基于YOLO8的番茄成熟度检测系统（数据集+源码+文章）

文末附下载地址

1.系统开发的目的

近年来，随着现代农业对智能化与精准化需求的不断提升，番茄作为全球广泛种植的重要经济作物，其成熟度判定直接关系到采摘效率、产品品质及市场价值。传统成熟度检测主要依赖人工经验，存在主观性强、效率低下以及大规模种植场景下难以实时覆盖等问题，极易导致采收时机不当、果实损耗增加，影响整体生产效益。为应对这一挑战，本研究基于先进的YOLOv8目标检测模型，致力于开发一套高效、准确的番茄成熟度智能检测系统。YOLOv8凭借其卓越的实时性能、多尺度识别能力以及优异的泛化性，可精准区分番茄的未熟、成熟与过熟状态，有效克服复杂田间环境下的光照变化、遮挡及果实重叠等干扰因素。该系统的实现不仅大幅提升了番茄采收的自动化水平，降低对人工的依赖，减少果实损失，还有助于推动农业生产向数据驱动、智能决策转型，进一步优化资源利用效率，增强农业竞争力，为智慧农业的发展提供关键技术支撑。

2.YOLO8网络

YOLOv8的整体架构依然遵循了YOLO系列经典的 Backbone（骨干网络） - Neck（颈部） - Head（检测头） 设计范式，但每个部分都进行了显著升级。

2.1 Backbone（骨干网络）

骨干网络负责从输入图像中提取多层次的特征图。YOLOv8的Backbone是在YOLOv5的CSPDarknet基础上进化而来。

• 核心组件：C2f模块

  • YOLOv8用 C2f (Cross Stage Partial fractional) 模块全面替代了YOLOv5中的 C3 模块。
  • C2f 的设计灵感来源于更高效的梯度流思想。它借鉴了ELAN（Efficient Layer Aggregation Network，来自YOLOv7）的思想，通过更多的分支跨层连接来丰富梯度信息。
  • 与C3模块相比，C2f模块在结构上包含了更多的短路连接（shortcut）和更多的并行卷积分支，在不显著增加计算成本的前提下，获取了更丰富的特征表达，提升了模型的精度。

• SPPF（Spatial Pyramid Pooling - Fast）： 继续使用了YOLOv5中的SPPF模块，用于将不同尺度的特征图进行池化并融合，从而增强网络对不 同大小目标的感受野。

总结：Backbone的关键创新在于用梯度流更丰富的C2f模块替换了C3模块，提升了特征提取能力。

2.2 Neck（颈部）

颈部网络负责对Backbone提取的特征进行进一步融合和分发，为检测头提供强语义且多尺度的特征图。

• 结构：PAN-FPN（Path Aggregation Network + Feature Pyramid Network）
  • YOLOv8继续使用了YOLOv5和YOLOv7中成熟的PAN-FPN结构。这是一种“自顶向下”和“自底向上”的双向融合路径，能够将深层的语义信息与浅 层的定位信息有效结合。
• 创新点：
  • YOLOv8在Neck部分同样使用了最新的 C2f模块 来代替原有的C3模块，使得特征融合的过程也更加充分和高效。
  • 其连接方式和卷积模块的调整使得特征金字塔的构建更加优化。

总结：Neck部分的核心改进是同样引入了C2f模块，增强了多尺度特征融合的能力。

2.3 Head（检测头）

这是YOLOv8变化最大、最具创新性的部分，它彻底移除了YOLO系列沿用多年的“Anchor-Based（基于锚框）”机制。

• Anchor-Free（无锚框）

  • YOLOv5和YOLOv7都是Anchor-Based的，需要预先设定一大堆不同大小、比例的锚框（anchor boxes），模型负责预测这些锚框的偏移量和置信度。
  • YOLOv8转向了Anchor-Free范式。检测头直接预测目标框的中心点距离网格左上角的偏移量以及宽高。这简化了训练过程，省去了聚类Anchor和设计Anchor超参数的繁琐步骤，同时也减少了对初始框设计的依赖。

• 解耦头（Decoupled Head）

  • YOLOv5使用的是耦合头（Coupled Head），即用一个卷积同时预测分类和回归（边框）结果。
  • YOLOv8采用了解耦头，将分类（Class）和回归（Box）任务分离开，使用两个不同的分支进行预测。这种做法借鉴了更先进的检测器（如RetinaNet），让两个任务各司其职，避免了任务间的冲突，通常能带来精度上的提升。

