企业官网建设流程全解析

简介：本资源为基于YOLOv8的无人机航拍牧羊目标检测项目代码，面向深度学习与计算机视觉方向的学习者、研究者及需要落地航拍牲畜识别方案的开发者。项目围绕无人机视角下的羊群检测任务，提供从环境配置到模型训练、推理与部署的完整工程结构，适合具备一定Python与PyTorch基础的中高级读者参考复现。压缩包共468个文件，约26.23MB，以227个md说明文档、130个Python脚本、43个yaml与12个yml配置为主，另含pt权重、cpp推理源码、sh脚本、ipynb笔记及Dockerfile等部署文件，覆盖训练、验证、导出与容器化运行环节。目前已有85人学习下载。读者可据此快速搭建YOLOv8检测流程，理解航拍小目标数据组织方式，掌握模型训练调参与推理部署的排错思路，并借助requirements.txt完成环境配置，直接用于课程设计、科研实验或二次开发。

1. 无人机航拍牧羊识别：YOLOv8 在草原场景到底能不能落地

草原上几百只羊散开吃草，靠人眼数，数到一半羊群动了，前功尽弃。用无人机挂相机飞一圈，回来拿 YOLOv8 跑一遍检测，理论上几分钟出结果——这就是「YOLOv8 无人机航拍牧羊识别」要解决的事。它属于目标检测在垂直场景的落地：把羊当成一类目标，在航拍视角下做定位和计数。适合两类人：一类是手里有无人机、想用视觉做畜牧管理的工程团队；另一类是刚学完 YOLOv8 想找个真实数据集练手的开发者。但航拍牧羊和常规目标检测差别很大——目标小、密度高、遮挡重、背景纹理单一，直接拿 COCO 预训练权重去跑，召回率会低到让你怀疑模型没加载。这篇按「数据怎么来、模型怎么训、参数怎么调、坑在哪」的顺序讲清楚，能照着复现。

2. 航拍牧羊数据集：从采集到 YOLOv8 格式的完整链路

2.1 为什么航拍羊群数据不能直接套用常规标注流程

常规目标检测数据集（VOC、COCO）的标注对象通常占画面 20% 以上，标注框边界清晰。航拍牧羊场景里，一只羊在 4K 画面里可能只有 30×20 像素，羊群密集时相邻个体边界框重叠率超过 40%。这意味着标注时「框到哪算一只」本身就是个模糊问题。我一般会定三条规则：只标完整可见的羊，遮挡超过一半的不标；相邻羊的框允许重叠但中心点必须落在各自羊身上；画面边缘被截断的羊，如果可见面积小于 30% 直接丢弃。这三条规则写进标注规范文档，多人标注时一致性会好很多。

另一个问题是视角。无人机航拍有正射（垂直向下）和倾斜（带角度）两种。正射视角下羊是「一团白点」，倾斜视角能看到羊的侧面轮廓。两种视角混在一个数据集里训练，模型需要额外容量去学视角不变性，小数据集上反而拖累收敛。常见做法是：如果只做计数，优先正射；如果要做行为分析（比如识别卧倒、行走），用倾斜 30°~45°。别混。

2.2 用 Labelme 标注后转 YOLOv8 格式的脚本

标注工具用 Labelme 或 LabelImg 都行，Labelme 对多边形支持更好，但牧羊检测用矩形框就够了。标注完得到的是 JSON（Labelme）或 XML（LabelImg），YOLOv8 要的是每张图对应一个.txt，每行class_id cx cy w h，全部归一化到 0~1。

