YOLOv5飞机鸟类无人机检测：训练模型+数据集+PyQt界面全流程

简介：本资源面向计算机视觉学习者与目标检测开发者，提供一套细分类型飞机、鸟类与无人机的YOLOv5检测训练方案，重点在于可区分具体飞机型号，适合课程设计、科研实验与算法对比等场景。压缩包共约2000个文件，以1994个txt标签文件为主，配套3个Python脚本与3份PDF说明文档，整体约924.72MB，数据集已按YOLO格式整理并划分train、val、test，附有data.yaml，可直接用于YOLOv5、YOLOv7、YOLOv8等算法训练。资源内含1万多张标注图像，覆盖飞机、鸟类、无人机等类别，标签目录结构清晰，便于快速接入训练流程。另附环境配置教程与PyQt5使用说明，并提供界面脚本，方便搭建可视化检测演示。已有467人学习下载，适合希望快速复现细分目标检测实验、验证模型效果并积累工程经验的读者。

1. 从一张混淆矩阵说起：飞机、鸟类、无人机为什么总被 YOLOv5 认错

机场净空区监控、生态观测、低空安防这三个场景，最后都会撞上同一个问题：天上飞的东西太小、太远、太像。我最早做这类项目时，拿 COCO 预训练的 YOLOv5s 直接推理，结果一只远处飞行的白鹭被判成无人机，一架航模被判成鸟，飞机尾翼和机翼的局部又被切成两个目标。翻车的原因不复杂——COCO 里根本没有「无人机」这个类，而「bird」和「airplane」的样本大多是近距离、大目标、清晰背景，和监控画面里几十像素的小目标分布完全对不上。

所以「YOLOv5 细分类型飞机-鸟类-无人机检测训练模型+数据集+pyqt 界面」这件事，本质不是跑一个开源仓库，而是三件事串起来：一是把三类目标的细粒度差异用数据喂给模型，二是把 YOLOv5 的训练、验证、导出流程调通，三是用一个 PyQt 界面把推理能力封装成能交付给非技术用户的东西。它适合做课程设计、毕设、小型安防原型、生态监测 demo 的从业者和学生，也适合想把检测模型真正落地成桌面工具的人。

这篇不聊虚的，按「数据怎么整 → 模型怎么训 → 界面怎么接 → 坑在哪 → 怎么验证」的顺序走一遍。你照着做，能拿到一个可复现的三分类检测系统；你只想看边界，中间几章的参数表和避坑记录也够用。

2. 数据集构建：三类目标的标注策略与增强边界

2.1 为什么不能直接拿 COCO 的 bird/airplane 凑数

COCO 的 bird 类大概一万多个实例，airplane 三千左右，但无人机是零。更麻烦的是，COCO 的 bird 大多是近距离拍摄的静态鸟，姿态清晰、背景干净；而监控场景里的鸟是运动模糊的小黑点。直接混训的结果是模型学到「大而清晰=鸟」，一遇到远景小目标就崩。

常见做法是自建三分类数据集：plane、bird、drone。每类建议至少 1500 张有效标注图，其中远景小目标（目标框短边小于 40 像素）占比不低于 40%。如果拿不到这么多，用公开数据补充也可以，但要注意来源分布——航拍无人机数据集和地面仰拍监控的视角差异极大，混在一起会让模型对尺度更敏感。

标注用 LabelImg 或 X-AnyLabeling，输出 YOLO 格式的 txt：每行class_id cx cy w h，坐标全部归一化到 0~1。类别顺序必须固定，建议0=plane, 1=bird, 2=drone，并在data.yaml里写死，后面训练、推理、界面三处都要对齐，错一个就是全盘错位。

2.2 目录结构与 data.yaml 的写法

YOLOv5 对目录结构有约定，不按它来会在训练启动时报「No labels found」。标准结构如下：

dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml

data.yaml内容：

# 类别数必须和 names 长度一致，否则训练时分类头维度对不上 nc: 3 names: ['plane', 'bird', 'drone'] # 路径建议写绝对路径，避免从不同工作目录启动时找不到 train: /data/dataset/images/train val: /data/dataset/images/val test: /data/dataset/images/test

这里有个容易忽略的点：nc和names必须严格对应，且顺序要和标注时的 class_id 一致。我见过有人标注时把 drone 放 0，yaml 里写['plane','bird','drone']，训练 loss 能降，但推理全乱——因为模型学的是「0 号类」，不是「plane」这个词。