• 损失函数

  • 分类损失（Class Loss）： 通常使用二元交叉熵（BCE Loss），支持多标签分类（一个目标可以属于多个类别）。
  • 回归损失（Box Loss）： 使用了 DFL（Distribution Focal Loss） + CIoU Loss 的组合。
    • DFL： 让网络更快地聚焦于目标边界附近概率分布的学习，提升回归精度。
    • CIoU： 考虑了重叠面积、中心点距离和长宽比的回归损失函数，比传统的IoU Loss收敛更好。

总结：Head部分从Anchor-Based变为Anchor-Free，并采用了解耦头设计和更先进的DFL+CIoU损失函数，这是其性能飞跃的关键。

---

2.4 YOLOv5、YOLOv7、YOLO8对比

特性	YOLOv5	YOLOv7	YOLOv8	优势和意义
Head架构	耦合头 (Anchor-Based)	解耦头 (Anchor-Based)	解耦头 (Anchor-Free)	YOLOv8： 简化设计，免调Anchor超参，训练更简单直接，精度更高。
Backbone	CSPDarknet + C3模块	ELAN架构 (高效层聚合)	CSPDarknet变体 + C2f模块	YOLOv8： C2f在C3基础上引入更多分支，梯度流更丰富，特征提取能力更强。
Neck	PAN-FPN + C3模块	PAN-FPN + ELAN模块	PAN-FPN + C2f模块	YOLOv8： 颈部特征融合也受益于C2f模块，融合更 充分。
损失函数	CIoU Loss	CIOU Loss	DFL + CIoU Loss	YOLOv8： DFL让边界框定位更加精确，回归性能显著提升。
训练策略	较为传统	"可训练袋"策略，模型缩放	更先进的训练配方 (Mosaic, LR等)	YOLOv8 & v7： 都使用了非常先进的 训练技巧，但v8的配方可能更优。
任务支持	检测、分割	检测、分割、姿态	检测、分割、姿态、分类	YOLOv8： 官方原生支持图像分类任务，成为一个统一 的视觉框架。
易用性	非常高	高	极高	YOLOv8： 提供极其简洁的API（如model.predict()），用户体验极佳，部署生态完善。

2.5 核心总结

1. 架构现代化： YOLOv8吸收并融合了YOLOv5（工程化优秀）、YOLOv6（Rep结构）、YOLOv7（ELAN, 可训练袋）和最新检测器（如RT-DETR的DFL）的优点，进行了彻底的现代化重构。
2. Anchor-Free是方向： 摒弃Anchor机制代表了目标检测领域的发展趋势，使得模型更简洁、更易于训练和调优。
3. 精度与速度的平衡： 在几乎相同的推理速度下，YOLOv8的精度（mAP）相比YOLOv5和YOLOv7有显著提升，尤其是在小目标检测上。
4. 开发者友好： Ultralytics公司将其与YOLOv5的生态完美结合，提供了从训练到部署的完整、高效且易于使用的工具链，极大地降低了使用门槛。

3.系统设计

3.1 系统总体设计

系统开发设计主要包含三个步骤：（1）数据集准备（2）模型训练（3）系统开发。首先准备电动车进电梯的图片数据集并利用labelimg标注软件对图片中的电动车进行标注，之后采用YOLO8目标检测网络对图片数据集进行训练，得到训练好的模型权重，最后编写模型推理代码并分别开发前端、后端，最终完成整套系统的开发。
 

3.2 数据集

使用的番茄成熟度数据集为自制数据集。数据集制作的具体步骤是，实地采集番茄图片，把图片划分好训练集（1014张图片）验证集（127张图片）。使用labelme对图片进行一一标注。图片均为实拍原图，番茄果实均为生长在果树之上，不含数据增强的图片。数据集共分为两类：成熟果实、未成熟果实数据集格式保存为YOLO格式，并按80%、20%的比例划分为训练集和验证集。数据集样张如下图所示。

数据集涉及到的数据增强方法主要有以下几种：
(1)对原图做数据增强
①像素级：HSV增强、旋转、缩放、平移、剪切、透视、翻转等
②图片级：MixUp、Cutout、CutMix、Mosaic等
(2)对标签做同样的增强
①变换后的坐标偏移量
②防止标签坐标越界
除了上述最基本的数据增强方法外，还使用了 Mosaic 数据增强方法，其主要思想就是将4张图片进行随机裁剪、缩放后，再随机排列拼接形成一张图片，实现丰富数据集的同时，增加了小样本目标，提升网络的训练速度。在进行归一化操作时会一次性计算4张图片的数据，因此模型对内存的需求降低。

