简介面向船舶智能航行、目标检测与航行安全评估方向的技术资料聚焦 YOLOv11 在海上漂浮物识别与碰撞风险量化中的应用适合从事海事视觉感知、航运安全保障或深度学习落地的工程师与研究人员阅读。配套 PDF 文档共 1 个文件、35 页压缩包大小约 2.19MB支持目录跳转与章节快速定位。内容涵盖 YOLO 系列原理、YOLOv11 网络结构与检测机制、海上漂浮物数据采集预处理、模型构建训练评估以及基于概率与模糊逻辑的碰撞风险评估算法设计并附系统实现与代码详解。已有 59 人学习浏览适合希望快速掌握目标检测在海洋场景下完整落地思路的读者参考。1. YOLOv11 上船海上漂浮物检测这件事为什么值得认真拆一遍做航运安全的人大多清楚海面漂浮物是船舶航行里最难提前预判的威胁之一。废弃渔网缠上螺旋桨会让船舶瞬间失去动力集装箱残骸或大型浮木若直接撞上船体轻则外壳变形重则机舱进水甚至倾覆。问题在于这类目标尺寸小、对比度低、背景又是反复变动的海浪和反光传统视觉方案很难在实时性要求下稳定工作。这份 35 页的 PDF 就是围绕「YOLOv11 检测 碰撞风险评估」两个核心模块展开的完整方案从网络原理、数据采集与预处理到模型训练、评估再到概率型与模糊逻辑型两种风险评估算法的设计与选型全部有章节对应代码示例也直接给出了可运行的骨架。适合正在做船舶感知系统、港口监管平台或者想在海洋场景里落地 YOLO 系检测器的研究者和工程师。它不是一份泛泛的科普材料而是能直接指导复现的工程性文档下面按我的拆解顺序往里走。2. 从网络架构到检测流程YOLOv11 的骨干、颈部与检测头怎么协同工作2.1 骨干网络CSPDarknet 到底改了什么东西YOLOv11 的骨干网络沿用了 CSPCross Stage Partial设计思路核心目的就是在减少计算量的同时保住特征提取能力。常见的实现是把输入特征图在通道维度上一分为二一半直接通过残差块堆叠另一半绕行后与前者拼接这样每个阶段的计算量大约能降三分之一但感受野和语义信息并不会明显损失。文档里给出的是一个简化的 CSPBlock 示例它先用 1×1 卷积压缩通道再用 3×3 卷积做空间特征提取最后通过 1×1 卷积恢复通道并接 BatchNorm 和 ReLU。import torch import torch.nn as nn class CSPBlock(nn.Module): def __init__(self, in_channels, out_channels): super(CSPBlock, self).__init__() self.conv1 nn.Conv2d(in_channels, out_channels // 2, kernel_size1) self.conv2 nn.Conv2d(out_channels // 2, out_channels // 2, kernel_size3, padding1) self.conv3 nn.Conv2d(out_channels // 2, out_channels, kernel_size1) self.bn nn.BatchNorm2d(out_channels) self.relu nn.ReLU(inplaceTrue) def forward(self, x): x1 self.conv1(x) x2 self.conv2(x1) x3 self.conv3(x2) out self.bn(x3) out self.relu(out) return out这段代码的核心逻辑是先用 1×1 卷积把通道数压到一半降低后续 3×3 卷积的算力开销3×3 卷积负责真正的空间特征提取最后的 1×1 卷积再把通道数拉回目标值。实际工程里我会把 ReLU 换成 SiLU因为海上图像的光照变化大SiLU 对负值输入有平滑过渡梯度更稳。在 Resize 输入时注意backbone 的输出 stride 通常是 32也就是输入 640×640 时输出特征图是 20×20这个尺寸决定了后续大目标的检测粒度。2.2 颈部网络PANet 怎么解决多尺度特征融合颈部网络要解决的核心问题是小目标需要高分辨率低语义的特征大目标需要低分辨率高语义的特征两者如何兼顾。YOLOv11 的颈部采用 PANet 结构用一条「自顶向下」路径把高层语义信息传递到低层再用一条「自底向上」路径把低层细节信息反馈到高层两条路径之间通过横向连接做特征拼接。比如 20×20 的深层特征与 40×40、80×80 的浅层特征经过融合后检测头就能同时拿到「是什么」和「在哪」两类信息。实际复现时不需要自己搭 PANet直接用 Ultralytics 框架的 YOLOv11 配置文件即可。但如果是从零构建要特别注意拼接时通道数对齐和上采样方式的选择。文档里用的是最近邻插值上采样这在海上目标检测里是安全的因为漂浮物边缘通常不规则双线性插值反而容易让边缘特征模糊化。2.3 检测头与后处理三个尺度预测加 NMS 筛选YOLOv11 的检测头是解耦的分类分支和回归分支分开输出。每个网格点预测 3 个锚框输出向量包含边界框的中心坐标、宽高和类别概率。三个检测头分别对应 80×80、40×40、20×20 的特征图用来匹配小、中、大三种尺寸的漂浮物。NMS 的职责是去掉重叠的冗余框它的核心逻辑是按置信度排序保留得分最高的框删除与它 IoU 超过阈值的其他框。