训练结果存储位置

训练结果通常存放在工作目录的 runs\detect子目录中。 例如下图，其中train_n为第n次训练的结果。

针对目录中每一个文件 / 文件夹的详细含义解读，按功能分类整理：

1. 核心配置与权重文件 (Weights & Config)
   这些是模型训练的产物，用于后续的推理（预测）或迁移学习。

weights：存放训练过程中生成的模型权重文件。
通常包含 best.pt（验证集性能最好的权重）和 last.pt（训练最后一轮的权重）。

args.yaml：训练时的超参数配置文件。记录了本次训练的所有设置，比如数据集路径、批次大小（batch size）、学习率、训练轮数（epochs）、网络深度等。用于复现实验结果。

2. 模型性能可视化图表 (Metrics & Curves)
   这些是最直观的指标图片，用于分析模型训练的好坏及是否存在过拟合 / 欠拟合。

BoxF1_curve.png：目标框（Box）的 F1 分数曲线。F1 分数是精确率（Precision）和召回率（Recall）的调和平均，曲线越高代表模型对目标框的回归越准确。

BoxP_curve.png：目标框的精确率（Precision）曲线。代表预测出来的框里有多少是准确的。

BoxPR_curve.png：P-R 曲线（Precision-Recall Curve）。这是评估目标检测模型最核心的曲线之一，图下的面积（AP）衡量了模型在不同召回率下的精确表现。

BoxR_curve.png：目标框的召回率（Recall）曲线。代表所有真实目标被模型找出来的比例。
results.png：综合指标汇总图。将所有指标（损失值、mAP、P/R、F1 等）整合在一张图中，方便快速查看训练趋势。

4. 混淆矩阵 (Confusion Matrix)
   用于分析模型具体在哪些类别上容易认错。

confusion_matrix.png：原始混淆矩阵。横轴是预测类别，纵轴是真实类别。

confusion_matrix_normalized.png：归一化后的混淆矩阵。将数值按比例缩放，更适合看多类别之间的误分类比例，而非绝对数量。

labels.jpg：标签可视化示例图。展示数据集中标注的标签长什么样，通常包含了框和类别名，用于检查标注是否正常。

5. 训练结果数据 (Logs & Data)

results.csv：训练过程中的日志数据。记录了每一代（epoch）训练和验证的详细指标数据（如 loss、accuracy、mAP50 等）。
用途：方便你后续用 Excel 或 Python 自己绘制更精细的曲线。

基本概念

1 置信度 = 对一个判断 / 结果的「靠谱程度、把握度、确定性」（越高越确定）
2 精确率 = 我挑出来的里面，对的有多少？（百分比）
3 召回率 = 本该找到的里面，找到多少？（百分比）
4 精确率 §、召回率 ® 的调和平均 = 2 × (精确率 × 召回率) ÷ (精确率 + 召回率) ， 该数值反应找的准与全的综合能力。之所以使用调和平均而不用算术平均是因为：算术平均的计算过程导致一个高、一个低，平均分也会很高，会掩盖模型的致命缺陷。而调和平均只要有一项接近 0，整体分数直接接近 0。
5 IoU = 交并比 = 预测框 和 真实框 的重叠程度
6 @0.5 = 只有预测框和真实框重叠 （loU）≥ 50%，才算检测正确 （综合反应找的准与找的全）
7 AP = Average Precision = 平均精确率。 它不是一个点的精确率，而是把所有置信度档位下的「精确率 + 召回率」综合起来，即算P-R 曲线下的面积。
8 mAP = mean AP = 所有类别的 AP 求平均， 比如模型要检测：人、车、猫、狗。
先算「人的 AP」「车的 AP」「猫的 AP」「狗的 AP」再相加除以 4 → mAP
9 mAP@0.5 ：在「预测框与真实框重叠至少 50% 才算正确」的规则下，模型对所有待检测类别，综合【精确率（找的准）+ 召回率（找的全）】的平均得分。

