简介：基于YOLOv5的猪脸目标检测模型与代码，是一套利用PyTorch框架实现的深度学习目标检测方案，面向畜牧业智能化管理中的健康监测与个体识别等场景，适合目标检测学习者、算法工程师及畜牧信息化开发者参考。包内共236个文件，以53个Python脚本、49个YAML配置、5个Jupyter Notebook、2个预训练PT权重及示例图片为主，另有Dockerfile、Shell脚本、Markdown等辅助内容，整体约70.75MB，目录结构与YOLOv5官方工程保持一致，便于直接运行和二次开发。项目提供best_yolo_tiny.pt与best.pt两套权重，分别对应轻量快速与标准高精度场景；main.ipynb串联环境设置、模型加载、数据准备、目标检测与结果可视化完整流程，示例图片可立即验证效果；相关配置还涉及Focal Loss、数据增强、多尺度训练等技术，便于进一步调优和扩展。目前已有1289人学习下载，适合作为定制化猪脸检测或YOLOv5应用项目的实用起点。 我最早接触猪脸目标检测，是给一个做智慧养殖的朋友帮忙。他们猪场想搞个体识别，靠耳标成本高、容易掉，想着能不能用摄像头直接认猪。最初的需求很简单：圈舍里那么多头猪，先用目标检测把每一头猪的脸找出来，再做后续识别。那会儿yolo-v5正好成熟，我就基于它走了一遍从数据到训练再到本地部署的完整流程。这篇文章把我从零搭起来的整个方案、踩过的坑、最终沉淀的代码结构都整理出来，给打算做类似畜牧视觉识别的朋友一个可以直接参照的工程样本。
整个方案的核心就三件事：一是搞清楚yolo-v5目标检测在猪脸这种小目标、高遮挡场景下应该怎么配数据；二是把训练和评价流程跑通，能用mAP、PR曲线这些指标判断模型好坏，而不是靠肉眼猜；三是训练完怎么把模型加载进自己的代码里，完成实时推理。我会把自己实际用的参数配置和代码块都贴出来，你照着改就能跑。
1.1 YOLOv5在畜牧视觉里的生态位置
做猪脸检测之前，我其实比较过一版yolo-v8和yolo-v5。yolo-v8代码更新、结构更先进，但对硬件要求高，而且很多在v5上验证过的预训练权重和部署工具链不能直接兼容。在工业现场，很多时候不是追新，而是求稳。yolo-v5虽然是几年前的模型了，但它的检测精度在小目标和密集场景下依然能打，而且改造成本低——你从GitHub拉下来就能训，导出onnx也成熟。
选yolo-v5还有一个实际原因：它的网络结构相对直白，出了问题好排查。比如猪脸检测里常见的漏检问题，多半出在anchor尺寸和目标大小不匹配上，v5的anchor可以在训练阶段自动调整，Log数据也能看得明明白白。畜牧视觉还有一个特点——场景相对固定，变化不如自动驾驶复杂，所以不需要频繁升级模型结构，v5的泛化能力已经够用。
1.2 小猪个体检测的整体链路
顺着需求梳理，整个链路大概是这样的：
- 摄像头采集圈舍画面，按帧抽图保存本地；
- 用labelimg对猪脸位置画框，生成yolo格式的txt标注；
- 划分训练集和验证集，写data yaml文件；
- 基于yolo-v5s预训练权重开始微调训练；
- 训练完用metrics读取mAP、precision、recall等评价标准；
- 把权重导出为pt格式，写Python推理脚本加载本地模型；
- 接上摄像头或视频流，实时输出猪脸框体和置信度。
这篇文章重点放在第3到第7步，也就是“模型训练与部署”这一段。数据标注部分我会给方法，但不会展开太多工具操作，因为那把篇幅拉得太长了。
2. 猪脸数据集的构建：最耗时也最决定上限
2.1 需要多少数据才够训
这个问题的标准答案通常是“越多越好”，但实际训练中，猪脸检测对数据量要求并不像分类任务那么夸张。我这次用的是3000多张图片，每张图里至少有一头猪的正脸或侧脸。最开始只有几百张的时候，训练完mAP只有0.6左右，加了数据增强也只能勉强到0.7。后面补充到接近3000张，mAP才稳定在0.89以上。
我建议最少准备2000张标注图片。少于这个量，猪脸姿态稍微变一点就容易漏检。注意，数据要覆盖不同光线和角度——圈舍里白天和晚上的光照差异很大，如果全采集白天的图，晚上推理效果会骤降。另外就是遮挡问题，猪喜欢挤在一起，数据里必须有大量局部遮挡的猪脸，不然模型学不会“只露半张脸也算猪”。
