简介：面向人工智能毕设与海洋生态监测需求，这套基于YOLO系列深度学习框架的海洋生物检测系统，内置7464张标注图片的训练流程，能够识别海胆、海参、扇贝、海星四类目标，并支持图片、视频与实时摄像头检测。压缩包共2000个文件，以标注数据文本、程序源码、界面配置和开发文档为主，总大小约453.36MB，包含PyQt5可视化界面、模型对比评估脚本及完整训练部署代码。已有66人学习下载，系统具备目标计数、置信度显示和结果保存功能，既可用于毕业设计参考，也能为水产养殖与海洋资源管理提供实用的智能检测方案。从数据集准备到模型训练、界面封装均有工程化实现和说明文档支撑，适合具备编程基础的开发者直接复用或按需改进。
1. 拿到“基于深度学习的海洋生物检测系统 yolov8.zip”，先别急着解压跑训练
这个压缩包标题里的关键词，实际指向一条完整的落地链路：用 YOLOv8 检测水下图像里的海星、海参、扇贝、螃蟹等生物。它不是让你重新发明检测算法，而是给你一套现成的数据、标注和训练流程。你需要的不是啃论文，而是把训练跑通、把权重导出来、塞进自己手里的设备或演示系统里。这篇笔记会从数据标注、环境搭建、训练参数、踩坑排错一直讲到视频推理，照着做就能复现出一套能交差的海洋生物检测 demo。适合正在做毕业设计、课程设计或想快速入门 YOLOv8 目标检测的开发者。
2. 把海洋生物原始图像变成 YOLOv8 能吃的训练集：从抽帧到标注平衡
水下生物检测和普通街景检测最大的差别，是数据极难找。公开数据集里能直接用的海洋生物检测集不多，最常见的做法是自己从水下视频里抽帧、清洗、标注。别指望“解压 zip 里就有现成数据集”就能省事，就算 zip 里带了样本，新场景下你仍然要自己补数据。这一章就解决“怎么造出一份干净、类别平衡的 YOLOv8 训练集”。
2.1 自建数据集的采集思路：视频抽帧与难例收集
水下视频一分钟有几十上百帧连续画面，相邻帧高度相似，直接全量抽帧会让训练集里出现大量重复样本，模型会严重过拟合。推荐的做法是先按每秒 1 帧抽帧，做完初步筛选后只保留清晰、目标可见的图片。好用的一条 ffmpeg 命令如下。
ffmpeg -i under_water.mp4 -vf fps=1 frame_%04d.jpg -loglevel errorfps=1表示每秒抽一帧，如果视频里目标多、运动快，可以改成fps=2；如果目标基本静止，fps=0.5就够了。抽出来的帧建议人工快速扫一遍，把所有模糊的、目标被遮挡超过一半的、被水草完全盖住的帧直接删掉。水下图像普遍偏绿偏蓝，这个问题我建议留在训练阶段让模型自己学，不要在数据阶段强行做白平衡，否则会引入新的域差异。
难例收集平时很容易忽略。真正到了测试阶段你才会发现，模型对背景复杂的礁石区域特别容易误识别成海参，对光线昏暗的沙地又容易漏检。所以第一批数据里除了正样本，还应该专门收集一批只有礁石、水草、沙子、气泡、没有任何目标生物的“干净背景帧”。这些背景帧不标注框，但在筛选划分时保留在训练目录里，能让模型学会“这里什么都没有”。
2.2 Labelme 标注转 YOLOv8 txt：转换脚本与四个边界坑
Labelme 是图形化标注工具里最常见的选择，能画矩形、多边形和点，每周我都会有项目用它标数据。Labelme 保存的 json 文件里记录的是点数坐标，而 YOLOv8 需要的是归一化后的中心点坐标(x_center, y_center, width, height)，写个转换脚本是绕不过去的一步。
import json import os from glob import glob # classes 顺序要和 YOLOv8 的 data.yaml 里 names 顺序严格一致 classes = ['sea_star', 'sea_cucumber', 'echinus', 'scallop', 'water_weeds'] def labelme_to_yolo(json_path, output_dir, img_width, img_height): with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) txt_name = os.path.basename(json_path).replace('.json', '.txt') txt_path = os.path.join(output_dir, txt_name) with open(txt_path, 'w') as out: for shape in