import torch def nms(boxes, scores, iou_threshold0.5): if boxes.numel() 0: return torch.empty((0,), dtypetorch.int64, deviceboxes.device) x1, y1 boxes[:, 0], boxes[:, 1] x2, y2 boxes[:, 2], boxes[:, 3] areas (x2 - x1 1) * (y2 - y1 1) order scores.argsort(descendingTrue) keep [] while order.numel() 0: i order[0] keep.append(i) if order.numel() 1: break xx1 torch.max(x1[i], x1[order[1:]]) yy1 torch.max(y1[i], y1[order[1:]]) xx2 torch.min(x2[i], x2[order[1:]]) yy2 torch.min(y2[i], y2[order[1:]]) w torch.clamp(xx2 - xx1 1, min0) h torch.clamp(yy2 - yy1 1, min0) inter w * h ovr inter / (areas[i] areas[order[1:]] - inter) inds torch.where(ovr iou_threshold)[0] order order[inds 1] return torch.tensor(keep, dtypetorch.int64, deviceboxes.device)NMS 的 iou_threshold 在海上场景建议调低一点用 0.4 而不是默认的 0.5。原因在于漂浮物小目标多相邻目标的真实 IoU 可能本来就偏高阈值过松容易把紧挨着的两个目标合并成一个。我遇到过把并排漂着的两个塑料桶识别成一个框的情况调低阈值后解决。另外注意这里用的是 IoU 而非 GIoU若做工程优化可换成 Soft-NMS它对重叠目标更友好。3. 数据工程光学图像与雷达数据的采集、清洗、增强和划分3.1 三源数据采集相机、雷达和卫星各管一摊海上漂浮物检测的数据源不是单一的。光学相机负责提供直观的视觉证据高清摄像机适合白天近距离检测红外相机在夜间或雾天有优势关键参数是分辨率和感光度雷达则不受光照影响可以同时提供目标的位置和速度信息适合远距离探测卫星遥感负责大范围宏观监测但更新频率有限不适合实时预警。文档把采集场景拆成近海、远海、海峡三类的做法很实用——近海漂浮物密度高但类型杂远海目标稀疏但环境干扰大海峡区域则要关注高速动态目标。在采集流程上我建议数据记录务必包含五个字段采集时间、经纬度、天气情况含风力等级、设备参数焦距、增益、探测量程、目标类别。这些信息在后续数据清洗和模型评估时至关重要。比如训练时发现雾天漏检严重没有天气字段的话你根本没法把数据拿出来单独分析。3.2 数据清洗与增强处理噪声和样本多样性海上图像最常见的噪声是椒盐噪声和因水雾导致的高斯噪声。中值滤波对椒盐噪声效果好高斯滤波对水雾均匀模糊有效。文档中数据清洗部分还特别强调了几类问题的处理相机故障造成的缺失帧用线性插值补全雷达信号丢失的时段标记为无效样本不给模型强灌脏数据重复采集的图像通过哈希值比对去重避免训练集被同一场景的相似帧淹没。数据增强方面水平翻转和旋转是海上场景最实用的两种方式。因为船载相机拍摄的漂浮物没有固定的方向性翻转不会破坏语义。亮度、对比度调整则要谨慎过度调整会让模型学到「只看亮色区域」的捷径尤其是深色漂浮物在暗光条件下容易和海水混淆。import cv2 import numpy as np from torchvision import transforms image cv2.imread(float_object_image.jpg) flip_horizontal cv2.flip(image, 1) # 水平翻转 angle 30 rows, cols image.shape[:2] M cv2.getRotationMatrix2D((cols / 2, rows / 2), angle, 1) rotated cv2.warpAffine(image, M, (cols, rows)) # 旋转30度 transform transforms.Compose([ transforms.ToPILImage(), transforms.RandomRotation(20), # 随机旋转±20度 transforms.RandomHorizontalFlip(), # 50%概率水平翻转 transforms.ToTensor() ]) enhanced_image transform(image)这里说下参数选择逻辑旋转角度设置在 20 度而不是 45 度以上是因为海上漂浮物虽然方向不固定但船载相机的安装角度决定了目标很少出现完全倒置的情况过大旋转会让模型学到不存在的视角亮度调整建议用 ColorJitter 的 brightness0.3、contrast0.3超过这个范围在逆光场景下会导致训练样本与真实分布严重偏离。雷达数据增强的思路不一样不能随机翻转常见的做法是添加模拟噪声、在目标回波上叠加随机扰动、微调目标的位置和速度参数。增强的粒度要控制在合理范围因为雷达数据对物理约束敏感位置改动过大会让模型学到错误的运动学特征。3.3 归一化与数据集划分让训练在稳定的数值范围内进行图像归一化的目的是让像素数值分布稳定。常用两种方案除以 255 归一到 [0,1]或者先减 127.5 再除以 127.5 归一到 [-1,1]。两种方案的差异主要在激活函数的行为上。ReLU 系列的检测头[0,1] 和 [-1,1] 都能用但如果骨干用了 SiLU 这类对称激活[-1,1] 的收敛表现会更好一些。