BoxF1_curve.png

1. 图表核心含义
   横轴（Confidence）：模型预测的置信度阈值（0~1）。阈值越高，代表模型对预测结果的 “把握” 越严格。
   纵轴（F1）：F1 分数，是 ** 精确率（Precision）和召回率（Recall）** 的调和平均，越接近 1 代表模型性能越好。
   曲线颜色：
   🔵 青色（fire）：“火” 类别的 F1 置信度曲线。
   🟠 橙色（smoke）：“烟” 类别的 F1 置信度曲线。
   🔵 深蓝色（all classes）：两类别的综合 F1 曲线。
2. 关键数据解读
   图中标注的关键信息：all classes 0.99 at 0.672
   最佳平衡点：在置信度阈值 = 0.672 时，所有类别的综合 F1 分数达到 0.99。
   这是一个非常优秀的数值，意味着在该阈值下，模型兼顾了高精确率（预测的少但准）和高召回率（漏检的少），是模型性能的最佳平衡点。
3. 曲线趋势分析
   高置信度区（0.2 ~ 0.8）：曲线平稳且接近 1.0，说明：
   模型在中等偏高的置信度下，对 fire 和 smoke 的识别都非常稳定，几乎没有误判和漏判。
   置信度骤降区（> 0.8）：曲线在置信度接近 1.0 时快速断崖式下跌：
   原因：置信度阈值设得太高（比如只相信 90% 以上的预测），模型会过滤掉大量边缘样本，导致参与计算的样本数骤减，F1 分数因此急剧下降。这是正常现象，不代表模型变差。
4. 两类对比（fire vs smoke）
   fire（青色） 与 smoke（橙色） 的曲线几乎完全重合，且都维持在高位。
   结论：模型对 fire 和 smoke 两个类别的学习能力非常均衡，没有出现某一类（例如 smoke）效果明显变差的情况，数据集的标注和训练质量很高。

BoxP_curve.png

这是目标检测模型的精确率 - 置信度曲线，用于评估模型在不同置信度阈值下的预测准确性，代表预测出来的框里有多少是准确的。

1. 核心概念
   横轴（Confidence）：模型预测的置信度阈值（0~1），阈值越高，模型对预测结果的 “把握” 越严格。
   纵轴（Precision）：精确率，代表预测为正的样本中，真实为正的比例，越接近 1 说明误报越少。
   曲线含义：

🔵 青色（fire）：火类别的精确率曲线
🟠 橙色（smoke）：烟类别的精确率曲线
🔵 深蓝色（all classes）：两类综合精确率曲线（将 fire 和 smoke 两个类别合并后，计算得到的整体精确率 - 置信度关系，代表模型在所有检测目标上的平均精确率表现。它不是简单取 fire 和 smoke 两条曲线的平均值，而是把所有样本（火 + 烟）混在一起，重新计算：all classes = 所有类别中预测正确的正样本数 / 所有类别中预测为正的样本总数 ）

2. 关键数据与趋势
   标注信息：all classes 1.00 at 1.000
   当置信度阈值设为 1.0 时，模型的综合精确率达到 100%，意味着模型只在完全确定时才会输出预测，此时没有任何误报。
   曲线走势：
   置信度 > 0.2 后，三条曲线均快速攀升并稳定在 接近 1.0 的高位，说明在常规置信度区间（0.2~1.0）内，模型预测的结果几乎都是准确的，误报率极低。
   置信度接近 0 时，精确率略有下降，这是因为低阈值会让模型输出大量低置信度的预测，其中包含更多误报，属于正常现象。

3. 类别对比
   fire 和 smoke 两条曲线高度重合，均维持在高位，说明模型对两个类别的识别精度非常均衡，没有出现某一类更容易误判的情况。

BoxPR_curve.png

Precision-Recall Curve（P-R 曲线）

1. 核心概念
   横轴（Recall）：召回率，代表所有真实目标中被模型正确检测出来的比例，越接近 1 说明漏检越少。
   纵轴（Precision）：精确率，代表所有被模型检测出的目标中真实为正的比例，越接近 1 说明误报越少。
   曲线含义：
   🔵 青色（fire）：火类别的 P-R 曲线，mAP@0.5 = 0.993
   🟠 橙色（smoke）：烟类别的 P-R 曲线，mAP@0.5 = 0.995
   🔵 深蓝色（all classes）：两类综合 P-R 曲线，mAP@0.5 = 0.994
2. 关键指标：mAP@0.5
   mAP@0.5：在 IoU 阈值为 0.5 时的平均精度均值，是 P-R 曲线下的面积，数值越接近 1 代表模型性能越好。
   你的模型结果：
   fire：0.993
   smoke：0.995
   all classes：0.994
   这是极其优异的表现，说明模型在火灾和烟雾检测任务中，几乎能做到既不漏检、又不误报。
3. 曲线形态解读
   曲线在 Recall 从 0 到接近 1 的区间内，Precision 始终维持在 1.0 附近，仅在 Recall 接近 1 时才轻微下降。
   这意味着：
   模型在召回率极高（几乎不漏检）的情况下，依然能保持近乎 100% 的精确率。
   不存在 “为了提高召回率而牺牲精确率” 的问题，模型在两者之间取得了完美平衡。
4. 类别对比
   fire 和 smoke 的 mAP@0.5 数值非常接近，曲线形态几乎完全重合，说明模型对两个类别的学习效果高度均衡，没有出现某一类性能明显偏弱的情况。

mAP@0.5 高达 0.994，代表模型在实际场景中能精准识别几乎所有火 / 烟目标，同时几乎不会产生误报。
单类别表现均衡，适合直接部署到安防、预警等对可靠性要求极高的场景。