下面这个脚本把 Labelme 的 JSON 批量转成 YOLOv8 格式，同时按 8:1:1 划分训练/验证/测试集：

import json import os import random import shutil from pathlib import Path # 类别映射：牧羊场景通常只有一类，多类时按需扩展 CLASS_MAP = {"sheep": 0} def labelme_to_yolo(json_path, img_w, img_h): """将单个 Labelme JSON 转为 YOLO 格式行列表""" with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) lines = [] for shape in data['shapes']: label = shape['label'] if label not in CLASS_MAP: continue # 跳过未定义类别，避免训练时报错 points = shape['points'] xs = [p[0] for p in points] ys = [p[1] for p in points] xmin, xmax = min(xs), max(xs) ymin, ymax = min(ys), max(ys) # 归一化并转为中心点+宽高 cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h # 过滤掉宽高为0的异常框 if w <= 0 or h <= 0: continue lines.append(f"{CLASS_MAP[label]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") return lines def build_dataset(src_dir, dst_dir, img_w, img_h, split=(0.8, 0.1, 0.1)): """src_dir 下放 images/ 和 labels_json/，输出 YOLO 标准目录""" src = Path(src_dir) dst = Path(dst_dir) img_files = sorted([f for f in (src / 'images').iterdir() if f.suffix.lower() in ('.jpg', '.png', '.jpeg')]) random.seed(42) # 固定种子，保证每次划分一致 random.shuffle(img_files) n = len(img_files) n_train = int(n * split[0]) n_val = int(n * split[1]) subsets = { 'train': img_files[:n_train], 'val': img_files[n_train:n_train + n_val], 'test': img_files[n_train + n_val:] } for subset, files in subsets.items(): (dst / 'images' / subset).mkdir(parents=True, exist_ok=True) (dst / 'labels' / subset).mkdir(parents=True, exist_ok=True) for img in files: json_path = src / 'labels_json' / (img.stem + '.json') if not json_path.exists(): print(f"警告：{img.name} 缺少标注，已跳过") continue lines = labelme_to_yolo(json_path, img_w, img_h) if not lines: continue # 无有效标注的图不进入数据集 shutil.copy(img, dst / 'images' / subset / img.name) with open(dst / 'labels' / subset / (img.stem + '.txt'), 'w') as f: f.write('\n'.join(lines)) if __name__ == '__main__': # 假设所有图片统一为 3840x2160，实际按你的相机分辨率改 build_dataset('./raw_data', './sheep_dataset', img_w=3840, img_h=2160)

逻辑说明：labelme_to_yolo负责单文件转换，核心是把 Labelme 的左上-右下坐标转成 YOLO 的中心点归一化格式；build_dataset负责划分和落盘。参数上，img_w和img_h必须和实际图片分辨率一致，写错会导致所有框偏移；random.seed(42)保证可复现，团队协作时别去掉；split按 8:1:1，如果数据量少于 500 张，建议改成 9:1:0，把测试集省给训练。

2.3 数据集配置文件与目录结构

YOLOv8 需要一个 YAML 描述数据位置和类别。在项目根目录建sheep.yaml：

path: ./sheep_dataset train: images/train val: images/val test: images/test nc: 1 names: 0: sheep

path是数据集根目录，train/val/test是相对路径。nc是类别数，牧羊场景通常就是 1。如果后续要区分「羊」和「牧羊犬」，把nc改成 2，names加一行，同时标注时给狗单独一个 label。注意：改类别数后必须重新训练，不能拿旧权重直接微调最后一层了事——检测头的通道数变了，加载会报 shape mismatch。

3. YOLOv8 训练牧羊检测模型：参数怎么设、显存怎么省

3.1 从预训练权重到牧羊场景的迁移策略

YOLOv8 官方提供了 n/s/m/l/x 五个尺度的预训练权重。航拍牧羊的目标极小，理论上大模型（l/x）特征提取能力更强，但显存和推理速度会拖后腿。我的经验是：如果部署在 Jetson Orin 或 RK3588 这类边缘设备上，选 yolov8s 或 yolov8m；如果只在服务器上跑离线计数，yolov8l 能多拿 3~5 个点的 mAP。别一上来就上 x，航拍数据集通常几千张，大模型过拟合风险高，而且训练一轮的时间够你调三轮 s 模型了。

迁移学习的做法是加载 COCO 预训练权重，但冻结前几层还是全量微调？航拍视角和 COCO 的自然图像差异大，冻结 backbone 会导致特征不适应。我一般全量微调，但把初始学习率调低到 0.001（默认 0.01 的十分之一），让预训练特征缓慢适应新域。如果数据集超过 5000 张，可以恢复到 0.005。

3.2 训练命令与关键参数逐项说明

用 Ultralytics 的 CLI 训练，一条命令搞定：

yolo detect train \ model=yolov8s.pt \ data=sheep.yaml \ epochs=150 \ imgsz=1280 \ batch=8 \ lr0=0.001 \ lrf=0.01 \ patience=30 \ device=0 \ project=runs/sheep \ name=exp1 \ cache=True \ augment=True