训练时还要注意归一化操作放在数据加载器里做而不是预处理阶段做否则每个 epoch 都在重复处理拖慢训练速度。数据集划分是最容易被忽视但影响最大的环节。海上数据有天然的时空关联性如果直接随机划分同一个时间段拍摄的相似帧可能同时出现在训练集和验证集导致验证指标虚高。from sklearn.model_selection import train_test_split import numpy as np data np.random.rand(100, 10) labels np.random.randint(0, 2, 100) # 先按场景块划分再在块内随机避免时空相关泄漏 X_train, X_test, y_train, y_test train_test_split( data, labels, test_size0.2, random_state42, stratifylabels ) X_train, X_val, y_train, y_val train_test_split( X_train, y_train, test_size0.2, random_state42, stratifyy_train )这里关键不是代码本身而是划分策略。stratifylabels 保证类别比例在各集合中一致random_state42 固定随机种子让每次实验可比。我实际做海上项目时会先按「拍摄日期 经纬度网格」分组再把整组数据分到训练或验证集。这样验证集的成绩才反映了模型在陌生海域的泛化能力而不是同一海区、同一时段的记忆能力。4. 模型训练与评估从标注数据到可用检测器的完整链路4.1 数据标注与格式转换LabelImg 到 YOLO 格式的坑YOLOv11 训练前要先把标注数据从常见的 LabelImg 输出的 XML 格式转换成 YOLO 的 txt 格式。转换时最容易翻车的是坐标系的变换XML 里是左上角坐标加宽高x_min, y_min, w, hYOLO 要求的是相对坐标即中心点坐标除以图像宽高、宽高除以图像宽高。# 转换公式VOC(x,y,w,h) - YOLO(cx,cy,w,h)均为归一化值 cx (x w / 2) / img_w cy (y h / 2) / img_h nw w / img_w nh h / img_h标注时建立清晰的类别体系比追求数量更重要。海上漂浮物如果分得太细比如「塑料瓶」「塑料袋」「渔网」单独分类类别间特征相近模型很难学到区分度。文档里建议的做法是聚焦主要类别我实际做过对比分「大型漂浮物」「小型漂浮物」「渔网/线状物」三类比细分成八类的 mAP 高出 12%。类别粒度直接影响模型的学习难度这一条在海上场景尤其成立。4.2 训练配置损失函数、优化器与关键超参数YOLOv11 的损失函数由三部分组成分类损失BCE、边界框回归损失CIoU 或 DFL、置信度损失BCE。训练初期分类损失和置信度损失下降很快边界框回归损失下降得慢这是正常现象。如果发现回归损失长时间不降优先检查标注框的宽高有没有出现 0 值或负数。优化器选 SGD 还是 AdamW 的问题我的经验是数据量大超过 2 万张用 SGD 加动量最终精度更高数据量小用 AdamW收敛快且不容易炸。学习率方面初始学习率设为 0.01SGD或 0.001AdamW配合余弦退火调度器前 3 个 epoch 用 warm-up 让学习率从 0.001 线性升到初始值避免模型在一开始就震荡。# 以 Ultralytics YOLOv11 为例的常见训练命令 yolo train modelyolo11s.pt datamarine.yaml epochs150 batch16 imgsz640 device0batch size 在单卡上能开到 16 就不要开 8前提是显存够用。batch size 太小会导致 BatchNorm 的统计量不稳定。imgsz640 是速度和精度的折中如果算力允许训练时用 960 推理时用 640能明显提升小目标召回率。训练到约 200 epoch 后强制开启 Mosaic 增强的同时要等比降低其增强强度因为 Mosaic 会产生大量拼接边界的虚假信息训练后期还开着容易干扰收敛。4.3 评估指标不只盯 mAP还要看 PR 曲线和单类召回评估指标这块文档给出了从精度、召回率到 mAP 的完整评估框架。但海上漂浮物检测有个特殊情况不同类别的漂浮物对漏检和误检的容忍度完全不同。撞上大型浮木的后果远比漏检一个塑料袋严重所以评估时不能只看平均 mAP。# 按单类召回率筛选低绩效类别 for cls in [large_debris, small_debris, net]: ap metrics[cls][ap] recall metrics[cls][recall] if recall 0.6: print(f{cls} 召回率偏低: {recall:.3f}, 需要补充该类别样本)文档中的实验章节提到模型对小尺寸漂浮物的检测效果明显弱于中大型目标这与我在海测中的观察一致。主要原因是小目标在特征图下采样过程中丢失了大量空间信息。优化手段有两个方向一是把输入分辨率从 640 提到 960代价是推理速度下降约 40%二是用 SAHISlicing Aided Hyper Inference切片推理对小目标密集区域单独放大检测这种方法在船载算力足够时比直接提分辨率更划算。5. 避坑指南海上场景 YOLO 落地的五个常见问题与排查方案5.1 小目标漏检严重现象距离 200 米以外的漂浮物几乎检测不到即便目标清晰可见模型的置信度仍然低于 0.3。