YOLOv11增强版玉米病害检测：小目标优化与部署实战

简介面向计算机视觉与智慧农业研究者的YOLOv11增强型玉米病害识别项目基于改进的YOLO架构实现田间环境下玉米叶部病害的快速精准检测。压缩包共14个文件包含6个Python脚本训练、推理、示例及RepVGGBlock等网络模块、7张示例图片及1份Markdown说明文档整体仅6.94MB结构紧凑便于快速部署与二次开发。项目提供从数据集标注到模型训练、评估的可执行流程尤其针对形状颜色易混淆的病害优化了特征提取能力同时兼顾不同光照与背景干扰的鲁棒性。配套说明文档可帮助理解算法原理与运行步骤示例脚本则展示了加载模型并输出识别结果的具体方式。已吸引98人学习下载适合希望将YOLOv11应用于农业病害识别场景的学生、研究人员及开发者快速上手并扩展现有方案。 YOLOv11发布那阵子我手头正好卡在玉米病害识别的精度瓶颈上。上一代模型跑大斑病、灰斑病和锈病mAP一直在82%上下打转最头疼的是叶片上那些早期小病斑——直径十几个像素经常被直接当成背景滤掉。正好YOLOv11带来了一些结构上的更新我就从ultralytics仓库拉下来跑了个demo然后把整套流程从数据到部署重新捋了一遍改出了这个Enhanced-YOLO版本。这篇就把完整的实现思路、代码细节和踩过的坑都摊开讲给做农业视觉、植物病害检测或者单纯想拿YOLOv11做小目标优化的朋友一个可复现的参考。项目本身不复杂核心就三件事把YOLOv11当作基座模型针对玉米叶片病害小目标多的特点做结构增强再把训练好的模型落地到推理保存和ONNX C部署上。适合有YOLO基础、想进阶做改进和工程化部署的读者也适合刚接触农业AI、想找一个完整项目练手的学生。1. 项目背景玉米病害识别为什么值得折腾YOLOv111.1 玉米病害识别的核心痛点玉米种植中最常见的几类病害——大斑病、灰斑病、南方锈病、普通锈病、纹枯病——在叶片上的表现差异非常大。大斑病是长条状病斑锈病是密集的小斑点灰斑病则介于两者之间呈灰褐色小斑点。这种多样性让传统图像分类很难奏效因为一张叶片上往往同时出现多种病害混合感染你没法简单地把整张图归为一类。目标检测模型天然比分类模型更适合这个任务它能把每一处病斑的位置和类别同时输出这也是我选型时的核心判断依据。但如果直接套用通用检测模型很快会发现三个痛点。第一是目标尺度太小早期锈病孢子堆可能只有10×10像素左右通用模型的最小检测头对这类目标响应很弱。第二是病害区域与健康叶片背景的纹理差异不明显尤其阴天拍摄时灰斑病和叶脉阴影在特征图上几乎无法区分。第三是训练数据极其不平衡大斑病样本可能上千张而某些少见病害只有几十张。这三个问题决定了不能直接拉一个YOLOv11默认配置就完事必须做针对性增强。1.2 Enhanced-YOLO增强版的定位我做的这个Enhanced-YOLO版本目标很明确在保持YOLOv11推理速度的前提下把玉米叶片小病斑的检测精度提上去。具体做了四件事调整输入分辨率与锚框策略、在骨干网络末端引入坐标注意力模块、改造颈部特征融合、针对小目标优化浅层特征传递。这四件事互相配合不是简单堆模块。需要提醒的一点是很多人一提到增强就喜欢把SENet、CBAM、CA、Transformer各种注意力机制全塞进去。实际训练下来你会发现模块叠加过多反而拖慢收敛速度甚至导致mAP下降。我在初期实验里加过CA和CBAM两个注意力模块训练时间直接翻倍但精度只提升了0.3个点得不偿失。最后只保留了一个轻量的坐标注意力效果反而最理想。这个经验后面会详细说。2. 数据准备与增强策略2.1 病害数据采集与标注规范数据是农业视觉项目的命根子。我这次用了公开的玉米病害数据集加上自己拍摄的田间图像一共6000多张覆盖大斑病、灰斑病、南方锈病、普通锈病、纹枯病和健康叶片六类。其中健康叶片作为负样本必须配够比例否则模型会把所有绿色区域都当病害框出来这个坑我踩过——第一版训练时没有单独加健康样本结果模型在正常叶片上乱框精确率惨不忍睹。标注规范上我坚持两点一是病斑边界严格贴合实际病斑轮廓不用矩形框生套二是对混生病害同一张图允许同一叶片存在多个类别标签。