企业官网建设流程全解析

简介：面向智慧养殖领域开发者的一份30页技术文档，系统讲解如何基于YOLOv11实现鱼类行为识别与养殖密度统计。内容从智慧养殖背景与需求入手，覆盖YOLO系列演进及YOLOv11网络结构、多尺度特征融合、损失函数优化等原理，再按数据采集、预处理、模型训练、行为分类与密度计算给出Python与OpenCV实践代码，并附实验结果分析、不同光照与密度对比及水产养殖、渔业资源保护等应用场景，兼具原理、代码与工程落地方向。资源为单个PDF压缩包，约1.95MB，支持目录章节跳转与大纲定位，可在阅读器左侧快速定位章节；已有85人学习。整份文档从数据采集、模型训练到计数评估链路完整，行为识别与密度统计的关键代码均可对照复现，适合正在做目标检测、智慧渔业或水产智能化项目的开发者参考。

1. 智慧养殖场里的YOLOv11：先解决数得清，再谈看得懂

养鱼池边最磨人的事不是投喂，是巡塘。一个十亩的池塘，凭肉眼数鱼群密度、看鱼是否浮头，靠的是老师傅的经验；到了上百个池的养殖基地，人工巡塘根本排不过来。水下相机加上YOLOv11目标检测，把「数鱼」和「看行为」这两件原来只能靠人的事交给算法，一套系统同时出鱼的边界框、类别和行为标签。密度统计这根线，是区别于普通目标检测项目的地方——要的不是框准不准，是框完以后的计数和热力分布能不能指导投喂和增氧。这篇文从数据标注讲到Jetson部署，把整条链路拆开，附命令和参数，照着做能把一套识别系统跑起来。

适合两类人：已经在做智慧养殖项目、想换掉Faster R-CNN这类老模型的；以及手里有水下视频素材、想验证YOLOv11到底能不能扛住低光照和高密度场景的。鱼类检测的难点不在模型选型，在数据采集和标签策略——水里的目标，比路面上的车难伺候得多。

2. 从水下视频到可训练数据集：标注策略决定模型上限

2.1 为什么直接用公开权重跑不动水下鱼群

很多团队拿到YOLOv11第一件事是拿COCO预训练权重直接predict，结果不出所料：淡水鱼、海水鱼在COCO的80类里一个都没有，模型能输出的只有人、车、猫狗这类陆地目标。就算拿Imagenet预训练权重做迁移，水下场景的光谱分布和空气里差别极大——水对红光的吸收让画面整体偏蓝绿，悬浮颗粒造成局部模糊，鱼体反光区域在RGB图像里跟背景的对比度低。这些分布差异让模型在前几次迭代里损失下不去。

更隐蔽的问题是标注标准。路面目标检测的惯例是「框住完整目标」，但鱼群场景里一条鱼被另一条鱼挡住大半，只露出头部或者尾部，这时候标不标？标了，模型学到的是残缺目标；不标，密度统计永远偏低。我一般定三条标框规则：遮挡超过50%不标；只露出头部且能判断类别才标；贴壁的鱼如果身体有弯曲，框要贴合实际轮廓而不是用矩形硬套。这三条规则看似简单，直接决定后续密度统计误差是±5%还是±20%。

2.2 数据采集：夜间红外、白天自然光、高密度三路并进

水下相机装的位置很关键。正对鱼群活动区的侧面视角能拍到完整鱼体，适合行为识别；俯视视角对密度统计更友好，因为鱼体重叠最少，但俯视画面里的鱼形变严重——从上方看一条鲈鱼，轮廓从细长变成椭圆。我的做法是两类视角都采集，侧视用于行为分类，俯视用于密度计数，各自训练一个模型，避免一个模型学两种空间分布。

采集时段上，凌晨和傍晚各拍一批，中午强光拍一批，夜间开红外补光拍一批，覆盖鱼全天活动的光照范围。高密度场景单独拍：投喂机启动后鱼群聚拢的1-2分钟，是密度统计最需要但最难处理的画面。每个场景录10-15分钟视频，隔帧抽成图片，一个池子能抽出300-500张有效帧。多个池子、多个品种的素材混合，模型才不会过拟合到某一个池子的水色上。

2.3 标注工具选型与导出格式转换

LabelStudio和X-AnyLabeling是水下场景用下来比较顺手的工具。LabelStudio适合团队协作，多人同时标注时能看到彼此进度；X-AnyLabeling的优势是自带SAM分割辅助，鱼体轮廓复杂时先用SAM自动生成掩膜再手动修正，标注速度能快一倍。但要注意，用SAM辅助标注时容易把背景水草也圈进去，导出前要逐张检查类别属性。