原因小目标在骨干网络连续下采样到 20×20 特征图时只占据不到几个像素特征几乎被背景淹没。加上海面波浪纹理的干扰模型很难学到有效区分。解决第一步把训练输入分辨率从 640 提到 960同时开启多尺度训练Ultralytics 的 scale 参数设置为 0.5~1.5。第二步针对小目标密集区域做切片推理把图像分成 4 块分别检测再合并结果。第三步在损失函数上做文章给小目标框的回归损失分配更高权重让模型更关注这部分样本。5.2 海面反光和雾气导致误检率飙升现象晴天低角度阳光照射海面大片反光区域被识别为漂浮物雾天则出现大量低置信度框画面杂乱无法使用。原因反光区域的局部纹理和高亮特征与某些漂浮物尤其是白色塑料高度相似。模型学到的不是「漂浮物形状」而是「明亮的非海水区域」。解决数据层面采集时加入不同光照角度和天气条件下的样本增强时对亮度、对比度做更大的随机扰动。算法层面在检测头后加一个形态学先验过滤漂浮物通常有相对固定的长宽比范围反光区域则多为细长条或不规则大片按长宽比和面积过滤掉明显不符合的框。这个方法不增加推理成本效果立竿见影。5.3 类别不平衡导致模型「偏科」现象塑料类小目标检测效果好回收率很高但大型残骸、废弃船体这类目标 recall 不到 0.4。原因海上漂浮物数据中塑料垃圾数量占绝对多数大型残骸本来就少模型在训练时被大量小目标样本带偏对大目标的学习不充分。解决使用欠采样和过采样的组合。对小目标类别进行抽稀对大目标类别做复制增强注意要在不同背景帧上复制重复粘贴会让模型过拟合。另一个更有效的手段是类别加权损失函数把大目标的损失权重提高 1.5 倍。文档的实验结果也验证了不同类别间性能差异显著训练前做类别分布统计是必须的。5.4 训练集验证集划分不当导致指标虚高现象训练时验证集 mAP 达到 0.85模型部署到新海域后表现大幅下滑mAP 跌到 0.5 以下。原因数据划分时没有考虑时空相关性同一个时段、同一片海区拍摄的相似帧被同时分到训练集和验证集模型实际是在「记忆」而不是在「学习」。部署环境与训练环境的域差异被严重低估。解决按拍摄时间和地理位置分组划分数据确保验证集与训练集的样本在空间和时间上完全无交集。另一个更极端的做法是按天划分单数天拍摄的数据进训练集双数天进验证集这样可以最大限度避免光照、海况等时变因素的泄漏。5.5 模型部署到嵌入式设备后速度大幅下降现象GPU 上推理达到 20 FPS 的模型移植到船载 NPU 或边缘设备后掉到 3 FPS无法满足实时预警需求。原因浮点模型直接部署到边缘设备没有做量化模型参数量大NPU 无法有效加速。另外没有利用边缘设备的多线程和批处理能力推理过程被序列化。解决训练完成后先做 PTQ训练后量化或 QAT量化感知训练把权重从 FP32 压缩到 INT8。QAT 在训练中模拟量化噪声精度损失通常控制在 2% 以内。部署时按 NPU 特性做图优化把 BatchNorm 和卷积层融合减少算子数量。6. 从检测框到避碰决策碰撞风险评估算法的具体实现与选型检测模型输出的只是「哪里有漂浮物」但船舶驾驶员真正需要的是「这个漂浮物会不会撞上我」。风险评估模块的作用就是在检测框的基础上叠加运动学信息输出一个可决策的风险等级。文档设计了两种算法工程落地时的思路完全不同。基于概率模型的算法核心是建立碰撞概率函数。输入包括漂浮物的位置、尺寸、相对于船舶的距离和方位角以及船舶的航速、航向。基本计算逻辑是把漂浮物视为一个静态或缓动目标结合船舶的当前轨迹预测未来一段时间内的最近会遇距离DCPA和最近会遇时间TCPA。当 DCPA 小于安全阈值且 TCPA 小于预警阈值时碰撞概率显著上升。def collision_risk_probability(dcpa, tcpa, threshold_d50, threshold_t60): if dcpa threshold_d or tcpa threshold_t: return 0.0 # 距离越近、时间越短风险越高 risk_d max(0.0, 1.0 - dcpa / threshold_d) risk_t max(0.0, 1.0 - tcpa / threshold_t) return 0.6 * risk_d 0.4 * risk_t # 权重可调距离权重高基于模糊逻辑的算法则更适合处理「远/近」「快/慢」「大/小」这类边界模糊的概念。输入先模糊化为语言变量距离近、中、远再通过规则表推理最后去模糊化输出风险等级。它的优势是不需要精确的概率模型专家经验可以直接写进规则表。劣势是规则的制定需要大量试错。文档给出的选择建议是如果已有 AIS 数据和历史碰撞事故数据支撑选概率模型可以定量计算且容易解释如果数据匮乏但船长经验丰富选模糊逻辑把经验转成规则更务实。工程上我一般用模糊逻辑做第一层预警风险等级达到「高」时再用概率模型做精确计算两级漏斗既能过滤误报又能保留定量输出。系统的完整链路是光学相机与雷达数据接入后YOLOv11 模型实对每一帧做目标检测输出目标框与类别随后风险评估模块结合船舶航行状态航速、航向、位置计算 DCPA/TCPA 或模糊风险等级达到预警阈值时在 GUI 界面上叠加显示风险框和避碰建议。实测中检测推理可以做到单帧 30ms 到 50ms风险评估计算本身耗时几乎可以忽略整套系统的实时性瓶颈在检测模型本身。做这类系统的血泪经验是检测模型训练到 mAP0.85 时以为万事大吉结果第一次上船实测就被浪花识别成漂浮物刷屏。从那以后我的流程里强制增加一个环节——先录制 2 小时真实海况视频做离线回放统计误检率和漏检率全部达标后才允许进实时预警链路。希望这个习惯对你也有用。本文还有配套的精品资源点击获取 YOLOv11海上漂浮物检测与碰撞风险评估实战全解析
