企业官网建设流程全解析

简介：面向计算机视觉与智慧农业领域从业者的猪只行为识别数据集，聚焦猪圈监控场景，覆盖喝、吃、睡觉、站立四类常见行为，平均识别正确率达92.6%。压缩包共含2000个文件，1272个txt为YOLOv8格式的标注文件，与727张jpg原始图像一一对应，另附1个yaml配置文件，整体体积约85.86MB，解压即可接入主流目标检测训练流程。图像截取自多个猪圈监控片段，涵盖不同姿态、角度与光照条件，标注边界框贴合目标，适合直接用于模型训练、验证与精度调优，也可作为智慧养殖、动物行为分析等课题的基准数据。资源按图像与标注文件成对组织，目录结构简洁，便于批量读取与数据划分。已有224人学习下载，适合从事行为识别算法研发、养殖智能化改造及YOLO系列模型实践的研究者与开发者使用。

1. 猪圈里的猪行为识别数据集：92.6%还不够，先要会正确使用它

养猪场做智能化管理，第一步往往不是调算法，而是先问“有没有能用的数据”。这个猪圈里的猪行为识别数据集，把喝、吃、睡觉、站立四类行为做成了目标检测标注，1272张图片不算大，但够把yolov8从零教会，对外公布的平均正确识别率是92.6%。我的判断是：它适合用来验证“猪舍行为识别能不能落地”这件事，也适合做毕业设计或边缘算法原型。但92.6%这个数字是特定标注规范、特定验证划分下的成绩，想在自己的猪舍复现并稳定使用，就得先把数据集格式、训练参数和指标口径吃透。下面按这个顺序讲。

2. 把行为识别当目标检测做：为什么不是分类，以及数据格式地基

2.1 帧内行为不等于视频行为：先搞懂yolov8在这套数据上做的是“框+类别”

很多刚接触猪行为识别的人，第一反应是拿一个图像分类模型，给整张监控画面打个“喝”或“吃”的标签。这在圈舍里只有一头猪、机位固定的“理想实验”里勉强能看，真实猪圈里往往十几头猪挤在一起，猪栏上有水渍、地面有漏粪板，一头低头喝水，另一头同时站起来蹭痒。分类模型只能输出一个主导标签，占比小的行为被直接吃掉，结果看起来准确率不低，但养殖人员根本没法信。

这份数据集走入正轨的地方在于：它按yolov8格式给每头猪画了边界框，并且把框和“drink/eat/lie/stand”四类绑定。这实际是目标检测任务，而不是图像分类。目标检测同时输出“在哪儿”和“干什么”，后续如果要统计“某头猪今天总共喝了多久、吃了多久”，才能把不同帧里同一头猪关联起来，按行为段累加。没有框的纯分类，连具体头数都数不清楚，更别提个体行为曲线。

提示：四类行为在标注上是互斥的，同一头猪在同一帧只能有一个标签。但猪群遮挡严重时，一个框里可能混进两只猪的肢体，这种噪声会直接影响模型训练，建议在进入训练前人工扫一遍密集场景。

这里还要说一个选型问题：既然是多目标多行为，能不能用Faster R-CNN之类的两阶段检测器？能，但实际场景很多会选yolov8。原因有三：一是猪舍监控推理对帧率有要求，yolov8s在中等显卡上能跑几十毫秒一帧，方便接视频流；二是这个数据集只有1272张，迁移学习时yolov8的工程设定最顺手，数据增强、多尺度训练开箱即用；三是目标类别只有4类，不需要复杂的稀疏关系建模，yolov8这种anchor-free设计足够。如果是一个超大猪场每天千万帧级别数据，再考虑换更强backbone。

