企业官网建设流程全解析

我第一次把无人机在街道上空拍回来的大图拉进打标工具时，盯着屏幕上那些巴掌大的摊位愣了好一会儿：这套无人机街道巡检占道经营识别项目，最难的其实不是模型，而是怎么把“占道”这件事让机器看懂。核心任务很直接——用YOLO做目标检测，从无人机俯拍图里把违规摆摊、占道堆物、私搭棚伞这些目标自动找出来。我手头这批数据就是项目对应的第10437期占道经营数据集，覆盖了早市、商圈、学校周边、背街小巷等典型智慧城市治理场景。它解决的问题很现实：城市管理人员不可能一天到晚盯着每条街，无人机巡检一圈，模型跑一遍，几分钟就能把疑似点位带坐标列出来，外勤再上门核实。这篇分享适合准备做智慧城市、无人机行业应用，或者正在为小目标检测数据集发愁的开发者参考。

1. 项目整体设计与思路拆解

1.1 先想清楚：识别什么、什么叫“占道”

我不建议一上来就跑模型。先把任务定义清楚，否则标注标准一乱，后面全都白费。占道经营从城市管理的角度看，指的是商贩占用公共道路、人行道或者其他公共空间进行经营活动，常见形态是：三轮车和手推车流动摆摊、固定雨棚/遮阳伞摊位、直接把货物堆到路边的人货混合堆占，还有桌椅板凳外摆的餐饮占道。这里有个关键点：不是所有沿街摊位都该判占道，要看它是否侵占了通行空间。比如市场内部摊位，或者合规外摆区里按规定摆放的摊位，模型不应该报。这个判定逻辑要提前定死，写进标注规范，模型学的才会稳定。

我在这批第10437期数据里把目标定了五个类别：流动摊位（stall）、固定棚伞（canopy）、堆物占道（stacking）、占道车辆（cart）、行人聚集（crowd）。最后一个不是独立违规项，而是辅助模型区分“摊位边上有人”和“单纯一堆货物”的特征。多一个辅助类别，特征共享之后，主类别准确率反而会好一点，这是我试过几次后留下的做法。

1.2 为什么用YOLO而不是其它检测方案

无人机航拍巡检对检测速度的要求，很多人一开始会忽略。一次飞行二十分钟，拍出来上千张大图，如果每张图跑一次慢速检测器，处理时间比飞行时间还长，那所谓的“智慧巡检”就名存实亡了。YOLO这类单阶段检测器在精度和速度之间的平衡，在这个场景里非常合适。近几代的YOLO系列模型在小目标、密集场景上专门做过优化，在无人机视角这种目标普遍只有几十乘几十像素的场景里，硬指标比早期版本强了不少。而且它的数据格式、训练流程、部署工具很统一，训练完导出的模型可以直接转成边缘设备能跑的格式，不用折腾太多中间步骤。

有人会问，两阶段检测器精度是不是更高？在公开数据集上可能确实有优势，但要考虑一个实际问题：占道经营的外形千奇百怪，雨棚颜色各异，手推车形态各异，两阶段检测器在这类泛化场景里的优势并没有想象中那么明显。我自己的对比测试里，同条件下两阶段模型在mAP50-95上大概高一个多点，但推理耗时高了几倍，对于街道巡检这种批量图处理场景，性价比不划算。这个权衡不一定适合所有任务，但无人机巡检这种场景下，速度和吞吐量就是核心指标。

1.3 整体链路怎么搭

整个系统不是“训练个模型就完事”，而是一条完整链路：无人机按规划航线采集街道俯拍图、原始大图预处理和裁剪、送入检测模型推理、输出带坐标的目标框和置信度、结合地理坐标换算成具体路段点位、生成疑似占道清单推送给管理人员终端。第10437期这个编号看起来像个序号，实际上是数据版本管理的习惯：每一期飞行采集都会整理一批新图和标注，统一编号归档。这样模型迭代时，我们可以清楚知道新增了哪些场景、哪些badcase被回灌了，训练集不会越弄越乱。

这套链路的难点不在单点算法，而在于每一环的误差会往下游叠加。飞行高度不一样，目标尺度就不一样；裁剪尺寸不一样，模型看到的上下文就不一样；坐标换算如果没做对齐，即使检测准了，上报的点位也会偏。后面我会逐个环节拆开讲。

