企业官网建设流程全解析

1. 项目概述：用 Monk 库做海洋生物检测，不是调个 API 就完事的活儿

“Detecting Marine Creatures using the Monk Object Detection Library”——这个标题乍看像一篇课程作业或 GitHub 上的 demo 项目，但实际拆开来看，它背后藏着一个非常现实、且正在快速落地的应用场景：近海养殖监测、珊瑚礁生态评估、渔业资源普查，甚至水下机器人自主识别。我过去三年在海洋科技公司做过六轮水下视觉系统迭代，从 ROV 拍摄的模糊视频流里抠出章鱼、海葵、石斑鱼，再到用轻量模型跑在 Jetson Nano 上实时框出幼鱼位置，踩过的坑比看到的鱼还多。Monk 这个库，很多人只当它是 PyTorch 的一层封装，但它的真正价值在于把目标检测从“调参工程师专属”拉回到“领域研究者可掌控”的尺度——尤其对海洋生物学、水产养殖、环保监测这类缺乏专职算法岗的团队来说，它不是替代深度学习，而是把深度学习的门槛从“读论文+写训练循环+调 loss 曲线”压到“准备数据+改两行配置+点运行”。核心关键词是Monk Object Detection、marine creature detection、underwater image recognition、low-resource deployment、transfer learning for aquatic species。它解决的不是“能不能识别”，而是“能不能让海洋生态研究员自己完成一次完整识别流程，从拍视频到生成物种分布热力图，全程不依赖算法同事排期”。适合三类人：一是高校/研究所里做海洋遥感或生物调查的老师和研究生，手头有几百张潜水员拍的鱼群照片但不会写 detectron2；二是中小型水产养殖企业技术员，想用手机拍池塘视频自动统计鲈鱼数量；三是水下机器人初创团队，需要在 ARM 架构边缘设备上跑实时检测，又不想花三个月重写推理引擎。这不是一个“玩具级 demo”，而是一套可嵌入真实工作流的轻量化视觉方案——前提是，你得先搞懂 Monk 不是魔法，它只是把很多底层脏活打包好了，而水下图像的脏，比你想的更脏。

2. 整体设计思路与方案选型逻辑：为什么选 Monk 而不是 YOLOv8 或 Detectron2？

2.1 水下图像的三大反直觉特性，直接决定框架选型生死线

很多人一上来就问：“YOLOv8 不是更快更准吗？为啥不用？”——这话在陆地场景完全成立，但在水下，精度和速度的权重必须重分配。我拿去年帮福建某鲍鱼养殖场做的对比测试说事：同一组 4K 水下摄像机拍摄的喂食视频（光照不均、悬浮颗粒多、鲍鱼壳反光强），用 YOLOv8s 训练后 mAP@0.5 达到 78.3%，但部署到现场工控机（i5-8250U + 无独显）时，单帧推理耗时 320ms，根本跟不上 25fps 的视频流；换成 Monk 封装的 EfficientDet-D1，mAP 掉到 71.6%，但推理压到 89ms，配合帧抽样策略，实际漏检率反而更低。这不是精度妥协，而是水下检测的本质是“可用性优先”。具体来说，水下图像有三个反直觉硬伤：

1. 色偏不可逆性：红光在水下 5 米处衰减超 90%，导致所有红色生物（如海葵、虾、部分珊瑚）在原始图像中接近灰度。传统白平衡校正会放大噪声，而 Monk 内置的monk.gluon.utils.preprocess_image支持通道加权归一化（比如对 B 通道乘 1.8，G 乘 1.3，R 乘 0.4），这步操作在 YOLO 训练前手动做，要写 20 行 OpenCV 代码，而在 Monk 里就是transform = monk.transforms.color.ColorJitter(brightness=0.2, contrast=0.3, saturation=0.1, hue=0.05)一行调用，且自动适配训练/验证流程。

2. 低信噪比下的小目标泛滥：10cm 长的幼鱼在 3 米水深画面中可能只有 12×8 像素，而背景是动态浮动的藻类碎屑。YOLO 系列的 anchor 设计默认适配 COCO 的 32×32 最小 anchor，直接迁移会导致召回率暴跌。Monk 的monk.detecto.utils.create_dataset模块强制要求用户指定min_object_size（单位像素），并自动触发 multi-scale training：当检测到标注框平均尺寸 <20px 时，会将输入分辨率从 640×640 动态缩放到 1024×1024，并启用 mosaic augmentation 中的“小目标增强模式”——即在 mosaic 四宫格中，小目标被强制复制到至少两个子图中，避免被随机裁剪丢弃。这个逻辑在 Detectron2 里要改DatasetMapper和AugmentationList，没 300 行代码搞不定。

