基于YOLOv11的智能宠物检测系统开发实践

1. 项目概述

最近在开发一个智能宠物管理系统时，遇到了一个有趣的挑战：如何准确识别监控画面中的各种宠物。经过多方调研，最终选择了YOLOv11作为基础框架，搭建了一套完整的宠物检测系统。这个项目从环境配置到模型部署，踩了不少坑也积累了不少经验，今天就来分享一下整个实现过程。

YOLOv11作为YOLO系列的最新版本，在保持实时性的同时，对小目标检测有了显著提升。这对于宠物检测特别重要，因为猫咪、仓鼠等小体型宠物经常只占画面的一小部分。我们的系统最终在测试集上达到了92.3%的mAP，推理速度在RTX 3060上能达到45FPS，完全满足实时监控的需求。

2. 环境准备与工具选型

2.1 硬件配置建议

宠物检测对硬件的要求主要取决于应用场景。如果是实时监控系统，建议至少配备：

• GPU：NVIDIA GTX 1660及以上（推荐RTX 3060）
• CPU：Intel i5十代或AMD Ryzen 5 3600及以上
• 内存：16GB及以上
• 存储：至少50GB SSD空间用于数据集和模型存储

注意：如果需要在边缘设备部署，可以考虑NVIDIA Jetson系列或树莓派+Intel神经计算棒的组合，但需要相应调整模型大小和输入分辨率。

2.2 软件环境搭建

我们使用Python 3.8和PyTorch 1.12作为基础环境，具体安装步骤如下：

# 创建conda环境 conda create -n yolov11 python=3.8 conda activate yolov11 # 安装PyTorch pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 # 安装YOLOv11 git clone https://github.com/ultralytics/yolov11 cd yolov11 pip install -r requirements.txt

此外，还需要安装一些辅助工具：

• LabelImg：用于标注宠物数据集
• OpenCV：图像处理
• TensorBoard：训练过程可视化

3. 数据集准备与增强

3.1 宠物数据收集

优质的数据集是模型性能的保证。我们通过以下渠道收集了约15,000张宠物图片：

1. 公开数据集：

   • Oxford-IIIT Pet Dataset（37类宠物，7,349张图）
   • Stanford Dogs Dataset（120种狗，20,580张图）

2. 网络爬取：

   • 使用Bing Image Search API获取特定品种的宠物图片
   • 从宠物论坛和社交平台收集用户上传的照片

3. 实地采集：

   • 在宠物店和动物收容所拍摄
   • 使用监控摄像头录制视频后抽帧

3.2 数据标注技巧

使用LabelImg进行标注时，有几个关键点需要注意：

1. 边界框要紧密贴合宠物轮廓，但不要截断任何身体部位
2. 对于遮挡严重的宠物，只标注可见部分
3. 同一画面中出现多只宠物时，确保每只都有独立标注
4. 类别划分要合理，比如"狗"可以细分为"金毛"、"柯基"等，但不宜过细

标注完成后，将XML格式转换为YOLO格式：

# 示例转换代码 def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = x*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h)

3.3 数据增强策略

针对宠物检测的特点，我们采用了以下增强组合：

# Albumentations增强管道 transform = A.Compose([ A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(p=0.2), A.ShiftScaleRotate(shift_limit=0.05, scale_limit=0.1, rotate_limit=10, p=0.5), A.RandomResizedCrop(height=640, width=640, scale=(0.8, 1.0), ratio=(0.9, 1.1), p=0.5), A.Cutout(num_holes=8, max_h_size=32, max_w_size=32, fill_value=0, p=0.5), ], bbox_params=A.BboxParams(format='yolo'))

特别要注意的是：

1. 避免过度增强导致宠物特征失真
2. 对小宠物适当提高cutout的概率
3. 保持长宽比接近原始图像，避免宠物形状畸变

4. 模型训练与调优

4.1 模型选择与修改

YOLOv11提供了多个预训练模型，我们基于yolov11s进行微调：

1. 修改模型头部的检测层，适配宠物类别数
2. 调整Anchor Box尺寸，匹配宠物常见的宽高比
3. 添加小目标检测层，提升对小宠物的敏感度

模型配置文件主要修改部分：

# yolov11s-pet.yaml nc: 5 # 宠物类别数 depth_multiple: 0.33 width_multiple: 0.50 anchors: - [5,6, 8,14, 15,11] # P3/8 - [10,13, 16,30, 33,23] # P4/16 - [30,61, 62,45, 59,119] # P5/32 backbone: # [...] 保持原有结构 head: # [...] 修改最后一层卷积的filters为(nc+5)*3

