YOLOv5火焰检测实战：从环境搭建到模型部署全流程详解-开发者社区

简介：目标检测是计算机视觉的核心任务之一，旨在识别图像或视频中的特定物体并定位其位置。其原理通常基于深度学习模型，通过卷积神经网络提取特征，并利用回归或锚框机制预测目标边界。这项技术在安防监控、自动驾驶、工业质检等领域具有重要价值，能够实现自动化、智能化的视觉分析。在众多应用场景中，火焰识别是社区安防和灾害预警的关键需求，它要求模型具备实时性和高准确性。本文聚焦于使用YOLOv5这一流行的目标检测框架，结合一个包含4000张标注图片的火焰数据集，详细阐述了从环境配置、数据准备、模型训练调优到边缘部署的完整工程实践路径，并针对训练中常见的显存不足、过拟合等问题提供了解决方案。

1. 项目缘起：为什么选择YOLOv5来做火焰识别？

最近在做一个社区安防相关的项目，其中一个核心需求就是实现对监控画面中火焰的实时、自动识别与报警。市面上关于火焰检测的方案不少，从传统的基于颜色和纹理特征的方法，到各种深度学习模型都有尝试。但经过一番对比和实测，我最终还是决定用YOLOv5来落地。原因很简单：它够快、够准，而且生态成熟，从数据准备到模型部署，整个流程都有清晰的路径可循，特别适合我们这种需要快速验证和上线的场景。

你可能也搜过“yolov5安装步骤”、“yolov5训练自己的数据集”这些关键词，这说明大家普遍卡在入门和实操这一步。网上的教程很多，但要么过于简略，要么环境复杂容易报错。我这次的项目，从头到尾跑通了整个流程，并且整理了一个包含4000张标注好的火焰数据集。这篇文章，我就把自己从环境搭建、数据准备、模型训练、调优到最终测试的完整过程，以及中间踩过的各种坑和解决方案，毫无保留地分享出来。无论你是刚接触目标检测的新手，还是想找一个可靠的火焰识别方案，相信这篇内容都能给你提供一条清晰的“抄作业”路径。

2. 环境搭建与YOLOv5项目初始化

万事开头难，一个稳定、兼容的环境是后续所有工作的基础。很多人卡在第一步，就是因为环境依赖没处理好。

2.1 创建独立的Python虚拟环境

我强烈建议你使用conda或venv创建一个独立的Python环境。这能避免与系统或其他项目的包版本冲突，是保持环境纯净的最佳实践。我使用的是Python 3.8，这是一个在深度学习领域兼容性非常广的版本。

# 使用conda创建环境（推荐） conda create -n yolov5_fire python=3.8 conda activate yolov5_fire # 或者使用venv python -m venv yolov5_fire_env source yolov5_fire_env/bin/activate # Linux/Mac # yolov5_fire_env\Scripts\activate # Windows

2.2 克隆YOLOv5官方仓库并安装依赖

YOLOv5的官方代码托管在GitHub上，更新活跃，社区支持好。我们直接克隆最新版本。

git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt

这里有个关键点：requirements.txt里包含的torch和torchvision通常是CPU版本。如果你有NVIDIA GPU并希望使用CUDA加速训练，需要根据你的CUDA版本重新安装PyTorch。可以去PyTorch官网使用对应的命令安装。例如，对于CUDA 11.3：

pip uninstall torch torchvision # 先卸载CPU版本 pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

安装完成后，强烈建议运行一个快速验证脚本，确保核心功能正常：

python detect.py --weights yolov5s.pt --source data/images/bus.jpg

如果一切顺利，你会在runs/detect/exp目录下看到一张带有检测框的巴士图片。这证明你的YOLOv5环境基本没问题了。

注意：网络问题可能导致git clone或pip install失败。如果遇到，可以尝试使用国内镜像源（如清华源、阿里云源）来加速 pip 安装。对于git clone，有时需要多试几次或使用代理（此处不展开讨论网络工具）。

