简介面向环保监测与计算机视觉交叉领域的学习者和研究者这份 PDF 围绕 YOLOv11 改进模型在野生动物种群监测中的实践展开系统介绍了单阶段目标检测算法的原理、改进设计及工程落地方法。资源共 1 个 PDF 文件约 2.01MB正文 33 页支持目录跳转与左侧大纲快速定位版面完整。已有 68 人学习使用。文档从 YOLOv11 的骨干网络、颈部、检测头等基础架构出发针对复杂环境适应性、小目标检测和类别不平衡问题提出了自适应光照调整、残差块改进、多尺度特征融合及损失函数优化等具体策略同时覆盖数据标注、增强、训练参数调优、模型部署与实时监测系统搭建并给出监测结果分析与评估指标。对想了解目标检测在生态保护中落地或参考 YOLOv11 改进思路的读者具备较好的参考价值。1. YOLOv11改进模型野生动物种群监测为什么需要专门调结构一个保护区一个月能从红外相机里回收十几万张照片真正拍到动物的可能不到5%。过去靠研究员一张张筛图繁殖季一个物种的影像就能让人看两周。YOLOv11改进模型就是为这种场景准备的在YOLOv11基线上调整网络结构让模型更适应小目标、遮挡和类别不平衡把人工筛图变成自动识别直接省掉最耗时的初筛环节。这篇文章面向生态监测、林业保护、科研院所里做种群调查的工程师和学生讲清楚为什么基线不够用、结构怎么改、训练时哪些参数不能乱调、部署后又如何验证。按下面的路径跑一遍你能得到一个对稀有动物更敏感的检测模型。2. 先跑通YOLOv11基线小目标、遮挡与类不平衡是三个绕不开的短板任何改进都要先立一个基线。我在这类项目里的习惯是先不碰网络结构用YOLOv11原版模型在真实红外相机样本上推理一轮把问题暴露出来再决定改哪里。YOLOv11从YOLOv8演进过来backbone部分用C3k2模块替代了原来的C2fneck仍然是PAN-FPN结构head侧采用了解耦检测头。这些改动让它在通用目标检测上更快更稳但到了野生动物监测场景三个结构层面的短板会立刻显现。2.1 跑通基线的最小命令先看yolo11n在红外图像上的表现# 用YOLOv11n在红外样本目录上做一次推理 yolo detect predict \ modelyolo11n.pt \ source./红外样本/ \ imgsz1280 \ conf0.25 \ save_txtTrue \ save_confTrue \ project./runs/baseline第一次跑通只需要一条命令。model参数写yolo11n.pt时会触发预训练权重文件下载nano版本体积最小用来验证环境最合适source指向你的红外相机图像目录imgsz这里直接设成1280目的是保留小目标的原始像素显存不够就先用640跑通流程。conf0.25是个偏高的初始阈值会牺牲一部分召回但它能让输出结果干净一些方便你快速判断环境是否正常。save_txtTrue是关键选项它会为每张图输出一个同名的txt文件里面是每个检测框的类别、中心点坐标和宽高这些txt文件就是后续统计种群数量的原始数据。跑完之后你会看到这类项目的典型现象画面里明明有动物模型要么没框要么框住了石头和树桩。这个结果不是环境配置问题而是YOLOv11原版检测头本身就不擅长处理这种图像。此时先别急着调参把输出图片翻一遍记录漏检目标的位置和尺寸后面改结构时逐条对照。2.2 野生动物图像的三个硬伤小目标、遮挡与类不平衡先聊小目标。红外相机常见分辨率在2560×1440左右动物距离镜头50米开外时在画面里往往只占20×20像素甚至更小。YOLOv11默认在stride为8、16、32的三层特征图上做检测以640输入为例最小特征层对应原图中8×8的区域20像素的小目标映射过去只有两三个像素的有效特征经过多层卷积和池化后纹理信息几乎被抹平。模型不是不想检测它是根本看不到它。遮挡是第二个结构层面的问题。野生动物不会配合你摆姿势树枝、草丛、岩石挡住半个身体是常态。YOLO系列用矩形边界框表达目标框内必然混入大量背景被遮挡严重时网络学到的往往是“鹿头鹿角”这类局部片段分类置信度天然偏低。第三个问题是类不平衡。以雪豹和岩羊为例一个相机位点的触发照片可能有几千张但真正出现雪豹的不过几十张鹿、野猪这类常见种动辄上万张。模型只要把常见类预测对loss已经降得很低稀有类的梯度被淹没训练结束后稀有类AP接近0是常有的事。这三个短板叠加起来YOLOv11原版模型在保护区数据上的表现就是一个黑匣子——lab里mAP跑得再高到现场就是“有鹿看不见、有豹认不出”。所以做改进模型前先对这三个问题排优先级。