4.2 训练参数配置

我们使用以下超参数进行训练：

python train.py --img 640 --batch 32 --epochs 100 --data pet.yaml --cfg yolov11s-pet.yaml --weights yolov11s.pt --name pet_detection

关键参数说明：

• 学习率：采用余弦退火策略，初始3e-4，最小1e-5
• 优化器：AdamW，weight_decay=5e-4
• 损失权重：调整obj_loss权重，降低背景误检
• 早停机制：连续15个epoch验证集mAP不提升则停止

4.3 训练监控与调优

使用TensorBoard监控训练过程：

tensorboard --logdir runs/train

重点关注以下指标：

1. 损失曲线：确保train/val损失同步下降
2. mAP@0.5：主要评估指标
3. 召回率：避免漏检过多小宠物

当出现以下情况时需要调整：

• 过拟合：增加数据增强或添加Dropout层
• 欠拟合：增大模型容量或延长训练时间
• 小目标检测差：添加更多小宠物样本或调整检测层

5. 模型部署与优化

5.1 模型导出与量化

训练完成后，将模型导出为ONNX格式：

python export.py --weights runs/train/pet_detection/weights/best.pt --include onnx --img 640 --simplify

为提升边缘设备推理速度，可以进行INT8量化：

# 量化示例代码 import onnxruntime as ort from onnxruntime.quantization import quantize_dynamic, QuantType quantize_dynamic( "yolov11s-pet.onnx", "yolov11s-pet-int8.onnx", weight_type=QuantType.QInt8, )

5.2 推理代码实现

基于OpenCV的推理流程：

import cv2 import numpy as np class PetDetector: def __init__(self, model_path): self.session = ort.InferenceSession(model_path) self.input_name = self.session.get_inputs()[0].name self.output_names = [output.name for output in self.session.get_outputs()] def detect(self, image): # 预处理 img = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (640, 640)) img = img.transpose(2, 0, 1) img = np.expand_dims(img, axis=0).astype(np.float32) / 255.0 # 推理 outputs = self.session.run(self.output_names, {self.input_name: img}) # 后处理 boxes, scores, classes = self._postprocess(outputs) return boxes, scores, classes def _postprocess(self, outputs): # 实现NMS和非极大值抑制 # [...]

5.3 性能优化技巧

1. 多线程处理：使用生产者-消费者模式并行处理视频流
2. 帧采样：对高帧率视频适当跳帧处理
3. ROI检测：只在运动区域运行完整检测
4. 模型裁剪：移除冗余层，减小模型体积

6. 实际应用与问题排查

6.1 典型应用场景

1. 智能宠物监控：

   • 宠物行为分析（进食、睡觉、活动）
   • 异常行为警报（长时间不动、频繁抓门等）

2. 宠物店管理系统：

   • 自动识别店内宠物种类
   • 统计各区域宠物密度

3. 动物收容所：

   • 自动记录动物活动情况
   • 识别动物间的互动行为

6.2 常见问题与解决方案

1. 小宠物漏检：

   • 增加更多小尺寸样本
   • 调整检测层感受野
   • 提高输入分辨率

2. 相似品种混淆：

   • 增加困难样本
   • 使用更细致的分类
   • 添加注意力机制

3. 遮挡情况处理：

   • 采用更强的数据增强
   • 引入部分标注训练
   • 使用时序信息辅助判断

6.3 效果评估指标

我们在三个测试集上评估了系统性能：

对于实际应用，还需要关注：

• 误报率（非宠物物体被误识别）
• 漏检率（宠物完全未被检测到）
• 品种识别准确率

7. 进阶优化方向

1. 多模态融合：

   • 结合红外图像提升夜间检测
   • 加入声音信号辅助判断

2. 行为识别扩展：

   • 增加LSTM时序建模
   • 识别宠物特定行为模式

3. 轻量化部署：

   • 知识蒸馏训练小模型
   • 神经网络架构搜索

4. 主动学习：

   • 自动筛选困难样本
   • 持续优化模型

在实际部署中，我们发现模型对长毛宠物（如波斯猫、松狮犬）的检测效果稍差，这主要是由于毛发纹理导致特征边界模糊。后续通过增加特定品种的训练样本和调整损失函数，这个问题得到了明显改善。