项目实战：手把手教你用YOLO26实现高精度食物识别，牛油果、意面AP超0.9！（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）

斌擎人工智能官方账号

423人浏览 · 2026-04-21 08:46:34

斌擎人工智能官方账号 · 2026-04-21 08:46:34 发布

摘要

本文提出并实现了一种基于YOLO26（You Only Look Once）架构的高精度食物识别与检测系统。该系统旨在解决复杂场景下的多类别食物定位与分类问题，构建了一个包含30类常见食物及饮品的专用数据集，数据集涵盖训练集（12,802张）、验证集（1,220张）及测试集（639张），总计约14,661张图像。实验结果表明，该模型在测试集上取得了优异的性能，其中平均精度均值（mailto:mAP@0.5）达到了0.747，综合精确率（Precision）为0.805，召回率（Recall）为0.655。模型在牛油果、黑莓、意大利面及全熟煮鸡蛋等类别上表现尤为突出（AP > 0.9），证明了其在食物识别领域的高准确度与实用性，为后续的营养分析、饮食记录等应用提供了可靠的技术支持。

详细功能展示视频

https://www.bilibili.com/video/BV1V3d2BoEC8/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764https://www.bilibili.com/video/BV1V3d2BoEC8/?spm_id_from=333.1387.upload.video_card.click&vd_source=8279e3d5f4d5d4f0cb2bf5c842393764 https://www.bilibili.com/video/BV1V3d2BoEC8/

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅ 参数实时调节（置信度和IoU阈值）

✅支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载`best.pt`模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（`detection_result_20240101_120000.jpg`）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

引言

食物识别作为计算机视觉领域的一个重要分支，近年来受到了学术界和工业界的广泛关注。随着人们健康意识的提升，自动化的饮食监测系统需求日益增长，而高精度的食物检测是实现这一目标的关键技术基础。传统的食物识别方法往往受限于单一分类任务，难以应对真实场景中食物摆放杂乱、遮挡严重以及背景复杂等挑战。因此，构建一个能够同时进行定位（检测）与分类的鲁棒系统显得尤为重要。

本研究基于最新的YOLO26目标检测算法，开发了一套专门针对30类常见食物的识别系统。该系统不仅能够识别食物的种类，还能精确定位其在图像中的位置。通过构建大规模、高质量的标注数据集，并结合深度学习模型的优化训练，我们实现了mailto:mAP@0.5为0.747的检测精度。这一成果为智能餐饮管理、个人健康管理以及自动结算系统提供了可行的解决方案。

背景

随着全球肥胖率的上升和慢性病的高发，人们对饮食健康和营养摄入的关注度达到了前所未有的高度。在这一背景下，利用人工智能技术辅助饮食管理成为了计算机视觉领域的一个热门研究方向。食物识别技术作为核心环节，其应用场景广泛，包括但不限于：

个人健康管理与营养分析
通过手机拍摄日常饮食，系统自动识别食物种类并估算分量，进而计算卡路里和营养成分（如蛋白质、脂肪、碳水化合物）。这对于糖尿病患者、健身人群以及需要控制体重的人群具有极大的辅助价值，能够帮助他们科学地规划饮食结构。
智慧餐饮与自动化结算
在无人超市、智慧食堂等场景中，自动食物识别系统可以替代人工收银，实现“拿了就走”的便捷购物体验。用户将选好的餐食放在识别区，系统自动检测盘中所有食物并计算总价，极大地提高了结算效率，降低了人力成本。
食品安全与供应链管理
在食品加工和仓储环节，计算机视觉可以用于检测食品的异物、品质分级以及包装完整性。例如，自动识别水果的成熟度或检测肉类的新鲜度，有助于保障食品安全和优化供应链管理。

然而，食物识别任务面临着诸多技术挑战：

类内差异大：同一种食物（如“披萨”）可能有不同的配料、切法和烹饪方式，导致外观差异巨大。
类间相似度高：某些食物在视觉上极其相似（如“生肉”与“熟肉”，“黑莓”与“蓝莓”），容易造成混淆。
背景复杂：真实场景中的食物通常放置在复杂的背景（如餐桌、餐盘）中，且可能受到光照变化、遮挡和阴影的影响。

为了解决上述问题，本研究摒弃了传统的图像分类网络，转而采用YOLO这一单阶段目标检测算法。YOLO26以其速度快、精度高而著称，特别适合实时检测任务。针对现有公开数据集类别有限或场景单一的不足，我们构建了一个包含30个细粒度类别的高质量数据集，涵盖了水果、蔬菜、肉类、乳制品及烘焙食品等多个品类，旨在打造一个通用且鲁棒的食物识别检测系统。