2.3 针对小目标的增强参数怎么设

YOLOv5 默认的增强对普通目标够用，但对「飞机-鸟类-无人机」这种小目标密集场景，需要针对性调整。核心参数在hyp.scratch-low.yaml或自定义 hyp 文件里：

copy_paste是 YOLOv5 里对小目标最有效的增强之一，它把标注目标抠出来贴到其他图上，直接增加小目标密度。但要注意：粘贴后的目标框要重新计算，YOLOv5 内部会处理，你只需要在 hyp 里开这个比例。

提示：增强参数改完先跑 10 个 epoch 看 loss 曲线，如果 cls_loss 震荡剧烈，多半是 mixup 或 mosaic 开太高，先把 mosaic 降到 0.5 试。

3. YOLOv5 训练：从环境配置到超参数调优的完整链路

3.1 环境配置与依赖版本锁定

YOLOv5 对环境不算挑剔，但版本错配会出各种玄学问题。我一般用 conda 建独立环境，锁死几个关键版本：

# 创建环境，python 版本建议 3.8~3.10，3.11 以上有些依赖轮子不全 conda create -n yolov5_abc python=3.9 -y conda activate yolov5_abc # 克隆官方仓库（这里只写通用做法，具体地址以你手头源码为准） git clone <yolov5-repo> cd yolov5 # 安装依赖，torch 版本要和 CUDA 匹配 pip install -r requirements.txt pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117

关键点：torch和 CUDA 驱动必须匹配。如果你机器是 CUDA 11.7，就装 cu117 的 torch；装错了会在torch.cuda.is_available()返回 False，训练直接掉到 CPU，一个 epoch 跑几小时。验证命令：

import torch print(torch.__version__) # 应为 1.13.1+cu117 print(torch.cuda.is_available()) # 必须为 True print(torch.cuda.get_device_name(0))

如果is_available()是 False，先查驱动版本nvidia-smi，再对照 PyTorch 官网的版本矩阵重装，别硬扛。

3.2 训练命令与关键参数逐项说明

假设你用 YOLOv5s 作为基线（速度快，适合桌面端部署），训练命令：

python train.py \ --data /data/dataset/data.yaml \ --weights yolov5s.pt \ --cfg models/yolov5s.yaml \ --epochs 150 \ --batch-size 16 \ --imgsz 640 \ --device 0 \ --workers 8 \ --optimizer SGD \ --lr0 0.01 \ --lrf 0.01 \ --patience 30 \ --project runs/train \ --name abc_v1

逐项说明：

• --weights yolov5s.pt：加载 COCO 预训练权重。三分类任务从预训练起步比从头训收敛快得多，尤其无人机样本少的时候。
• --epochs 150：三分类数据量不大时，100~200 足够。配合--patience 30，30 轮验证指标不升就早停，省时间。
• --batch-size 16：显存 8G 左右用 16，12G 可以上 32。batch 太小 BN 统计不稳，太大会掉点。
• --imgsz 640：输入分辨率。小目标多的话可以上 1280，但显存和推理耗时翻倍，桌面端要权衡。
• --lr0 0.01+--lrf 0.01：初始学习率和最终学习率因子，余弦退火从 0.01 降到 0.0001。SGD 对这个任务比 Adam 稳。
• --workers 8：数据加载线程，按 CPU 核数调，太多会抢内存。

训练启动后重点看三个输出：box_loss、obj_loss、cls_loss。三分类任务里cls_loss是核心，它降不下去说明类间特征没学好，多半是数据问题不是参数问题。

3.3 训练崩了怎么排查：loss 不降与过拟合的区分

训练翻车的典型表现有两种，处理方式完全不同。

第一种：loss 从第一轮就不降，或者降几轮后卡住。先看数据——用python utils/plots.py或自己写脚本可视化几张带框的图，确认标注框没跑偏。我遇到过标注时坐标忘了归一化，框全在图像右下角，模型当然学不到东西。再看学习率，lr0设 0.1 以上容易发散，0.001 以下收敛极慢。

第二种：训练 loss 一直降，验证 loss 先降后升，mAP 在某个 epoch 后掉头向下。这是过拟合，不是欠拟合。对策是加增强（提高 mosaic、开 copy_paste）、加 dropout（YOLOv5 在分类头有 dropout 参数）、减模型容量（从 YOLOv5m 换回 s）、或者直接加数据。别一看到验证掉点就加 epoch，那是反方向。

