摘要

本研究提出了一种基于YOLO26（You Only Look Once）架构的深度学习目标检测系统，旨在实现草莓成熟度的自动化、高精度识别。该系统将草莓分为三类：生长期（raw）、成熟期（ripe）和变色期（turning）。实验数据集包含2939张训练图像和774张验证图像。经过充分训练，模型在验证集上取得了优异的性能指标，其中mailto:mAP@0.5达到了95.7%，mailto:mAP@0.5:0.95达到了85.1%。混淆矩阵分析表明，模型对“变色期”（turning）草莓的识别最为精准（mAP 0.979），对“生长期”（raw）草莓存在少量误判为背景的情况。该系统能够高效、准确地完成草莓成熟度分类任务，具有在智慧农业采摘机器人和自动化分拣产线中应用的巨大潜力。

目录

   摘要

功能模块

1、用户管理模块

2、界面与交互模块

3、检测源管理模块

4、检测参数配置模块

5、YOLO检测核心模块

6、结果显示模块

7、结果保存模块

8、工具栏功能

9、辅助功能

10、数据校验模块

引言

背景

1. 智慧农业与机器视觉的需求

2. 目标检测技术的演进

3. 草莓成熟度分类的挑战与意义

数据集介绍

1. 数据集构成

训练结果

1. 核心性能指标分析​编辑

2. 类别表现差异分析​编辑​编辑

3. 混淆矩阵与分类错误​编辑​编辑

4. 训练过程分析​编辑

Ultralytics YOLO26

概述

主要功能

常用标注工具

---

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

注册

登录

✅ 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

草莓作为一种广受欢迎的浆果类水果，其采摘和分拣过程对成熟度的判断要求极高。传统的草莓采摘和分级主要依赖人工，不仅劳动强度大、成本高，而且主观性强，容易造成损伤或因判断失误导致果实过熟腐烂。随着计算机视觉和人工智能技术的飞速发展，利用机器视觉代替人工进行果实检测与成熟度识别成为智慧农业的重要研究方向。

本研究旨在构建一个基于YOLO26的目标检测模型，专门用于识别草莓的三种成熟状态。相较于传统的图像处理方法，深度学习模型能够更好地处理复杂的光照、遮挡和背景干扰。通过建立一个高精度的检测系统，可以为自动化采摘机械臂提供定位信息，或为自动分拣设备提供分类依据，从而显著提升农业生产的自动化水平和经济效益。

背景

1. 智慧农业与机器视觉的需求

在全球人口增长和劳动力成本上升的背景下，智慧农业已成为现代农业发展的必然趋势。在果实采摘环节，实现“精准采摘”是提高果实品质和产量的关键。草莓由于其果实娇嫩、生长环境复杂（如温室、垄间），且成熟期不一致，对机器视觉系统的鲁棒性和实时性提出了极高挑战。传统的基于颜色阈值或纹理特征的图像处理方法，在复杂自然光和阴影干扰下表现不稳定，难以满足实际生产需求。

2. 目标检测技术的演进

目标检测技术经历了从传统的手工特征提取（如SIFT、HOG）到深度学习（如R-CNN系列、YOLO系列）的跨越。YOLO系列算法因其“单阶段”检测的特性，将目标检测视为一个回归问题，能够直接在图像上进行端到端的预测。相比于两阶段算法（如Faster R-CNN），YOLO具有推理速度快、计算资源消耗少的优势，特别适合需要实时处理的农业应用场景，例如搭载在移动采摘机器人上的实时视觉系统。

3. 草莓成熟度分类的挑战与意义

草莓的成熟度通常分为三个阶段：生长期（绿色，未成熟）、变色期（开始转红，半成熟）和成熟期（全红，可采摘）。准确区分这三个阶段对于避免过早采摘（影响口感）或过晚采摘（导致腐烂）至关重要。

• 数据复杂性： 草莓在生长过程中常伴随叶片遮挡、光照不均以及颜色渐变（特别是从green到red的过渡），这些因素增加了分类难度。
• 应用价值： 一个高精度的成熟度识别系统不仅能指导采摘，还能结合产量预估模型，帮助农户优化种植策略。