导出格式上，LabelStudio默认输出COCO JSON，X-AnyLabeling输出的是自己的格式。YOLOv11训练要的是txt格式的标签文件，每行一个目标：类别id、中心点x、中心点y、宽、高，前四个值都是相对图片尺寸归一化后的0-1小数。转换脚本的常见写法：

import json from pathlib import Path # 读取LabelStudio导出的COCO格式标注 with open('annotations.json', 'r', encoding='utf-8') as f: coco = json.load(f) img_id2name = {img['id']: img['file_name'] for img in coco['images']} img_id2size = {img['id']: (img['width'], img['height']) for img in coco['images']} cat_id2idx = {cat['id']: idx for idx, cat in enumerate(coco['categories'])} # 每张图生成一个txt标签文件 for ann in coco['annotations']: img_name = img_id2name[ann['image_id']] txt_path = Path('labels') / (Path(img_name).stem + '.txt') w, h = img_id2size[ann['image_id']] # COCO的bbox格式是[x, y, width, height]，需转为YOLO的归一化中心点格式 x, y, bw, bh = ann['bbox'] cx = (x + bw / 2) / w cy = (y + bh / 2) / h bw_norm = bw / w bh_norm = bh / h class_idx = cat_id2idx[ann['category_id']] with open(txt_path, 'a') as f: f.write(f"{class_idx} {cx:.6f} {cy:.6f} {bw_norm:.6f} {bh_norm:.6f}\n")

这段脚本的核心在坐标系换算。COCO的bbox存的是左上角坐标和宽高，YOLO需要的是归一化的中心点坐标。cx和cy的计算必须加括号——x + bw / 2如果漏了括号，中心点会偏移半个框的位置，训练时模型看到的标签全是歪的，Loss曲线显示收敛但实际效果一塌糊涂。另外注意，多次运行这段脚本前要清空旧的labels目录，open(txt_path, 'a')是追加模式，重复跑会叠加出多余行。

2.4 数据集划分与验证集采样

水下数据集的划分比普通视觉项目更讲究。同一个池子不同时间段的画面相关性很高，如果随机切分，训练集和验证集里混着同一批鱼在不同帧的影像，验证集的指标会虚高到失真。正确做法是按视频片段划分：每一段视频抽出的帧整体属于同一个集合，保证验证集里出现的鱼是训练阶段完全没见过的个体。

数据量上，单类别（例如「鱼」）检测10-20个池子的素材，3000-5000张标注图基本够用；如果按品种分多类别，每类至少保证800-1000张。类别不平衡在水下场景常见——某个池子主养鲈鱼，标注了4000张，另一个池子的鲫鱼只有200张，模型会把鲫鱼误检成鲈鱼。解决方式是用datasets目录里的train: val:比例划分，加上mosaic=1.0的数据增强，让模型多看混合样本。

3. YOLOv11网络结构与训练参数：小目标优化的关键配置

3.1 YOLOv11相比v8改了哪些东西

YOLOv11在骨干网络里用C3k2模块替换了v8的C2f，同时加入了C2PSA注意力模块。C3k2的核心是把梯度流分成两路，一路走标准卷积提取细节特征，另一路走捷径保留原始信息，在参数量增加不明显的前提下，让特征金字塔每一层的信息更完整。C2PSA则是在空间注意力机制上做了轻量化改造——水下场景里鱼体边缘模糊，注意力机制能引导模型把权重放在鱼头、鱼尾这些辨识度高的区域。

对鱼类检测来说，涨点真正明显的是检测头部分。v11的检测头在训练阶段默认启用DFL（Distribution Focal Loss）的改进版本，边界框回归更加保守，对遮挡严重的鱼群会产生更紧致的预测框。直观感受是：同样一批重叠鱼群的图片，v8的预测框会互相套叠，v11的框更贴合单条鱼的可见区域，这对后续密度统计的精度有帮助。改进的另一个体现是Anchor-Free策略的稳定化——v11沿用了v8的解耦头结构，但对正负样本分配做了调整，小目标的正样本匹配阈值放宽，让只有几十个像素的小鱼也能参与训练。

3.2 训练前的环境配置与权重选择

环境配置的坑主要在ultralytics包版本上。pip install ultralytics默认装最新版，但YOLOv11在2024年末之后的小版本迭代里，对旧显卡的CUDA兼容性做了一些调整，实测RTX 3090在CUDA 11.8下跑v11.0-v11.2没问题，新版本如果报AssertionError: cuda available，优先检查torch版本而不是显卡驱动。推荐组合：