3. 标注数据极度稀缺且不均衡：我们收集了 1200 张南海珊瑚礁图像，其中 87% 标注了“鹿角珊瑚”，但“蓝环章鱼”仅 9 张。YOLOv8 的 class-wise loss 默认等权，结果模型学会“只要不是珊瑚就判为背景”。Monk 的monk.detecto.train.Trainer类内置class_weight参数，支持传入字典{"coral": 1.0, "octopus": 12.5}（12.5 是 1200/9 的倒数），且该权重会自动注入到 Focal Loss 计算中，无需碰 loss 函数源码。

提示：Monk 不是“简化版 YOLO”，而是“为低质量、小样本、边缘部署场景预优化的检测框架”。它的 API 看似简单，但每个参数背后都对应着水下视觉的特定痛点。跳过原理直接调用，大概率训出一个在测试集上 mAP 85%、实测全漏检的模型。

2.2 Monk 的架构优势：不是封装，是重新组织了训练范式

Monk 的核心不是“让 PyTorch 更好用”，而是把目标检测的工程链路切成可插拔模块。它的设计哲学很像乐高：monk.detecto.datasets负责数据加载（自动处理 VOC/COCO/CSV 多种格式，且对 underwater 图像特有的“半透明生物边缘模糊”做了 mask dilation 预处理），monk.detecto.models提供 backbone-agnostic 检测头（EfficientDet、RetinaNet、SSD 全部统一成model = MonkModel(backbone="efficientdet_d1", num_classes=5)），monk.detecto.train封装训练循环（关键在early_stopping_patience=7和reduce_lr_on_plateau的耦合逻辑——当 val_loss 连续 7 epoch 不降，学习率除以 10，若再 5 epoch 不降则终止，这对水下数据过拟合极其有效）。最实用的是monk.detecto.inference模块：它导出的.pth模型自带predict()方法，输入 PIL.Image 或 numpy array，输出{"boxes": [...], "labels": [...], "scores": [...]}，完全不需要写 inference script。我在三亚蜈支洲岛部署时，渔民用安卓手机拍视频，Python 后端接收到帧后直接result = model.predict(frame)，3 行代码搞定识别，而用原生 PyTorch，光是 tensor 维度转换和 NMS 后处理就要写 50 行。

2.3 为什么不选 Detectron2？——一个血泪教训的对比表

这个表不是贬低 Detectron2，而是说明：当你的核心诉求是“让非算法人员 2 天内跑通全流程”，Monk 的工程友好性是碾压级的。它牺牲了极致的定制自由度，换来了确定性的交付效率——这对科研项目结题、企业快速验证需求至关重要。

3. 核心细节解析与实操要点：从数据准备到模型导出的 7 个生死关

3.1 数据准备：水下图像标注的 3 个反常识操作

水下图像标注绝不是“用 labelImg 框一圈”那么简单。我见过太多团队栽在第一步：标注员按陆地习惯框住整个鱼身，结果模型学不会识别“只露出半条尾巴的石斑鱼”。以下是必须执行的三项操作：

第一，强制标注“可见区域”而非“生物轮廓”。例如一条斜向游动的鲷鱼，身体 70% 在画面内，但尾部被岩石遮挡。此时应框选实际可见的鱼体部分（约 40% 面积），而不是脑补出完整鱼形。Monk 的create_dataset()会自动计算area_ratio = visible_area / bbox_area，当该值 <0.6 时，触发partial_object_augmentation——在训练时对该样本做随机旋转+裁剪，模拟更多遮挡场景。如果按常规方式框完整鱼，这个机制就失效了。

第二，对透明/半透明生物（水母、海鞘）采用“双层标注法”。外层框（class=jellyfish_outer）标水母伞盖最大外缘，内层框（class=jellyfish_inner）标伞盖中心致密区。Monk 训练时会将二者视为同一类，但计算 loss 时，inner框的 regression weight 设为 2.0（外层为 1.0），迫使模型更关注高信息密度区域。我们在西沙群岛数据上测试，这种标注使水母召回率从 53% 提升至 79%。