2.3 改进从哪下手检测头、注意力与数据三选一很多新手拿到改进任务第一反应是往网络里堆模块这最容易翻车。我一般先问自己一个问题当前数据里最致命的短板是哪一个如果小目标漏检最严重优先加P2小目标检测头把检测stride从8/16/32扩展到4/8/16/32让模型在高分辨率特征图上先看见目标如果误检多、背景杂乱优先引入注意力模块HCANet这类混合注意力思路能让网络聚焦动物所在的通道和区域抑制草地、岩石的响应如果某些类别的AP始终为0那问题多半不在结构而在数据分布先去补样本、过采样、做Copy-Paste增强。这三条路径对应着三个不同的资源投入方向。改检测头要显存加注意力要训练时间补数据要标注人力。一次只改一个每次改动后在同一测试集上做AB对比你才知道是哪项改动在起作用。下面第3章先讲最常做的两个结构改动注意力模块和小目标检测头。3. 改进模型怎么改给YOLOv11装小目标检测头与注意力模块这一章进入重点。我会给出一套最常见的YOLOv11改进模型方案在backbone的C3k2模块里插入注意力模块同时在head部分新增一个160×160分辨率的小目标检测头。这两处改动叠加正好对应上一章说的小目标和背景误检两个硬伤。3.1 给C3k2加HCANet式注意力模块实现与注册# hca_attention.py —— 分组通道注意力实现 import torch import torch.nn as nn class GroupChannelAttention(nn.Module): 参考HCANet混合注意力思路实现的通道注意力模块 将输入特征按通道分组每组独立计算全局统计量并生成缩放权重。 相比全局SE注意力分组统计能保留不同频段特征更适合小目标区域。 def __init__(self, channels, groups8): super().__init__() self.groups min(groups, channels) self.avg_pool nn.AdaptiveAvgPool2d((1, 1)) # 用分组卷积生成逐通道权重组内共享参数 self.fc nn.Conv2d(channels, channels, 1, 1, 0, groupsself.groups) self.act nn.Sigmoid() def forward(self, x): b, c, _, _ x.size() # 全局均值池化得到每个通道的统计量 y self.avg_pool(x) # 分组卷积不同分组之间相互独立 y self.fc(y) # sigmoid映射到0~1作为通道缩放因子 y self.act(y) return x * y这个模块的逻辑很容易理解特征图经过全局均值池化后每个通道得到一个数值数值越大说明该通道包含的全局信息越强分组卷积让相近的通道共享权重避免权重被某个极端通道带偏最后用sigmoid把权重压缩到0到1之间乘回原特征图。对野生动物监测来说它能放大包含动物边缘纹理的通道压低天空、草地、岩石占据主导的通道。参数上groups默认设8通道数很小的浅层可以设4通道数很大的深层可以设16。groups越大每组通道数越少表达能力越细但参数量和过拟合风险也更高。接下来要把这个模块接入YOLOv11的C3k2结构。常见做法是写一个C3k2_HCA重载Bottleneck在残差分支里插入注意力# C3k2内部改造示意 class Bottleneck_HCA(nn.Module): def __init__(self, c1, c2, shortcutTrue, g1, k(3, 3)): super().__init__() self.cv1 Conv(c1, c2, k[0], 1) self.cv2 Conv(c2, c2, k[1], 1) self.attn GroupChannelAttention(c2) self.add shortcut and c1 c2 def forward(self, x): residual x if self.add else 0 out self.cv2(self.cv1(x)) out self.attn(out) return out residual接入ultralytics仓库时需要去ultralytics/nn/modules/init.py里把新类加入import列表然后才能在yaml配置里引用。