BoxR_curve.png

召回率 - 置信度曲线（Recall-Confidence Curve）

1. 核心含义

曲线走势：在置信度较低时，模型几乎保留所有预测结果，因此召回率接近 1.0；随着置信度阈值提高，模型只保留更确定的预测，召回率逐步下降。
类别区分：
蓝色线（fire）：火焰类别的召回率 - 置信度曲线
橙色线（smoke）：烟雾类别的召回率 - 置信度曲线
深蓝色线（all classes）：所有类别的平均召回率曲线
2. 关键观察
低置信度区间（0~0.8）：三类曲线均保持在接近 1.0 的水平，说明在宽松置信度阈值下，模型能几乎召回所有目标，漏检极少。
高置信度区间（0.8~1.0）：召回率快速下降，说明模型在只保留高置信度预测时，会舍弃大量低置信度的正确目标，导致召回率骤降。
类别差异：smoke（橙色）曲线在高置信度区间的召回率略高于 fire（蓝色），说明烟雾类目标在高置信度下的召回表现更稳定。

若业务场景要求极低漏检率（如火灾预警），可选择较低置信度阈值（如 0.5），保证召回率接近 1.0。
若业务场景要求高预测可信度，可选择较高置信度阈值（如 0.8），但需接受召回率下降的代价。
曲线的 “陡峭程度” 反映了模型置信度区分能力：越平缓说明模型对置信度阈值越不敏感，性能更稳定。

confusion_matrix_normalized.png

下面是归一化混淆矩阵（Confusion Matrix Normalized），用于直观展示模型在各类别上的分类错误比例，核心是看 “真实类别被模型错判成了什么”。

1. 基本概念
   横轴（True）：真实标签（fire /smoke/background）
   纵轴（Predicted）：模型预测标签
   对角线上的数值：该类别被正确分类的比例（数值越接近 1，分类越准确）
   非对角线上的数值：该类别被错判为其他类别的比例

例如 X = fire ， Y = fire ，根据图得值为0.99，代表实际是fire，最终被判定为fire的比例为0.99。
例如 X = fire ， Y = background, 查图得值为0.01，代表实际是fire，最终被判断为backgroud的比例是0.01。

关键发现：极高的分类准确率
fire 和 smoke 的对角值均为 0.99，说明模型对这两个目标类别的识别极其精准，几乎不会互相混淆（没有出现将火判为烟、或将烟判为火的情况）。

主要错误来源：
唯一的错误是：少量 fire（23%）和 smoke（77%）样本被错判为 background，这属于目标漏检，而非误报。
反过来，背景几乎不会被误判为火 / 烟（仅 1%），说明模型误报率极低，非常适合火灾预警这类对 “零误报” 要求高的场景。
类别间无混淆
fire 和 smoke 之间的交叉值为 0，说明模型完全能区分这两类目标，不存在视觉特征混淆的问题。

confusion_matrix.png

原始混淆矩阵（Confusion Matrix），展示了模型在验证集上具体样本数量的分类结果，能直观看到每类样本的正确 / 错误预测数量。

1. 基本概念

横轴（True）：真实标签（fire /smoke/background）
纵轴（Predicted）：模型预测标签
对角线上的数值：该类别被正确分类的样本数
非对角线上的数值：该类别被错判为其他类别的样本数

3. 关键发现
   极高的正确识别率
   fire 正确识别 2978 个样本，smoke 正确识别 1138 个样本，两类准确率均接近 98%，说明模型对目标的识别能力极强。
   极低的类别混淆
   fire 与 smoke 之间的错判仅为 1+2=3 个样本，几乎可以忽略，模型完全能区分两类目标。
   主要错误来源：漏检
   fire 有 78 个样本被错判为 background（漏检），smoke 有 23 个样本被错判为 background（漏检），这是最主要的错误类型。
   误报（background→fire/smoke）仅 22+6=28 个样本，占比极低，符合火灾预警对 “低误报” 的要求。

4. 与归一化矩阵的对比
   原始矩阵：看绝对数量，适合了解数据集规模和错误样本的绝对量级。
   归一化矩阵：看比例，适合对比不同类别（尤其是样本数差异大的类别）的错误率。
   两者结论一致：模型性能优异，主要问题是少量漏检，无明显类别混淆。

