简介：这是一套面向计算机视觉初学者与深度学习实践者的YOLOv5果蔬识别完整项目资源，围绕土豆、圣女果、大白菜、大葱、梨、胡萝卜、芒果、苹果、西红柿、韭菜、香蕉、黄瓜等十余类常见果蔬的检测任务展开，可用于课程设计、毕业设计或算法入门练手。压缩包共56个文件，约94.07MB，包含14个Python脚本、12个PNG与9个JPG及6个JPEG图像、6个TXT说明、4个XML标注、2个H5权重文件，以及Markdown文档和工程配置，覆盖数据读取、图像预处理、模型训练与实时检测等环节。资源中提供了CNN与MobileNet两套训练流程、热力图与训练过程记录、测试记录及模型权重，便于读者对照复现训练曲线、分析检测效果并理解迁移学习思路。目前已有3769人学习下载，适合希望快速跑通YOLOv5果蔬识别全流程、积累数据集处理与模型调优经验的读者参考。
1. 果蔬识别为什么总在产线翻车：从 yolov5 数据集到落地的第一道坎
做过分拣线视觉项目的人都有个共识：模型在实验室里 mAP 跑到 0.9 不难，难的是到了现场，光照一变、果子一叠、品种一换，识别率直接掉到六成。果蔬识别这个场景看着简单——不就是把苹果、橘子、西红柿分出来吗——但真正卡住工程进度的，往往不是网络结构，而是数据集的质量和标注的一致性。yolov5 果蔬识别数据集系统这套东西，核心价值就在于把「数据采集、标注规范、训练配置、推理部署」串成一条能复现的链路，而不是丢给你一个裸模型让你自己猜怎么用。
这套方案适合谁？一是做农业分拣、冷链质检、智能称重这类项目的工程师，需要快速搭一个能识别常见果蔬的基线；二是学生或转行者，想拿一个完整的数据集加代码加教程跑通目标检测全流程，作为 yolov5 训练自己数据集的练手项目。它解决的不是「从零发明算法」的问题，而是「让你在两天内拥有一套可用的果蔬检测基线，并且知道每一步为什么这么设」的问题。下面按数据、训练、调参、部署、避坑的顺序，把这条链路拆开讲。
2. 果蔬数据集怎么建：从采集到 YOLO 格式的完整链路
2.1 果蔬数据集的类别设计与采集边界
很多人拿到「果蔬识别数据集」第一反应是类别越多越好，恨不得把菜市场所有品类都塞进去。这是典型的翻车起点。类别一多，类间差异变小（比如青椒和尖椒、红富士和黄元帅），标注难度和模型混淆率同时飙升。我一般建议第一版控制在 8 到 15 类，选类间外观差异明显的品种，比如苹果、香蕉、橙子、西红柿、黄瓜、胡萝卜、土豆、洋葱这种。
采集时要盯住三个边界条件。第一是光照：产线常见的是顶部条形光源和侧向补光，数据集里必须包含这两种光照下的样本，否则模型会把「阴影方向」当成类别特征。第二是遮挡与堆叠：果蔬在传送带上经常互相压着，标注时对遮挡超过 50% 的目标要么标要么弃，但规则必须全数据集统一。第三是背景：纯色背景训练出来的模型换到木框、塑料筐、金属台面上会崩，采集时背景要覆盖实际工位的主要材质。
一个常被忽略的点是负样本。传送带空转、包装箱、人手入镜这些画面要单独收集一批，作为背景图参与训练，能显著降低误检。常见做法是负样本占总量 5% 到 10%。
2.2 标注规范：YOLO 格式的四个硬性约定
yolov5 用的是 YOLO 格式标注，每张图对应一个同名 txt 文件，每行一个目标，格式是：
<class_id> <x_center> <y_center> <width> <height>四个坐标都是归一化到 0 到 1 的相对值，不是像素。这一点新手最容易搞错，直接把像素坐标写进去，训练时 loss 不降，排查半天才发现是格式问题。
标注工具有 LabelImg、CVAT、Roboflow 等，选哪个不影响结果，关键是导出时选 YOLO 格式。标注规范我一般定四条：框要贴紧目标外轮廓，不留大边距；被遮挡目标按可见部分标注，不脑补完整轮廓；同类目标框的大小风格要一致，避免有人标大有人标小；每标完 200 张做一次交叉复核，抽检 10%。
下面是一个把 LabelImg 的 VOC 格式转成 YOLO 格式的脚本，实际项目里经常遇到标注同学导出错格式的情况：