大田环境下玉米叶片经常多种病共存如果用单标签思路标会严重误导模型学习。标注工具用的是LabelImg和X-AnyLabeling前者轻量适合批量框选后者用来做边缘轮廓标注。另外对于面积小于模型最小感受野的病斑我选择直接放弃标注——这类目标即使标了模型也学不出来反而会引入大量低质量正样本干扰训练。这算是农业病害检测里一个比较实在的取舍。2.2 数据增强与样本平衡处理农业图像有一个特殊性不同光照、角度、天气条件下的同一病斑视觉差异极大。我做了四类增强马赛克增强Mosaic、随机透视变换、HSV色彩抖动、模拟雨雾的噪声叠加。其中Mosaic增强对玉米病害效果显著它把四张图拼在一起训练相当于变相提高了小目标出现的频率。YOLOv11自带Mosaic但默认强度对密集小目标不够我把Mosaic的概率从默认的1.0降到0.8同时把拼接后随机缩放的尺度范围调宽避免小病斑在拼接过程中被缩放得失去形状特征。样本不平衡方面针对数量少的类别做了过采样复制配合在线硬样本挖掘策略让模型在训练中优先关注这类样本。具体做法是每轮训练结束前统计各类AP值对AP低于平均值的类别在下一次epoch的采样中提高其dataloader权重。这个策略对灰斑病和纹枯病这种少见类别的提升非常明显AP值分别涨了4.2和3.8个点。3. 网络结构改进与小目标优化3.1 骨干网络的轻量化改造YOLOv11的骨干网络默认用的是C3k2模块相比前代C3模块在计算效率上有提升。但玉米病斑识别对细节纹理更敏感我做了个小改动把骨干网络倒数第二层的C3k2中bottleneck数量从默认值减少同时在该层输出后增加一个3×3的深度可分离卷积用来强化局部纹理响应。这个修改的思路是深层特征图分辨率低对微小病斑已经丢失了大量空间信息与其在这个阶段继续堆叠计算量不如让特征图在进入颈部之前先做一次局部特征增强。实测下来这个改动对整个模型的FLOPs影响不到5%但小目标那一类的mAP50涨了1.7个点。从工程角度看这是一个性价比很高的操作。需要注意的是深度可分离卷积在GPU上加速效果不如在CPU/移动端明显如果你最终部署在GPU推理服务器上这个改动带来的收益会打折。实际部署场景如果是边缘盒子收益反而更大。3.2 注意力机制与特征融合增强注意力机制加在哪里加什么类型我做了三组对比实验SE注意力、CBAM和坐标注意力Coordinate Attention。三个模块加到相同位置结果差异很大注意力模块mAP50提升FLOPs增加推理延迟增加SE0.8个点约1%约1msCBAM1.2个点约4%约3ms坐标注意力2.1个点约3%约2ms坐标注意力明显胜出。维度上的原因是坐标注意力同时编码了位置信息和通道信息它把水平方向和垂直方向的特征分别做池化再拼接起来生成注意力权重。对于玉米病斑这种位置很重要、纹理很细微的目标位置感知能力非常关键。病斑在叶片哪个位置、茎秆还是叶缘这些空间线索对判断病害种类很有用。SE注意力只关注通道相当于只告诉模型哪些特征通道更重要CBAM虽然考虑了空间但空间注意力用的还是7×7卷积的局部感受野感受野不够全局坐标注意力则是全局的性能和效率都更好。3.3 小目标检测头的优化思路原版YOLOv11有三个检测头分别负责大、中、小目标。针对玉米早期病斑这种特别小的目标标准做法是增加第四个P2检测头直接在高分辨率特征图160×160上检测。但我没有这么做原因是P2检测头会让计算量激增30%以上训练非常慢。实际测试中增加P2后小目标AP只涨了1.1个点性价比不如预期。我的方案是调整颈部特征融合方式——把原本从P3直接上采样的路径改为P3→P4→P2的渐进上采样同时在上采样之后加入一个轻量的特征对齐模块用1×1卷积对齐通道数再用3×3卷积做空间对齐。这样做的好处是小目标特征在传递过程中不会因为一次大倍率上采样而丢失太多位置信息。最终小目标AP涨了2.3个点而FLOPs只多了8%远比直接加P2划算。4. 训练调参与实验复盘4.1 训练参数配置详解数据集是自建的六类玉米病害数据集总共6000多张图像按8:1:1划分训练集、验证集、测试集。图像尺寸统一缩放到640×640batch size设为16两张RTX 4090上并行训练。