逐项说明：imgsz=1280是关键——航拍小目标在 640 下几乎消失，1280 能让羊的像素数翻倍，mAP 通常能涨 5~8 个点，代价是显存翻倍。batch=8配合 1280 输入，在 8GB 显存的卡上刚好不爆；如果显存不够，降到 4 并加accumulate=2模拟大 batch。lr0=0.001是迁移学习的保守值。patience=30表示 30 轮验证集不涨就早停，省时间。cache=True把图片缓存到内存，数据集小于 10GB 时强烈建议开，能减少 IO 瓶颈。augment=True开启默认增强，但航拍场景要注意：默认的 mosaic 增强会把四张图拼一起，羊的尺度分布被打乱，小目标可能更小。如果发现训练前期 loss 震荡大，可以关掉 mosaic（mosaic=0.0）再试。

3.3 显存不够时的三个降级方案

第一个方案是降imgsz到 1024 或 960，mAP 损失约 2~3 个点，但显存省 40%。第二个方案是换更小的模型，yolov8n 在 1280 下显存占用只有 s 的一半，适合快速验证流程通不通。第三个方案是梯度累积：batch=4 accumulate=4，等效 batch 16，但训练时间会拉长。三个方案可以组合，我一般先降 imgsz 到 1024 跑通，再根据 mAP 决定要不要升回去。

训练过程中用 TensorBoard 看 loss 曲线：

tensorboard --logdir runs/sheep

重点看train/box_loss和val/box_loss的差距。如果 train 持续下降但 val 平了或反弹，就是过拟合，加 dropout 或减 epochs。如果两个都高，是欠拟合，检查标注质量或加大模型。

4. 推理与部署：从 PyTorch 权重到实际可用的检测脚本

4.1 单张航拍图的推理与结果解析

训练完得到best.pt，推理脚本如下：

from ultralytics import YOLO import cv2 model = YOLO('runs/sheep/exp1/weights/best.pt') # 航拍图分辨率高，推理时用 imgsz=1280 保持和训练一致 results = model.predict( source='test_flight.jpg', imgsz=1280, conf=0.25, # 置信度阈值，航拍小目标建议 0.2~0.3 iou=0.5, # NMS 的 IoU 阈值，密集羊群可降到 0.4 max_det=1000, # 一张图最多检测多少只，羊群大时调高 save=True, save_txt=True # 同时输出 txt 便于计数 ) # 统计检测到的羊数量 for r in results: count = len(r.boxes) print(f"检测到 {count} 只羊") # 可选：画框保存 annotated = r.plot() cv2.imwrite('result_annotated.jpg', annotated)

参数说明：conf=0.25是平衡漏检和误检的起点。航拍小目标置信度普遍偏低，如果发现漏检多，降到 0.15 试试，但误检（把石头、白点当羊）会增加。iou=0.5控制 NMS 合并重叠框的力度，羊群密集时相邻羊的框重叠多，iou 太高会互相抑制导致漏检，降到 0.4 能缓解。max_det=1000默认是 300，羊群超过 300 只时会被截断，必须调高。

4.2 视频流推理与计数逻辑

无人机回传的是视频流，逐帧检测后需要去重计数。简单做法是每隔 N 帧检测一次，或者用跟踪算法（ByteTrack）给每只羊分配 ID，统计唯一 ID 数。Ultralytics 内置了跟踪：

from ultralytics import YOLO model = YOLO('best.pt') # 用 ByteTrack 跟踪，persist=True 保持跨帧 ID results = model.track( source='flight_video.mp4', imgsz=1280, conf=0.25, iou=0.5, tracker='bytetrack.yaml', persist=True, stream=True ) seen_ids = set() for r in results: if r.boxes.id is not None: ids = r.boxes.id.cpu().numpy().astype(int) seen_ids.update(ids) print(f"累计唯一羊只数：{len(seen_ids)}")

