复杂自然环境下基于YOLO26的树上苹果识别与定位系统

算法魔法师

29人浏览 · 2026-05-25 09:31:40

算法魔法师 · 2026-05-25 09:31:40 发布

摘要

本文针对自然环境下树上苹果的自动检测问题，基于YOLO26目标检测算法构建了一套高效的苹果检测系统。研究使用自建的苹果数据集，包含训练集1355张、验证集77张和测试集39张，共标注了苹果类别。实验结果表明，模型在验证集上取得了0.852的精确率、0.835的召回率和0.889的mAP50，最大F1分数达到0.84。通过混淆矩阵分析，模型对苹果的正确检测率为82%，背景误检率为18%。该系统能够有效识别自然生长状态下的苹果，为果园智能化管理提供了可靠的技术支持。

关键词：YOLO26；苹果检测；目标检测；深度学习；智慧农业

详细功能展示视频

https://www.bilibili.com/video/BV1gLoTB1EfM/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764https://www.bilibili.com/video/BV1gLoTB1EfM/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764https://www.bilibili.com/video/BV1gLoTB1EfM/

Precision-Recall Curve（BoxPR_curve.png）编辑

F1-Confidence Curve（BoxF1_curve.png）编辑

Precision-Confidence Curve（BoxP_curve.png）编辑

Recall-Confidence Curve（BoxR_curve.png）编辑

3. 混淆矩阵分析

原始混淆矩阵（confusion_matrix.png）编辑

归一化混淆矩阵（confusion_matrix_normalized.png）编辑

分析：

4. 训练过程曲线（results.png）编辑

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅参数实时调节（置信度和IoU阈值）

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载`best.pt`模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（`detection_result_20240101_120000.jpg`）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

引言

随着智慧农业技术的快速发展，基于计算机视觉的果园智能化管理已成为研究热点。苹果作为重要的经济水果作物，其产量预估、成熟度监测和自动化采摘都需要准确的树上苹果检测技术支撑。然而，自然环境下树上苹果检测面临诸多挑战：光照变化剧烈、果实相互遮挡、背景复杂（枝叶干扰）、果实尺度差异大等问题都给检测算法带来了严峻考验。

近年来，以YOLO系列为代表的一阶段目标检测算法因其速度快、精度高的特点，在农业视觉任务中得到了广泛应用。YOLO26作为YOLO系列的最新版本，在保持实时检测优势的同时，进一步提升了检测精度和泛化能力。本研究基于YOLO26模型，构建针对自然环境下树上苹果的检测系统，旨在解决果园复杂场景下的苹果自动识别问题，为后续的产量预估和自动化采摘提供关键技术支撑。

背景

苹果是全球最重要的温带水果之一，其产量和消费量在各类水果中位居前列。根据联合国粮农组织（FAO）的统计数据，全球苹果年产量超过9000万吨，种植面积近500万公顷。中国作为世界最大的苹果生产国，年产量约占全球总产量的50%以上，苹果产业在中国农业经济中占据举足轻重的地位。陕西、山东、河南、山西、甘肃等省份形成了规模化、集约化的苹果种植带，苹果种植已成为当地农民增收致富的重要支柱产业。

农业智能化需求

我国是全球最大的苹果生产国，苹果种植面积和产量均居世界首位。传统的果园管理依赖人工经验，存在劳动强度大、效率低、主观性强等问题。实现果园的智能化管理，特别是自动化的产量预估和果实采摘，对降低生产成本、提高经济效益具有重要意义。

目标检测技术在农业中的应用

深度学习技术的突破为目标检测在农业领域的应用带来了革命性变化。从早期的Faster R-CNN到YOLO系列，再到最新的DETR系列，检测算法不断演进。其中，YOLO系列凭借其端到端的检测框架和优秀的速度-精度平衡，特别适合果园现场的实时检测需求。