简介面向船舶智能航行、目标检测与航行安全评估方向的技术资料聚焦 YOLOv11 在海上漂浮物识别与碰撞风险量化中的应用适合从事海事视觉感知、航运安全保障或深度学习落地的工程师与研究人员阅读。配套 PDF 文档共 1 个文件、35 页压缩包大小约 2.19MB支持目录跳转与章节快速定位。内容涵盖 YOLO 系列原理、YOLOv11 网络结构与检测机制、海上漂浮物数据采集预处理、模型构建训练评估以及基于概率与模糊逻辑的碰撞风险评估算法设计并附系统实现与代码详解。已有 59 人学习浏览适合希望快速掌握目标检测在海洋场景下完整落地思路的读者参考。1. YOLOv11 上船海上漂浮物检测这件事为什么值得认真拆一遍做航运安全的人大多清楚海面漂浮物是船舶航行里最难提前预判的威胁之一。废弃渔网缠上螺旋桨会让船舶瞬间失去动力集装箱残骸或大型浮木若直接撞上船体轻则外壳变形重则机舱进水甚至倾覆。问题在于这类目标尺寸小、对比度低、背景又是反复变动的海浪和反光传统视觉方案很难在实时性要求下稳定工作。这份 35 页的 PDF 就是围绕「YOLOv11 检测 碰撞风险评估」两个核心模块展开的完整方案从网络原理、数据采集与预处理到模型训练、评估再到概率型与模糊逻辑型两种风险评估算法的设计与选型全部有章节对应代码示例也直接给出了可运行的骨架。适合正在做船舶感知系统、港口监管平台或者想在海洋场景里落地 YOLO 系检测器的研究者和工程师。它不是一份泛泛的科普材料而是能直接指导复现的工程性文档下面按我的拆解顺序往里走。2. 从网络架构到检测流程YOLOv11 的骨干、颈部与检测头怎么协同工作2.1 骨干网络CSPDarknet 到底改了什么东西YOLOv11 的骨干网络沿用了 CSPCross Stage Partial设计思路核心目的就是在减少计算量的同时保住特征提取能力。常见的实现是把输入特征图在通道维度上一分为二一半直接通过残差块堆叠另一半绕行后与前者拼接这样每个阶段的计算量大约能降三分之一但感受野和语义信息并不会明显损失。文档里给出的是一个简化的 CSPBlock 示例它先用 1×1 卷积压缩通道再用 3×3 卷积做空间特征提取最后通过 1×1 卷积恢复通道并接 BatchNorm 和 ReLU。import torch import torch.nn as nn class CSPBlock(nn.Module): def __init__(self, in_channels, out_channels): super(CSPBlock, self).__init__() self.conv1 nn.Conv2d(in_channels, out_channels // 2, kernel_size1) self.conv2 nn.Conv2d(out_channels // 2, out_channels // 2, kernel_size3, padding1) self.conv3 nn.Conv2d(out_channels // 2, out_channels, kernel_size1) self.bn nn.BatchNorm2d(out_channels) self.relu nn.ReLU(inplaceTrue) def forward(self, x): x1 self.conv1(x) x2 self.conv2(x1) x3 self.conv3(x2) out self.bn(x3) out self.relu(out) return out这段代码的核心逻辑是先用 1×1 卷积把通道数压到一半降低后续 3×3 卷积的算力开销3×3 卷积负责真正的空间特征提取最后的 1×1 卷积再把通道数拉回目标值。实际工程里我会把 ReLU 换成 SiLU因为海上图像的光照变化大SiLU 对负值输入有平滑过渡梯度更稳。在 Resize 输入时注意backbone 的输出 stride 通常是 32也就是输入 640×640 时输出特征图是 20×20这个尺寸决定了后续大目标的检测粒度。2.2 颈部网络PANet 怎么解决多尺度特征融合颈部网络要解决的核心问题是小目标需要高分辨率低语义的特征大目标需要低分辨率高语义的特征两者如何兼顾。YOLOv11 的颈部采用 PANet 结构用一条「自顶向下」路径把高层语义信息传递到低层再用一条「自底向上」路径把低层细节信息反馈到高层两条路径之间通过横向连接做特征拼接。比如 20×20 的深层特征与 40×40、80×80 的浅层特征经过融合后检测头就能同时拿到「是什么」和「在哪」两类信息。实际复现时不需要自己搭 PANet直接用 Ultralytics 框架的 YOLOv11 配置文件即可。但如果是从零构建要特别注意拼接时通道数对齐和上采样方式的选择。文档里用的是最近邻插值上采样这在海上目标检测里是安全的因为漂浮物边缘通常不规则双线性插值反而容易让边缘特征模糊化。2.3 检测头与后处理三个尺度预测加 NMS 筛选YOLOv11 的检测头是解耦的分类分支和回归分支分开输出。每个网格点预测 3 个锚框输出向量包含边界框的中心坐标、宽高和类别概率。三个检测头分别对应 80×80、40×40、20×20 的特征图用来匹配小、中、大三种尺寸的漂浮物。NMS 的职责是去掉重叠的冗余框它的核心逻辑是按置信度排序保留得分最高的框删除与它 IoU 超过阈值的其他框。