注意：YOLOv5 训练日志里的mAP@0.5和mAP@0.5:0.95要分开看。小目标场景下 mAP@0.5 可能还行，但 mAP@0.5:0.95 很低，说明框的定位精度不够，这时候要考虑提高输入分辨率或调整 anchor。

4. PyQt 界面：把检测模型封装成可交付的桌面工具

4.1 界面功能拆解与线程模型

PyQt 界面最容易踩的坑是「推理卡死 UI」。YOLOv5 推理一帧几百毫秒到几秒，如果放在主线程，界面直接无响应。正确做法是把推理放到QThread子线程，通过信号槽把结果传回主线程刷新。

界面最小功能集：图片检测、视频检测、摄像头实时检测、结果保存。四个功能共用同一个推理核心，只是输入源不同。核心推理类封装如下：

import cv2 import torch from PyQt5.QtCore import QThread, pyqtSignal class DetectThread(QThread): # 信号：传回带框图像和统计信息 frame_ready = pyqtSignal(object, dict) def __init__(self, model, source, conf=0.25, iou=0.45): super().__init__() self.model = model self.source = source self.conf = conf self.iou = iou self.running = True def run(self): cap = cv2.VideoCapture(self.source) while self.running and cap.isOpened(): ret, frame = cap.read() if not ret: break # 推理：YOLOv5 的 model 可直接接受 numpy 数组 results = self.model(frame, size=640, conf=self.conf, iou=self.iou) # results 是 pandas DataFrame，含 xmin/ymin/xmax/ymax/confidence/class/name df = results.pandas().xyxy[0] stats = {} for _, row in df.iterrows(): stats[row['name']] = stats.get(row['name'], 0) + 1 cv2.rectangle(frame, (int(row['xmin']), int(row['ymin'])), (int(row['xmax']), int(row['ymax'])), (0, 255, 0), 2) cv2.putText(frame, f"{row['name']} {row['confidence']:.2f}", (int(row['xmin']), int(row['ymin']) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1) self.frame_ready.emit(frame, stats) cap.release() def stop(self): self.running = False self.wait()

逻辑说明：DetectThread继承QThread，run()里循环读帧、推理、画框，通过frame_ready信号把结果发出去。主线程收到信号后只做QPixmap转换和setPixmap，不参与计算。conf和iou是推理阈值，后面界面上的滑块直接绑这两个参数。

参数说明：size=640要和训练时的imgsz一致，否则精度掉得厉害；conf=0.25是置信度阈值，界面可调范围建议 0.1~0.9；iou=0.45是 NMS 阈值，密集小目标场景可以调到 0.5~0.6 减少漏检。

4.2 模型加载与推理参数在界面上的映射

界面上的可调参数不要太多，三个就够：置信度阈值、IOU 阈值、输入尺寸。它们直接映射到推理调用：

# 主窗口里加载模型，只加载一次，全局复用 self.model = torch.hub.load('./yolov5', 'custom', path='runs/train/abc_v1/weights/best.pt', source='local') self.model.conf = 0.25 # 默认置信度 self.model.iou = 0.45 # 默认 NMS # 滑块回调：实时更新阈值 def on_conf_changed(self, value): self.model.conf = value / 100.0 def on_iou_changed(self, value): self.model.iou = value / 100.0

这里有个细节：torch.hub.load的source='local'表示从本地仓库加载，不走网络。如果你把 yolov5 源码和权重打包进 exe，路径要用相对路径或sys._MEIPASS处理，否则打包后找不到模型。

4.3 打包成 exe 的依赖处理

PyQt + PyTorch 打包是个体力活。用 PyInstaller 时，torch 的动态库和 yolov5 的配置文件经常漏。推荐命令：

pyinstaller --noconfirm --windowed --name ABC_Detector \ --add-data "yolov5;yolov5" \ --add-data "runs/train/abc_v1/weights/best.pt;runs/train/abc_v1/weights" \ --hidden-import torch \ --hidden-import torchvision \ main.py

--add-data把源码目录和权重打进去，--hidden-import防止 torch 被漏掉。打包后体积会到 1~2G，这是 PyTorch 的代价，接受不了就换 ONNX Runtime 推理，能压到几百兆。