3.3 模型训练

将标注后的数据集划分为训练集和验证集后，开始对我们搭建的yolo8深度学习网络进行训练。一般为了缩短网络的训练时间，并达到更好的精度，一般加载预训练权重进行网络的训练。而yolov8提供了多个预训练权重，我们可以对应我们不同的需求选择不同版本的预训练权重。预训练权重越大，训练出来的精度就会相对来说越高，但是其检测的速度就会越慢。本次训练自己的数据集用的预训练权重为yolov8s。我们借助ultralytics框架对yolo8模型进行训练，模型训练代码如下:

from ultralytics import YOLO# Load a model
# model = YOLO('./data/fall.yaml')  # build a new model from YAML
model = YOLO('yolov8s.pt')  # load a pretrained model (recommended for training)
# model = YOLO('./fall.yaml').load('yolov8n.pt')  # build from YAML and transfer weights# Train the model
if __name__=='__main__':model.train(data='./data.yaml', epochs=250, batch=8,workers=0,imgsz=640)

​​data.yaml 文件示例​​:

names:
- Ripped
- Unripped
nc: 2
path: E:\datasets\det_tomato_ripe
train: E:\streamlit_yolo_copyright_spec2_project_dataset_train\det_tomato_ripe_yolo8_streamlit_spec2\train\train\images
val: E:\streamlit_yolo_copyright_spec2_project_dataset_train\det_tomato_ripe_yolo8_streamlit_spec2\train\val\images

运行 python train.py 即可开始训练。训练结果和模型权重会保存在 runs/train目录下

模型训练过程中，为了记录模型训练的情况，比如模型是否收敛、是否训练充分、模型当前精度等，我们会记录一系列的指标，包括loss曲线、map曲线等，如下图所示。

3.3 前后端开发

3.3.1 后端开发

后端基于Python语言开发，核心技术栈包含ultralytics深度学习推理框架与Streamlit轻量级应用框架。后端系统围绕模型推理流程设计了以下三个核心功能函数：

1. 模型加载函数实现​​

   采用@st.cache_resource装饰器构建缓存机制，有效避免因重复调用导致的资源浪费问题；
   函数内部会根据当前运行环境自动检测GPU可用性——若检测到GPU（CUDA）可用，则优先加载PyTorch原生模型（.pt格式）以提升推理速度；若仅支持CPU环境，则切换加载优化后的ONNX模型（.onnx格式），确保不同硬件条件下均能稳定运行。

2. 图片推理函数实现​​

   输入参数包含：预加载的模型对象、待推理的图片数据、置信度阈值（控制检测框的置信度筛选）、IoU阈值（控制非极大值抑制的交并比判断）、是否保存结果图片的布尔标记；
   输出结果包含三部分：标注后的可视化图片（带检测框与类别标签）、各检测类别的数量统计字典（键为类别名称，值为对应数量）、检测结果的详细信息列表（每个元素为包含序号、类别名称、置信度分数、边界框坐标的元组）。

3. ​​视频帧推理函数实现​​

   输入参数包括：预加载的模型对象、视频拆分后的单帧图像数据、置信度阈值、IoU阈值；
   输出为单帧图像的标注结果（与图片推理的标注逻辑一致，但仅针对当前视频帧），用于后续视频帧的连续拼接与播放。

3.3.2 前端开发

前端完全基于Streamlit框架构建。作为专为机器学习与数据科学场景设计的低代码开发工具，Streamlit的核心定位是帮助开发者（尤其是数据科学家）快速将算法模型或数据分析流程转化为可交互的Web应用，大幅缩短“研究-落地”的转化周期。