本研究正是基于上述背景，利用最新的YOLO26架构，针对草莓成熟度这一具体农业场景进行模型优化与训练，旨在解决实际应用中的识别难题。

数据集介绍

本研究所使用的数据集是专门为草莓成熟度检测任务构建的，经过了严格的图像采集、清洗和标注流程。

1. 数据集构成

• 类别定义： 数据集包含3个目标检测类别，具体定义如下：
  • raw：代表未成熟的绿色草莓。
  • ripe：代表完全成熟的红色草莓。
  • turning：代表处于变色期的草莓（部分变红，部分绿色）。
• 数据划分： 为了保证模型训练的有效性和验证的公正性，数据集被划分为训练集和验证集。
  • 训练集： 包含 2939 张图像，用于模型参数的学习和权重的更新。
  • 验证集： 包含 774 张图像，用于在训练过程中监控模型性能，防止过拟合，并在训练结束后评估最终模型的泛化能力。

训练结果

1. 核心性能指标分析

• mailto:mAP@0.5 (0.957): 这是目标检测中最核心的指标。0.957（即95.7%）的数值非常高，表明模型在IoU阈值为0.5时，拥有极高的平均精度。这说明模型在定位和分类上都非常准确。
• mailto:mAP@0.5:0.95 (0.851): 这是一个更严格的指标，计算了从0.5到0.95不同IoU阈值下的平均精度。0.851（85.1%）依然是一个非常优秀的分数，说明模型不仅在宽松条件下表现好，在严格的高重叠度要求下依然稳健。
• Box(P) (0.933) & R (0.932): 精度和召回率都接近93%，这是一个非常平衡的状态。高精度意味着误报少，高召回率意味着漏报少。

2. 类别表现差异分析

模型对三个成熟度类别的识别能力存在细微差异，其中 "turning" (变色期) 表现最好，"raw" (生长期) 表现相对较弱（但仍属优秀）。

• Turning (变色期) - 表现最优 (mAP 0.979):
  • 无论是F1-Score、Precision还是Recall曲线，"turning"类别的曲线几乎都是最高的。
  • 在归一化混淆矩阵中，"turning"的对角线值为0.95，且被误判为"ripe"或"raw"的比例极低（分别为0.01）。这说明模型对处于变色期的草莓特征抓取得最好，区分度最高。
• Ripe (成熟期) - 表现优秀 (mAP 0.968):
  • 各项指标略低于"turning"，但依然很高。
  • 混淆矩阵显示，"ripe"有少量被误判为"background"（背景）或"turning"，但比例很小。
• Raw (生长期) - 相对较弱 (mAP 0.924):
  • 虽然0.924依然是高分，但在三个类别中是最低的。
  • 主要问题在于召回率(Recall)： 从Recall-Confidence曲线看，"raw"类别的召回率下降最快，且在Confidence=0时，Recall仅为0.96，低于其他两类。这意味着模型更容易漏掉一些生长期的草莓。
  • 混淆矩阵分析： "raw"类别的主要错误来源是被误判为"background"（背景），数值为0.11。这说明生长期的草莓（通常是绿色）可能在复杂的绿色背景（如叶子、茎）中难以被区分，导致漏检或误判为背景。

3. 混淆矩阵与分类错误

• Raw -> Background: 这是最大的错误来源。真实标签为"raw"的样本，有11%被预测为了背景。这印证了上述关于绿色草莓与绿色背景难以区分的推测。
• Raw -> Turning: 有2%的"raw"被误判为"turning"。这可能是因为部分生长期的草莓已经开始泛白或微微变色，导致模型产生混淆。
• Ripe -> Background: 少量成熟草莓被忽略，可能是因为遮挡严重或光照过暗。

4. 训练过程分析

• Loss曲线: 训练集（train）和验证集（val）的box_loss, cls_loss, dfl_loss均呈现平稳下降趋势，没有出现震荡或上升，说明模型训练非常稳定，没有明显的过拟合或欠拟合现象。
• Precision & Recall曲线: 这两条曲线在训练过程中持续上升并趋于平稳，最终Precision接近0.95，Recall接近0.93，与最终报告的数值一致。

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。

这些开源工具经济实惠，并提供一系列功能来满足不同的标注需求。

界面核心代码：