注意：跟踪计数在羊群密集交叉时 ID 切换频繁，计数会偏高。实际落地时我一般用「峰值帧计数」——取检测数量最多的那一帧作为估计值，比累计 ID 更稳。

4.3 导出 ONNX 与边缘设备部署的注意点

如果部署到 RK3588 或 Jetson，先导出 ONNX：

yolo export model=best.pt format=onnx imgsz=1280 opset=12 simplify=True

opset=12兼容性最好，simplify=True会做图优化。导出后务必用 onnxruntime 验证输出和 PyTorch 一致，再转 RKNN 或 TensorRT。常见坑是：导出时 imgsz 必须和训练一致，否则 anchor 匹配错位，检测框全偏。另外 RK3588 的 NPU 对 1280 输入支持有限，可能需要降到 640 并接受 mAP 损失。

5. 避坑与排查：航拍牧羊检测翻车的五个真实场景

5.1 现象：训练 loss 正常下降，但验证集 mAP 始终低于 0.3

原因通常是标注框太小且数量少。YOLOv8 的损失函数对小目标不友好，如果数据集中超过 60% 的羊框小于 32×32 像素，模型很难学到有效特征。解决：把输入分辨率从 640 提到 1280，或者在数据加载时对小目标做复制粘贴增强（copy-paste augmentation），人为增加小目标样本密度。

5.2 现象：推理时同一只羊被检测出两个框

NMS 的 iou 阈值设太高（比如 0.7），相邻羊的框重叠没被合并。航拍羊群中羊与羊的框重叠率经常到 0.3~0.5，iou 设 0.5 以上就会漏合并。解决：把iou降到 0.4，同时开agnostic_nms=True（如果只有一类则无影响）。如果还不行，检查标注时是否有重复框。

5.3 现象：模型把白色石头、云影误检成羊

航拍背景中白色物体和羊的纹理相似。原因是训练集负样本不足。解决：在数据集中加入 10%~20% 的纯背景图（无羊的草原、有石头的区域），标注为空 txt 文件。YOLOv8 会把这类图作为负样本，降低误检。另外可以把conf从 0.25 提到 0.35，牺牲一点召回换精度。

5.4 现象：训练到一半显存溢出（CUDA out of memory）

除了降 batch 和 imgsz，还有一个容易被忽略的点：cache=True会把所有图片解码后存内存，如果数据集是 4K 图且数量多，内存先爆。解决：关掉 cache，或者先把图片缩放到 1280 长边再存一份训练副本。另外workers设太大也会占显存，设成 4 或 8 即可。

5.5 现象：导出的 ONNX 在边缘设备上推理结果和 PyTorch 不一致

最常见原因是预处理不一致。PyTorch 推理时 Ultralytics 自动做了 letterbox 填充，而手动写 ONNX 推理时如果直接 resize 不填充，坐标会偏。解决：在 ONNX 推理脚本里复现 letterbox：按长边缩放后，短边用 114 灰度填充到正方形，推理完再把框映射回原图坐标。这个坑我踩过两次，每次都是框整体偏移几十像素。

6. 把牧羊计数做准的一个技巧：分块推理与重叠合并

整张 4K 航拍图直接缩到 1280 推理，羊的像素数被压缩了 3 倍，小目标召回率会掉。我后来固定用一个笨但有效的办法：把原图切成 2×2 或 3×3 的块，每块单独推理，块之间留 20% 重叠，最后用 NMS 合并所有块的检测框。这样每只羊在某个块里都是「大目标」，召回率明显提升。

具体做法：切块时记录每块的左上角偏移，推理后把框坐标加回偏移量，再用torchvision.ops.nms做全局合并。重叠区域设 20% 是为了避免羊正好落在切割线上被切一半——有重叠就能保证至少一个块里有完整羊。代价是推理时间变成 4 倍或 9 倍，但离线计数场景不在乎这点时间。

参数上，块大小建议 1280×1280，重叠 256 像素。如果羊群特别密集，块可以再小到 960，但块数增加，合并时的 NMS iou 要降到 0.4 以下，否则跨块的重复框合并不干净。这个方案在 3000 只规模的羊群测试中，计数误差从整图推理的 15% 降到了 5% 以内。

我现在的习惯是：拿到任何航拍小目标检测任务，先跑一遍整图推理看基线，再跑分块推理对比。如果分块提升不到 3 个点，说明目标没那么小，不值得多花推理时间；如果提升超过 8 个点，就固定用分块。这个判断帮我省了很多无谓的调参时间。希望帮到你。

本文还有配套的精品资源，点击获取