在无人机空拍图里，把作物和杂草一个个框出来

任务

给一张无人机从空中拍的农田照片，把里面的作物和杂草一个个框出来、分清楚。这是个目标检测问题，难点在于：空拍图里目标很小（尤其幼苗期的杂草），而且作物和杂草长得有点像。

数据用的是公开的 Roboflow「Weed Crop Aerial」数据集，模型选了 YOLO 系列（YOLOv8 / YOLO11）。

最终成绩

最终模型是 YOLO11m + 8 倍几何增强 + TTA（测试时增强），在测试集上：

• mAP@0.5 = 0.853
• Crop AP@0.5 = 0.901

都明显超过了一开始定的 0.80 目标。

但我更想讲走过的弯路

这个项目我做了十几轮迭代（v0 到 v14），成绩不是一蹴而就的，中间踩的坑反而最有价值：

弯路一：以为"多复制点数据"就能涨点。 早期我试过把图片简单翻转、复制来扩充数据集（v6/v7），结果不升反降——因为复制出来的图和原图像素高度相关，YOLO 自己的在线增强本来就覆盖了，等于喂了一堆冗余信息，反而过拟合了。

弯路二：堆更大的模型不一定更好。 换上更大的 YOLO11l（v9），直接过拟合，还不如中等的 11m。

弯路三：花哨的技巧也会翻车。 试过 SAHI 切片推理、WBF 多模型集成这些"听起来很强"的方法，在这个数据集上都没奏效。

真正的突破在几何增强（v10、v12）。 改用仿射变换（旋转、拉伸、缩小）来增强——关键是标注框会随变换矩阵精确地一起更新。这样模型看到的是真正"没见过的新几何视角"，而不是简单复制。泛化能力一下就上来了。

一句话总结这个项目教我的：数据增强的意义，是让模型见到"有效的新变化"，而不是"更多的重复"。 而且标注质量是这一切的前提——框歪了，增强得再花哨也是错的。

还做了个网页 demo

光有指标不够直观，所以我还用 React + Vite 做了个小网页，能把检测结果、各版本的性能曲线、迭代过程展示出来，让"这个模型到底行不行"看得见。

技术栈

模型框架是 Ultralytics（YOLOv8/YOLO11 统一框架），数据分析和可视化用 matplotlib / seaborn / pandas，网页 demo 用 React + Recharts。训练还在 DCU 国产加速卡上踩了一堆环境的坑（torchvision 扩展不兼容、NMS 太慢要改源码……），也算是另一种历练。

一点感想

以前我觉得做模型就是"调参 → 看分数 → 调参"。做完这个项目才更明白：真正涨点的，往往不是某个魔法参数，而是你对数据和问题理解得够不够深。 那些失败的版本不是浪费——它们才是让我想清楚"为什么"的地方。