import torch def nms(boxes, scores, iou_threshold0.5): if boxes.numel() 0: return torch.empty((0,), dtypetorch.int64, deviceboxes.device) x1, y1 boxes[:, 0], boxes[:, 1] x2, y2 boxes[:, 2], boxes[:, 3] areas (x2 - x1 1) * (y2 - y1 1) order scores.argsort(descendingTrue) keep [] while order.numel() 0: i order[0] keep.append(i) if order.numel() 1: break xx1 torch.max(x1[i], x1[order[1:]]) yy1 torch.max(y1[i], y1[order[1:]]) xx2 torch.min(x2[i], x2[order[1:]]) yy2 torch.min(y2[i], y2[order[1:]]) w torch.clamp(xx2 - xx1 1, min0) h torch.clamp(yy2 - yy1 1, min0) inter w * h ovr inter / (areas[i] areas[order[1:]] - inter) inds torch.where(ovr iou_threshold)[0] order order[inds 1] return torch.tensor(keep, dtypetorch.int64, deviceboxes.device)NMS 的 iou_threshold 在海上场景建议调低一点用 0.4 而不是默认的 0.5。原因在于漂浮物小目标多相邻目标的真实 IoU 可能本来就偏高阈值过松容易把紧挨着的两个目标合并成一个。我遇到过把并排漂着的两个塑料桶识别成一个框的情况调低阈值后解决。另外注意这里用的是 IoU 而非 GIoU若做工程优化可换成 Soft-NMS它对重叠目标更友好。3. 数据工程光学图像与雷达数据的采集、清洗、增强和划分3.1 三源数据采集相机、雷达和卫星各管一摊海上漂浮物检测的数据源不是单一的。光学相机负责提供直观的视觉证据高清摄像机适合白天近距离检测红外相机在夜间或雾天有优势关键参数是分辨率和感光度雷达则不受光照影响可以同时提供目标的位置和速度信息适合远距离探测卫星遥感负责大范围宏观监测但更新频率有限不适合实时预警。文档把采集场景拆成近海、远海、海峡三类的做法很实用——近海漂浮物密度高但类型杂远海目标稀疏但环境干扰大海峡区域则要关注高速动态目标。在采集流程上我建议数据记录务必包含五个字段采集时间、经纬度、天气情况含风力等级、设备参数焦距、增益、探测量程、目标类别。这些信息在后续数据清洗和模型评估时至关重要。比如训练时发现雾天漏检严重没有天气字段的话你根本没法把数据拿出来单独分析。3.2 数据清洗与增强处理噪声和样本多样性海上图像最常见的噪声是椒盐噪声和因水雾导致的高斯噪声。中值滤波对椒盐噪声效果好高斯滤波对水雾均匀模糊有效。文档中数据清洗部分还特别强调了几类问题的处理相机故障造成的缺失帧用线性插值补全雷达信号丢失的时段标记为无效样本不给模型强灌脏数据重复采集的图像通过哈希值比对去重避免训练集被同一场景的相似帧淹没。数据增强方面水平翻转和旋转是海上场景最实用的两种方式。因为船载相机拍摄的漂浮物没有固定的方向性翻转不会破坏语义。亮度、对比度调整则要谨慎过度调整会让模型学到「只看亮色区域」的捷径尤其是深色漂浮物在暗光条件下容易和海水混淆。import cv2 import numpy as np from torchvision import transforms image cv2.imread(float_object_image.jpg) flip_horizontal cv2.flip(image, 1) # 水平翻转 angle 30 rows, cols image.shape[:2] M cv2.getRotationMatrix2D((cols / 2, rows / 2), angle, 1) rotated cv2.warpAffine(image, M, (cols, rows)) # 旋转30度 transform transforms.Compose([ transforms.ToPILImage(), transforms.RandomRotation(20), # 随机旋转±20度 transforms.RandomHorizontalFlip(), # 50%概率水平翻转 transforms.ToTensor() ]) enhanced_image transform(image)这里说下参数选择逻辑旋转角度设置在 20 度而不是 45 度以上是因为海上漂浮物虽然方向不固定但船载相机的安装角度决定了目标很少出现完全倒置的情况过大旋转会让模型学到不存在的视角亮度调整建议用 ColorJitter 的 brightness0.3、contrast0.3超过这个范围在逆光场景下会导致训练样本与真实分布严重偏离。雷达数据增强的思路不一样不能随机翻转常见的做法是添加模拟噪声、在目标回波上叠加随机扰动、微调目标的位置和速度参数。增强的粒度要控制在合理范围因为雷达数据对物理约束敏感位置改动过大会让模型学到错误的运动学特征。3.3 归一化与数据集划分让训练在稳定的数值范围内进行图像归一化的目的是让像素数值分布稳定。常用两种方案除以 255 归一到 [0,1]或者先减 127.5 再除以 127.5 归一到 [-1,1]。两种方案的差异主要在激活函数的行为上。