改完之后可以用netron打开导出的pt文件看网络结构图确认注意力模块真的挂在了C3k2内部而不是被优化器忽略掉了。3.2 新增160×160小目标检测头yaml配置的改法注意力模块解决的是“看到了但认不准”的问题小目标检测头解决的是“压根没看到”的问题。YOLOv11默认的Detect层有三个输出分别对应stride为8、16、32的特征图。以640输入为例最深的P5层特征图只有20×20分辨率每个格子要负责原图中32×32像素区域的检测。一个20像素的动物映射到20×20特征图上连一个完整格子都占不满检测头自然无从下手。新增P2头的核心动作是把backbone第一个阶段产生的4倍下采样特征接进neck让检测头在160×160分辨率的高分特征图上工作。yaml配置如下# yolo11_hca_p2.yaml关键片段 # head部分把原来三个Detect尺度改成四个 head: - [-1, 1, Conv, [64, 3, 2]] # 新增stride4的高分辨率特征分支 - [-1, 1, C3k2, [128, False]] - [-1, 1, DFL, [16]] - [-1, 1, Detect, [nc, [16, 32, 64, 128]]] # 对应stride 4/8/16/32这里16、32、64、128不是通道数而是对应四个下采样倍率下的anchor尺寸候选。加入P2后模型的检测尺度从三个变成四个总stride集合变成[4, 8, 16, 32]。低层特征图分辨率高包含更多空间细节对8到16像素的小目标非常关键高层特征图语义强负责常规尺度目标。Backbone部分建议保持原始结构不变只改head否则改动面太大训练初期容易不稳定。P2头的代价是显存和训练时间。160×160特征图比80×80大了四倍显存占用随之上涨。我用8G显存调试时batch size从16降到8甚至4都是正常操作。如果你的数据里小目标占比不高不建议为了赶时髦硬加P2头。3.3 参数量的代价模型大小与训练时间的权衡配置检测头数量目标尺度显存占用适用场景原始YOLOv11n38/16/32低通用场景、快速验证HCANet注意力38/16/32低背景复杂、误检多注意力P2头44/8/16/32较高小目标、远距离监测不加限制地堆模块是常见翻车点。注意力加检测头一起上参数量上去了但如果训练数据只有两三千张过拟合很快就会出现。我的建议是先用手头最小的模型跑一轮确认训练流程没问题再逐步加模块。如果你连一轮都要跑几个小时先砍backbone宽度系数或者用YOLOv11n起步别一上来就训练L版本。4. 数据与训练把红外图像变成YOLOv11改进模型权重结构改好了接下来就是训练自己的模型。这一章覆盖环境配置、数据组织和关键训练参数。很多人在这个阶段卡住不是因为模型改得有问题而是数据和参数配置不对。ultralytics框架对新手已经足够友好按规范组织好数据训练命令本身不会让你手足无措。4.1 环境配置与数据组织先让ultralytics跑起来# 安装ultralytics pip install ultralytics # 验证环境和权重下载是否正常 python - EOF from ultralytics import YOLO model YOLO(yolo11n.pt) print(model.model.type) EOF安装用pip即可后面训练建议用带CUDA的GPU环境。验证脚本做的事情很简单加载yolo11n.pt权重文件如果能打印出模型类型说明环境没问题。第一次加载会自动触发权重文件下载这个过程对新手来说是第一个观察点——下载失败多半是网络代理问题换一个镜像源或者手动放好权重文件再重试。数据组织比安装更关键。ultralytics要求数据集按如下结构摆放datasets/wildlife/ images/train/ # 训练图像 images/val/ # 验证图像 labels/train/ labels/val/ wildlife.yaml每个图像对应一个同名txt文件txt里每行是一个目标类别ID、中心点x、中心点y、宽w、高h前四个值都是相对于图像宽高的归一化坐标。没有目标的图像不放txt文件。yaml配置文件指定类别数量和各类别名称。# wildlife.yaml path: ../datasets/wildlife train: images/train val: images/val nc: 6 names: 0: deer 1: wild_boar 2: macaque 3: pheasant 4: snow_leopard 5: fox红外相机导出的原始照片往往带相机编号和时间戳。