树上苹果检测的技术难点

自然环境下树上苹果检测面临的主要挑战包括：

复杂背景干扰：枝叶、天空、地面等背景元素容易造成误检
光照条件变化：晴天、阴天、逆光等不同光照条件影响图像质量
果实遮挡问题：叶片遮挡、果实相互遮挡导致目标不完整
尺度多样性：近处和远处的苹果在图像中的尺寸差异大
颜色相似性：青苹果与叶片颜色相近，增加了检测难度

数据集介绍

本研究使用的苹果检测数据集共包含1471张图像，具体划分为：

训练集：1355张图像（占比92.1%）
验证集：77张图像（占比5.2%）
测试集：39张图像（占比2.7%）

数据集为单类别检测任务，类别名称为['Apples']，共标注了254个苹果实例（验证集统计）。

训练结果

1. 模型验证结果摘要

文件：4b90c368-c8fe-46df-99d6-401ee933b710.png

指标	数值
类别数	1（Apples）
图像数量	77
实例数	254
精确率（P）	0.852
召回率（R）	0.835
mAP50	0.889
mAP50-95	0.638

分析：

mAP50 = 0.889 表示在 IoU=0.5 的条件下，模型对苹果的检测效果很好。
mAP50-95 = 0.638 略低，说明在高 IoU 阈值下模型定位精度还有提升空间。
精确率和召回率都在 0.85 左右，说明模型在检测苹果时既能准确识别，也能覆盖大部分目标。

2. 各类曲线图分析

Precision-Recall Curve（`BoxPR_curve.png`）

AP = 0.889，曲线整体偏向右上角，说明模型在多数置信度下都能保持较高的精确率和召回率。
曲线下降平缓，说明模型对苹果的检测能力稳定。

F1-Confidence Curve（`BoxF1_curve.png`）

最大 F1 分数 = 0.84 @ 置信度 0.209
说明在置信度较低的情况下，模型已经能取得较好的平衡。
如果你的应用场景对召回率要求更高（如不想漏检），可以考虑使用较低的置信度阈值。

Precision-Confidence Curve（`BoxP_curve.png`）

精确率在置信度接近 1.0 时接近 1.0，说明高置信度预测非常可靠。
曲线下降较慢，说明模型在中等置信度下也能保持较高精确率。

Recall-Confidence Curve（`BoxR_curve.png`）

召回率随置信度下降而上升，符合预期。
在低置信度下召回率接近 1.0，说明模型几乎能检测到所有苹果。

3. 混淆矩阵分析

原始混淆矩阵（`confusion_matrix.png`）

真实 \ 预测	Apples	背景
Apples	208	46
背景	35	0

归一化混淆矩阵（`confusion_matrix_normalized.png`）

真实 \ 预测	Apples	背景
Apples	0.82	0.18
背景	0.18	0.82

分析：

召回率（Apples 被正确检测） = 208 / (208 + 46) ≈ 0.82
精确率（预测为 Apples 的正确率） = 208 / (208 + 35) ≈ 0.86
背景误检率 = 35 / (35 + 0) ≈ 0.18，说明模型有时会把背景误认为苹果。

4. 训练过程曲线（`results.png`）

你提供的表格数据似乎是训练过程中的损失和指标变化趋势：

box_loss、cls_loss、dfl_loss 随 epoch 下降，说明模型在逐步收敛。
mAP50 和 mAP50-95 逐步上升，最终稳定在 0.89 和 0.64 左右。
精确率和召回率 也在训练后期趋于稳定。

这表明训练过程正常，没有明显过拟合或欠拟合现象。

Ultralytics YOLO26

概述

Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

简洁性: YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
部署效率： 端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于 Segmentation 的语义分割损失和多尺度原型模块，用于高精度 姿势估计 的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决 旋转框检测 中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在 CPU 上的运行速度提高了 43% — 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

DFL 移除
分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。
端到端无NMS推理
与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。
ProgLoss + STAL
改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。
MuSGD Optimizer
一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。
CPU推理速度提升高达43%
YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。
实例分割增强
引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。
精确姿势估计
集成残差对数似然估计(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。
优化旋转框检测解码
引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

用于实例分割的 LabelMe 标注工具