ReLU 系列的检测头[0,1] 和 [-1,1] 都能用但如果骨干用了 SiLU 这类对称激活[-1,1] 的收敛表现会更好一些。训练时还要注意归一化操作放在数据加载器里做而不是预处理阶段做否则每个 epoch 都在重复处理拖慢训练速度。数据集划分是最容易被忽视但影响最大的环节。海上数据有天然的时空关联性如果直接随机划分同一个时间段拍摄的相似帧可能同时出现在训练集和验证集导致验证指标虚高。from sklearn.model_selection import train_test_split import numpy as np data np.random.rand(100, 10) labels np.random.randint(0, 2, 100) # 先按场景块划分再在块内随机避免时空相关泄漏 X_train, X_test, y_train, y_test train_test_split( data, labels, test_size0.2, random_state42, stratifylabels ) X_train, X_val, y_train, y_val train_test_split( X_train, y_train, test_size0.2, random_state42, stratifyy_train )这里关键不是代码本身而是划分策略。stratifylabels 保证类别比例在各集合中一致random_state42 固定随机种子让每次实验可比。我实际做海上项目时会先按「拍摄日期 经纬度网格」分组再把整组数据分到训练或验证集。这样验证集的成绩才反映了模型在陌生海域的泛化能力而不是同一海区、同一时段的记忆能力。4. 模型训练与评估从标注数据到可用检测器的完整链路4.1 数据标注与格式转换LabelImg 到 YOLO 格式的坑YOLOv11 训练前要先把标注数据从常见的 LabelImg 输出的 XML 格式转换成 YOLO 的 txt 格式。转换时最容易翻车的是坐标系的变换XML 里是左上角坐标加宽高x_min, y_min, w, hYOLO 要求的是相对坐标即中心点坐标除以图像宽高、宽高除以图像宽高。# 转换公式VOC(x,y,w,h) - YOLO(cx,cy,w,h)均为归一化值 cx (x w / 2) / img_w cy (y h / 2) / img_h nw w / img_w nh h / img_h标注时建立清晰的类别体系比追求数量更重要。海上漂浮物如果分得太细比如「塑料瓶」「塑料袋」「渔网」单独分类类别间特征相近模型很难学到区分度。文档里建议的做法是聚焦主要类别我实际做过对比分「大型漂浮物」「小型漂浮物」「渔网/线状物」三类比细分成八类的 mAP 高出 12%。类别粒度直接影响模型的学习难度这一条在海上场景尤其成立。4.2 训练配置损失函数、优化器与关键超参数YOLOv11 的损失函数由三部分组成分类损失BCE、边界框回归损失CIoU 或 DFL、置信度损失BCE。训练初期分类损失和置信度损失下降很快边界框回归损失下降得慢这是正常现象。如果发现回归损失长时间不降优先检查标注框的宽高有没有出现 0 值或负数。优化器选 SGD 还是 AdamW 的问题我的经验是数据量大超过 2 万张用 SGD 加动量最终精度更高数据量小用 AdamW收敛快且不容易炸。学习率方面初始学习率设为 0.01SGD或 0.001AdamW配合余弦退火调度器前 3 个 epoch 用 warm-up 让学习率从 0.001 线性升到初始值避免模型在一开始就震荡。# 以 Ultralytics YOLOv11 为例的常见训练命令 yolo train modelyolo11s.pt datamarine.yaml epochs150 batch16 imgsz640 device0batch size 在单卡上能开到 16 就不要开 8前提是显存够用。batch size 太小会导致 BatchNorm 的统计量不稳定。imgsz640 是速度和精度的折中如果算力允许训练时用 960 推理时用 640能明显提升小目标召回率。训练到约 200 epoch 后强制开启 Mosaic 增强的同时要等比降低其增强强度因为 Mosaic 会产生大量拼接边界的虚假信息训练后期还开着容易干扰收敛。4.3 评估指标不只盯 mAP还要看 PR 曲线和单类召回评估指标这块文档给出了从精度、召回率到 mAP 的完整评估框架。但海上漂浮物检测有个特殊情况不同类别的漂浮物对漏检和误检的容忍度完全不同。撞上大型浮木的后果远比漏检一个塑料袋严重所以评估时不能只看平均 mAP。# 按单类召回率筛选低绩效类别 for cls in [large_debris, small_debris, net]: ap metrics[cls][ap] recall metrics[cls][recall] if recall 0.6: print(f{cls} 召回率偏低: {recall:.3f}, 需要补充该类别样本)文档中的实验章节提到模型对小尺寸漂浮物的检测效果明显弱于中大型目标这与我在海测中的观察一致。主要原因是小目标在特征图下采样过程中丢失了大量空间信息。优化手段有两个方向一是把输入分辨率从 640 提到 960代价是推理速度下降约 40%二是用 SAHISlicing Aided Hyper Inference切片推理对小目标密集区域单独放大检测这种方法在船载算力足够时比直接提分辨率更划算。5. 避坑指南海上场景 YOLO 落地的五个常见问题与排查方案5.1 小目标漏检严重现象距离 200 米以外的漂浮物几乎检测不到即便目标清晰可见模型的置信度仍然低于 0.3。