先按相机和日期做去重再把纯空白帧、运动模糊帧、雨滴污渍帧剔除否则模型会去记忆某台相机的拍摄风格而不是学习动物本身。初始训练集建议准备3000到5000张包含目标的图像稀有类样本尽可能往30%比例靠实在不够就靠后面的增强和过采样。4.2 标注规范小于32×32的目标也要标数据标注是决定模型上限的环节这个环节偷懒后面所有调参都是白费。标注工具选LabelImg或X-AnyLabeling都可以导出格式选YOLO即可。真正的坑不在选工具而在标注思路。第一不忽略小目标。标注员看到画面里有个很小很模糊的动物常觉得不好标就跳过。一旦漏标网络反复学习到的就是“小目标等于背景”这比不训练还可怕。哪怕只有8×8像素也要标出来P2检测头需要这些样本学特征。第二遮挡目标标可见部分。动物被树枝挡住半边身体时框应该框住能明确识别的部分不要凭想象补全被遮挡的地方。补全会让回归loss混乱模型学到的框和真实目标对不上。第三群体目标不合并。鹿群挤在一起每个个体单独一个框合并成大框会破坏类别语义。第四抽检一致性。每标注完500张抽50张请第二个人复核边框和类别两个人的标注结果偏差太大模型训练出来就带着系统性噪声。4.3 训练策略imgsz、anchor与稀有类权重怎么设# 训练自定义改进模型 yolo detect train \ datawildlife.yaml \ modelyolo11_hca_p2.yaml \ epochs100 \ imgsz1280 \ batch8 \ lr00.01 \ lrf0.01 \ cos_lrTrue \ scale0.5 \ mosaic0.5 \ project./runs/train_hca三个参数值得多说。imgsz1280是这个场景里性价比最高的改进同一只动物在1280输入下比640输入多出近4倍像素小目标召回率和mAP会同时上涨。代价是显存和训练时间成倍增加显存不够就先640起步等流程跑通再升级分辨率。scale0.5控制Mosaic增强中目标的缩放范围设小一点可以避免增强把小目标缩得更小甚至直接缩没了。mosaic0.5表示每张图有50%概率使用Mosaic拼接太高会把小目标切碎太低则背景多样性不够。稀有类处理是最后一个关键点。类别权重是直接手段按样本数反比计算权重即可# 按样本数量计算类别权重示意 class_counts {deer: 8821, wild_boar: 3440, macaque: 890, pheasant: 520, snow_leopard: 45, fox: 610} total sum(class_counts.values()) weights {name: total / (count * len(class_counts)) for name, count in class_counts.items()} print(weights)这个计算会让出现次数最少的雪豹获得最高权重但权重拉太高会放大噪声。我习惯把稀有类权重控制在常见类的3到5倍超过10倍时那些错误标注的背景样本会被当成稀有类反复学习AP反而掉得更快。更好的做法是过采样加Copy-Paste增强把稀有类目标裁剪出来粘贴到常见场景图里这样模型既能看到稀有类又不会丢掉背景信息。P2头收敛速度比普通检测头更慢头20个epoch看不到提升是正常的别急着kill掉训练任务坚持到后40个epoch再下结论。5. 野生动物监测的实战避坑5个高频踩坑记录下面这些坑来自实际项目里的血泪经验每条按“现象→原因→解决”顺序记录。做野生动物监测的团队踩坑路径高度相似照这条清单排查能省下不少走弯路的时间。5.1 红外过曝图像导致大规模漏检现象夜间红外补光下动物大面积过曝画面白成一片模型输出几乎为空。原因训练集以白天或弱光图像为主网络没见过这种高亮度纹理于是把高光区域误判为“无特征背景”。解决一是在训练增强里加入亮度、对比度的剧烈变化模拟闪光灯过曝效果二是推理时如果过曝频发先把图像做CLAHE直方图均衡化再送进模型。这里要强调过曝是数据分布问题不是网络结构问题改模型不如改数据。5.2 稀有物种完全学不出来AP始终为0现象训练到40个epoch常见类AP都到0.5以上雪豹的AP还是0。原因稀有类正样本太少一个batch里可能压根没有雪豹模型每次回传的梯度里都没有它的位置自然学不到。