该框架的核心优势体现在以下方面：

• ​​极简开发体验​​：无需掌握HTML、CSS或JavaScript等前端技术，仅需通过Python脚本调用Streamlit提供的API即可完成交互式应用的搭建，显著降低开发门槛；
• 丰富的组件支持​​：内置滑动条、单选框、复选框、文件上传器等多种交互组件，并支持Pandas DataFrame、Matplotlib图表、Plotly可视化等常见数据类型的原生渲染，轻松实现复杂界面的搭建；
• 实时反馈机制​​：支持“代码修改-自动刷新”的实时预览模式，开发者调整代码后无需手动重启服务，即可立即查看界面更新效果，大幅提升调试效率；
• 响应式布局适配​​：自动根据终端设备（PC、平板、手机）的屏幕尺寸调整界面元素布局，确保不同设备下的显示效果一致；
• •​​数据科学生态兼容​​：深度集成了Python主流数据科学库（如Pandas用于数据处理、Numpy用于数值计算、Scikit-Learn用于模型训练），允许开发者直接在Streamlit应用中调用这些库的功能，实现“数据处理-模型推理-结果展示”的全流程闭环。

Streamlit的典型应用场景覆盖模型演示、数据可视化、自动化工具等多个领域，例如通过简单拖拽组件搭建预测模型的在线预测接口，或通过文件上传组件实现Excel数据的自动化清洗与分析。其价值在于将复杂的模型逻辑或数据处理流程“封装”为用户友好的Web界面，使非技术人员也能便捷地使用模型能力。

在本项目中，基于Streamlit框架具体实现了以下功能：

• 页面基础配置​​：通过st.set_page_config()接口设置页面标题、图标及整体布局（如宽屏模式）；
• 界面元素优化​​：利用st.markdown()配合自定义CSS隐藏Streamlit默认的页脚与侧边菜单，提升应用的专业感；
• 侧边栏配置面板​​：在侧边栏区域添加交互组件，包括：
  • 滑动条组件：用于动态调整置信度阈值与IoU阈值；
  • 下拉选择框：用于切换检测类型（图片/视频/本地摄像头）；
• ​​多输入源处理逻辑​​：根据所选检测类型，分别实现不同输入源的处理流程：
  • 图片检测：用户上传图片后，前端同步显示原始图片与模型输出的检测结果图片，并在下方表格中展示检测目标的详细信息（如类别、置信度）及各类别统计数量；
  • 视频检测：用户上传视频后，前端先播放原始视频片段，随后逐帧调用后端推理接口处理视频流，实时显示标注后的检测结果（视频文件临时存储于服务器指定目录）；
  • 本地摄像头检测：调用浏览器API访问本地摄像头，实时捕获视频流并逐帧推理，检测结果直接叠加在画面上显示，同时提供“终止检测”按钮用于停止视频流捕获。

4.总结

随着科技的不断进步，人工智能和深度学习技术已广泛应用于各行各业，尤其是在智慧农业方面。传统的番茄成熟度检测方法依赖于人工观察，但这种方法不仅耗时耗力，而且容易因人为因素导致误判或漏判。因此，开发一种能够自动、准确、快速地检测番茄成熟度的系统显得尤为重要。

YOLOv8作为一种尖端的、最先进的（SOTA）模型，具备在大型数据集上进行训练的能力，并能在各种硬件平台上运行，从CPU到GPU。它建立在先前YOLO系列模型的成功基础上，并引入了新功能和改进，以进一步提升性能和灵活性。这使得YOLOv8成为开发番茄成熟度检测系统的理想选择。

在农业智能化转型的关键时期，基于YOLOv8与Streamlit的番茄成熟度检测系统应运而生，其核心目的在于通过深度学习与交互式可视化技术的深度融合，突破传统农业依赖人工经验判断的局限。该系统利用YOLOv8强大的实时目标检测能力精准捕捉果实成熟特征，结合Streamlit构建的轻量化Web界面，将复杂的AI模型转化为田间地头可即时操作的智能工具。其意义不仅在于显著降低人工检测误差率、提升采收作业效率，更通过成熟度数据的动态积累与分析，为种植决策提供量化依据，推动采摘计划优化、物流资源调配和市场价格预判的精准化，最终实现从"经验农业"到"数据农业"的跨越，为农产品品质升级与产业链降本增效注入科技动能。

综上所述，基于YOLOv8的番茄成熟度检测系统具有重要的研究意义和应用价值，不仅可以提高检测的准确性和效率，还可以推动人工智能技术在智慧农业领域的应用。

另外，限于本篇文章的篇幅，无法一一细致讲解系统原理、项目代码、模型训练等细节，需要数据集、项目源码、训练代码、系统原理说明文章的小伙伴可以从下面的链接中下载：

基于YOLOv8的番茄成熟度识别系统