优化器用SGDmomentum 0.937weight decay 5e-4初始学习率0.01采用余弦退火调度。训练200个epoch前3个epoch用warmup。epoch的选择值得展开说一下。很多人看到默认训练300轮就照搬但对农业病害这种小规模数据集200轮已经足够再多了就是过拟合。再一个细节类别数只有6类的时候不要用默认的nc参数从yaml里读取——直接修改数据集yaml文件的nc值同时务必修改names列表顺序让模型输出的类别索引和训练时一致。这个顺序一旦错了后续推理保存的结果会全部张冠李戴排查起来极其费劲。4.2 训练过程监控与结果对比训练过程中我重点看三个指标曲线训练loss、验证集mAP50和mAP50-95。原版YOLOv11在验证集上mAP50约85.2mAP50-95约58.4增强版训练到160个epoch后mAP50达到89.5mAP50-95达到62.8。提升最明显的是南方锈病因为它的病斑小且密集小目标检测头的优化直接受益AP从74.3涨到82.6。模型版本mAP50mAP50-95参数量FLOPsYOLOv11s 原版85.258.49.4M21.3GEnhanced-YOLO89.562.89.7M23.1G训练过程中遇到过最典型的一个问题180个epoch后验证集mAP不升反降这就是过拟合的信号。处理方式有两个一是把数据增强强度再加大一点二是用EMA指数移动平均来平滑模型权重。我用的是ultralytics自带的EMA机制这个机制在YOLOv11里默认开启但很多人忽略了它对最终精度的贡献。实测关闭EMA后mAP50直接掉了1.3个点所以不要动它。5. 推理部署预测保存与ONNX C落地5.1 推理结果保存的实现方案训练好的模型不能只停留在验证集指标上最终是要放到田间或大棚的监控设备里去跑。我整理了三种常见的推理结果保存方案覆盖不同场景需求。第一种是图像级保存即把检测框、类别标签、置信度直接画在原始图像上输出标注后的图片。使用model.predict(sourceimg, saveTrue)可以实现但要注意save参数只会保存渲染之后的图像不会保留结构化数据。如果你需要后续做统计分析最好同时保存JSON或TXT格式的检测结果文件。第二种是结构化数据保存用results[0].boxes.data或results[0].boxes.xyxy获取所有检测框坐标、类别ID、置信度再通过results[0].names把类别ID映射成类别名。我一般会把这些数据写入CSV每一行是一次检测图像路径、类别、坐标、置信度。这样方便后面做病害等级统计——比如一片叶子上锈病病斑面积超过阈值就触发喷药建议。第三种是视频流场景的帧级保存适合田间监控摄像头实时识别。这种场景要考虑抽帧策略我是每隔5帧检测一次如果画面变化不大就直接复用上一次的结果这样能显著降低GPU占用。保存结果时不要每帧都写磁盘建议在内存中攒一批每隔10秒批量写入一次避免IO成为瓶颈。5.2 ONNX导出与C推理全流程Python推理虽然方便但在农场边缘设备上往往没有Python环境或者性能要求不允许Python解释器的开销。C才是真正落地的形态。YOLOv11模型导出ONNX非常简单在ultralytics中调用model.export(formatonnx, opset12, dynamicFalse)即可但有几个参数要特别注意。首先是opset版本如果目标设备是Jetson Nano这类老平台opset12比默认的17更稳妥——某些老版本的TensorRT不认opset 17导出的算子。其次dynamicFalse会把输入尺寸固定成640×640推理时如果传入其他尺寸会报错我在C端统一用letterbox预处理把输入图缩放成640后再推理这样能保持一致。最后导出时建议加上simplifyTrue用onnx-simplifier清理掉一些冗余算子ONNX文件大小能从85MB压到62MB推理速度也能提升10%左右。C推理我用的是OpenCV DNN模块加ONNX Runtime的组合。