2. 核心细节解析与实操要点

2.1 占道目标在航拍图里长什么样

要让模型认得准，先得知道无人机视角下这些目标到底长什么样。航拍高度一般60米到120米，图上摊位目标往往只有30到150像素大小，相当于你屏幕上的一小片区域。流动摊位最明显的特征是车体结构——三轮车、平板车、改装电动车，有轮子和车厢，颜色上常和道路灰黑色背景形成反差，尤其是盖着那种红蓝条纹篷布的时候。固定棚伞一般是一个四边形色块，边界就是棚顶或伞面边缘，颜色很跳。堆物占道更麻烦，它没有固定形态，往往是水果筐、纸箱、衣服架混在一起，经常堆到人行道边缘。

容易出现的一个误解是：目标小就好检测，其实不是。小目标在卷积网络里经过几轮下采样后，特征会变得很弱，几十像素的目标占的feature map区域非常小，漏检率天然就高。这也是为什么后面的输入分辨率和切图策略会那么关键。

2.2 标注规范：训练集质量是模型上限

说实话，我认为任何检测项目里，标注规范的重要性都不低于模型结构。占道经营标注有几个特别容易扯皮的地方。第一是框的边界：一个流动摊位包含三轮车和地上的货物，框是只包车体，还是把摊开的货物也算进去？我的规范是“摊位主体的最小外接矩形”，包含车身和主营货物，但周围散落的纸片、顾客的水瓶不包。第二是棚伞和摊位的关系：同一个点位上棚子下面有摊位，两个框是分开标还是合并？我的做法是分开标，棚伞单独一个类别，因为它的特征和地面摊位差异很大，合并会导致类别内差异过大。第三是遮挡：棚子互相挨着、树荫挡住半个摊位，一律按可见部分标注，不要脑补被遮挡的部分，不然模型学到的框会乱跳。

多人标注时还要做“标框惯例”校准。我遇到过两个人标同一个摊位，一个人标了60×80的紧凑框，另一个人标了80×100的宽松框，最终模型训练出来预测框时宽时窄。解决办法是小组内先标200张图，互相检查，统一尺度后放大规模。每次新人对齐规范，至少安排一次双向核查。数据标注这种事，前期的慢是为了后期的快。

2.3 数据增强不能只靠自动那套

YOLO自带的马赛克增强能解决一部分泛化问题，但对无人机巡检数据来说还不够。因为航拍图的视角、光照、尺度分布相对固定，不是一句“增强一下”就能覆盖所有情况的。我在这批数据上做了三类补充：一是离线同尺度的仿射增强，比如轻微旋转（±10度）、水平翻转、亮度/饱和度扰动，模拟不同时间飞行的光照；二是切瓦片增强，把大图切成640到1280的瓦片后，随机对瓦片做翻转组合，相当于变相增加训练样本；三是复制粘贴增强，把标注好的摊位实例复制到没有摊位的背景图上，人为增加目标密度和位置多样性。第三种操作要小心，粘贴时别把框留空、别把摊位放到完全不可能的马路中央，否则会引入假样本。

另外一个经验：类别不平衡在我这个数据集里很明显。棚伞目标多，堆物占道目标少，如果直接训，堆物占道的召回率会很差。我先统计了各类别的实例数量，对少数类做重复采样，并在损失权重上适当提高，简单来说就是让模型对冷门类别更敏感一些。这个操作在mAP上的变化可能不大，但实际场景里，把平时最容易被漏掉的堆物找出来的价值，比整体mAP高一点点重要得多。

3. 实操过程与核心环节实现

3.1 数据采集与图像预处理

无人机采集这一步，很多团队会直接用正射影像底图来识别。我的经验是：底图适合做城市管理档案背景，不适合做巡检识别主图。因为底图更新慢，摊位是流动的，你今天识别时摊主可能刚挪走。最好是每次巡检飞行后，用当次拍摄的原始图做识别，保证数据时效。飞行规划上，建议航线重叠率30%以上，高度保持在80到120米，镜头垂直朝下。垂直视角的好处是目标透视变形小，标注和识别都稳定；斜射视角虽然有立体感，但同一个摊位在不同角度下框的形状差异太大，会影响模型一致性。