第三，必须添加“伪负样本”。水下图像常有大量“疑似生物”的噪声：气泡、光斑、漂浮纤维。Monk 的create_dataset()支持negative_samples_dir="./negatives/"参数，指定一个存放纯噪声图像的文件夹（如 200 张气泡特写）。这些图像会被加入训练集，但 label 为background，且在 loss 计算中赋予 0.3 权重（防止模型过度抑制真阳性）。没有这一步，模型会把所有亮斑都判为“虾”。

注意：Monk 要求 CSV 标注文件必须包含image_id列（可为文件名），且x1,y1,x2,y2必须是绝对像素坐标（非归一化）。曾有团队用 CVAT 导出的归一化坐标直接喂给 Monk，结果所有框都缩到左上角 10×10 区域——这是 Monk 不做坐标校验的“信任设计”，也是新手最高频的翻车点。

3.2 模型选择与参数配置：EfficientDet-D1 是水下场景的黄金组合

Monk 支持 SSD、RetinaNet、EfficientDet 三种 backbone，但经过 17 组跨海域测试（黄海、南海、地中海），EfficientDet-D1 是唯一在精度、速度、鲁棒性上全面胜出的选项。原因有三：

1. BiFPN 结构天然适配水下多尺度：水下生物尺寸跨度极大（浮游生物 0.5mm，鲸鲨 12m），EfficientDet 的双向特征金字塔能同时强化微小生物的纹理特征（来自浅层）和大型生物的结构特征（来自深层）。SSD 的单向 FPN 在幼鱼检测上 recall@0.5 仅 58%，而 EfficientDet-D1 达到 74%。

2. 参数量与性能的甜点：D1 版本仅 3.9M 参数，在 Jetson Nano 上推理速度 18fps（输入 640×640），而 D2 版本参数翻倍但速度降至 9fps，对实时监测无意义。我们实测过：用 D1 检测 3 米水深的 5cm 幼鱼，mAP@0.5 为 67.2%；用 D2 同配置，mAP 提升到 69.1%，但功耗增加 40%，Nano 散热风扇狂转导致水下设备舱温升超标。

3. 对低对比度的容忍度更高：EfficientDet 的 compound scaling 策略让其在低光照图像中保持特征区分度。我们用暗调图像（亮度降低 40%）测试，D1 的 mAP 下降 5.2%，而 RetinaNet 下降 12.7%。

配置时的关键参数：

model = MonkModel( backbone="efficientdet_d1", num_classes=6, # coral, fish, shrimp, starfish, octopus, jellyfish use_pretrained=True, # 必须 True！加载 COCO 预训练权重 freeze_backbone=False # 水下场景建议 False，让 backbone 也微调 )

freeze_backbone=False是重点：COCO 预训练权重在水下场景下，backbone 的早期卷积层（检测边缘/纹理）依然有效，但后期层（识别语义）需要调整。Monk 的Trainer会自动对 backbone 前 3 个 stage 设 learning_rate=1e-5，后 2 个 stage 设 1e-4，实现分层学习率——这在 YOLO 中要手动改optimizer.param_groups。

3.3 训练过程中的 4 个隐藏技巧

技巧 1：用warmup_epochs=3对抗初始震荡
水下图像噪声大，模型初期极易发散。Monk 的Trainer支持warmup_epochs参数，前 3 个 epoch 学习率从 0 线性增至设定值（如 1e-3），让模型先“感受”数据分布。我们对比过：不开 warmup，val_loss 在第 2 epoch 就飙升至 15.0+；开启后，稳定在 3.2±0.3。

技巧 2：augment_data=True必须搭配mosaic_prob=0.7
Monk 的augment_data默认启用 Mosaic、HSV 增强等，但 Mosaic 对水下图像有奇效：它把 4 张不同水深、不同浊度的图像拼成一张，强迫模型学习跨环境特征。mosaic_prob=0.7是经验值——低于 0.5，增强不足；高于 0.8，拼接边界伪影干扰训练。我们在青岛近海数据上，设 0.7 时 mAP 比 0.3 高 4.1 个点。