3. 火焰数据集的准备与处理

模型训练，七分靠数据，三分靠调参。一个高质量的数据集是模型性能的天花板。我使用的这个4000张火焰数据集，是我从多个公开数据集（如野外火灾、建筑火灾视频）中精心筛选、整理并重新标注的。

3.1 数据集的结构与格式

YOLOv5要求的数据集格式是特定的。你需要将数据集组织成如下结构：

fire_dataset/ ├── images/ │ ├── train/ # 训练集图片，例如 3200张 │ └── val/ # 验证集图片，例如 800张 └── labels/ ├── train/ # 训练集标签文件，与图片一一对应 └── val/ # 验证集标签文件

关键点在于标签文件。YOLO格式的标签是一个.txt文件，与图片同名，每一行代表图片中的一个目标物体，格式为：class_id x_center y_center width height

class_id: 类别索引，从0开始。对于我们单类别的火焰检测，这里就是0。
x_center, y_center, width, height: 边界框的中心点坐标和宽高，这些值都是归一化后的，即相对于图片宽度和高度的比例，范围在0到1之间。

例如，一张图片fire_001.jpg的标签文件fire_001.txt内容可能是：0 0.5 0.5 0.3 0.4这表示图片正中央有一个物体，其宽度占图宽的30%，高度占图高的40%。

3.2 数据标注工具与技巧

如果你需要从头标注自己的数据，推荐使用LabelImg或Roboflow。LabelImg是本地开源工具，Roboflow是在线平台，功能更强大，支持团队协作和自动预处理。

在标注火焰时，有几个经验性的技巧：

框要尽可能紧贴火焰边缘，但不要包含过多无关的烟雾或发光区域，除非你的需求就是检测“火情区域”。
对于摇曳、不规则的火焰，用矩形框将其主体部分框住即可，不必追求完美贴合每一个火苗。
注意小目标：远处的火焰可能只有几个像素点，对于安防场景很重要，不要遗漏。可以适当放大图片进行标注。
数据平衡：确保你的数据集中包含不同场景（室内、室外、白天、夜晚）、不同大小、不同形态的火焰。我的4000张数据集中，就包含了森林火、房屋火、篝火、蜡烛火等多种类型。

3.3 创建数据集配置文件

为了让YOLOv5知道你的数据集在哪里、有哪些类别，你需要创建一个数据集配置文件，通常是一个.yaml文件。我在项目根目录下创建了fire_data.yaml：

# fire_data.yaml path: ../fire_dataset # 数据集的根目录 train: images/train # 训练集路径，相对于 path val: images/val # 验证集路径，相对于 path # 类别数量 nc: 1 # 类别名称列表 names: ['fire'] # 可选：下载地址/说明 # download: https://your-dataset-url.com

这个文件是连接你的数据和训练脚本的桥梁，非常重要。路径一定要写对，否则训练时会报“找不到图片”的错误。

4. 模型训练：从零开始教会YOLOv5认识火焰

有了数据和环境，我们就可以开始训练了。这是最核心也最耗时的步骤。

4.1 选择预训练模型与超参数解析

YOLOv5提供了从轻量到重量的多个模型：yolov5n(纳米),yolov5s(小),yolov5m(中),yolov5l(大),yolov5x(特大)。模型越大，精度通常越高，但速度越慢，需要的显存也越多。

对于火焰检测这种相对单一的类别，并且考虑到部署可能是在算力有限的设备（如边缘计算盒子NVIDIA Jetson、瑞芯微RK3568/RV1106等）上，我选择了yolov5s.pt作为预训练模型。它是在COCO这个大而全的数据集上预训练的，已经学会了识别通用物体的特征，我们通过“微调”让它专门化到火焰识别上，可以大大加快训练速度，提升小数据集上的性能。