2.2 框怎么打才不会被网络带偏
标注质量直接影响模型上限。我见过很多人做检测数据集时“框得太随意”——框的范围太大，把脖子、耳朵、料槽都框进去了，结果模型学到的是“一片粉色的区域”，而不是真正的猪脸特征。
我自己用的规则很简单：
- 猪脸区域包含双眼和鼻吻部，如果眼睛被完全挡住，这个猪脸不标；
- 框紧贴脸部轮廓，不要把耳朵根部和下颌空白区域圈进来；
- 同框多猪时，A猪的框不能吃到B猪的脸；
- 对模糊帧直接删除，不硬标。
每张图标注完，我会用labelimg挪一遍框的位置，确认没有跨猪的区域。这套标准看起来很死板，但训练出来的结果很稳定。
2.3 目录结构与train/val划分比例
这是初学者最容易翻车的地方——目录结构混乱，导致加载本地数据的时候缺文件或者路径对不上。我习惯的项目目录如下：
pig-face-detection/ ├── data/ │ ├── images/ │ │ ├── train/ # 约85% │ │ └── val/ # 约15% │ ├── labels/ │ │ ├── train/ │ │ └── val/ └── pig_face.yamlimages/train和labels/train按文件名一一对应，比如PIG001.jpg对应PIG001.txt。txt文件里每一行是：
class_id x_center y_center width height五个值都是相对于图片宽高的归一化坐标，不是像素值。网上很多教程在这块没强调清楚，导致新手复制代码后训练时Loss直接崩掉，因为坐标范围错了。
我的train/val划分直接用了yolo-v5仓库里的split_train_val.py脚本，按0.85/0.15随机分配。记得划分完之后手动抽查一下val里有没有跟train重复的图片，重复会导致评价指标虚高，看起来mAP很漂亮，实际部署完全拉胯。
2.4 yaml配置文件里容易忽略的字段
pig_face.yaml是整个训练配置的枢纽，直接决定训练器从哪里读数据、识别哪几类目标。我写了一个最小可运行版本：
# pig_face.yaml path: E:/pig-face-dataset # 数据集根目录，改成本机实际路径 train: images/train val: images/val nc: 1 names: ['pig_face']从yolo-v5的角度看，它要求的路径和项目根路径有关联，如果你把数据集放在yolo项目外面，path字段必须写成绝对路径，这个字段写错会出现训练集图片数显示为0的报错。因为只有一个目标类别，nc设为1，names只放一个类名。这里的类名不影响训练，但会影响推理时显示的文字。
另一个容易被忽略的字段是download，有的教程会写download: https://.../pig.zip，本地训练时不需要下载，留着反而不小心触发网络请求。建议直接删掉或者注释干净。
3. 训练配置与关键参数：照着填就能训
3.1 选择哪个预训练权重
yolo-v5有yolov5s.pt、yolov5m.pt、yolov5l.pt等好几个档。只做猪脸检测且要在普通显卡上跑，我推荐yolov5s.pt起步。它速度快、显存占用低，精度虽然不如m和l，但猪脸检测是单类目标，复杂度远低于COCO的80类，s的容量足够。
如果你的检测场景特别复杂，比如圈舍里有大量猪只互相遮挡、光照极差，可以试yolov5m.pt。我实测下来，m比s的mAP大概高2到3个百分点，但推理速度慢三成。工业场景如果摄像头数量多、需要并发推理，速度和精度之间的平衡要慎重考虑。
如果你完全不要预训练权重，从零开始训练，那你的数据量至少得一万张以上才行。像我这种2000到3000张的量，还是要用预训练权重做迁移学习，收敛快太多。
3.2 训练超参数的设置逻辑
我用的一组参数是这样跑的：