技巧 3：val_interval=2防止过拟合
水下数据集小（通常 <2000 张），val 集占比建议 20%。Monk 的val_interval=2表示每 2 个 epoch 验证一次，而非每个 epoch。这样既监控过拟合，又避免频繁验证拖慢训练。实测发现，val_interval=1 时，训练 50 epoch 耗时 8.2h；val_interval=2 时仅 6.5h，且 early stopping 触发更准。

技巧 4：save_best_only=True保命设置
Monk 默认保存每个 epoch 的模型，但水下训练常出现“val_loss 降了但 mAP 升了”的情况。save_best_only=True会只保存 mAP 最高的模型（自动识别metrics="mAP"），避免最后 epoch 模型因随机性变差。我们曾因没开此选项，用第 49 epoch 模型部署，结果 mAP 比最佳模型低 6.3。

3.4 模型导出与边缘部署：ONNX 是唯一可行路径

Monk 训练完的.pth模型不能直接上边缘设备。必须导出 ONNX，再用 TensorRT 加速。步骤如下：

1. 导出 ONNX（必须指定 dynamic_axes）：

model.export_onnx( "marine_efficientdet.onnx", input_shape=(1, 3, 640, 640), # batch=1, ch=3, h=640, w=640 dynamic_axes={ "input": {0: "batch_size"}, "output_boxes": {0: "batch_size"}, "output_labels": {0: "batch_size"}, "output_scores": {0: "batch_size"} } )

关键在dynamic_axes：水下视频帧数不确定，必须让 batch_size 可变。漏掉这点，TensorRT 构建 engine 时会报Unsupported shape dimension。

2. TensorRT 优化（Jetson Nano 示例）：

# 生成 FP16 引擎（水下场景 FP16 足够，INT8 会损失细节） trtexec --onnx=marine_efficientdet.onnx \ --fp16 \ --workspace=2048 \ --saveEngine=marine_fp16.engine \ --buildOnly

--workspace=2048是重点：水下图像高频噪声多，增大 workspace 能提升 NMS 效率。实测 1024MB 时 NMS 耗时 120ms，2048MB 降至 68ms。

3. Python 推理脚本精简版：

import numpy as np import pycuda.autoinit import pycuda.driver as cuda import tensorrt as trt class TRTInference: def __init__(self, engine_path): self.engine = self._load_engine(engine_path) self.context = self.engine.create_execution_context() self.inputs, self.outputs, self.bindings = self._allocate_buffers() def _load_engine(self, path): with open(path, "rb") as f: runtime = trt.Runtime(trt.Logger(trt.Logger.WARNING)) return runtime.deserialize_cuda_engine(f.read()) def predict(self, image_np): # image_np: (H,W,3) uint8 # 归一化 + BGR2RGB + resize img = cv2.cvtColor(image_np, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (640, 640)) img = img.astype(np.float32) / 255.0 img = np.transpose(img, (2,0,1)) # CHW # GPU 推理 np.copyto(self.inputs[0].host, img.ravel()) [cuda.memcpy_htod_async(inp.device, inp.host, self.stream) for inp in self.inputs] self.context.execute_async_v2(bindings=self.bindings, stream_handle=self.stream.handle) [cuda.memcpy_dtoh_async(out.host, out.device, self.stream) for out in self.outputs] self.stream.synchronize() # 解析输出（boxes: (N,4), labels: (N,), scores: (N,)） boxes = self.outputs[0].host.reshape(-1, 4) labels = self.outputs[1].host.astype(int) scores = self.outputs[2].host return {"boxes": boxes, "labels": labels, "scores": scores}

这段代码删减了日志、异常处理等冗余，实测在 Nano 上单帧耗时 89ms，满足 10fps 实时性。

4. 实操过程与核心环节实现：从零开始的南海珊瑚礁检测全流程

4.1 环境准备与 Monk 安装：避开 CUDA 版本陷阱

Monk 依赖 PyTorch，而 PyTorch 的 CUDA 版本必须与系统严格匹配。我们踩过最深的坑是：Ubuntu 20.04 + CUDA 11.2，但 pip install torch 默认装 CUDA 11.3，导致 Monk 训练时报CUDA error: no kernel image is available for execution on the device。正确步骤：

1. 查清系统 CUDA 版本：

nvcc --version # 输出：Cuda compilation tools, release 11.2, V11.2.152 nvidia-smi # 查 Driver Version，确认兼容性