data['shapes']: cls_name = shape['label'] if cls_name not in classes: continue cls_id = classes.index(cls_name) points = shape['points'] xs = [p[0] for p in points] ys = [p[1] for p in points] x_min, x_max = min(xs), max(xs) y_min, y_max = min(ys), max(ys) # 归一化到 0~1 x_center = (x_min + x_max) / 2 / img_width y_center = (y_min + y_max) / 2 / img_height w = (x_max - x_min) / img_width h = (y_max - y_min) / img_height # 防止越界和零宽高 x_center = min(0.999, max(0.001, x_center)) y_center = min(0.999, max(0.001, y_center)) w = min(0.999, max(0.001, w)) h = min(0.999, max(0.001, h)) out.write(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n") # 批量转换 for jf in glob('/data/labels/*.json'): # 图片宽高从同名 json 里取，也可以直接从图读 labelme_to_yolo(jf, '/data/yolo_labels', 1920, 1080)这段脚本的逻辑很简单：取所有标注点坐标的最大最小值构造外接矩形，再除以图片宽高得到归一化值。写完后建议抽查几个 txt 文件，第一列类别 ID 是否正确，后四列数值是否都在 0 和 1 之间。
这里踩过的坑有四个。第一个坑是类别名和data.yaml里names顺序不一致，比如 YAML 里第二个是海参，脚本里第二个是海星，模型就会拿海参数据去学海星的标签，训练时 loss 照样降，验证时 AP 却全乱。第二个坑是 Labelme 画的框超出图像边界，例如框从画面边缘延伸出去，导致坐标大于 1，必须像上面代码里那样钳位。第三个坑是某些 json 不包含imageWidth字段，读不到宽高就除零，所以我选择直接从图片文件读取真实尺寸。第四个坑是标注点全在一个像素位置，比如误点两下，外接矩形宽度变成 0，YOLOv8 读到零宽目标会直接崩掉，需要过滤掉这种 json。
2.3 数据不平衡的采样策略：别让某几类把模型带偏
海洋生物数据不平衡是必然的：海星在水下视频里大量出现，扇贝可能只有零星几个，螃蟹往往藏在石头缝里，能作为训练样本的更少。如果直接按原始比例训练，模型会为了整体 loss 最低而把所有目标都预测成海星，少数类别的召回率难看是小事，交项目时被老师当场用扇贝图片验证才是真尴尬。
处理不平衡，先统计每一类的样本数量，代码不复杂。
import glob from collections import Counter stats = Counter() for txt in glob.glob('/data/yolo_labels/*.txt'): with open(txt) as f: for line in f: cls_id = int(line.split()[0]) stats[cls_id] += 1 print(stats)如果发现某个类别样本量是其他类别的一半以下，我一般不会简单重复复制那部分图片。复制图片只能让模型反复看同一张图，很快陷入过拟合。更可靠的做法是对少数类别做离线增强，把对应的原图以 90 度、180 度旋转，上下翻转，再叠加亮度扰动和轻微模糊，生成新的图片和新的标注文件。注意旋转增强不适合直接用于有方向性特征的生物，但对海星、扇贝这种无方向性目标基本安全。另外划分训练集和验证集时不要打乱后随机抽帧，否则同一母视频的相邻帧可能被拆到两边，验证 loss 会虚低。我习惯按视频来源划分，一段视频的帧全部进训练集或验证集，这样验证结果更接近真实泛化水平。
3. 在 Ubuntu20.04 上把 YOLOv8 环境跑起来：从 CPU 到 GPU 的训练命令
