猪行为识别实战：1272张图YOLOv5训练与92.6%准确率复现

简介：这份猪行为识别数据集面向智慧养殖、动物行为分析与计算机视觉方向的研究者及开发者，可用于猪圈场景下的目标检测模型训练与行为分类实验。数据集覆盖喝、吃、睡觉、站立等典型行为类别，平均正确识别率约92.6%，适合作为YOLO系列检测模型的训练与验证素材，也可用于课程设计、毕业项目或养殖场智能化监测方案的原型验证。资源包共2000个文件，包含1272个txt标注文件、727张jpg图像以及1个yaml配置文件，压缩包约85.86MB，其中txt与yaml可直接对接YOLOv5的PyTorch训练流程，jpg为对应实拍帧图像，目录组织便于按类别检索与划分训练集。目前已有314人学习下载，可作为行为识别任务中数据准备与模型调参的参考起点，帮助读者快速搭建可复现的检测基线并评估各类行为的识别效果。

1. 猪圈里的猪行为识别：1272 张图、92.6% 准确率背后的真实门槛

猪的行为识别这件事，真正做过的人都知道，难点从来不在模型选型，而在数据。猪圈环境光照不均、猪只互相遮挡、躺卧姿态高度相似，一个「睡觉」和「站立低头」的边界样本，能让标注员吵上十分钟。这份数据集给出的数字是 1272 张图片、支持 yolov5 的 pytorch 格式标注、平均正确识别率 92.6%，覆盖喝、吃、睡觉、站立等核心行为。对做智慧养殖、动物福利监测、边缘端猪舍巡检的团队来说，这是一条能直接落地的起点，而不是一份只能看的论文附件。它适合两类人：一类是手里有猪舍摄像头、想把行为统计跑起来的工程团队；另一类是想拿一个真实场景数据集练 yolov5 全流程的算法同学。接下来我按「数据长什么样 → 怎么转成 yolov5 能吃的格式 → 怎么训练和调参 → 坑在哪」这条线讲透。

2. 拆开这份猪行为数据集：类别定义、标注格式与选型理由

2.1 四类行为的边界怎么划，为什么 92.6% 不是随便报的

行为识别数据集最怕的就是类别定义含糊。喝、吃、睡觉、站立这四个类，看起来直白，实际标注时全是灰区。喝和吃都发生在料槽水槽附近，猪头朝下，区别只在接触的是饮水器还是料槽；睡觉和站立之间还有「趴卧但抬头」这种中间态。一份能跑到 92.6% 的数据集，说明它的标注规范里对这些边界做了明确约定，否则模型学到的就是噪声。

我一般拿到这类数据集，第一件事不是急着训练，而是先统计每个类别的实例数和分布。1272 张图如果四类均衡，每类大概 300 张上下；如果某类只有几十张，那 92.6% 的均值就会被大类拉高，小类实际召回可能很难看。所以第一步永远是看分布，而不是看那个总准确率。

import os from collections import Counter # 假设标注是 yolov5 的 txt 格式，每行: class x_center y_center w h label_dir = "labels/train" counter = Counter() for f in os.listdir(label_dir): if not f.endswith(".txt"): continue with open(os.path.join(label_dir, f)) as fp: for line in fp: cls = int(line.split()[0]) counter[cls] += 1 # 类别映射按数据集说明填，这里假设 0=喝 1=吃 2=睡觉 3=站立 names = {0: "drink", 1: "eat", 2: "sleep", 3: "stand"} for k in sorted(counter): print(names.get(k, k), counter[k])

这段脚本的作用是把每个类别的实例总数打出来。参数上只需要改label_dir指向你的标注目录，names按数据集实际类别顺序填。跑完你会得到一张分布表，如果发现某类实例数低于总数的 10%，训练时就要考虑过采样或者调类别权重，否则 92.6% 这个数字在你自己的场景里复现不出来。

2.2 为什么是 yolov5 的 pytorch 格式，而不是 COCO 或 VOC

数据集标注成 yolov5 格式，本质是每张图对应一个同名 txt，每行五个值：类别索引加归一化的中心点坐标和宽高。这个格式的好处是轻，解析快，直接喂给 yolov5 的 dataloader 不用转换。相比之下 VOC 是 XML、COCO 是单个大 JSON，训练前都得写转换脚本。

选 yolov5 而不是更新的版本，对这份数据集来说是务实的选择。yolov5 的工程成熟度最高，从训练到导出 ONNX、再到树莓派或 Jetson 部署，整条链路文档最全，踩坑最少。行为识别这种任务对实时性要求高、对极致精度要求没那么极端，yolov5s 或 yolov5m 就够用。如果你非要用 yolov8，格式基本兼容，改一下训练命令即可，但没必要为了新而新。

2.3 目录结构怎么摆，data.yaml 怎么写

yolov5 对目录结构有约定，摆错了训练直接报找不到图片。常见做法是 images 和 labels 分开，各自再分 train 和 val，且图片和标注文件名必须一一对应。