2.2 目录结构与data.yaml：把1272张图按yolov8的规矩摆好

yolov8训练不强制要求某个绝对路径，但它默认读取“images”和“labels”同级目录，并且train和val分开放。我拿到一个新数据集的第一件事，就是把它整理成标准结构。

mkdir -p dataset/images/{train,val} mkdir -p dataset/labels/{train,val}

假设原始图片都在raw_imgs/，对应标注txt在raw_labels/，下面会用python按9:1划分，并做分层采样，确保四类行为在训练集和验证集里都有代表性。

import random from pathlib import Path from collections import defaultdict random.seed(42) img_dir = Path("raw_imgs") label_dir = Path("raw_labels") train_img_dir = Path("dataset/images/train") train_lab_dir = Path("dataset/labels/train") val_img_dir = Path("dataset/images/val") val_lab_dir = Path("dataset/labels/val") train_img_dir.mkdir(parents=True, exist_ok=True) train_lab_dir.mkdir(parents=True, exist_ok=True) val_img_dir.mkdir(parents=True, exist_ok=True) val_lab_dir.mkdir(parents=True, exist_ok=True) items = [] for img_path in sorted(img_dir.glob("*.jpg")): label_path = label_dir / (img_path.stem + ".txt") if not label_path.exists(): continue classes = set() for line in label_path.read_text().strip().splitlines(): if line: classes.add(int(line.split()[0])) items.append((img_path, label_path, tuple(sorted(classes)))) class_combos = defaultdict(list) for img_path, label_path, classes in items: class_combos[classes].append((img_path, label_path)) train_items, val_items = [], [] for combo, lst in class_combos.items(): random.shuffle(lst) val_cut = max(1, int(len(lst) * 0.1)) val_items.extend(lst[:val_cut]) train_items.extend(lst[val_cut:]) for img_p, lab_p in train_items: img_p.rename(train_img_dir / img_p.name) lab_p.rename(train_lab_dir / lab_p.name) for img_p, lab_p in val_items: img_p.rename(val_img_dir / img_p.name) lab_p.rename(val_lab_dir / lab_p.name) print("train:", len(train_items), "val:", len(val_items))

这段脚本的关键是分层采样：class_combos按“图中出现的类别组合”分组，每组抽10%。如果只是全局随机抽样，某一类行为只出现在50张图里，抽到验证集不一定覆盖得到；分层后至少保证验证集里每一类都有样本。比例9:1对1272张图而言大约是1145张训练、127张验证。如果你的显卡很紧张，8:2也可以，只是一部分样本从训练里拿走了，模型少学一点点，验证估计会更乐观一点点，权衡看个人。

目录就位后，写data.yaml，内容是给yolov8指明路径和类别名。

path: dataset train: images/train val: images/val nc: 4 names: 0: drink 1: eat 2: lie 3: stand

这里names的顺序必须和标注txt里的class id完全一致。如果之前标签文件里写的是1、2、3、4而非0、1、2、3，不改yaml、直接训练，模型会把“吃”当成“喝”来学，训练日志上mAP照样很高，到最后推理结果全是错位。我见过最典型的错位是model输出class 3，names列表只有3项，推理直接索引越界报错。写yaml前，先扫一眼任意一个标签文件的开头一行，确认类别编号从0开始还是从1开始。

2.3 校验标注文件：yolov8训练前先扫一遍“坏标签”

yolov8对标注格式的要求很死：每行是class x_center y_center width height，坐标归一化到0~1。很多转格式来的标签，常见问题包括：坐标还是像素值未归一化、类别id从1开始、box超出图像边界、宽度或高度写成负数。训练中途才报错，白烧GPU时间。我习惯在训练前先跑一个快速校验脚本。

from pathlib import Path for split in ["train", "val"]: for label_path in sorted(Path(f"dataset/labels/{split}").glob("*.txt")): bad_lines = [] text = label_path.read_text().strip() if not text: bad_lines.append("空标注文件") for line_no, line in enumerate(text.splitlines(), 1): parts = line.split() if len(parts) != 5: bad_lines.append(f"{line_no}: 字段数不是5") continue try: cls = int(parts[0]) cx, cy, w, h = map(float, parts[1:]) except ValueError: bad_lines.append(f"{line_no}: 坐标不是数字") continue if cls not in (0, 1, 2, 3): bad_lines.append(f"{line_no}: 类别id {cls} 越界") if not (0 <= cx <= 1 and 0 <= cy <= 1 and 0 < w <= 1 and 0 < h <= 1): bad_lines.append(f"{line_no}: 坐标或尺寸未归一化") if w * 1280 < 5 or h * 720 < 5: bad_lines.append(f"{line_no}: 框过小（<5px）") if bad_lines: print(label_path, bad_lines)