数据集介绍

本研究所使用的数据集是专为食物检测任务构建的高质量图像集合，旨在全面覆盖日常饮食中的常见品类。数据集的详细信息如下：

类别构成

数据集共包含30个细粒度类别，具体名称如下：

表格

类别ID	类别名称	类别ID	类别名称
0	酒精	15	冰淇淋
1	酒杯	16	牛奶
2	杏仁	17	奶基饮品
3	牛油果	18	蘑菇
4	黑莓	19	非奶基饮品
5	蓝莓	20	意大利面
6	面包	21	菠萝
7	面包条	22	开心果
8	甜椒	23	披萨
9	奶酪	24	生肉
10	巧克力	25	印度烤饼
11	熟肉	26	菠菜
12	椰枣	27	草莓
13	鸡蛋	28	西红柿
14	茄子	29	全熟煮鸡蛋

数据集划分

为了保证模型评估的客观性，我们将数据集严格划分为训练集、验证集和测试集三个部分，具体数量分布如下：

训练集： 12,802张图像。
验证集： 1,220张图像。
测试集： 639张图像。

训练结果

整体性能概览

平均精度均值 (mailto:mAP@0.5): 0.747
这是一个非常核心的指标。在目标检测中，0.747的mailto:mAP@0.5属于优秀水平（通常超过0.5即为良好，超过0.7为优秀）。这意味着在IoU阈值为0.5的情况下，模型对所有类别的综合识别能力很强。
平均精度均值 (mailto:mAP@0.5:0.95): 0.587
这个指标更严格，因为它在多个IoU阈值（0.5到0.95）下取平均。0.587依然非常可观，说明模型不仅在“大概位置”上准，在“非常精确的位置”上也有不错的表现。
精确率 (P) 与召回率 (R)
- P (Precision): 0.805 —— 模型预测出来的结果中，有80.5%是正确的。这说明误报率较低。
- R (Recall): 0.655 —— 所有真实的食物中，模型找出了65.5%。这说明漏报率大约在34.5%。相比于精确率，召回率略低，意味着模型倾向于“宁可错过，不可错杀”。

训练过程分析

观察最后一张训练曲线图：

收敛性： 所有的损失（box_loss, cls_loss, dfl_loss）在训练初期都迅速下降，说明模型学习速度很快。
过拟合检查：
- 训练集（train）和验证集（val）的损失曲线走势一致。
- 虽然验证集的损失在后期有轻微的上升趋势（例如 val/cls_loss 在180轮后），但这并不明显，整体上模型没有出现严重的过拟合，泛化能力良好。
指标上升： mAP曲线在训练后期趋于平缓并维持高位，说明模型已经收敛。

各类别表现分析

我们可以看到不同食物的识别差异：

表现极佳的类别（AP > 0.9）：
- 牛油果、黑莓、椰枣、意大利面、菠菜、全熟煮鸡蛋：这些类别的AP值非常高（最高达到0.983）。这通常意味着这些食物的形态特征非常独特，或者训练数据非常充足且标注质量高。例如“全熟煮鸡蛋”可能背景简单，形状规则。
表现中等的类别（AP 0.7 - 0.8）：
- 酒杯、甜椒、奶酪、鸡蛋、牛奶饮品、开心果、披萨、印度饼：这是最庞大的群体。模型能识别，但存在一定的误差。

混淆与潜在问题

混淆矩阵分析：
- 矩阵对角线上的颜色最深，说明大部分预测是正确的。
- 观察非对角线的亮点：
  - 酒杯与酒精：存在一定的混淆，这很合理，因为酒杯里通常有酒精饮料。
  - 面包与面包条：存在混淆，形状相似。
  - 生肉与熟肉：存在混淆，这在视觉上确实很难区分。
  - 背景 (background)：有一些预测错误被归为了背景，说明模型有时会忽略掉一些物体。
小目标检测问题：
- 从实例数量统计图看，某些类别（如蓝莓、杏仁）的数据量可能相对较少，或者物体本身太小。结合蓝莓极低的AP值，说明模型在处理密集小物体时存在短板。

Ultralytics YOLO26

概述

Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

简洁性: YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
部署效率： 端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于 Segmentation 的语义分割损失和多尺度原型模块，用于高精度 姿势估计 的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决 旋转框检测 中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在 CPU 上的运行速度提高了 43% — 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

DFL 移除
分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。
端到端无NMS推理
与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。
ProgLoss + STAL
改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。
MuSGD Optimizer
一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。
CPU推理速度提升高达43%
YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。
实例分割增强
引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。
精确姿势估计
集成残差对数似然估计(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。
优化旋转框检测解码
引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

用于实例分割的 LabelMe 标注工具