# CUDA 11.8 + torch 2.4.0 + ultralytics 8.3.x 的组合稳定 pip install torch==2.4.0 torchvision==0.19.0 --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics==8.3.30

权重选择上，yolov11n.pt是nano版本，模型文件约5MB，适合Jetson Nano这类边缘设备，但精度有限；yolov11s.pt是small版本，精度和速度的平衡点最好，训练时间也友好。做水产养殖项目的常见起点是yolov11s.pt预训练权重，在COCO上收敛过的特征对水下目标迁移有帮助——毕竟鱼的纹理和背景纹理的区分能力，是从陆地目标上学到的边缘特征迁移过来的。

3.3 训练命令与关键参数详解

训练命令的写法：

yolo detect train \ model=yolov11s.pt \ data=fish.yaml \ epochs=150 \ imgsz=640 \ batch=16 \ patience=30 \ optimizer=SGD \ lr0=0.01 \ mosaic=1.0 \ close_mosaic=10 \ mixup=0.2 \ val=True

fish.yaml的内容包括path指向数据集根目录、train和val的路径、nc填写类别数、names列出类别名。训练参数里close_mosaic=10是容易被忽略的——它表示最后10个epoch关闭mosaic增强，mosaic在训练后期会导致小目标被拼接缝隙切割，模型学不到完整的鱼体语义，关闭后让模型微调收敛，最终mAP能提升1-2个点。mixup=0.2让两张图混合训练，增强模型对半透明鱼体的适应力，水下场景里鱼鳍和鱼尾的透明度高，mixup模拟了这种半遮挡状态。

3.4 小目标优化：切片推理和anchor参数调整

水下鱼群图片里大量目标是小于32x32像素的，这类目标在YOLOv11的P3特征层（stride 8）上只有4x4个格子，特征是稀疏的。提升小目标召回率，常规手段有两条路。

第一条是训练阶段的anchor参数——YOLOv11虽然用的Anchor-Free，但数据预处理的锚框分配策略会影响小目标的匹配。在yaml文件里调整anchors参数：默认设置对中大型目标友好，小目标多的数据集建议改成anchors: [5,5, 10,10, 15,15, 25,25, 45,45]这类尺度更密集的锚框组合，让浅层特征层承担更多小目标匹配任务。

第二条是推理阶段的SAHI切片策略。SAHI把大图切分成若干带重叠的小块，每块单独推理，再合并结果去除重叠框。鱼类检测场景里整池画面分辨率往往在1920x1080以上，直接缩放成640x640输入，小目标会缩到几个像素；SAHI保持原分辨率切片推理，小目标在切片里依然有足够像素。用SAHI配合YOLOv11的推理命令：

from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction # 加载训练好的v11模型权重 detection_model = AutoDetectionModel.from_pretrained( model_type='ultralytics', model_path='runs/detect/train/weights/best.pt', confidence_threshold=0.25, image_size=640, ) # 切片尺寸和重叠率：slice_size=512保证小目标像素充足 result = get_sliced_prediction( 'pond_01.jpg', detection_model, slice_size=512, overlap_height_ratio=0.2, overlap_width_ratio=0.2, postprocess_type='NMS', postprocess_match_threshold=0.5, )

slice_size=512是常见配置里兼顾速度和效果的选择，256更适合极小目标但对算力消耗翻几倍；overlap_*_ratio=0.2的意义是防止目标恰好落在切片边界被截断。这里的postprocess_match_threshold是NMS的IoU阈值，0.5对密集鱼群是安全值——设高了会把同一目标在相邻切片的重复框都保留，设低了会把相邻两条鱼的框合并成一个。

4. 鱼类行为识别与密度统计：从检测框到业务指标的转换

4.1 行为类别定义与模型输出设计

鱼类行为识别不能靠一套通用动作分类解决，得跟养殖业务指标挂钩。常规做法是定义四类行为：正常游动（swimming）、抢食（feeding）、浮头缺氧（gasping）、离群停滞（stagnant）。每类行为对应不同的投喂和增氧决策——抢食意味着投喂机可以继续，浮头必须立即开启增氧机。

模型输出设计上，我推荐检测头只负责「鱼」这个类别，行为分类另接一个轻量分类分支，而不是把所有行为都塞进同一个检测器的类别列表里。原因有两个：同一帧画面里不同区域可能有不同行为，比如池子左侧在抢食、右侧在浮头，一个目标一个类别标不现实；行为类别的标注成本远高于目标类别，数据量短期内不足以支撑多类别检测。架构上，主模型负责输出每个鱼目标的位置框，行为分类模型对每个位置框内的图像块做四分类，属于「检测+ROI分类」的组合路线。