原始图一般很大，以常见的行业级无人机相机为例，单张可能到6000×4000像素。这种尺寸直接喂给YOLO不现实，显存撑不住，推理也慢。我的做法是先把大图按1280×1280的窗口滑动裁剪，相邻窗口之间保留200像素重叠，防止目标正好被切在缝上。裁剪完的瓦片作为训练和推理的基本单位。这个切瓦片过程对最终效果的影响非常大，我专门做过对比：按1280切图训练，小目标AP比直接用下采样小图训练高出好几个点，因为经过网络下采样后1280图上目标还剩足够的特征。

分块裁剪之后再筛选，不是所有瓦片都值得留。全黑的楼顶、纯色的空广场、大面积河道，这些图没有目标，留着只会拉低训练效率，直接删掉。我一般是先跑一个简单的目标分布统计，保证训练集里包含目标的瓦片占大多数，背景干扰图单独抽一小部分作为负样本。

3.2 标注与数据集结构

标注我用的是开源打标工具，导出格式统一为YOLO的txt格式。每一行是：类别id、中心点x、中心点y、框宽w、框高h，坐标全部归一化到0到1之间。对第10437期这批数据，我最后留下大约4200张有效图像，总共约1.8万个目标实例。按8:2划分训练集和验证集。划分的时候有一个坑：同一架次飞行拍出来的相邻图像内容高度重叠，如果随便随机划分，训练集和验证集会互相泄漏，评估指标会虚高。正确做法是按飞行架次或者按街道分组划分，保证同一个场景只出现在一个集合里。

目录结构参考：

dataset_10437/ ├── images/ │ ├── train/ │ │ ├── 3712_01.jpg │ │ └── ... │ └── val/ │ ├── 3715_03.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 3712_01.txt │ │ └── ... │ └── val/ │ └── ... └── data.yaml

data.yaml里写好类别列表和路径就行。这个结构可以直接喂给现代YOLO训练工具链，不用额外转换。要注意的一点是，图片和标签的文件名要保持一致，我见过有团队在整理数据时改了图片名忘了改标签名，结果训练时报错半天找不到原因。

3.3 训练配置与参数选择

训练这块，我试过不同模型尺寸。第10437期数据量不算大，直接上最大号的模型很容易过拟合，所以我用中等体量模型做主力，并在更深模型上做了个对比。训练参数：

这里有一个非常值得说的点：预训练权重的使用策略。占道经营和通用目标相比，既有相似又很特殊。棚伞、摊位这些目标，不会出现在通用数据集里。我从预训练权重开始，先冻结骨干层训练20轮，让新加的检测头和类别分支先稳定下来，之后解冻全部层，用较小学习率再训完剩余轮次。这个流程比直接全量训练收敛更稳，小目标AP也更好。

训练结束后看指标，我用的是每个类别的AP和整体mAP。具体到这批数据，mAP50到了0.81左右，mAP50-95在0.55上下。这个数字单看不惊艳，但对航拍小目标场景来说算够用。更关键的是看每个类别的单独AP，尤其是堆物占道和流动摊位这两个，差的类别才是优化目标。

3.4 Badcase分析与迭代

评估完不要急着高兴，把验证集里预测错的结果全部导出来看。我每次迭代都会把badcase分成三类：漏检（有标注没预测出来）、误检（没标注却预测出来）、定位偏差（框和真值重叠度不够）。统计下来，漏检主要集中在小目标和遮挡场景，误检最典型的是把地面印的摊位格线、彩色地砖当成了棚伞，定位偏差集中在密集摊位互相挤在一起的时候。

针对这些badcase，我做了三轮迭代。第一轮加了一些白天不同时段的光照图片，解决黄昏时棚伞颜色偏淡的问题；第二轮专门标了一批只有堆物没有商贩的样本，缓解误检；第三轮对密集场景下调了NMS阈值，让相邻目标框不容易被吞掉。三轮之后，mAP50提升了大约3个点，单看小目标类提升更明显。这里我想强调的是，提升来源主要不是模型结构，而是数据层面的定向补充和推理参数微调。算法工程师容易忽略badcase的归类，但实际上针对问题去补数据，才是检测项目迭代里最划算的路。

4. 常见问题与排查技巧实录

4.1 小目标漏检怎么治

漏检是占道场景里最头疼的问题，毕竟高空视角下摊位本来就小。处理思路有三个，按优先级排：第一，提高输入分辨率，从640提到1280甚至1536，对漏检的改善立竿见影，代价是显存和推理耗时上升，需要自己权衡；第二，切瓦片识别，推理时也保持和大图训练一致的切片方式，保证目标尺度分布稳定；第三，多尺度训练，打开训练时的多尺度采样，让模型见过不同尺寸的同一目标。实测下来，三项一起上，漏检率能减少一半以上。