脚本里用的是1280x720作为近似原图尺寸，具体图片尺寸可用PIL读一下再替换。框过小这条规则值得展开：猪圈监控里远处的猪可能只有十几个像素，标注虽然正确，但训练时这类小目标贡献的梯度极不稳定，有时还会反向干扰。我不会直接删除它们，而是等第一轮训练后看混淆矩阵里小目标分类的错误率，确实影响严重再考虑过滤。校验脚本的价值在于把问题一次性暴露出来，而不是等训练到第100个epoch才告诉你“某个标签第3行parse error”。

除了数字格式，还要检查类别名映射。数据集比较简单，四类行为名称明确，但如果你后面自己补充了“can”或“其他”，训练时别忘记在names里同步。我常遇到的事实是：这种行为数据集最大的坏标签来源不是框画歪，而是“喝”和“吃”在嘴部细节上确实很像，标注员不一致就会让模型学到一个“混合体”，体现为空框和重复框。遇到这样的情况，只能回到标注阶段做二次核查，模型再聪明也补不了标签的账。

3. 训练yolov8行为识别模型：跑通命令与哪些参数值得动

3.1 用预训练权重起步：迁移学习对小数据集几乎是必须的

1272张图对深度学习来说是标准小样本。随机初始化从头训练，yolov8很容易在三十几个epoch内把训练集“背”下来，验证集的precision和recall却上不去，最后只能靠早停捡回一个勉强能用的模型。常见做法是加载在COCO上预训练好的yolov8s.pt，把最后的检测头换成4类再训练。Ultralytics框架允许直接指定model=yolov8s.pt，它会自动适配新的nc=4。

pip install ultralytics

环境上，CPU也能训练，但1272张图乘以150个epoch在CPU上可能要跑一夜到两天，若有NVIDIA显卡会更省心。安装后执行训练命令：

yolo detect train \ model=yolov8s.pt \ data=dataset/data.yaml \ epochs=150 \ imgsz=640 \ batch=16 \ patience=20 \ lr0=0.01 \ device=0

用yolov8s而不是更小的n模型，是考虑到“喝”和“吃”的区别往往在头部和嘴部细节，模型容量太小会丢失这些线索；更大尺寸的m/l在这种规模数据集上容易过拟合，训练速度也慢。s是性价比首选。imgsz=640是默认值，但猪圈原图如果是1080p监控，缩到640后小猪可能只有10像素，这时建议根据数据里最小有效标注框来定，后面专门讲。

patience=20是早停机制：验证集指标连续20个epoch不提升就终止。对小数据集非常实用，否则完整跑完150个epoch很可能在最后30轮里反复震荡。device=0表示用第一块GPU；笔记本只有CPU的话改成device=cpu，但要有耐心。这种场景下我宁可用官方提供的yolov8n.pt在CPU上先跑通流程，再换s上GPU。

3.2 三个最值得手动调的参数：epochs、imgsz、batch

yolov8的训练参数很多，但对这个规模的数据集，大多数保持默认就好，真正影响结果的是下面三个，我按实际项目经验整理成表。

batch直接控制每次梯度更新用的图片数。行为数据集里“喝”和“吃”相似度极高，batch如果只有4，一个batch里可能全是“站立”，下一batch又全是“睡觉”，梯度方向来回甩，训练曲线锯齿严重。我一般先看显存：12GB显存跑yolov8s、imgsz=640时batch设16没压力；如果改imgsz=960，batch降到8。不要为了凑batch把imgsz砍得很低，那样小目标检测损失更大。

imgsz的选择依据，我会先读一下所有标注里宽度和高度的像素第5百分位，取一个约数。如果最小框不到15像素，建议imgsz=960。注意yolov8会把输入缩放到该尺寸，不是原图直接花更多像素，而是相当于把远处的小猪放大，模型有机会看到嘴部结构。代价是显存占用和训练时间成倍增加，但对猪群密集样本往往是值得的。

还有一个容易忽略的lr0。加载预训练权重后，模型已经具备通用特征，学习率太大容易把COCO里的特征全部洗掉，小数据集反而学歪。0.01是我常用的起点；如果看到训练集loss掉得很快、验证集mAP纹丝不动，改到0.005再来一轮。调参时一次只动一个变量，不然出了问题也不知道是哪一步造成的。