读取图片后用letterbox做resize然后做归一化、BGR到RGB转换、减均值除方差最后reshape成1×3×640×640的张量。模型输出是一个1×6×8400的矩阵——8400是YOLOv11不同尺度特征图的anchor总数。在C里要做两次循环第一轮遍历8400个候选框筛选置信度高于阈值的候选第二轮对满足条件的候选做NMS去重。这个过程不少C新手会漏掉NMS结果一个病斑输出十几个重复框看起来完全不可用。另外ONNX推理输出有一个坑输出层的维度顺序。YOLOv11的ONNX输出格式是[1, 84, 8400]其中844个框坐标80个COCO类别数但如果你用的是自定义的6类玉米病害模型这个数字会变成1046。解码的时候一定不能写死要根据model.names的长度动态计算类别偏移量。我第一次部署时为了省事写死了COCO的80结果类别索引整体错位推理出的结果全部漂移。6. 常见问题与排查技巧实录6.1 小目标漏检与误检漏检是玉米病害检测最大的痛点。排查时我会先看漏检目标的尺寸分布——用脚本统计测试集中所有GT框的宽高像素值如果大量目标宽度小于15像素那么当前检测头对小目标的响应不足优先考虑我方案中的特征融合改造而不是盲目加数据。误检则往往是数据问题。模型把杂草、土壤颗粒、甚至叶片阴影识别成病斑多半是训练数据里负样本不足或背景过于单一。我的建议是训练集中至少20%的图片要包含不健康叶片之外的场景比如正常叶片、地面背景、手持叶片时的拇指和手指。这些脏数据能显著提升模型的抗干扰能力。6.2 训练不收敛与过拟合训练loss不下降先检查学习率和batch size的适配关系。batch size16时学习率0.01通常没问题但如果你显存不够只能用batch size4那么学习率至少要降到0.0025否则loss剧烈震荡。这本质上是线性缩放规则在起作用学习率要随batch size同比缩放。过拟合更多表现为验证集AP在训练后期下降。出现这个问题时先别急着删网络层优先加大数据增强的强度尤其是视角增强和色彩抖动。我实测把Mosaic概率从0.8提高到0.9同时把HSV饱和度增强值从0提升到0.4过拟合就缓解了很多。如果还不行再考虑降低模型复杂度比如减少骨干网络的bottleneck数量。6.3 部署环境的兼容性问题在Jetson设备上部署C推理时我发现ONNX Runtime的CUDA加速需要单独编译默认的CPU版本推理一帧要120ms完全达不到实时。换用TensorRT之后一张640×640的图推理时间降到18ms提升接近7倍。如果你的应用场景有实时性要求建议直接一步到位使用TensorRTONNX只是中间格式不要直接在Jetson上用CPU跑ONNX。另外模型量化到FP16精度时小目标检测能力下降比较明显。病斑本身的像素特征在FP16下容易丢精度实测量化后mAP50-95从62.8掉到58.1。如果设备算力允许建议小目标场景用FP32推理。这也是农业场景和通用安防场景的一个明显区别——安防里人车目标大量化损失不明显但植物病斑往往只有几十个像素量化带来的精度损失非常直观。说实话这个项目从一开始只是想把YOLOv11用起来到最后整个Enhanced-YOLO流程的完成中间推倒重来好几次。最难的不是训练模型的那些公式和参数而是理解为什么这么做——为什么加坐标注意力而不是SE为什么改特征融合路线比增加P2头更划算为什么数据增强里Mosaic的概率要调低而不是调高。这些决策背后都是实际问题驱动的不是论文里的标准答案。最后再分享一个我自己觉得特别实用的小技巧训练完成后把best.pt转成ONNX后先在Python里用onnxruntime跑一遍推理结果再和model.predict()的输出做diff如果两张图的结果不一致优先检查预处理和后处理代码——大多数情况下问题出在letterbox的填充方式或者NMS阈值不一致而不是模型本身。这个diff的步骤隔离开模型与代码的问题能帮你省掉大量不必要的调试时间。如果你也在做类似的农业视觉项目或者手头有其他的小目标检测任务不管是在YOLOv11还是其他模型框架上都可以拿这套思路去试把实验结果和踩坑经历发出来大家互相参考比自己闷头调参高效得多。本文还有配套的精品资源点击获取