4.2 密度统计的两种方法：直接计数与热力图回归

密度统计有两种主流路线。

直接的路线是把检测框的数量求和，但这种方法在鱼群高度重叠时严重偏低——一个框中可能挤着3-5条鱼。我的经验是，当单帧中重叠率超过30%时，直接计数误差会超过15%。改进方式是给每个检测框加一个置信度加权：高置信度的框计1.0，低置信度的框计0.5-0.7，这个系数要在实际池子里校正——对同一个池子拍50帧，人工数出真实数量，再回归出置信度和计数值的关系。

更稳健的路线是密度图回归（密度统计的本质是估计鱼群分布的连续函数，而不是输出离散整数）。把鱼头的位置做成高斯核渲染的密度图，用深度学习回归密度图，再对密度图积分得到总数。高斯核的带宽sigma是超参数，鱼体长50像素时sigma取8-12像素效果较好，sigma太大会让密度图过于平滑、相邻鱼的高斯峰融合，积分总数偏低。YOLOv11先检测出可靠的目标框，用这些框的位置生成密度图的种子点，再用一个轻量的UNet回归细化，比纯端到端密度回归收敛更快。

4.3 密度统计在养殖池里的实用部署方案

实际项目里我不推荐在单帧上做密度统计，而是做时间窗口的滑动平均。水面波动、鱼群瞬间聚散会让单帧计数抖动30%以上。按秒级采样，统计过去10秒的平均密度，抖动降到一个稳定的区间。具体流程：

• 每秒抽2帧进行检测和计数
• 维护一个10帧的环形缓冲区，输出缓冲区平均值
• 密度超过预设阈值时触发告警，阈值按池子面积和规格标定

这个方案对算力的要求低，嵌入式设备也能跑。YOLOv11的检测频率在Jetson Nano上约8-10 FPS（TensorRT优化后），2 FPS的采样不会成为瓶颈。

4.4 跟踪与多目标ID分配的辅助作用

如果要输出「某条鱼持续20秒浮头」这样的事件级行为判断，需要目标跟踪来保持ID稳定性。YOLOv11配合ByteTrack是现阶段比较顺手的组合。ByteTrack的思路是同时用高置信度和低置信度的检测框参与关联：先关联高置信度框，再用低置信度框填补被遮挡目标的位置，这在鱼群互相遮挡时尤其有效。

from ultralytics import YOLO from boxmot import BYTETracker model = YOLO('runs/detect/train/weights/best.pt') tracker = BYTETracker() cap = cv2.VideoCapture('pond_video.mp4') while cap.isOpened(): ret, frame = cap.read() if not ret: break results = model(frame, conf=0.3, iou=0.5)[0] # 提取检测框和置信度，交给ByteTrack关联ID dets = results.boxes.data.cpu().numpy() # [x1, y1, x2, y2, conf, cls] tracks = tracker.update(dets) for track in tracks: track_id, x1, y1, x2, y2, conf = int(track[0]), *track[1:6] # 按track_id统计每一条鱼的停留时间 cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, f'ID:{track_id}', (int(x1), int(y1)-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) cv2.imshow('tracked', frame)

conf=0.3在跟踪场景里比默认的0.25略高，可以减少误检干扰ID关联；iou=0.5控制NMS的框合并强度，鱼群密集时可以放到0.4，合并得更激进一些，减少同一目标输出多个框导致ID分裂的情况。boxmot包的BYTETracker需要输入[x1,y1,x2,y2,conf,cls]格式的检测结果，输出的每个track除了ID还包括卡尔曼滤波预测后的框坐标。

5. 训练与部署避坑：水下场景里常见的六个翻车现场

5.1 水面反光和倒影让模型把影子当鱼

现象：模型在测试集上mAP有0.85，拿到养殖池现场一跑，水面上漂浮的树叶、池壁的反光区域全被框出来。

原因：训练数据里没有加入包含水面反光的负样本。水下相机装在池边时，水面波光粼粼的区域在模型眼里和鱼体的高反光区域纹理相似。

解决：在训练集中加入500张以上完全没有鱼、只有水面波动和反光的背景图，标注文件为空txt。让模型学到「有反光不等于有鱼」。同时推理时开启augment=True，模型会对输入做水平翻转和色彩抖动，对反光的敏感度会降低。