解决对稀有类做过采样保证每个epoch里稀有类至少出现一定次数再用Copy-Paste增强把稀有类目标贴到常见场景图中扩充有效样本同时给稀有类设置更高的类别权重但控制在常见类的3到5倍。如果稀有类样本少于50张优先考虑用预训练模型打伪标签做半监督扩充硬训只会过拟合记忆样本。5.3 密集群体场景预测框重叠严重现象鹿群、猴群聚在一起时同一只动物被输出两三个框NMS无法收敛。原因同类别目标视觉相似多个anchor同时激活YOLOv8系默认的NMS阈值在密集场景下太保守重叠框抑制不干净。解决推理时把iou参数从默认0.45调到0.3到0.4让重叠严重的框被更快抑制如果还不行改用Soft-NMS。同时把max_det设置为150到200防止单张图目标过多时后处理阶段丢掉有效框。这个参数在prediction接口里可以直接传不用改代码。5.4 远景小目标彻底失守现象距离相机50米以上的动物在图像中只有15个像素左右模型毫无输出。原因目标在深层特征图中只剩1到2个像素的信息分类分支完全失效。P2头只能缓解问题无法根治——到了P5层小目标的特征已经不可逆地消失了。解决优先把输入分辨率提高到1280甚至1536这一步对recall的提升比改网络结构更直接其次在推理时切分图像用SAHI这类切片工具把大图切成重叠patch分块检测再合并结果。切片推理会把推理耗时拉高几倍但种群监测通常是离线处理用时间换recall是划算的。5.5 白天夜间混训夜间性能崩盘现象训练集白天红外图像占多数评估时白天mAP挺高夜间图像mAP掉到20%左右。原因白天和夜间红外图像的纹理、亮度分布差异很大网络学到的特征整体偏向数量占优的白天图像。解决按时间段拆分训练集分别训练白天模型和夜间模型效果最直接如果不想维护两个模型就把夜间样本权重调高并在训练增强里加入随机灰度化、亮度反转和红外噪声把白天图像的特征分布往夜间方向拉。养殖监测、自然保护区夜行性动物调查这类场景夜间性能优先级更高应该直接以夜间样本为主构建训练集别让白天样本稀释掉它。6. 部署与验证推理结果保存与改进模型是否有效的AB判断结构改完、模型练出来最后一步是把它接到真实工作流里。这一章说两个事怎么保存推理结果怎么判断改进模型确实比基线强。这两件事做扎实这个项目才算真正落地而不是停在实验室里自嗨。6.1 批量推理与结果保存给监测数据打个标from ultralytics import YOLO model YOLO(./runs/train_hca/weights/best.pt) results model.predict( source./待识别照片/, imgsz1280, conf0.2, iou0.35, save_txtTrue, save_confTrue, saveTrue, ) # 每个txt文件里一行一个目标class_id, cx, cy, w, h, confconf设到0.2是刻意的为了把那些“半遮半掩”的稀有类也捞出来如果误报太多再往回调到0.35。saveTrue会额外保存画了检测框的图片方便人工快速抽查。后续做种群统计时直接遍历txt文件按类别统计目标数量即可。坐标是归一化值使用时记得乘回原图尺寸。这一段看起来简单但很多人会在统计阶段才发现坐标忘记还原导致数量对不上。建议把还原逻辑写成一个独立小函数测试几张图再批量跑。6.2 怎么判断改进是否有效AB对比与recall很多改进看着像玄学AB对比能把它变成可验证的决策。做法是固定同一套测试集、同一个epoch数基线模型和改进模型各训练一次然后按类别对比recall和mAP50-95。种群监测的核心指标不是mAP是recall——漏掉一只动物种群数量就少一个数据点。改进模型的雪豹类recall从30%提到70%哪怕mAP只涨了0.05这个改进也值得部署反过来mAP涨了但稀有类recall原地踏步说明改动只是让常见类更宽泛价值有限。我的习惯是把每个类别的AP存进csv画一条PR曲线一眼就能看出哪个类别拖后腿。6.3 边缘部署的压缩边界改进模型最终要跑到保护区边缘设备上比如Jetson或工控机。高分辨率推理和P2头带来的精度收益会实打实地变成推理速度代价。常见做法是训练时用s或m尺寸训练完导出FP16权重再对比一次量化后的recall损失。recall掉了10%以上就用FP16掉得少INT8可以接受。压缩完还要拿一段现场连续红外数据做回放测试看的是真实漏检率而不是实验室指标。我自己踩过的教训是改进模型在前压缩在后这个顺序不能反——先压缩再验证出了问题你分不清是结构问题还是量化损失。希望帮到你。本文还有配套的精品资源点击获取