提示：打包前先在干净环境里跑一遍pip list，把没用的包卸掉，否则 PyInstaller 会把整个 site-packages 塞进去。

5. 避坑记录：数据、训练、界面三段的真实翻车现场

5.1 类别顺序错位导致推理全乱

现象：训练 mAP 正常，界面推理时飞机被标成鸟，无人机被标成飞机，整体偏移一位。

原因：标注时 class_id 从 1 开始（LabelImg 某些配置会这样），而data.yaml的names从 0 开始索引，训练时模型学的是 0/1/2，推理时映射错位。

解决：统一用 0 起始。标注完写个脚本扫一遍所有 txt，确认最小 class_id 是 0、最大是 2。发现从 1 开始的，批量减 1。

5.2 小目标漏检严重但 mAP 看着还行

现象：验证集 mAP@0.5 有 0.85，但实际监控画面里远处的小鸟和无人机大量漏检。

原因：验证集里小目标占比低，mAP 被大目标拉高了。模型在训练分布上表现好，但实际场景分布不同。

解决：单独统计小目标（框面积小于 32×32）的召回率，把它作为核心指标。如果小目标召回低于 0.6，提高输入分辨率到 1280，或开 copy_paste 增强，或调整 anchor 尺寸匹配小目标。

5.3 PyQt 界面推理时卡死无响应

现象：点「开始检测」后界面白屏，几秒后恢复，视频检测时一直卡。

原因：推理在主线程执行，阻塞了 Qt 事件循环。

解决：所有推理放QThread，主线程只做 UI 刷新。另外注意信号槽连接方式，跨线程用默认的AutoConnection即可，Qt 会自动排队。

5.4 打包后模型加载失败

现象：源码运行正常，打包成 exe 后报「找不到 best.pt」或「yolov5 模块不存在」。

原因：PyInstaller 打包后工作目录变了，相对路径失效；yolov5 的动态导入没被识别。

解决：用sys._MEIPASS拼接资源路径，--add-data把 yolov5 目录和权重都打进去，torch.hub.load的路径改成基于_MEIPASS的绝对路径。

5.5 摄像头推理延迟越跑越高

现象：实时检测跑几分钟后帧率从 20 掉到 5，内存持续上涨。

原因：cv2.VideoCapture的缓冲队列堆积，读帧速度跟不上推理速度，旧帧越积越多。

解决：在循环里加cap.grab()跳帧，或设置cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)把缓冲降到 1。另外每处理完一帧手动del frame并适时torch.cuda.empty_cache()，防止显存碎片累积。

6. 进阶验证：用混淆矩阵和单类 AP 判断模型到底能不能交付

训练完看总 mAP 只是第一步，真正决定能不能交付的是分类边界清不清楚。我一般会跑两件事：一是val.py生成混淆矩阵，二是单独算每类的 AP。

python val.py \ --data /data/dataset/data.yaml \ --weights runs/train/abc_v1/weights/best.pt \ --img 640 \ --conf 0.001 \ --iou 0.6 \ --task val \ --save-json

--conf 0.001是为了让所有预测都参与 AP 计算，--iou 0.6是 COCO 风格的匹配阈值。跑完在runs/val/下会生成confusion_matrix.png，重点看非对角线元素：如果bird被大量判成drone，说明这两类的特征在模型眼里没分开，要么加数据，要么在损失里给这两类加权。

单类 AP 的解读有个经验阈值：plane和bird的 AP@0.5 通常能到 0.85 以上，drone因为样本少、形态多变，能到 0.75 就算可用。如果drone的 AP 明显低于另外两类，优先补无人机数据，尤其是不同机型、不同距离、不同背景的样本，而不是调参。

还有一个容易被忽略的验证：拿模型去跑一段完全没参与训练的实拍视频，人工数漏检和误检。我自己的习惯是，任何模型上线前必须过这一关，因为验证集再高也可能只是「背题」。有一次验证集 mAP 0.9 的模型，在实拍视频里把一只风筝连续判成无人机，原因就是训练集里没有风筝这类负样本。后来补了 200 张纯背景负样本（不含任何目标），误检才压下去。

所以如果你要投入这个方向，我的建议是：数据阶段就把负样本和难例当一等公民，训练阶段盯小目标召回而不是总 mAP，界面阶段把线程和打包这两关提前跑通。这套东西不复杂，但每一环都有它自己的脾气，急不得。希望帮到你。

本文还有配套的精品资源，点击获取