3.3 数据增强参数：别让增强扭曲了猪的姿态

yolov8默认开了mosaic、hsv、flip等增强，对小数据集帮助很大，但具体幅度要按场景限制，否则等于主动给模型加噪声。我在行为识别上最在意四个方面：

• mosaic=1.0：默认开启，把4张图拼成1张。这对密集猪群有奇效，能让模型学会在“画面里到处是猪”的环境下分辨个体。但如果标注框本来就歪，mosaic会把多个错误叠加，建议先跑一轮校验再启用。
• hsv_h/hsv_s/hsv_v：饱和度微调可以增加对圈舍灯光波动的鲁棒性，但hsv_v太大会把夜间红外图的黑暗部分提亮成白天，反而让模型困惑。我一般把hsv_v从默认的0.4降到0.2。
• degrees：默认0不加旋转。猪的躯干大多水平，加一点旋转（小于5度）可以模拟监控安装角度差，但不要拉到30度，那会把“睡觉”的肚皮朝上变成“站立”的视觉特征。
• flipud：垂直翻转最好关掉。猪舍监控一般不会倒装，垂直翻转后“站”和“睡”的姿态语义就被颠倒了，训练收益微乎其微。

这些参数可以写进超参数文件或直接在训练命令里传：

yolo detect train \ model=yolov8s.pt \ data=dataset/data.yaml \ epochs=150 \ imgsz=640 \ batch=16 \ mosaic=1.0 \ degrees=3.0 \ hsv_v=0.2 \ flipud=0.0

数据增强的本质是让模型见过足够多“不大一样”的猪，但不能把猪变成不像猪的东西。行为识别里，“行为”由姿态和位置定义，过度增强会破坏姿态语义，这一点和普通物体检测有区别。比如旋转90度，猪躺着变成竖着，模型就无法区分“趴着”和“站着”了。

3.4 看训练结果：别只盯最后一行，要拆开看曲线和混淆矩阵

训练结束后，runs/detect/train/下会生成results、混淆矩阵、验证集预测图等文件。新手最容易犯的错是只看最后一个epoch的mAP，然后自信地进入部署阶段。正确的顺序是先看results.png里的四条曲线：train/loss、val/loss、metrics/mAP50、metrics/mAP50-95。

如果val/loss在训练中后段转头向上，说明过拟合已经出现，这时mAP50可能还在缓慢上涨，但那是在吃老本。要回到参数上，要么降lr0、要么把patience设到5来早停。小数据集上，过拟合和欠拟合之间的窗口很窄，多盯着曲线的斜率能少走弯路。

再打开confusion_matrix.png。行为识别里最该看的就是它。四类行为在框层面各归各位，模型到底把谁认成了谁，一看便知。比如“吃”有15%被分到“喝”，那说明嘴部和料槽的局部特征被模型当作饮水器的特征了。这个信息比mAP更直接：mAP是把所有框的匹配好坏揉成一个数，混淆矩阵能告诉你哪对类别是冤家。

val_batch_pred.jpg是验证集预测的可视化图。放大后重点看两类问题：一是角落里的小猪漏检，二是有没有框把两头挨着的猪圈成一个框。这两类在指标上不一定难看，但在行为统计的后续流程里会成倍放大误差。因为漏检的那头猪可能一整天都“不存在”，影响行为时长统计的分子和分母。

注意：混淆矩阵里如果background类占比很高，通常代表标注框框得比实际猪身紧，模型把大量猪尾巴、露出的腿判成背景。这种情况调阈值没用，需要回看训练前标注是否有系统性偏紧。