2. 安装匹配的 PyTorch（官方命令生成器）： 访问 https://pytorch.org/get-started/locally/，选择：

• OS: Linux
• Package: Pip
• Language: Python
• Compute Platform: CUDA 11.2
  复制命令：pip3 install torch==1.10.0+cu112 torchvision==0.11.1+cu112 torchaudio==0.10.0+cu112 -f https://download.pytorch.org/whl/torch_stable.html

3. 安装 Monk（必须指定版本）：

pip3 install monk-gluon==0.1.1 # 0.1.1 是最后一个稳定版，0.2.0 有 ONNX 导出 bug pip3 install opencv-python-headless==4.5.5.64 # 避免 GUI 冲突

注意：Monk 0.1.1 要求numpy<1.22，如果已装新版，先pip3 uninstall numpy再pip3 install numpy==1.21.6。这是 Monk 的硬性依赖，不满足会 import 报错。

4.2 数据集构建：以南海 300 张珊瑚礁图像为例

假设你有 300 张 PNG 图像（/data/images/），标注 CSV 文件annotations.csv如下：

image_id,x1,y1,x2,y2,class_name coral_001.png,120,85,210,160,coral coral_001.png,320,205,410,280,coral fish_002.png,85,140,130,185,fish ...

构建步骤：

from monk.detecto.utils import create_dataset from monk.detecto.core import MonkObjectDetection # 创建数据集（自动划分 train/val） dataset = create_dataset( data_path="/data/", csv_file="annotations.csv", min_object_size=20, # 小于 20px 的框视为噪声，过滤掉 train_split=0.8, seed=42 ) # 初始化 Monk 检测器 detector = MonkObjectDetection() detector.Dataset(dataset) # 设置模型（EfficientDet-D1，6 类） detector.Model( model_name="efficientdet_d1", num_classes=6, use_pretrained=True, freeze_backbone=False )

create_dataset()会自动生成/data/train/和/data/val/文件夹，并创建classes.txt（内容：coral\nfish\nshrimp\nstarfish\noctopus\njellyfish）。注意：min_object_size=20是根据南海数据定的——那里最小目标（幼鱼）在 2 米水深下约 22px，设 20 可保留全部有效样本。

4.3 模型训练：完整代码与关键日志解读

# 训练配置 detector.Train( num_epochs=100, batch_size=4, # Nano 内存限制，4 是极限 learning_rate=0.001, warmup_epochs=3, augment_data=True, mosaic_prob=0.7, val_interval=2, save_best_only=True, early_stopping_patience=7, reduce_lr_on_plateau=True, metrics="mAP" ) # 启动训练 detector.train()

关键日志解读（训练中实时输出）：

Epoch 1/100 - Train Loss: 4.21 - Val Loss: 3.89 - mAP@0.5: 0.32 Epoch 2/100 - Train Loss: 3.75 - Val Loss: 3.62 - mAP@0.5: 0.41 ... Epoch 47/100 - Train Loss: 1.02 - Val Loss: 1.15 - mAP@0.5: 0.682 Epoch 48/100 - Train Loss: 0.98 - Val Loss: 1.17 - mAP@0.5: 0.685 # val_loss 升，但 mAP 升，正常 Epoch 49/100 - Train Loss: 0.95 - Val Loss: 1.19 - mAP@0.5: 0.687 Epoch 50/100 - Train Loss: 0.92 - Val Loss: 1.21 - mAP@0.5: 0.688 # 连续 7 epoch val_loss 升，触发 early stopping

这里mAP@0.5是核心指标，指 IoU≥0.5 时的平均精度。南海数据上，0.688 意味着：在 100 个真实珊瑚框中，模型能正确框出 68~69 个，且位置误差≤0.5 倍框宽。当mAP@0.5稳定在 0.65+，即可进入部署阶段。

4.4 模型评估与可视化：不只是看数字

训练完，必须人工抽检。Monk 提供detector.Evaluate()生成详细报告：

results = detector.Evaluate( test_data_path="/data/test/", # 独立测试集 test_csv="test_annotations.csv", iou_threshold=0.5, conf_threshold=0.3 # 置信度阈值，0.3 是水下推荐值（太低易误检，太高漏检） ) print(results["per_class_map"]) # 输出每类 mAP print(results["confusion_matrix"]) # 混淆矩阵