5.2 鱼群密度太高时，个别鱼的框被NMS压掉

现象：投喂时段鱼群聚拢，单帧画面有几十条鱼重叠交叉，输出的框数明显比实际鱼数少。

原因：NMS的IoU阈值默认0.5，两条鱼的重叠面积超过50%时，置信度低的框直接被抑制。

解决：推理时把IoU阈值调低到0.3-0.4，保留更多重叠框；如果还是不够，切换到SAHI切片推理，把高密度区域放大后再检，重叠鱼在切片里会被拆开。

5.3 夜间红外补光下模型掉点明显

现象：白天训练的模型在夜间红外画面下漏检率超过40%。

原因：红外图像是单通道灰度映射成的伪彩色，分布和白天的RGB图像差异巨大，模型在骨干网络第一层卷积上没学到红外的纹理模式。

解决：训练数据里加入30%比例的夜间红外帧，mixup增强把白天和夜间帧混合，让模型对光照变化鲁棒。如果夜间场景占比高，单独用红外数据finetune一个专用权重更稳妥。

5.4 标签框太小导致训练不收敛

现象：Loss曲线在第50个epoch后仍然震荡，验证集的recall一直上不去。

原因：大量鱼目标只有十几个像素，标注框尺寸小于默认锚框尺度，正样本匹配不上。

解决：在模型配置里调整anchors为更小的尺度，同时把imgsz从640调到960——图像分辨率增大后，小目标在特征图上的响应区域扩大，匹配难度下降。代价是训练显存增加约40%，batch需要相应调小。

5.5 Jetson部署时TensorRT推理报错

现象：yolo export转TensorRT成功，在PC上推理正常，部署到Jetson Nano上跑到engine加载阶段报显存不足或维度不匹配。

原因：Jetson的GPU架构和PC不同，TensorRT的engine文件是硬件绑定的，在PC上生成的engine直接拷贝到Jetson用不了。

解决：在Jetson上重新执行导出流程，用device=0指定在Jetson上生成engine。Jetson的算力有限，输入分辨率建议降到416x416，输出精度略有损失但在可接受范围内。部署脚本固定用yolo predict model=fish.engine source=...把导出和推理分开两步，避免运行时反复转engine。

5.6 密度统计值在生产环境漂移

现象：第一周密度统计误差±5%，一个月后误差扩大到±20%。

原因：水质变化导致图像浑浊度上升，相机镜头被藻类附着，输入分布偏移后模型检测率下滑。

解决：把部署做成带反馈的闭环，定期抽帧人工复核，误检率高时用最近数据增量训练。镜头位置固定后，可以加一个水质浊度传感器，浊度超标时先做图像去雾预处理再进模型——比重新训练划算得多。

6. Jetson Nano上的实际部署：TensorRT导出与帧率调优

边缘端部署首选NVIDIA Jetson系列，功耗低且natively支持TensorRT。Jetson Nano在鱼池边可以做到8-10 FPS的推理速度，配合2 FPS的采样频率绰绰有余。部署链路是：PyTorch权重 → ONNX → TensorRT engine → DeepStream管道接入。

# 在Jetson Nano上训练好的权重导出为TensorRT yolo export model=runs/detect/train/weights/best.pt format=engine device=0 # 导出时为FP16精度，推理速度约提升1.5倍 # 精度损失在鱼类检测上表现不明显，但输出框的置信度会比FP32低0.03-0.05

导出时要注意Jetson的显存只有4GB，imgsz=640的engine导出是上限，超过会报显存溢出。我的经验是明确部署目标是「数数」和「看行为」而非高精度检测时，输入分辨率降到416能跑到15FPS，此时5像素以下的小鱼会漏，但用SAHI在池子重点区域切块补偿，整体密度统计精度能保住。

推理脚本在Jetson上的写法和PC有差异。开启CUDA内存池复用、关闭PIL的线程池，推理延迟能再降10%。部署时顺便开启fp16=True做TensorRT的FP16推理，注意不要在CPU上做预处理缩放——用Jetson的GPU做CUDA缩放，能省下每帧的延时。视频流接RTSP时设置GST_DEBUG=3查看pipeline状态，拉流失败优先查摄像头IP和编码格式，H.265的流在Jetson上硬解比H.264吃显存，4GB版本建议强制转码H.264。

部署时还有一个尺寸取舍：鱼密度统计的精度和输入分辨率强相关。一个1920x1080的池子画面，直接缩到640推理和切成512的三块分别推理，后者能数出多20%的鱼，但推理耗时也变成三倍。折中做法是平时用640全局推理做实时监控，只在密度阈值触发时切高分辨率精确复核——日常和告警两档模式切换，算力和精度都能兼顾。

这套方案做了三个养殖周期以后，我最大的教训是别把模型当一次性交付，池塘水质、光照、鱼体大小都在变化，定期抽帧复盘、把新场景增量训练数据喂回去是必须的运维流程。希望帮到你。

本文还有配套的精品资源，点击获取