启动训练的命令如下：

python train.py \ --img 640 \ # 训练图片尺寸，必须是32的倍数 --batch 16 \ # 批次大小，根据你的GPU显存调整 --epochs 100 \ # 训练轮数 --data fire_data.yaml \ # 上一步创建的数据集配置文件 --weights yolov5s.pt \ # 预训练权重 --device 0 \ # 使用GPU 0，如果是CPU则用 --device cpu --name fire_detection_v1 \ # 本次实验的名称 --cache # 使用缓存加速数据加载（需要足够的内存）

这里解释几个关键超参数，也是大家搜“yolov5超参数”时关心的：

--img 640: 输入图片会被缩放到640x640。更大的尺寸（如1280）可能提升对小火焰的检测能力，但会显著增加计算量和显存消耗，需要同步调整--batch大小。
--batch 16: 一次迭代送入模型的图片数量。越大训练越稳定，越快，但需要更多显存。如果出现“CUDA out of memory”错误，就减小这个值（如8或4）。
--epochs 100: 整个数据集被遍历的次数。对于我们的4000张图，100个epoch通常是一个合理的起点。可以通过观察验证集损失是否不再下降来判断是否早停。
--cache: 将图片缓存到内存或磁盘，可以极大加速训练，尤其是当你的图片存储在慢速硬盘上时。首次训练会慢一点，因为要创建缓存，后续epoch会快很多。

4.2 训练过程监控与指标解读

训练开始后，控制台会输出日志，同时会在runs/train/fire_detection_v1目录下生成大量有用的文件和可视化结果。你需要重点关注以下几个：

results.csv和results.png: 这是训练过程的“仪表盘”。results.png是一张综合图表，包含：
- 损失曲线（Box, Objectness, Classification）：训练损失和验证损失都应随着epoch增加而下降并趋于平缓。如果验证损失上升，可能是过拟合了。
- 精度指标（Precision, Recall, mAP@0.5, mAP@0.5:0.95）：
  - Precision（精确率）：模型预测为火焰的框中，有多少是真正的火焰。越高越好，表示误报少。
  - Recall（召回率）：所有真实的火焰框中，有多少被模型找出来了。越高越好，表示漏报少。
  - mAP@0.5：在IoU（交并比）阈值为0.5时的平均精度，是衡量检测性能的核心指标。对于火焰检测，我们通常更关注高召回率（不漏报），所以这个值达到0.85以上就算不错。
  - mAP@0.5:0.95：在不同IoU阈值下的平均mAP，更严格。
confusion_matrix.png: 混淆矩阵。对于我们单类别任务，主要看背景被误判为火焰（False Positive）和火焰被漏判（False Negative）的比例。理想情况是左上角（True Positive）数值最大，其他格子都是0。
val_batchX_labels.jpg和val_batchX_pred.jpg: 随机抽取的验证集批次图片，分别显示了真实的标签框和模型的预测框。这是最直观的检查方式，可以立刻看出模型在哪些图片上表现好，哪些图片上漏检或误检。

4.3 训练中遇到的典型问题与解决策略

第一次训练很少能一帆风顺，下面是我遇到并解决的几个典型问题：

问题一：显存不足（CUDA out of memory）这是最常见的问题。除了降低--batch-size，还可以尝试：

使用更小的模型，如yolov5n.pt。
减小--img尺寸，如从640降到416。
使用--workers 0关闭多进程数据加载，有时能省点显存。
确保没有其他程序占用GPU。

问题二：损失不下降或波动很大

检查数据：首先用python train.py --data fire_data.yaml --weights yolov5s.pt --epochs 1快速跑一个epoch，看看数据加载是否正常，标签格式是否正确。查看生成的train_batch0.jpg，确认标注框是否在正确的位置。
学习率问题：YOLOv5有自动调整学习率的功能。但如果损失一直很高，可以尝试在命令中显式指定一个更小的初始学习率--lr 0.001（默认是0.01）。
数据太简单或太复杂：如果数据质量极好且单一，模型可能很快收敛；如果数据非常复杂、模糊，损失下降会慢。耐心增加epoch数。