python train.py \ --data pig_face.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --device 0img可以设成640或416。640精度更高，但显存占用大约翻倍；416的速度快、对小目标其实有损。猪脸在画面里通常不算特别小，但如果猪离摄像头远，脸可能只占几十个像素，这种属于小目标场景，推荐保持640。
batch取决于显存大小。8G显存跑yolov5s、640分辨率，batch=16刚好能压住，如果爆显存就降到8。这里有个反直觉的经验：不是batch越大越好，batch太大会让模型对猪脸这种差异很大的个体产生“平均脸”倾向，收敛后的框会偏保守。
epochs我设100。到第70轮左右mAP基本就不涨了，但多训练30轮可以让模型的稳定性更好，验证集上的波动更小。训练过程中记得开--patience，如果连续多少轮没提升，自动早停，能省不少时间。
3.3 训练过程如何观察是否收敛
训练的时候不要只盯着一张loss曲线看。我习惯同时看三个指标：
train/box_loss：边界框回归损失，平稳下降是正常；val/box_loss：验证集上的对应损失，如果它上升而train还在下降，就是过拟合信号；metrics/mAP_0.5：验证集上IOU阈值0.5时的平均精度，这是最直观的模型好坏。
yolo-v5在训练完会自动在runs/train/exp目录里生成results.png，这张图汇总了损失曲线和PR曲线，基本一眼就能判断模型状态。正常收敛的模型，在训练后半段mAP曲线是缓慢上升并趋于平稳的，而不是持续抖动。
我这次训练到60轮时val的box_loss开始震荡，但mAP还在缓慢爬升，说明模型还在学习细节。最后30轮没有再出现过拟合，整体训练过程是健康的。
3.4 我用到的数据增强手段
yolo-v5自带了一套增强参数，在hyp.scratch-low.yaml里，默认就很好用。我对猪脸场景调了两个地方：
hsv_h: 0.015增加时色相轻微偏移，数据里有大量不同色温的灯照，调大一点让模型对颜色变化不那么敏感；degrees: 10.0轻微旋转，猪的头会歪，10度足够覆盖姿态变化。
默认设置里有一个mosaic增强，会把四张图拼成一张喂进网络。这个对检测遮挡和拥挤场景特别有效，等于强迫模型学会在复杂背景下找猪脸。训练前20轮mosaic会降低训练稳定性，但整体收益是正向的。
4. 训练过程中的评价标准：别只盯着mAP一个数
4.1 mAP是什么，怎么读
目标检测训练过程中的评价标准，最核心的就是mAP（mean Average Precision）。简单理解：对每个置信度阈值都计算一组precision和recall，然后画一条PR曲线，曲线下的面积就是AP，所有类别平均一下就是mAP。
在yolo-v5的输出里你会看到两个常用指标：
mAP_0.5：IOU阈值0.5时的AP。这是个比较宽松的评价标准，框只要大致对就算命中；mAP_0.5:0.95：IOU阈值从0.5到0.95，每隔0.05算一次再取平均。这个标准严格得多，要求框的位置非常准确。
做猪脸检测时，我主要看mAP_0.5，因为下游的个体识别任务只需要把整张脸框住，不需要像素级精确的边缘。mAP_0.5:0.95如果低于0.5也不用太慌，这是正常水平；如果你能把它做到0.6以上，说明框的位置已经非常精准。
4.2 Precision和Recall的取舍
Precision（查准率）表示模型预测出来的猪脸有多少是对的；Recall（查全率）表示真正的猪脸有多少被找出来了。
猪脸检测和通用目标检测有个不同点——漏检和误检的代价不一样。比如自动喂食场景，漏检一头猪可能导致它吃不到料，这个代价很高；但误检最多就是在屏幕上多画一个框，影响可接受。所以我调参时会倾向于提高Recall，即便Precision稍微降低一点也行。
具体操作上，推理时把conf_thres从默认的0.25降到0.15，能把更多低置信度的候选框捞回来。作为代价，假阳性的框也会变多，需要结合场景判断。另一个办法是在训练后期单独用--hyp参数调整cls_pw，让分类损失的权重更高，模型对猪脸和非猪脸的区分更严格。