很多卡在这个项目上的人，问题不是模型结构不懂，而是环境一天搭不起来。这一章讲我实际操作过的流程：用 conda 建独立环境，装 ultralytics，先确认 torch 设备，再跑出第一个训练命令。以 Ubuntu20.04 为例，Windows 也是同样的 pip 流程，差别只在 GPU 驱动。
3.1 从零搭建可以复现的 YOLOv8 环境
新机器上我从不直接在 base 环境装包，先创建独立环境，避免把系统里本来用的 torch 版本搅乱。
conda create -n yolo python=3.9 -y conda activate yolo pip install ultralytics python -c "import torch; print(torch.cuda.is_available())"第三行命令会同时把 YOLOv8 的依赖、torch、opencv 这些全部装齐。第四行输出True，说明当前环境能用 GPU 训练；输出False也不用慌，这就是网上常说的 CPU 版 YOLOv8 环境，速度慢一点，但从搭建到跑通最省心。CPU 版训练几百张小图、几十个 epoch 也能出效果，只是单 epoch 可能要几分钟到十几分钟。
这里有个常见的翻车点：很多人先用 conda 装了cudatoolkit，装了cudnn，然后发现 torch.gpu 还是 False。原因往往是 N 卡驱动没装，或者 PyPI 的 torch 版本和驱动版本不匹配。我调试时会先跑nvidia-smi看驱动是否存在，再确认pip list | grep torch里是不是下了 CPU 版。GPU 环境不用过度迷信 conda 装 CUDA，系统装上正确驱动后，直接用官方 pip 源装 torch 是更少出错的路。
3.2 第一个训练命令：用 GPU 训练自己的海洋生物数据
数据准备好后，需要写一个数据文件告诉 YOLOv8 图片路径和类别名，这是大多数人看网上的 demo 容易漏掉的一步。我在项目里习惯把数据和这个 yaml 放在同一个项目根目录下。
# ocean.yaml path: /data/ocean_dataset train: images/train val: images/val names: 0: sea_star 1: sea_cucumber 2: echinus 3: scallop 4: water_weeds训练命令本身很短，真正决定项目成败的是里面的参数。
yolo detect train \ model=yolov8s.pt \ data=ocean.yaml \ epochs=100 \ batch=8 \ imgsz=640 \ device=0 \ patience=20model=yolov8s.pt表示加载 YOLOv8s 预训练权重，在此基础上微调，比从头训练收敛快得多。batch=8是单卡一次喂进去的图片数量，如果显存只有 6G，建议改成 4。patience=20表示连续 20 个 epoch 验证集指标没提升就会自动停止训练。设备端device=0是第 0 块 GPU，没 GPU 就改成device=cpu。
选模型时，nano 不是不能跑，但水下目标普遍偏小、背景又复杂，用 s 或者 m 起步会明显踏实很多。GTX1660Ti 这类 6G 卡跑 yolov8s、640 分辨率完全够用；只有 4G 显存建议上 yolov8n，并把 imgsz 降到 480 避免 OOM。
3.3 训练参数含义与判断依据：epochs、imgsz、batch、optimizer 怎么调
网上很多人问“yolov8模型训练参数含义”，实际上你只需要理解四个关键量。epochs是训练轮数，不是越多越好，模型通常前 50 个 epoch 指标快速上升，后面曲线变平甚至过拟合，所以配合早停比单设一个大 epoch 更科学。imgsz是输入网络的分辨率，640 是速度和精度的折中点，小目标多的水下场景可以设 960 甚至 1280，但显存占用会以平方上涨。batch影响梯度稳定性和显存，batch 太小 loss 跳得厉害，太大又装不下，我通常按“显存余量 80%”来试。optimizer默认auto会自己挑，我的观察平滑性最好的是 AdamW，追求更强拟合但调参略麻烦时才用 SGD。
只看这几个参数还不够，训练过程中你一定会盯得住 loss 曲线。如果你想画自己项目的曲线而不是只看终端输出，推荐在训练时加一行命令把结果记录到 CSV，训练完用 matplotlib 直接读。