4. 92.6%意味着什么：用验证指标反推数据集的边界

4.1 mAP与正确识别率：口径不对，数字再高也没用

标题里“平均正确识别率92.6%”，在工程验收时要先问清楚它精确指哪个指标。可能是整图分类准确率、逐框行为准确率、或per-class准确率的平均。对这套带框的数据集来说，更权威的指标是mAP50和mAP50-95，但这两个数字往往和“92.6%”对不上，原因在于计算方式。

mAP50要求预测框和真值框的IoU超过0.5才算匹配成功，然后对四类分别算平均精度再取均值。这个数字对“框是否贴近”很敏感。而“正确识别率”如果是按框统计，它只问“匹配上的框里，类别猜对多少个”，完全不看IoU的严格程度。两者评的东西不一样：mAP惩罚“框偏”和“类别错”，正确识别率只看“类别错”。所以一篇报告说92.6%，另一篇说mAP50=89.5%，可能都不矛盾。

我建议在项目文档里明确写清楚，避免验收时扯皮。更实用的做法是同时报三个数：mAP50、mAP50-95、逐框行为准确率。逐框行为准确率可以自己从混淆矩阵算出来：把对角线上的四个数字相加，除以所有有效匹配框的个数。这个数字才最接近养殖场用户的直觉——他打开后台看到“这头猪在喝水”这条记录，到底有多少概率是对的。

4.2 喝、吃为什么最容易互相认错，以及怎么统计类间混淆

先跑一个统计脚本，看看四类框的样本数量差异。

from pathlib import Path from collections import Counter counter = Counter() name_map = {0: "drink", 1: "eat", 2: "lie", 3: "stand"} for split in ["train", "val"]: for label_path in Path(f"dataset/labels/{split}").glob("*.txt"): for line in label_path.read_text().strip().splitlines(): if line: cls = int(line.split()[0]) counter[name_map[cls]] += 1 total = sum(counter.values()) for name in ["drink", "eat", "lie", "stand"]: print(f"{name}: {counter[name]} ({counter[name]/total:.1%})")

这段脚本输出每一类行为一共有多少个框，以及占比。我拿类似猪舍数据集跑过，结果常常是“站立”占35%以上，“喝水”可能只有12%。这种不均衡意味着模型天然偏向多数的“站立”，因为多数样本的梯度都在告诉它“输出站准没错”。所以只看整体准确率是不够的，要看每类的recall。

“喝”和“吃”的混淆还有一个客观原因：猪喝水时头伸向饮水器，身体姿态和低头采食几乎一样，区别仅在嘴部接触的位置。如果标注规范标注的是“包含整头猪”的框，那框内特征大量是相同的猪身，行为差异只在很小的一块区域，模型很难学。你可以做一个更合理的约定：对“喝”，额外给一个头部或嘴部关键点，或把检测框缩到更贴住头颈位置。不过本数据集既然已经是整猪框，我们只能承认边界，靠大量数据让模型记住“水嘴位置的相对高度”这些弱线索。

4.3 用conf阈值卡出你要的现场识别率

推理置信度阈值conf是一个可以现场调节的旋钮。yolov8默认conf=0.25，偏向于高召回、低精度；监控画面里一点影子晃动都可能被当“站立”。对不同的行为监控目的，最优阈值不同。

yolo detect val \ model=runs/detect/train/weights/best.pt \ data=dataset/data.yaml \ conf=0.25 \ iou=0.45 \ save_json=True

执行后得到predictions.json，里面每条记录包含image_id、category_id、bbox、confidence。下一步写脚本扫描conf，从0.2到0.7每0.05一档，计算每一类的precision和recall，画成曲线后选择合适的工作点。如果应用是统计喝水和采食时长，漏报会让后台把“喝水”算成“没发生”，危害更大，conf可以设低到0.2；如果应用是发给饲养员的异常报警，误报太多会被直接关掉，conf要提到0.5以上，宁可漏报也不能让系统变成“狼来了”。

这里给出一个扫描核心片段：

def compute_pr(json_result, gt, conf): tp = fp = fn = 0 # 先按conf过滤，再匹配IoU，统计四类的tp/fp/fn return per_class_precision, per_class_recall

真正的实现要把预测框和真值框做IoU匹配，代码不复杂但有点长，关键是不要为了省事把所有框不加区别去算。我习惯按类分开统计，因为“喝”和“吃”的最优conf大概率不一样。这也算这个数据集的一个特点：四类行为姿态差异大，统一的conf很难同时照顾远距离小猪和近距离大猪。生产中可以在模型后处理里给类别设置不同的conf阈值，ultralytics的predict支持class过滤，但不支持per-class阈值，需要自己包一层。