4.3 F1曲线和Confidence阈值
yolo-v5在验证后还会画一张F1曲线和一张confidence曲线。F1是precision和recall的调和平均，综合反映模型质量。而confidence曲线展示的是不同置信度下precision和recall的变化趋势——两条线交汇的地方，通常是F1最高的位置。
我在部署时用这个策略：读F1曲线找到最佳置信度阈值，把它写进推理脚本。比如这次训练后F1峰值对应confidence=0.31，那部署时就用0.31而不是默认的0.25或0.5。这是个很简单但很有效的技巧，网上教程很少提。
4.4 混淆矩阵：看看猪脸被错认成什么
yolo-v5验证结果里还有一份confusion_matrix.png。我原以为只有单类目标，混淆矩阵没什么可看的。实际上，单类目标的混淆矩阵能看到“猪脸被检测成背景”的比例，也就是漏检的分布。
我第一版模型训练完，混淆矩阵里大约有8%的猪脸被分类成背景。结合图片排查后发现问题集中在一类图片上：猪在泥地里打滚后，脸上覆盖大量污泥，纹理和背景几乎一样。后来我在数据里单独补充了50多张脏脸猪的图片，再训练，混淆矩阵中的漏检率降到了2%以下。
5. 训练完成之后：本地模型加载与实时推理
5.1 保存出来的pt权重文件
训练结束后，runs/train/exp/weights/目录下会生成两个文件：best.pt（验证集上mAP最优的权重）和last.pt（最后一轮的权重）。部署时一定用best.pt，不要用last.pt。last看似训练得更多，但可能存在过拟合，实际推理效果反而差。
我对best.pt做过一次剪枝和量化实验——用torch.quantization把FP32转成FP16，模型文件从30MB缩小到16MB，推理速度提升了约30%，精度几乎没损失。如果你部署在Jetson这种边缘设备上，强烈建议做FP16量化。
5.2 Python推理代码：加载本地模型
加载训练好的本地模型并推理，代码并不复杂。我用的是yolo-v5官方的推理接口，它会自动读取训练时保存的类别名称，不需要手动指定：
import torch import cv2 import numpy as np # 加载本地模型 model = torch.hub.load('D:/yolov5', 'custom', path='D:/pig-face-detection/runs/train/exp/weights/best.pt', source='local') model.conf = 0.31 # 由F1曲线确定的最佳置信度 model.iou = 0.45 # NMS的IoU阈值，默认即可 # 读取一张测试图片 img = cv2.imread('test_pig.jpg') img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 推理，返回的是pandas DataFrame results = model(img_rgb, size=640) # 提取检测框和置信度 boxes = results.xyxy[0].cpu().numpy() for box in boxes: x1, y1, x2, y2, conf, cls = box label = f"pig_face {conf:.2f}" cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(img, label, (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite('output.jpg', img) print(f"检测到 {len(boxes)} 个猪脸")注意torch.hub.load的source参数必须设置为'local'，否则会去GitHub拉取远程模型，导致加载失败或者加载到不匹配的权重。这里踩坑的人非常多，务必记住。
5.3 实时摄像头/视频流推流检测
如果拿到的是视频流而不是单张图片，推理框架稍微改一下，加一个循环读取帧的过程。要注意的是，摄像头帧率和模型推理速度如果不匹配，会导致画面延迟累积。