import os import xml.etree.ElementTree as ET # 类别映射，必须和 data.yaml 里的 names 顺序一致 classes = ["apple", "banana", "orange", "tomato", "cucumber"] def convert(size, box): # size: (w, h) 图像宽高; box: (xmin, xmax, ymin, ymax) dw, dh = 1.0 / size[0], 1.0 / size[1] x = (box[0] + box[1]) / 2.0 y = (box[2] + box[3]) / 2.0 w = box[1] - box[0] h = box[3] - box[2] return x * dw, y * dh, w * dw, h * dh def convert_annotation(xml_path, out_dir, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() base = os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, base + ".txt"), "w") as f: for obj in root.iter("object"): cls = obj.find("name").text if cls not in classes: continue # 跳过未定义类别，避免训练时报 index 越界 cls_id = classes.index(cls) bnd = obj.find("bndbox") box = (float(bnd.find("xmin").text), float(bnd.find("xmax").text), float(bnd.find("ymin").text), float(bnd.find("ymax").text)) bb = convert((img_w, img_h), box) f.write(f"{cls_id} {' '.join([f'{v:.6f}' for v in bb])}\n")逻辑说明：convert函数把像素坐标转成归一化中心点加宽高，这是 YOLO 格式的核心。classes列表的顺序决定了 class_id，必须和训练时 data.yaml 的 names 完全对应，顺序错一位整个模型就废了。参数上img_w、img_h要从对应图片读取，不能写死，因为数据集里图片尺寸往往不统一。
2.3 数据集划分与 data.yaml 配置
划分比例常规是训练集 70%、验证集 20%、测试集 10%。但果蔬场景有个坑：如果同一批采集的图片（同一时间段、同一光照）被随机打散到训练和验证集，验证指标会虚高，因为验证集和训练集太像了。正确做法是按采集批次划分，让验证集来自不同批次，这样指标才反映真实泛化能力。
目录结构建议：
dataset/ images/ train/ val/ test/ labels/ train/ val/ test/ data.yamldata.yaml 内容：
path: ./dataset train: images/train val: images/val test: images/test nc: 5 names: ["apple", "banana", "orange", "tomato", "cucumber"]nc是类别数，必须和 names 长度一致。path用相对路径时，训练命令要在 dataset 同级目录执行，否则 yolov5 找不到图片。这个路径问题在 yolov5 环境配置阶段坑了无数人，报错通常是「No labels found」或者「Dataset not found」。
3. yolov5 训练果蔬数据集的参数怎么设
3.1 环境配置与最小可跑命令
环境这块，conda 建虚拟环境是最稳的。Python 版本选 3.8 到 3.10，torch 版本跟 CUDA 对齐。常见做法是：
conda create -n yolo python=3.9 conda activate yolo pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txtcu118对应 CUDA 11.8，具体选哪个看你的显卡驱动支持的 CUDA 版本，用nvidia-smi查。装完验证：
python -c "import torch; print(torch.cuda.is_available())"输出 True 才算环境通了。这一步不过，后面训练全是 CPU 在跑，一个 epoch 能等到你怀疑人生。
最小训练命令：
python train.py --data dataset/data.yaml --weights yolov5s.pt --epochs 100 --batch-size 16 --img 640--weights yolov5s.pt是加载预训练权重做迁移学习，果蔬数据集通常几千张图，从零训练收敛慢且容易过拟合，用预训练权重是标配。--img 640是输入分辨率，果蔬目标如果比较小（比如樱桃、小番茄），可以提到 960 或 1280，但显存占用会翻倍。