yolo detect train \ model=yolov8s.pt \ data=ocean.yaml \ epochs=100 \ batch=8 \ imgsz=640 \ device=0 \ project=runs/train/ocean \ name=exp1训练结束后runs/train/ocean/exp1/results.csv里每一列就是每个 epoch 的 train loss、val loss、mAP 等指标，用 pandas 读出来画成两条 loss 曲线，是判断模型有没有正常收敛最快的方式。如果 train loss 一直掉而 val loss 抬高，基本可以断定过拟合，再补数据比调参数更有效。
4. 海洋生物检测在训练中翻车的四个高频坑：现象、原因与解决办法
这一章写的是我复现类似项目时真正花掉最多时间的部分。前三种情况靠调参能缓解，第四种属于环境层面的玄学问题，要按现象排查。
4.1 小目标漏检：小而远的扇贝检测不到
现象：训练完了，测试图里拳头大的扇贝能框出来，但视频远处成片的小扇贝漏成一片，精度表里扇贝类的 mAP 明显低于海星类。
原因：YOLOv8 对 640 分辨率输入会把图片缩小到 32 倍，一个 20 像素的小目标在深层特征图上只剩几个像素，默认 anchor 分配机制会跳过很多小目标。这就是小目标漏检最常见的病灶。
解决：先把imgsz提高到 960 或 1280，如果你用默认 640 而数据里很多目标比较小，这项改动带来回报最大。显存不够时，配合调小 batch 到 4。其次换更大的模型，把yolov8s.pt换成yolov8m.pt，m 模型对小目标的特征表达能力更强。最后可在导出测试时把conf=0.25降到conf=0.1，代价是误检多一些，但至少能先把目标找出来。
4.2 礁石被当成海参：正样本多，负样本为零
现象：纯礁石画面没有海参，模型却固执地给出 0.7 以上置信度的“海参”框，且这些框的位置不固定，毁掉整个检测演示效果。
原因：训练集里每一张图片都至少有一个目标，模型从未见过“不含目标”的背景画面。推理时任何与海参颜色相似的纹理都会被当成目标，这其实是典型的假阳性问题。
解决：数据阶段专门收集一批没有生物标签的纯背景图放进images/train，这些图对应 txt 文件为空即可。模型在训练时会看到很多“图里没有目标”的样例，从而学会压制误检。这种方法效果立竿见影，比任何阈值调优都可靠。注意不用在ocean.yaml里加一个“背景类”，空 txt 就是最好的背景表达。
4.3 类别不平衡：海星占比太多，模型学不到螃蟹
现象：整体 mAP 在 50 附近，细看每个类的 AP，海星 80 多，螃蟹只有 10 上下，典型的“平均分很高但实际没法用”。
原因：训练时一个 batch 里出现海星的频率远高于螃蟹，backward 时海星贡献的梯度盖住了螃蟹的梯度，模型逐渐变成海星“专家”。
解决：除了上一章说的离线增强，还可以在训练时按类别限制采样比例。ultralytics 库里没有开箱即用的类别采样器，但可以先做一个“重采样文件列表”的技巧：遍历训练图片的 txt，统计每类的图片数量，对少数类别所在的图片路径重复追加到临时文件列表中。然后再用yolo detect train ... data=ocean.yaml搭配cache=True训练，配合验证集就能看到螃蟹类明显回升。代价是训练 epoch 变长，但对小项目完全能接受。
4.4 显存 OOM 与 loss 不降：两个看起来相近但解法不同的“卡住”
现象 A：训练第一个 epoch 还没跑完，终端报CUDA out of memory。
原因：imgsz 提高后没有同步降低 batch，一张 1280 分辨率的图片在 8G 卡上可能就占 3G 显存，batch 8 直接炸。
解决：先把 batch 降到 2，确认能跑完一个 epoch 后再逐步往上加。同时开amp=True混合精度训练，显存占用能降 30% 到 40%。如果降到 batch 2 还是 OOM，基本是该换更大显存或者降 imgsz 了。
现象 B：训练跑了一百个 epoch，loss 一直高位震荡，mAP 没有抬头的迹象。
原因：学习率不合适，常见的是lr0太大导致 loss 反复震荡；另一个常见因素是我经常提的数据量不够，模型没有足够信息去学习有效特征。小数据集上把epochs加到 300 但没有做数据增强，模型只是把训练集背下来了，验证集上照样没有提升。
解决：把lr0从默认 0.01 调到 0.005，lrf保持 0.01 让后期学习率降得更慢。如果调完 loss 依旧平直，检查训练集图片数量是不是只有一百来张，这个数量下任何参数都难救，回头补数据才是最正确的做法。