但更重要的是可视化检测效果：

from monk.detecto.visualize import plot_prediction # 读取测试图像 img = cv2.imread("/data/test/coral_123.png") img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 预测 preds = detector.Predict(img_rgb, conf_threshold=0.3) # 绘制（自动叠加原图） plot_prediction( img_rgb, preds["boxes"], preds["labels"], preds["scores"], classes=["coral","fish","shrimp","starfish","octopus","jellyfish"], figsize=(12,8) )

重点看三类失败案例：

• 漏检：图像中有明显珊瑚，但未框出 → 检查是否标注时用了“完整轮廓”而非“可见区域”
• 误检：框出岩石纹理或光斑 → 检查是否添加了足够伪负样本
• 错检：把海葵框成珊瑚 → 检查混淆矩阵，若coral→sea_anemone高，需在训练数据中增加海葵特写

我们曾发现一个致命问题：模型把 30% 的“鹿角珊瑚”错检为“脑珊瑚”，人工核查发现，标注 CSV 中两类名称拼写均为coral，导致 Monk 当作同一类。类别名必须唯一且语义明确，这是 Monk 不做校验的另一个雷区。

4.5 ONNX 导出与 TensorRT 加速：实测性能对比

导出 ONNX：

detector.ExportONNX( "coral_detector.onnx", input_shape=(1, 3, 640, 640), dynamic_axes={ "input": {0: "batch_size"}, "output_boxes": {0: "batch_size"}, "output_labels": {0: "batch_size"}, "output_scores": {0: "batch_size"} } )

TensorRT 构建（Nano）：

trtexec --onnx=coral_detector.onnx \ --fp16 \ --workspace=2048 \ --minShapes=input:1x3x640x640 \ --optShapes=input:4x3x640x640 \ --maxShapes=input:16x3x640x640 \ --saveEngine=coral_fp16.engine

--minShapes/--optShapes/--maxShapes定义动态 batch 范围，让 engine 能处理 1~16 帧的 batch 推理。

性能实测对比（Nano，640×640 输入）：

结论：必须用 TensorRT FP16。11.2fps 足够处理 1080p@10fps 视频流，且内存占用低于 Nano 的 4GB 限制。

5. 常见问题与排查技巧实录：那些文档里不会写的坑

5.1 “ImportError: cannot import name 'get_tensorrt_plugin_lib'” —— TensorRT 版本锁死

现象：导出 ONNX 后，运行trtexec报此错。
根因：TensorRT 8.x 与 CUDA 11.2 不兼容，必须用 TensorRT 7.2.3.4。
解法：

# 卸载现有 TRT sudo apt-get remove tensorrt # 下载 TensorRT 7.2.3.4 for Ubuntu 20.04 and CUDA 11.2 wget https://developer.download.nvidia.com/compute/machine-learning/tensorrt/secure/7.2.3.4/local_repos/nv-tensorrt-repo-ubuntu2004-cuda11.2-trt7.2.3.4-ga-20210223_1-1_amd64.deb sudo dpkg -i nv-tensorrt-repo-ubuntu2004-cuda11.2-trt7.2.3.4-ga-20210223_1-1_amd64.deb sudo apt-get update sudo apt-get install tensorrt

实操心得：TensorRT 版本必须与 CUDA、cuDNN 三者严格匹配。我们整理了《Jetson 系列 TensorRT 兼容表》，放在 GitHub 仓库的docs/trt_compatibility.md中，新人部署前必查。

5.2 “mAP@0.5 stuck at 0.000” —— 标注文件编码与路径的双重陷阱

现象：训练 10 个 epoch，mAP 始终为 0.000，loss 却在降。
排查路径：

1. 检查 CSV 文件编码：file -i annotations.csv，必须是charset=utf-8。Windows 用 Excel 保存的 CSV 常为iso-8859-1，用iconv -f iso-8859-1 -t utf-8 annotations.csv > annotations_utf8.csv转换。
2. 检查图像路径：CSV 中image_id必须与/data/images/下文件名完全一致（包括大小写、下划线）。Coral_001.png和coral_001.png被视为不同文件。
3. 检查classes.txt：必须与 CSV 中class_name字符串逐字相同，且每行末尾无空格。用cat -A classes.txt查看$符号。

我们曾因classes.txt