漏检分析：测试集标注错误，下图标注的smoke后经考查，实际为水幕，此类照片数量级约为400，可能造成了一定程度的误判。

综合结论
火灾 / 烟雾检测模型在实际样本数量上表现极其稳健：
对 fire 和 smoke 的识别准确率接近 98%，类别间几乎无混淆。
误报样本仅 28 个，远低于漏检样本，非常适合实际预警场景。
可通过优化置信度阈值或补充小目标 / 模糊场景的样本，进一步降低漏检率。

labels.jpg

数据集标签可视化报告:

1. 类别数量统计（左上柱状图）
   fire（火）：10694 个实例
   smoke（烟）：4124 个实例
   总样本数：14818 个
   分布特点：
   火样本数量约为烟样本的 2.6 倍，存在一定的类别不平衡，但差距在可接受范围内，结合之前的模型表现看，并未对训练效果造成明显负面影响。

2. 边界框分布（右上热图）
   这是所有标注框的宽高与位置叠加图，颜色深浅代表框的密集程度。
   可以看到：
   目标框集中在图像中心区域，符合真实场景中火灾 / 烟雾多发生在画面中部的特点。
   框的大小差异较大，说明数据集中包含小、中、大不同尺度的目标，模型能学到多尺度特征。

3. 目标位置分布（左下热力图）
   横轴 x、纵轴 y 代表图像归一化坐标（0~1），颜色越深表示目标出现越频繁。
   特点：
   目标主要集中在 x: 0.2~0.8、y: 0.2~0.8 的中间区域，边缘区域目标较少。
   这说明数据集的目标分布较为集中，模型更容易学习到核心区域的特征。

4. 目标尺寸分布（右下热力图）
   横轴 width（宽）、纵轴 height（高），代表边界框的归一化尺寸。
   特点：
   目标以小尺寸和中等尺寸为主（宽高多集中在 0~0.4 区间），大尺寸目标较少。
   宽高比呈现一定的多样性，说明数据集中包含不同形态的火 / 烟目标。

综合结论
类别数量：虽有轻微不平衡，但未影响模型性能（两类 mAP 均接近 0.99）。
空间分布：目标集中在画面中部，符合真实场景，便于模型学习。
尺度多样性：包含多尺度目标，能让模型适应不同距离的检测场景。
数据规模：总样本数超 1.4 万，足够训练出高性能模型

results.png

1. 损失曲线（Loss Curves）
   train/box_loss / val/box_loss：边界框回归损失
   训练和验证损失均从高位快速下降，最终稳定在 ~0.2 左右，曲线平滑无剧烈抖动，说明框回归任务收敛良好。
   train/cls_loss / val/cls_loss：分类损失
   训练损失从 1.1 降至～0.18，验证损失从 0.58 降至～0.17，两者走势高度一致，无明显过拟合。
   train/dfl_loss / val/dfl_loss：分布焦点损失（YOLOv8 特有）
   训练损失从 0.95 降至～0.80，验证损失从 0.87 降至～0.76，同样平稳下降，说明分布学习充分。
   ✅ 结论：所有损失曲线均平稳下降且训练 / 验证趋势一致，无过拟合 / 欠拟合，训练过程非常健康。

2. 指标曲线（Metrics Curves）
   metrics/precision(B)：精确率
   从初始 0.94 快速攀升并稳定在 ~0.99，说明模型预测结果几乎无错误。
   metrics/recall(B)：召回率
   从初始 0.90 逐步提升至 ~0.99，说明模型能识别绝大多数目标，漏检极少。
   metrics/mAP50(B)：IoU=0.5 时的平均精度
   从 0.965 快速上升并稳定在 ~0.994，是极其优异的表现。
   metrics/mAP50-95(B)：多 IoU 阈值下的平均精度
   从 0.85 稳步提升至 ~0.98，说明模型在不同 IoU 要求下都保持高精度，泛化能力强。
   ✅ 结论：所有指标均在训练初期快速达到高位并持续优化，最终收敛到接近完美的水平。

3. 训练健康度总结
   收敛速度：前 10 个 epoch 就完成了大部分优化，后 10 个 epoch 仅做小幅提升，说明学习率和训练轮数设置合理。
   过拟合检查：训练 / 验证损失差值极小，指标曲线无 “训练上升、验证下降” 的情况，无过拟合风险。
   最终性能：mAP50 达 0.994，mAP50-95 达 0.98，精确率和召回率均接近 0.99，模型性能达到工业级可用水平。