3.2 关键超参数：学习率、batch size 与 anchor
yolov5 的超参数默认值对通用数据集调得不错，但果蔬场景有两三个参数值得动。
学习率--lr0默认 0.01，配合 SGD 优化器。如果数据集小于 2000 张，建议降到 0.001 到 0.005，避免早期震荡。batch size 受显存限制，16 是 8G 显存的稳妥值，显存够就往上加，batch 大梯度稳，但太大泛化会略降。
anchor 这块，yolov5 训练时会自动用 k-means 重新聚类 anchor，所以一般不用手动设。但如果你的果蔬目标尺寸特别集中（比如全是直径 5 到 8 厘米的果子），可以跑一次python utils/autoanchor.py看聚类结果，确认默认 anchor 是否匹配。
数据增强参数里，--mosaic默认开启，把四张图拼一张，对小目标检测帮助大。但果蔬堆叠场景下，mosaic 可能把遮挡关系搞得更乱，如果发现验证集掉点，可以试--mosaic 0关掉对比。--degrees旋转增强默认 0，果蔬在传送带上方向随机的话，可以开到 10 到 15 度。
3.3 训练过程监控与早停判断
训练启动后看runs/train/exp/下的结果。重点盯三个指标：metrics/mAP_0.5、train/box_loss、val/box_loss。
正常情况 mAP 在前 20 个 epoch 快速上升，之后放缓。如果 train loss 降但 val loss 升，是过拟合，加数据或加--dropout。如果两个 loss 都不降，检查学习率是不是太大，或者标注格式是不是错了。
yolov5 自带早停，--patience默认 100，意思是 100 个 epoch 没提升就停。实际项目里我一般设 30 到 50，省时间。训练完最好的权重是best.pt，不是last.pt，部署时别拿错。
验证命令：
python val.py --data dataset/data.yaml --weights runs/train/exp/weights/best.pt --img 640会输出每类的 P、R、mAP。如果某一类特别低，回去看那一类的标注量和标注质量，八成是样本太少或框得不准。
4. 推理部署：从 PyTorch 权重到产线可用
4.1 本地推理与批量测试
训练完先本地跑推理确认效果：
python detect.py --weights runs/train/exp/weights/best.pt --source test_images/ --img 640 --conf 0.4--conf 0.4是置信度阈值，低于这个值的框不输出。果蔬分拣场景对误检容忍度低（把好果子判成坏的损失大），阈值可以提到 0.5 到 0.6；对漏检容忍度低（坏果子漏过去）则降到 0.3。这个值要拿实际产线图片调，没有万能值。
--source可以是单张图、文件夹、视频，甚至摄像头编号。批量测试时输出在runs/detect/exp/。
4.2 导出 ONNX 与推理加速
产线部署很少直接用 PyTorch，一般导出 ONNX 或 TensorRT。ONNX 通用性好：
python export.py --weights best.pt --include onnx --img 640 --batch 1--batch 1是推理时的 batch，产线通常单张流式处理。导出后可以用 onnxruntime 验证：
import onnxruntime as ort import numpy as np sess = ort.InferenceSession("best.onnx") # yolov5 输入是 1x3x640x640，归一化到 0-1 img = np.random.rand(1, 3, 640, 640).astype(np.float32) outputs = sess.run(None, {sess.get_inputs()[0].name: img}) print(outputs[0].shape) # 应为 (1, 25200, 5+nc)输出维度里 25200 是三个检测层的 anchor 总数，5+nc是 xywh 加置信度加类别概率。后处理要做 NMS，这部分 yolov5 的utils/general.py里有现成实现，移植时直接抄。
如果产线用树莓派 5 这类边缘设备，ONNX 加 onnxruntime 是可行路线，但帧率有限，640 输入大概几帧到十几帧，具体看模型大小。要提速就换 yolov5n 或 yolov5s，或者降输入到 416。
4.3 部署时的预处理一致性