另外还有一个细节：航拍图里很多摊位被树木、电线杆、路灯阴影挡着，遇到这类遮挡严重的图，不要指望模型能有透视眼。我的处理办法是，把遮挡样本单独收集，在标注时把“可见部分”标清楚，然后单独测这一类数据的召回情况。如果遮挡太严重导致AP过低，就在巡检逻辑上增加“同一点位多次飞行确认”的规则，避免单次误判。

4.2 误检的重灾区：疑似目标太多

误检往往不是模型笨，而是训练数据里缺了反例。彩条地砖、红色顶棚、太阳伞，这些在模型眼里都可能和棚伞长得很像。解决思路不是单纯调阈值，而是把误检图片收集起来，人工确认后批量标注一个“非目标干扰项”或者直接归入背景，重新加进训练集。我管这个叫“负样本回灌”，对降低误检效果很好。另外，可以让模型输出时对置信度低于0.5的结果直接过滤，减少低质量候选框，让巡查清单干净一点。

还有一个容易踩的坑：如果数据里只有大晴天正午的图，模型对下午三四点那种长阴影环境会非常不适应，阴影的边缘经常被误检成堆物。所以采集时要刻意覆盖不同的日照角度和时间段，哪怕同一个地方多飞几次都行。数据多样性这种东西，买不到，只能靠采集规划里主动安排。

4.3 标注框抖动和尺寸波动

训练过程中我遇到一个奇怪现象：同一批验证图上，固定棚伞的框一会大一会小。排查后发现问题出在标注源头上。早期标注棚伞时，有的标注员框到伞的外沿，有的框到伞的支撑柱范围，框的尺度没有统一。后来我把标注规范明确成“伞面可见边缘外接矩形”，并把之前有争议的几百张图重新标了一遍，框的波动立刻就降下去了。如果你的训练数据是多人协作完成的，先做个框大小的数据分布统计，出现双峰分布的话，基本都是标注习惯不一致，要回炉。

这个分布统计很简单，把训练集所有标注框的宽和高画成散点图，按类别上色。正常情况应该是单峰，近似集中在某个尺度区间。如果看到明显的两个集中区，说明标框尺度不统一，不建议继续训练，先修数据。我身边有不少项目吃过这个亏，最后只能从头刷数据，反而更浪费时间。

4.4 边缘设备上的部署调整

巡检识别最终要跑在无人机地面站或边缘设备上，不可能每张图都传回云端的机房慢慢推理。边缘设备的算力远低于训练服务器，所以部署时要压缩模型。我常用的路径是：训练好的模型先做通道剪枝再蒸馏回原来的精度，然后做INT8量化，最后实测帧率比原模型快2到3倍，精度损失控制在可接受范围内。还要考虑控制器的推理频率，不需要每帧都跑，可以采取“每5秒抽检一张”的轮询策略，减少算力压力。

部署时还有一个非常容易翻车的地方：训练时的预处理和部署端的预处理不一致。训练时如果做过归一化、图像缩放，部署端也要保持一模一样的流程，否则精度会下降得莫名其妙。我见过有人模型在验证集上mAP有0.8，部署到设备直接掉到0.5，最后发现是部署端图像格式从RGB变成了BGR，颜色通道反了。这种问题不用慌，先把两端的预处理对齐，大多数时候都能恢复。

下面是一个常见问题的速查表，我习惯贴在项目文档首页，方便排查时快速翻：

如果让我重新做一遍这个项目，我会把至少一半的时间花在数据源头的规范上，而不是一开始就去调模型结构。模型结构可以换，数据不规范，换谁都白搭。第10437期这批数据给我最大的启发是：智慧城市的识别类项目，成败往往不在“智能”，而在流程。无人机飞完、图像碎好、标注一致、迭代闭环，每一步都不炫酷，但每一步都决定了最终模型能不能落地。最后分享一个实用小习惯：每次训练完，把当前模型跑一遍全量历史数据，把新增的badcase按街道和类别做分布统计，然后用这些图去补训练集。这个看似重复的循环，是成本最低、收益最稳的优化方式。街道巡检占道经营识别这种场景，场景变化快、目标形态杂，靠的从来不是一次性的聪明，而是持续迭代的耐心。