问题三：验证集mAP很低，但训练集损失正常这是典型的过拟合。模型“死记硬背”了训练集，但没学会泛化。

增加数据多样性：这是根本方法。使用数据增强。
使用更强的数据增强：YOLOv5默认开启了Mosaic、MixUp等增强。你可以在data/hyps/hyp.scratch-low.yaml等超参数文件中调整增强强度，或直接在命令中加--hyp指定。
加入正则化：尝试减小模型，或增加--weight-decay参数（如从默认的0.0005增加到0.001）。
早停：监控验证集mAP，如果连续多个epoch不再提升，就停止训练。

5. 模型评估、优化与测试

训练完成后，我们得到了一个模型权重文件，通常保存在runs/train/fire_detection_v1/weights/目录下，其中best.pt是在验证集上表现最好的权重，last.pt是最后一个epoch的权重。我们使用best.pt进行后续操作。

5.1 模型性能的定量评估

使用专门的评估脚本，在验证集上获得更详细的指标：

python val.py \ --weights runs/train/fire_detection_v1/weights/best.pt \ --data fire_data.yaml \ --img 640 \ --batch 32 \ --task val \ --name fire_eval_v1

运行后，它会输出一个包含各类别AP（平均精度）的表格，以及最终的mAP值。同时，在runs/val/fire_eval_v1目录下，会生成预测结果的可视化图片，方便你逐一检查模型在验证集上的表现。

5.2 模型优化与剪枝尝试（可选）

如果你的模型是为了部署到资源受限的边缘设备（如RK3568、RV1106），可能会考虑模型优化。常见方法有：

模型剪枝：移除网络中不重要的连接或通道，减小模型大小和计算量。有专门的剪枝工具，但需要谨慎操作，因为会损失精度。
量化：将模型参数从32位浮点数转换为8位整数，可以大幅减少模型体积和加速推理。PyTorch提供了量化工具。
转换为ONNX等中间格式：便于在不同推理引擎（如TensorRT, OpenVINO, NCNN）上部署。

对于YOLOv5，官方支持一键导出为ONNX格式：

python export.py \ --weights runs/train/fire_detection_v1/weights/best.pt \ --img 640 \ --batch 1 \ --include onnx \ --simplify # 简化ONNX模型

注意：优化和转换是一个专业领域，可能会引入精度损失和兼容性问题。建议先在PC上对优化后的模型进行严格测试，再部署到边缘设备。

5.3 使用模型进行推理测试

这是最有成就感的环节——用你训练的模型去检测新的图片或视频。YOLOv5的detect.py脚本非常强大：

检测单张图片：

python detect.py \ --weights runs/train/fire_detection_v1/weights/best.pt \ --source path/to/your/test_image.jpg \ --conf 0.25 \ # 置信度阈值，高于此值才显示 --save-txt # 保存检测结果的标签文件

结果会保存在runs/detect/exp下。

检测视频文件：

python detect.py \ --weights runs/train/fire_detection_v1/weights/best.pt \ --source path/to/your/test_video.mp4 \ --conf 0.3

使用摄像头实时检测：

python detect.py \ --weights runs/train/fire_detection_v1/weights/best.pt \ --source 0 \ # 0代表默认摄像头 --conf 0.4

在测试时，你需要根据实际场景调整--conf置信度阈值。在安防场景下，为了减少漏报，可以适当调低（如0.2），但会引入更多误报（如将夕阳、红色灯光误认为火焰）。反之，为了减少误报，可以调高（如0.5）。这是一个需要权衡的参数。