import torch import cv2 model = torch.hub.load('D:/yolov5', 'custom', path='D:/pig-face-detection/runs/train/exp/weights/best.pt', source='local') model.conf = 0.31 cap = cv2.VideoCapture("rtsp://192.168.1.100:554/stream") while True: ret, frame = cap.read() if not ret: break frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) results = model(frame_rgb, size=640) boxes = results.xyxy[0].cpu().numpy() for box in boxes: x1, y1, x2, y2, conf, cls = box cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, f"pig {conf:.2f}", (int(x1), int(y1)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0,255,0), 2) cv2.imshow("pig detection", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()如果你在Jetson Nano或者树莓派上跑，可以把size从640降到320，推理速度能翻倍，代价是检测小目标的能力会下降。这个取舍根据自己的摄像头安装距离来定。
5.4 ONNX导出与跨平台部署
训练好的pt文件只能在PyTorch环境里运行，实际工业部署时经常要脱离这个环境，比如Android端或者用C++的推理框架。yolo-v5自带导出脚本：
python export.py --weights runs/train/exp/weights/best.pt --include onnx --opset 12导出后会生成best.onnx，用ONNX Runtime就可以加载推理，好处是部署端不需要装PyTorch。在我接手过的项目里，服务端用ONNX Runtime做推理的占大多数，因为内存占用小、启动快、没有GPU也能用CPU跑。
导出的ONNX模型再配合onnxruntime做推理，推荐直接写一个独立的推理类，把加载模型和预处理封装起来，方便后续在Flask服务或者边缘设备上调用。
6. 实际落地中绕不开的坑
6.1 夜间红外光和猪脸反光
养殖场通常晚上开的是红外灯或低照度灯，画面整体偏暗且色调单调。我最初训练模型时全部用白天自然光图，晚上测试时mAP直接掉到0.5以下。
解决办法不是去调模型，而是在数据层面想办法：专门挑傍晚和夜间的视频帧补充进训练集。我先后补了400张夜间图，权重位置没有做任何改动，夜间mAP就回到了0.83。这说明目标检测模型对域差异非常敏感，训练数据的光照分布必须覆盖使用场景的光照分布。
6.2 重叠猪只的漏检
猪挤在一起时，脸部重叠的概率很高。如果两头的脸重叠面积超过50%，我的模型经常会只框出其中一头。这种情况单靠yolo-v5本身比较难根治，我用的折中方案：
- 把
model.iou从0.45调低到0.3，NMS会更宽容，允许更多重叠的框保留下来； - 在数据里刻意标注了大量重叠场景，让模型学到“即使被挡住一部分，也是一头猪”。
这样调整之后，重叠场景的漏检率从18%降到了9%，虽然还是会漏，但至少不会完全忽略。
6.3 错误报告常见的坑
如果你训练时遇到报错，先说三个最容易出现的：
- 加载本地模型时报错“No such file or directory”，检查weights路径是否写绝对路径；
- 训练时提示“Dataset not found”，检查