这是血泪经验：训练时的预处理和推理时的预处理必须完全一致。yolov5 训练时做了 letterbox 缩放（保持长宽比，短边补灰），推理时如果直接 resize 拉伸，长宽比变了，框会偏。很多人本地测好好的，部署后框全歪，就是栽在这。
letterbox 的核心是算缩放比例取 min，然后补边到目标尺寸。移植到 C++ 或其他语言时，这段逻辑要一比一复刻，包括补边的灰度值 114。差一点，精度就掉。
5. 果蔬识别避坑清单：五个真实踩过的坑
5.1 坑一：验证集 mAP 很高，上线就崩
现象：本地 val mAP 0.92，产线实测识别率不到 70%。
原因：验证集和训练集来自同一批采集，光照、背景、角度高度相似，模型记住了这批数据的「风格」而不是果蔬特征。
解决：按采集批次划分数据集，验证集必须包含训练时没见过的光照和背景。有条件的话，留一批现场实拍图做最终测试，不参与任何训练调参。
5.2 坑二：某一类识别率奇低
现象：苹果、香蕉都 0.9 以上，西红柿只有 0.4。
原因：要么西红柿样本量远少于其他类，要么标注时把西红柿和红苹果混标了，要么这一类的外观差异本身就小（比如不同成熟度的西红柿）。
解决：先统计各类样本数，少于 300 张的类补采。再看混淆矩阵，如果西红柿大量被预测成苹果，说明类间差异不够，考虑合并类别或加更多区分性样本。成熟度差异大的话，可以拆成「青西红柿」「红西红柿」两类。
5.3 坑三：训练 loss 不降，一直震荡
现象：box_loss 在 0.1 上下跳，mAP 卡在 0.1 不动。
原因：九成是标注格式问题。常见的是坐标没归一化、class_id 从 1 开始（YOLO 要求从 0）、txt 文件和图片没对应上。
解决：写个校验脚本，遍历所有 label 文件，检查每行是否 5 个值、坐标是否在 0 到 1 之间、class_id 是否小于 nc。跑一遍就能揪出问题文件。
5.4 坑四：显存溢出（CUDA out of memory）
现象：训练几个 batch 后报 OOM。
原因：batch size 太大、img 分辨率太高、或者 dataloader 的 workers 太多导致内存泄漏。
解决：先降 batch size 到 8 试，再降 img 到 416。--workers设 4 到 8 就行，设太大反而抢内存。如果还不行，用--accumulate梯度累积，小 batch 模拟大 batch 效果。
5.5 坑五：导出 ONNX 后精度掉点
现象：PyTorch 权重 mAP 0.9，ONNX 推理结果明显变差。
原因：导出时的 opset 版本不兼容，或者后处理 NMS 的参数和训练时不一致。
解决：导出加--opset 12，别用太新的 opset。NMS 的 iou 阈值和 conf 阈值要和 PyTorch 推理时对齐。导出后用同一批图分别跑 PyTorch 和 ONNX，逐张对比框，定位差异。
6. 把果蔬识别做到产线级：一个提精度的小技巧
前面讲的都是标准流程，最后说一个我在实际项目里反复验证有效的技巧：用测试集反推标注质量，而不是只看 mAP。
具体做法是，训练完后拿测试集跑推理，把预测框和标注框叠在原图上可视化，人工过一遍。你会看到两类问题：一是标注框本身歪了或松了，模型学了个错的；二是模型预测的框比标注框更贴合目标，说明标注拖了模型后腿。这个动作做一轮，回去修 50 到 100 张标注，再训练，mAP 通常能涨 2 到 5 个点，比调超参数见效快。
可视化脚本核心逻辑：
import cv2 def draw_boxes(img_path, label_path, pred_path=None): img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: cid, xc, yc, bw, bh = map(float, line.split()) # 归一化坐标还原成像素 x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) # 绿框为标注 cv2.imwrite("vis_" + img_path.split("/")[-1], img)参数说明：xc, yc, bw, bh是 YOLO 格式的归一化值，还原时分别乘宽高。绿框画标注，如果要对比预测，用红框画预测结果，叠一起看偏差。这个脚本不依赖 yolov5 框架，纯 OpenCV，方便集成到标注复核流程里。
我自己的习惯是，每完成一轮训练，必做一次可视化抽检，抽 30 张，不看完不调参。这个习惯帮我省了无数次「调了半天参数发现是标注错了」的后悔药。果蔬识别这行，数据质量的天花板就是模型精度的天花板，算法能补的很有限。希望帮到你。
本文还有配套的精品资源，点击获取