4.4 验证集划分泄漏：一个让92.6%虚高的隐性原因

前面分层采样只保证了类别覆盖，还有一个数据泄漏点需要留意：如果原始1272张图片是从视频里连续抽帧得到的，前后帧内容几乎一样。随机划分train和val时，某一头猪的同一行为连续帧可能几张落在训练集、几张落在验证集，模型等于“提前见过答案”，val指标就会虚高。

识别方法很简单：看图片文件名是否带时间戳或序号。如果文件名形如frame_00001.jpg到frame_01272.jpg，最稳妥的做法是按时间连续段切分，先把前90%时间段的帧划给训练，后10%划给验证，而不是随机打乱。如果文件名没有可解析顺序，也可以用图片内容相似度粗排，但这属于额外工作了。

我在自用脚本里是这样处理的：解析文件名中的时间戳，按分钟聚合成片段，再把片段整体划到train或val。这样做出来的验证集更贴近实际部署时的“没见过的时间段”，模型在这个验证集上的mAP会比随机划分低几个点，但那才是可信的数字。所以当你在别处看到92.6%时，先问一句“是不是随机划分的”，这句话能帮你判断它有多少水分。

5. 避坑：猪行为识别训练的5个高频翻车点

5.1 现象：训练loss不降甚至反复跳，mAP始终在0.6徘徊

原因：这类问题十有八九不在模型结构，而在标注数据。最常见的有三种：一类是标注坐标还是像素值，没归一化，模型输入看到的目标尺寸变成几百倍，梯度直接爆掉；一类是存在空txt文件，被当作纯背景训练，背景样本占比无限大；还有一类是负数坐标或box宽度为0，yolov8读取时静默忽略某些行，导致训练样本数和图片数对不上。

解决：先跑第2.3节里的校验脚本，把所有坏文件暴露出来。然后逐张看校验输出，不要自动删除，因为可能是单位不统一的问题，比如某一张图来自另一个标注工具，格式不同。统一格式后重新划分，再训练。我发现九成“loss乱跳”是标签问题，不是调参问题。所以遇到这种情况，先停模型，去查数据。

5.2 现象：验证集mAP很高，一放到现场监控视频里狂误报

原因：数据集的训练集和验证集大概率来自同一段监控视频，背景光照几乎一致。模型学到的不只是猪，还有圈舍地面的纹理、墙上的水渍和饮水器的位置。换到另一间猪舍，背景变了，模型就会把类似纹理的东西当猪。这是小样本目标检测最典型的过拟合到场景的问题。

解决：不能只在这个数据集上原地打转。去目标部署的猪舍抽几分钟视频，每2~3秒抽一帧，人工补标100~300张，和原数据集混合训练。补标不需要画得很精细，重点是覆盖新背景、新机位和不同的光照。另外把数据增强里的hsv_h和hsv_s开大一些，减小模型对颜色纹理的依赖。最立竿见影的还是加入目标场景的真实帧，这比任何正则化都管用。

5.3 现象：猪睡觉识别成站立，尤其在红外夜视图上

原因：红外夜视图是单通道灰度风格，yolov8训练时默认用RGB三通道，夜间图在三个通道上的数值几乎一样，模型的色彩线索失效。睡觉的猪蜷成一团，侧影轮廓和站立的猪非常接近。更麻烦的是，如果数据集里白天图和夜间图混在一起，模型会试图找一个能同时解释两者的特征，结果两边都不讨好。

解决：先把数据集按光照拆成白天和夜间两份，分别统计混淆矩阵。如果夜间样本足够（比如超过300张），单独训一个夜间模型；不够就做亮度增强，用hsv_v=0.3让模型对亮度的敏感度下降。再复查夜间图标签，部分“趴着不动但眼睛微睁”的猪被标成了站立，这是标注主观性造成的噪声，必须人工统一：“lie”要求前腿伸直、肚皮着地，“stand”要求前腿支撑，两个状态在侧视图中区别明显。标注规范统一后，模型预测才稳定。