6. 实战中的挑战与解决方案

在实际部署和测试中，纯粹的模型精度指标还不够，我们会遇到许多在干净数据集上遇不到的问题。

6.1 复杂场景下的误报与漏报

火焰检测最大的挑战在于区分真正的火焰和类似火焰的干扰物。以下是我遇到的一些典型误报场景及应对思路：

红色/橙色物体：如红色衣服、夕阳、车尾灯。
- 解决方案：在数据集中加入大量此类“负样本”（即没有火焰但包含干扰物的图片），并确保它们被正确标注为“无目标”。模型在学习过程中会逐渐学会区分火焰的纹理、动态特征和静态颜色块。
- 技术增强：可以尝试在模型输入端，除了RGB三通道外，是否可以利用HSV颜色空间中对火焰更敏感的通道（如饱和度S、明度V）进行辅助，但这需要对模型结构或输入预处理进行修改，复杂度较高。更实用的方法是在后处理阶段，结合火焰区域的闪烁频率（如果处理的是视频）进行过滤。
小目标火焰漏检：远处的火焰在画面中可能只有10x10像素。
- 解决方案：这是目标检测的通用难题。可以尝试：
  - 使用更大的输入分辨率--img 1280进行训练和推理，但这会牺牲速度。
  - 使用专门针对小目标优化过的模型变体，或者修改YOLOv5的锚框（Anchor）参数，使其更适配小目标。
  - 在数据标注时，对小目标进行更精细的标注，并确保训练集中小目标样本充足。
火焰被部分遮挡：例如被烟雾、物体遮挡。
- 解决方案：数据增强！在训练时，使用YOLOv5自带的遮挡增强（如随机擦除、Mosaic拼接时可能产生自然遮挡），让模型学会从局部特征推断火焰。

6.2 模型轻量化与边缘部署考量

搜索热词中出现了“rv1106搭建yolov5模型”、“yolov5在rk3568上”，这说明边缘部署需求旺盛。将YOLOv5部署到这些算力有限的嵌入式芯片上，需要额外的步骤：

模型转换：通常需要将PyTorch模型先转为ONNX，再通过芯片厂商提供的工具链（如RKNN Toolkit for瑞芯微芯片，NNIE for海思芯片）转换为专属格式。
精度验证：转换过程可能引入量化误差，必须在转换后，在目标平台上用测试集重新评估精度，确保损失在可接受范围内。
性能调优：调整输入分辨率、模型精度（FP16/INT8）、推理框架的线程数等参数，在速度和精度间找到最佳平衡点。

一个实用的建议：在PC端训练时，就使用目标平台计划采用的输入分辨率（如320x320或416x416）进行训练，这样能避免因分辨率缩放带来的性能差异。

6.3 构建持续迭代的数据闭环

模型上线不是终点。在实际应用中，你会收集到大量模型判断错误（漏报、误报）的案例。这些案例是提升模型性能的“金矿”。

建立一个简单的流程：定期（如每周）从线上系统导出这些困难样本，经过人工复核确认后，加入到你的训练数据集中。然后用扩充后的数据集重新训练模型（可以基于之前的best.pt进行微调）。这样迭代2-3个周期后，模型在特定场景下的性能会有显著提升。这就是AI工程中常说的“数据闭环”，是让模型真正落地、产生价值的核心。

7. 项目总结与扩展思考

回顾整个“使用YOLOv5实现火焰识别”的项目，从环境搭建到模型部署，其实是一个标准的深度学习目标检测应用流程。通过这个具体的项目，你掌握的不仅仅是一个火焰检测模型，更是一套解决类似视觉检测问题的方法论。

我个人的体会是，数据质量决定上限，模型调优决定下限，而工程化能力决定它能否真正用起来。4000张数据集是一个不错的起点，但要想达到商用级的可靠度，可能还需要在数据的多样性、困难样本的覆盖上继续投入。YOLOv5s模型在NVIDIA Tesla T4上可以轻松达到100+FPS的推理速度，这为实时视频流分析提供了可能。

这个项目还可以向多个方向扩展：