# 推荐目录结构 pig_behavior/ ├── images/ │ ├── train/ # 约 1000 张 │ └── val/ # 约 272 张 └── labels/ ├── train/ └── val/

对应的 data.yaml 只需要四行核心内容：

path: ./pig_behavior train: images/train val: images/val nc: 4 names: ["drink", "eat", "sleep", "stand"]

nc是类别数，names的顺序必须和标注里的类别索引严格对应，错一位整个训练就废了。path用相对路径时，训练命令要在项目根目录执行，否则 yolov5 解析路径会翻车。这一步看着简单，但它是新手最容易栽的地方，我见过太多人因为 names 顺序写反，训完发现「喝」全被识别成「吃」。

3. 从零跑通 yolov5 训练：环境、命令与关键参数

3.1 pytorch 环境搭建：conda 建环境到验证 GPU

训练前先把 pytorch 环境搭干净。行为识别数据集不大，但 yolov5 训练还是要 GPU 才现实，CPU 跑 1272 张图会慢到怀疑人生。用 conda 隔离环境是标准做法，避免和系统里的其他 pytorch 版本打架。

# 创建独立环境，python 版本选 3.9 兼容性最好 conda create -n pigyolo python=3.9 -y conda activate pigyolo # 安装 pytorch，cuda 版本按你显卡驱动选，这里以 cu118 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 验证 GPU 是否可用 python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

torch.cuda.is_available()返回 True 才算环境通了。如果返回 False，先查显卡驱动版本和 cuda 版本是否匹配，再查是不是装成了 CPU 版。这一步不通，后面训练会默认落到 CPU，速度差几十倍。装完 pytorch 再拉 yolov5 代码和依赖：

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

依赖里包含 opencv、matplotlib、tqdm 这些，装完可以用python detect.py --source data/images跑一张官方示例图，确认推理链路没问题再上自己的数据。

3.2 训练命令与超参数：batch、imgsz、epochs 怎么定

环境通了就可以开训。yolov5 的训练入口是 train.py，核心参数就那么几个，但每个都影响结果。

python train.py \ --data ./pig_behavior/data.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --device 0 \ --project runs/train \ --name pig_exp1

--weights yolov5s.pt用预训练权重，这是小数据集能跑出好结果的关键，从零训 1272 张图基本学不出东西。--img 640是输入分辨率，猪圈场景里猪只占画面比例不小，640 够用；如果远距离小目标多，可以提到 1280，但显存和速度要权衡。--batch 16在 8G 显存上比较稳，显存不够就降到 8。--epochs 100对这个小数据集偏多，实际看验证集 mAP 曲线，通常 50 到 80 轮就收敛了，再训就是过拟合。

训练过程中重点盯三个指标：box_loss、cls_loss 和验证集的 mAP@0.5。box_loss 管定位准不准，cls_loss 管分类对不对。如果 cls_loss 一直不降，多半是类别定义有歧义或者标注有错；如果验证 mAP 早早到顶然后开始掉，就是过拟合，该早停或者加数据增强。

3.3 数据增强与超参数：小数据集的后悔药

1272 张图属于小数据集，数据增强是必须开的后悔药。yolov5 默认开了 mosaic、随机缩放、随机翻转，这些对猪行为识别都友好，因为猪在画面里的位置和朝向本来就随机。但有两个增强要小心：上下翻转（flipud）会让猪四脚朝天，现实中不存在，建议关掉；HSV 色调增强幅度别太大，猪圈光照偏暖，色偏太狠会让模型学歪。

# 在 hyp 配置里调整，或命令行覆盖 python train.py --data ./pig_behavior/data.yaml --weights yolov5s.pt \ --flipud 0.0 --fliplr 0.5 --hsv_h 0.015 --hsv_s 0.7 --hsv_v 0.4

--flipud 0.0关掉上下翻转，--fliplr 0.5保留左右翻转，--hsv_h 0.015控制色调抖动幅度。这些值不是玄学，是 yolov5 官方在小数据集上验证过的默认区间，照抄基本不会错。如果你的猪舍是固定机位、光照稳定，还可以把 hsv 再调小，让模型更专注形状特征。

4. 训练结果怎么读：mAP、混淆矩阵与 92.6% 的复现条件

4.1 看懂 results.csv 和混淆矩阵

训练完 yolov5 会在 runs/train/pig_exp1 下生成一堆文件，最有价值的是 results.csv 和 confusion_matrix.png。results.csv 每行一个 epoch，记录了训练和验证的各项损失与 mAP。你要找的是验证 mAP@0.5 的最高点出现在第几轮，以及那一轮的精确率和召回率。

混淆矩阵更直观，它告诉你哪两类最容易混。猪行为识别里，喝和吃混、睡觉和站立混是高频问题。如果混淆矩阵显示喝和吃互相误判严重，说明这两类的视觉特征在数据里区分度不够，要么补数据，要么在标注规范里把「是否接触料槽」作为硬性判据重新过一遍标注。

import pandas as pd df = pd.read_csv("runs/train/pig_exp1/results.csv") df.columns = [c.strip() for c in df.columns] # 找验证 mAP 最高的 epoch best = df.loc[df["metrics/mAP_0.5"].idxmax()] print("best epoch:", best["epoch"]) print("mAP@0.5:", best["metrics/mAP_0.5"]) print("precision:", best["metrics/precision"]) print("recall:", best["metrics/recall"])