5. 把训练好的模型跑通全流程：视频推理、mAP 评估与导出部署
模型训练完，下一步就是验证你在真实视频里的效果并把它用起来。这一章讲我怎么用官方脚本做视频推理、怎么看 mAP 指标才不会被平均数骗到，以及怎么把权重复制到边缘设备。
5.1 用训练好的权重对测试视频逐帧推理
先找到训练结束时生成的best.pt，它在runs/train/ocean/exp1/weights/目录下。prediction 脚本非常简单，核心就三行。
from ultralytics import YOLO model = YOLO('runs/train/ocean/exp1/weights/best.pt') results = model.predict( source='demo.mp4', conf=0.5, save=True, project='runs/predict', name='ocean_demo', )conf=0.5是置信度阈值，如果检测结果里误检很多，调高到 0.6 或 0.7；如果漏检多，调低到 0.3。save=True会把带框的视频和图片存到runs/predict/ocean_demo/目录。如果你要跑的不是视频而是一张图片，把source改成图片路径就行。
这里要小心一个坑：推理时的imgsz默认是 640。如果你训练用的imgsz=960，推理时先显式加上imgsz=960，否则模型输入尺寸不一致，虽然 YOLOv8 的检测头是自适应输入，但效果会比训练时差一截。
5.2 验证集 mAP 别只盯着总分：逐类看才靠谱
只有“平均 mAP”不够，海洋生物检测项目里个别类拉低整体是常态。用官方命令评估一次就能输出 Per Class 的指标。
yolo detect val \ model=runs/train/ocean/exp1/weights/best.pt \ data=ocean.yaml终端会输出一张表格，每一行是一个类别的精确率、召回率、mAP50 和 mAP50-95。我评估时主要看两个数字：mAP50反映框和类别对不对，mAP50-95反映框的位置和尺度够不够精细。如果有单个类别 mAP50 低于 0.3，参考第 4 章对症处理，别被整表平均分蒙蔽。
5.3 把 best.pt 导出成 ONNX，方便部署到边缘盒子和嵌入式板
训练好的.pt文件只能在 PyTorch 环境里跑，交项目可以，想塞进 RK3588、Jetson 或者树莓派这类设备就不方便。常见做法是先导出成中间格式，再按照具体平台的工具链转换。
yolo export \ model=runs/train/ocean/exp1/weights/best.pt \ format=onnx \ imgsz=640 \ opset=12导出成功后同目录会出现best.onnx。ONNX 是平台无关的交换格式，你可以直接拿它在 CPU 上推理，也可以再接 RKNN-Toolkit 转成 rknn 模型，或者用 TensorRT 转成 engine。opset 参数如果目标平台比较老，建议保持 12 而不是默认更高的版本，否则边缘设备上的解析器可能报不识别算子的错误。
6. 进一步把海洋生物检测做得更稳、更像可交付系统的三个小技巧
模型只是中间产物，最后能上台演示甚至交付的，往往是在代码层面做了正确约束的系统。这里分享三个我每次做类似项目都会顺手加上的技巧。
第一个技巧是固定 ROI 区域。水下监测的摄像头大多数时候是固定位置，目标只会出现在画面某个范围。推理前用掩码把 ROI 以外的区域直接置灰，不仅减少礁石区域的误检，还能顺带省一点算力。实现时用 OpenCV 画一个多边形 mask，保留区域为白色，再对输入帧做按位与操作即可。
第二个技巧是帧间结果平滑。视频逐帧检测会出现同一目标时有时无的闪烁，观众一眼就能看出“系统不稳定”。我习惯维护一个历史检测结果队列：同一个目标如果在连续三帧里至少出现两次，就在当前帧输出；中间某一帧漏检了，用前一帧的坐标补上。这个简单逻辑能把演示视频的可信度提上一个档次。
第三个技巧是留存难例。测试视频里凡是模型置信度在 0.3 到 0.5 之间、并不确定的目标，我会把它们截图放进一个hard_examples目录。项目收尾前如果有时间，就用这些难例再续训几十轮。这个习惯替我挡过很多次汇报现场翻车，一个小 demo 往往不是败在平均精度差，而是败在观众随手指出一个滑稽误检。希望今天的这套流程能帮你少踩我当年踩过的坑，后面做同类项目时少熬几个夜。
本文还有配套的精品资源，点击获取