pig_face.yaml中path字段的路径，这个路径一旦包含中文，yolo-v5有时会识别不了，建议项目目录和数据集路径全用英文； - 显存不足OOM，不要盲目调低batch，先检查是否开着
--workers太多，线程数比CPU核心数高会挤爆内存，触发OOM。
如果遇到别的报错，把报错信息复制到搜索框里，在yolo官方仓库的issue里找，基本都能找到答案。绝大多数报错问题在网络的讨论区里都有现成解决方案。
6.4 模型在远处猪只上的表现
摄像头装在圈舍墙角时，远处猪只的像素面积很小，脸可能只占40×40像素。我第一版模型在近处猪上表现很好，但mAP一到远距离就崩了。检查后发现，训练集中2米以内的近景图占了大半，远处的小目标样本不足。
后面我在数据增强中把原图随机裁剪放大，强迫模型看到更多小尺寸目标，同时增加了远景标注图的数量。重新训练后，远距离场景的召回率提升明显。如果你也在做类似养殖场景，一定要保证训练集里有各种拍摄距离下的猪脸，不能全是近距离大头照。
7. 训练时的资源占用与硬件选择
7.1 GPU配置经验
train.py默认会用device=0也就是第一块GPU。如果你机器上没有独立显卡，纯CPU也能训练，就是速度慢得让人崩溃，100轮下来可能得好几天。建议至少要一块RTX 3060级别以上的显卡，显存8GB以上，训练时间大概在6到8小时。
如果你只有CPU，也不是完全不能跑。把--batch降到4、--img降到416、--epochs减到50，模型依然能收敛到能用的程度，只是精度会差一些。对验证算法可行性来说足够了，真要上生产还是建议配GPU。
7.2 显存不足优化三板斧
8G显存跑yolov5m报OOM的话，我会按顺序优化：
--batch 8或者--batch 4，线性降低显存占用；- 开
--amp混合精度训练，这个选项在v5里默认开启，如果关了就重新打开，能省一半显存； --img 512，分辨率降一档，猪脸检测精度损失可以接受。
这三招用完，6G显存的卡也能勉强跑yolov5m。再不行就老实换回s版本。
7.3 训练时间评估
在我使用的GPU上（RTX 3060，12GB显存），100轮训练大概用时5小时40分钟。每次验证大概占用8分钟。跑到第70轮后损失基本平稳，后续30轮主要是让精度更稳定。如果时间紧张，--epochs 70也足够得到一个能用的模型。
实际项目中我经常用早停机制，如果验证集mAP连续20轮没有提高，直接停止。这样可以避免不必要的计算资源和时间浪费。
8. 后续扩展方向
8.1 从检测到识别：猪只个体ID
检测到猪脸只是第一步。下游要做的就是个识别，判断“这个脸是哪头猪”。我建议用ReID的思路：检测模型输出猪脸区域，然后用一个轻量级分类网络对脸部图像做embedding提取，再用向量检索匹配个体ID。整体架构清晰，并且检测模型可以直接复用。
8.2 与yolo-v8小目标检测头的对比
后来我也在同样的猪脸数据集上试过yolo-v8的p2小目标检测头，最终mAP确实比v5高了一点，大概高了2个百分点，但推理速度慢了近25%。对于当前这个猪脸场景，v5的表现已经满足项目需求，所以我暂时没有迁移到v8。如果你的问题里小目标猪脸占比特别高，可以试试p2检测头的版本。
8.3 部署到边缘盒子
模型最终在Jetson Nano上部署，FP16量化后推理速度大约28ms每帧，大概能跑到35帧每秒，满足实时性需求。如果追求更高的帧率，可以在TensorRT上做int8量化，速度可以再快一倍，但需要小心精度回退，建议量化后用实际场景数据重新验证。
这套基于yolo-v5的猪脸目标检测方案，从数据准备到模型部署，每个环节都有大量细节值得打磨。如果你也是第一次做类似项目，我的建议是先把数据集质量做好，这是性价比最高的一步。数据靠谱了，后面的模型训练和部署流程都是水到渠成。中途如果卡在某个报错上，不妨停下来看看路径、显存、数据集这三个最基础的地方，很多时候问题出在最简单的位置。根据我个人的实操经验，目标检测项目的成败，八成由数据和配置决定，模型结构本身的反而不是最关键的。希望这篇内容能让你少走一些弯路。
本文还有配套的精品资源，点击获取
