分级。这个方向很有意思，但需要更多的标注数据支撑，后续我打算扩充数据集规模，把细分病害类型和严重程度也纳入训练目标，让模型在农业生产决策中发挥更大的作用。

如果你也在做类似的数据集或者想用YOLO解决农业视觉问题，建议从我的经验出发：先聚焦作物、聚焦部位、收敛类别，把数据质量和标注一致性做扎实，再谈模型调优和应用扩展。这条路走通了，后面做任何作物和场景，都能以同样的方法复现和迁移。