这段代码读训练日志，定位最佳轮次。参数上注意列名可能带空格，先 strip 一下。跑完你会知道 92.6% 是在哪个轮次、什么精确率召回率组合下达到的。如果精确率高召回率低，说明模型保守，漏检多；反过来则是误检多。行为统计场景通常更怕漏检，所以召回率要优先保。

4.2 92.6% 在什么条件下成立

这个数字不是无条件成立的。它依赖几个前提：验证集和训练集同分布、光照条件接近、猪只密度适中、没有严重遮挡。如果你把模型直接搬到另一个猪舍，光照、摄像头角度、猪的品种都变了，准确率掉到 70% 多很正常。这不是模型不行，是域偏移。

所以复现这个数字的正确姿势是：先用数据集自带的划分跑一遍，确认能到 90% 以上，证明你的训练流程没问题；然后再用自己的数据做微调。微调时学习率要调小，通常设成初始训练的十分之一，训 20 到 30 轮就够，让模型适应新场景而不是把旧知识忘光。

5. 避坑与排查：猪行为识别训练里最常见的 5 个翻车点

5.1 现象：训练 loss 正常但 mAP 一直是 0

原因通常是 data.yaml 里的 names 顺序和标注类别索引对不上，或者 val 路径下没有图片。yolov5 不会报错，只会默默算不出正确结果。解决方法是先跑一遍python train.py前的数据检查，用第 2 章的统计脚本确认每个类别都有实例，再核对 names 顺序。另一个可能是标注文件里坐标没归一化，值大于 1，这种情况 loss 会异常大。

5.2 现象：显存爆了，报 CUDA out of memory

原因一般是 batch 太大或 imgsz 太高。1272 张图用 yolov5s、img 640、batch 16 在 8G 显存上通常没问题，但如果换成 yolov5l 或者 img 1280，就会爆。解决办法是先把 batch 降到 8 或 4，再考虑降 imgsz。也可以用--batch -1让 yolov5 自动找最大 batch，但自动模式有时会偏保守。

5.3 现象：喝和吃总是互相误判

这是类别定义问题，不是模型问题。猪低头接触水槽和接触料槽在低分辨率下几乎一样。解决办法有两个：一是提高输入分辨率到 960 或 1280，让水槽料槽的细节可见；二是在标注阶段引入上下文，比如把水槽料槽区域也标出来作为辅助信息。如果数据已经标好改不了，就在推理后处理里加规则，结合猪只位置和固定水槽区域做二次判断。

5.4 现象：验证集准确率很高，实际部署一塌糊涂

典型的过拟合加域偏移。验证集和训练集来自同一批视频，分布太近，模型记住了背景而不是行为。解决办法是划分验证集时按时间段或按摄像头分，不要随机抽帧，让验证集真正代表新场景。部署前一定要用完全没参与训练的新视频测一遍，这个数字才有参考价值。

5.5 现象：推理速度慢，达不到实时

原因可能是用了大模型或者没导出优化格式。yolov5s 在 GPU 上跑 640 分辨率能到几百 FPS，但如果部署在树莓派或 Jetson 上，要导出成 ONNX 或 TensorRT。树莓派 5 上跑 yolov5s 的 ONNX 大概能到几 FPS，够做低频行为采样，但别指望高帧率实时。解决办法是根据硬件选模型，边缘端优先 yolov5n 或 yolov5s，并开启半精度推理。

6. 把模型用起来：微调技巧与行为统计的落地方式

训练出模型只是第一步，真正产生价值的是把逐帧检测变成行为统计。我一般会在推理后加一层时序逻辑：单帧检测到「吃」不算数，连续 15 帧里超过 10 帧是「吃」才记一次进食行为。这样能过滤掉猪只走动时的瞬时误判，统计曲线会干净很多。

from collections import deque # 简易时序平滑：滑动窗口投票 window = deque(maxlen=15) def smooth_behavior(frame_cls): window.append(frame_cls) if len(window) < 15: return None # 返回窗口内出现次数最多的类别 return max(set(window), key=window.count)

这段逻辑很朴素但极其有效。maxlen=15对应大约半秒到一秒的窗口，按你的摄像头帧率调。参数上，窗口太短过滤不掉抖动，太长会漏掉快速行为切换。猪的进食饮水通常持续几秒到几十秒，15 帧窗口是安全的起点。

微调自己的数据时，我的习惯是冻结 backbone 先训 10 轮，让检测头适应新类别分布，再解冻全部训 20 轮。学习率用 0.001 起步，配合余弦退火。这样既不会破坏预训练学到的通用特征，又能让模型贴合新猪舍。最后提醒一句，行为识别模型的寿命有限，猪会长大、栏舍会改造、摄像头会移位，建议每季度用新数据微调一次，别指望一个模型用三年。希望帮到你。

本文还有配套的精品资源，点击获取