5.4 现象：一张图十几头猪，模型漏掉角落里的几头，总数永远对不上

原因：猪群密集时，角落的小猪目标只有二三十像素，anchor和NMS很容易把它们合并到邻近的大目标上。yolov8的检测头设计对小目标不友好，加上imgsz=640压缩后，小目标退化成了几个像素，模型根本没有足够信息分辨它是猪还是粪便块。

解决：三管齐下。一是imgsz提到960，让小目标占更多像素；二是iou从默认0.45提到0.5，降低NMS对紧邻小框的抑制；三是在数据增强里开启mosaic=1.0，模拟多猪密集排列。如果还漏，检查角落里那些漏检框是不是标注框画得过大，把旁边的猪也框了进来，导致训练时模型认为“角落不需要多个框”。必要时单独做一轮小目标增强，把包含小目标的图复制一份并放大后再喂给模型。

5.5 现象：换一台电脑推理结果和训练时对不上，边框乱飘

原因：绝大多数是预处理不一致。训练时imgsz=640，推理时也写640，但yolov8默认会把输入图letterbox到指定尺寸，如果你部署代码里忘了做letterbox，直接resize，图像发生了拉伸，检测框自然错位。另外，训练和推理的half精度设置如果不一致，模型权重从FP32转FP16时某些层出现精度损失，边界框就会抖动。

解决：先确认推理脚本用的是Ultralytics官方predict接口，内部已处理letterbox。如果是自己用ONNX或TensorRT的engine推理，必须自己实现letterbox和坐标反变换。验证方法非常简单：取一张训练时的验证图，用官方predict跑一次，把原图和模型输出框叠起来，框若完全重合，则流程正确；框偏几个像素，多半是预处理问题。我还习惯在推理时固定imgsz，不要输入端或大或小，传输时也保持同样尺寸，不然不同输入尺寸会导致模型输出分布变化。

以上五个坑没有一个需要换更贵的算法，全是数据、预处理和标注规范的事。我踩得最多的是第一个，因为每次换数据集都想当然地信任它的格式，“yolov8能加载”不等于“yolov8能训好”。

6. 进阶：从单帧识别到行为占比、异常提醒的最后一步

单帧检测只回答“这一帧里每头猪在干什么”，生产现场真正需要的是“这头猪今天喝了多久、睡了多久”。把yolov8的输出接一个按跟踪id聚合的状态机，是常规做法。我给个简易思路：对视频每3秒抽1帧，用IoU匹配或bytetrack把同一头猪的id固定下来；对同一个id的连续30帧预测标签做多数投票，得到一个稳定行为段；把每段时长累加进当天统计表。

import collections MAX_FRAMES = 30 tracker = {} # track_id -> deque of recent labels behavior_time = collections.Counter() def process_frame(detections): for track_id, label in detections: if track_id not in tracker: tracker[track_id] = collections.deque(maxlen=MAX_FRAMES) tracker[track_id].append(label) if len(tracker[track_id]) == MAX_FRAMES: stable = tracker[track_id].most_common(1)[0][0] behavior_time[stable] += 3 # 每3秒累加

这段代码的核心是滑动窗口：行为瞬间抖动时，窗口多数投票会忽略短时噪声，输出稳定状态。maxlen=30对应30个抽帧样本，如果抽帧频率是1fps，就是30秒窗口，覆盖猪舍里几分钟级别的行为切换足够。更精细的做法是给每头猪做一个状态转移，检测到变化连续5帧才切换，防止“喝一下马上抬头看”被记成两次喝水。

部署到边缘设备时，yolov8s导出为rknn或tensorrt后，单帧耗时大多在几十毫秒量级，加上硬件的多路视频能力，甚至能同时处理多个圈舍。我往往在导出前先在PC上把验证集的metrics跑一遍，再导板子跑同一批图，对比mAP差异；如果板端差太多，第一怀疑后处理NMS实现是否一致，不要一上来就怪模型量化。

现在拿到这种猪行为数据集，我的习惯是先做两件事：统计四类框的比例，看混淆矩阵里“喝”和“吃”的分裂程度；再按部署场景抽帧构一个“没见过的时间段”验证集。这两件事做完，92.6%这张成绩单还剩多少含金量，基本就心里有数了。先把数据和指标管好，模型不会差到哪去。希望帮到你。

本文还有配套的精品资源，点击获取