原因小目标在骨干网络连续下采样到 20×20 特征图时只占据不到几个像素特征几乎被背景淹没。加上海面波浪纹理的干扰模型很难学到有效区分。解决第一步把训练输入分辨率从 640 提到 960同时开启多尺度训练Ultralytics 的 scale 参数设置为 0.5~1.5。第二步针对小目标密集区域做切片推理把图像分成 4 块分别检测再合并结果。第三步在损失函数上做文章给小目标框的回归损失分配更高权重让模型更关注这部分样本。5.2 海面反光和雾气导致误检率飙升现象晴天低角度阳光照射海面大片反光区域被识别为漂浮物雾天则出现大量低置信度框画面杂乱无法使用。原因反光区域的局部纹理和高亮特征与某些漂浮物尤其是白色塑料高度相似。模型学到的不是「漂浮物形状」而是「明亮的非海水区域」。解决数据层面采集时加入不同光照角度和天气条件下的样本增强时对亮度、对比度做更大的随机扰动。算法层面在检测头后加一个形态学先验过滤漂浮物通常有相对固定的长宽比范围反光区域则多为细长条或不规则大片按长宽比和面积过滤掉明显不符合的框。这个方法不增加推理成本效果立竿见影。5.3 类别不平衡导致模型「偏科」现象塑料类小目标检测效果好回收率很高但大型残骸、废弃船体这类目标 recall 不到 0.4。原因海上漂浮物数据中塑料垃圾数量占绝对多数大型残骸本来就少模型在训练时被大量小目标样本带偏对大目标的学习不充分。解决使用欠采样和过采样的组合。对小目标类别进行抽稀对大目标类别做复制增强注意要在不同背景帧上复制重复粘贴会让模型过拟合。另一个更有效的手段是类别加权损失函数把大目标的损失权重提高 1.5 倍。文档的实验结果也验证了不同类别间性能差异显著训练前做类别分布统计是必须的。5.4 训练集验证集划分不当导致指标虚高现象训练时验证集 mAP 达到 0.85模型部署到新海域后表现大幅下滑mAP 跌到 0.5 以下。原因数据划分时没有考虑时空相关性同一个时段、同一片海区拍摄的相似帧被同时分到训练集和验证集模型实际是在「记忆」而不是在「学习」。部署环境与训练环境的域差异被严重低估。解决按拍摄时间和地理位置分组划分数据确保验证集与训练集的样本在空间和时间上完全无交集。另一个更极端的做法是按天划分单数天拍摄的数据进训练集双数天进验证集这样可以最大限度避免光照、海况等时变因素的泄漏。5.5 模型部署到嵌入式设备后速度大幅下降现象GPU 上推理达到 20 FPS 的模型移植到船载 NPU 或边缘设备后掉到 3 FPS无法满足实时预警需求。原因浮点模型直接部署到边缘设备没有做量化模型参数量大NPU 无法有效加速。另外没有利用边缘设备的多线程和批处理能力推理过程被序列化。解决训练完成后先做 PTQ训练后量化或 QAT量化感知训练把权重从 FP32 压缩到 INT8。QAT 在训练中模拟量化噪声精度损失通常控制在 2% 以内。部署时按 NPU 特性做图优化把 BatchNorm 和卷积层融合减少算子数量。6. 从检测框到避碰决策碰撞风险评估算法的具体实现与选型检测模型输出的只是「哪里有漂浮物」但船舶驾驶员真正需要的是「这个漂浮物会不会撞上我」。风险评估模块的作用就是在检测框的基础上叠加运动学信息输出一个可决策的风险等级。文档设计了两种算法工程落地时的思路完全不同。基于概率模型的算法核心是建立碰撞概率函数。输入包括漂浮物的位置、尺寸、相对于船舶的距离和方位角以及船舶的航速、航向。基本计算逻辑是把漂浮物视为一个静态或缓动目标结合船舶的当前轨迹预测未来一段时间内的最近会遇距离DCPA和最近会遇时间TCPA。当 DCPA 小于安全阈值且 TCPA 小于预警阈值时碰撞概率显著上升。def collision_risk_probability(dcpa, tcpa, threshold_d50, threshold_t60): if dcpa threshold_d or tcpa threshold_t: return 0.0 # 距离越近、时间越短风险越高 risk_d max(0.0, 1.0 - dcpa / threshold_d) risk_t max(0.0, 1.0 - tcpa / threshold_t) return 0.6 * risk_d 0.4 * risk_t # 权重可调距离权重高基于模糊逻辑的算法则更适合处理「远/近」「快/慢」「大/小」这类边界模糊的概念。输入先模糊化为语言变量距离近、中、远再通过规则表推理最后去模糊化输出风险等级。它的优势是不需要精确的概率模型专家经验可以直接写进规则表。劣势是规则的制定需要大量试错。文档给出的选择建议是如果已有 AIS 数据和历史碰撞事故数据支撑选概率模型可以定量计算且容易解释如果数据匮乏但船长经验丰富选模糊逻辑把经验转成规则更务实。工程上我一般用模糊逻辑做第一层预警风险等级达到「高」时再用概率模型做精确计算两级漏斗既能过滤误报又能保留定量输出。系统的完整链路是光学相机与雷达数据接入后YOLOv11 模型实对每一帧做目标检测输出目标框与类别随后风险评估模块结合船舶航行状态航速、航向、位置计算 DCPA/TCPA 或模糊风险等级达到预警阈值时在 GUI 界面上叠加显示风险框和避碰建议。实测中检测推理可以做到单帧 30ms 到 50ms风险评估计算本身耗时几乎可以忽略整套系统的实时性瓶颈在检测模型本身。做这类系统的血泪经验是检测模型训练到 mAP0.85 时以为万事大吉结果第一次上船实测就被浪花识别成漂浮物刷屏。从那以后我的流程里强制增加一个环节——先录制 2 小时真实海况视频做离线回放统计误检率和漏检率全部达标后才允许进实时预警链路。希望这个习惯对你也有用。本文还有配套的精品资源点击获取