基于YOLOv8改进的船舶检测分类系统：从模型优化到工程部署

在实际船舶监控和港口管理场景中，如何从复杂的海面背景、多变的光照条件以及密集的船舶停靠中，快速、准确地识别并分类船舶，一直是计算机视觉领域的一个关键挑战。传统的检测方法往往在精度和实时性上难以兼顾，而通用目标检测模型直接应用于船舶这类特定目标时，又容易因特征提取不充分导致误检和漏检。近期，中远海科公开了一项涉及船舶检测系统的专利，其核心思路正是对当前业界广泛使用的 YOLOv8 模型进行针对性改进，以提升船舶检测与分类的精度，从而满足高可靠性的监控需求。本文将深入探讨如何基于 YOLOv8 构建一个从数据准备、模型改进、训练优化到最终部署的完整船舶检测分类系统。无论你是希望将 YOLOv8 应用于特定领域的算法工程师，还是关心模型落地部署的开发者，都能通过本文获得一套可实践、可复现的技术方案。

1. 理解 YOLOv8 的核心机制与船舶检测的独特挑战

在动手改进模型之前，必须清楚 YOLOv8 的工作原理以及船舶检测任务的特殊性。盲目套用模型往往事倍功半。

1.1 YOLOv8 的架构与核心改进点

YOLOv8 是 Ultralytics 公司发布的最新 YOLO 系列模型，它并非简单的 YOLOv5 升级版，而是在网络结构、训练策略和损失函数上都进行了重构。其核心架构主要包括：

• Backbone（主干网络）：采用 CSPDarknet 的变体，通过跨阶段局部网络（CSP）结构增强梯度流，减少计算量的同时保持特征提取能力。
• Neck（颈部）：使用 Path Aggregation Network (PANet) 与 Spatial Pyramid Pooling Fast (SPPF) 的组合。PANet 通过自底向上和自顶向下的路径聚合不同尺度的特征，SPPF 则通过串联多个最大池化层来增大感受野，替代了传统的空间金字塔池化（SPP），速度更快。
• Head（检测头）：采用了解耦头（Decoupled Head）设计，将分类和回归任务分离。早期 YOLO 模型使用耦合头，分类和边界框回归共享卷积特征，可能造成任务冲突。解耦头为两个任务提供独立的分支，理论上能提升精度。

对于检测精度评估，YOLOv8 训练过程中会计算一系列关键指标，这些指标是判断模型好坏、指导调优的核心：

• Precision（精确率）：模型预测为正的样本中，真正为正的比例。高精确率意味着误检（将背景或其他物体误认为船舶）少。
• Recall（召回率）：所有真实的正样本中，被模型正确预测出来的比例。高召回率意味着漏检（未能检测出船舶）少。
• mAP（平均精度均值）：在不同置信度阈值下，计算每个类别的平均精度（AP），再对所有类别取平均。mAP@0.5 表示 IoU（交并比）阈值为 0.5 时的 mAP，是综合衡量模型检测性能的核心指标。

1.2 船舶检测任务面临的特殊挑战

直接将通用目标检测模型用于船舶，会面临以下典型问题，这也是专利中需要改进 YOLOv8 的出发点：

1. 尺度变化极大：近处的船舶可能占据图像大部分区域，而远处的船舶可能只有几十个像素。模型需要同时具备捕捉大目标和小目标的能力。
2. 背景复杂：海面有波浪、反光、雾气，码头有集装箱、吊机、建筑物等干扰，极易造成误检。
3. 目标密集与遮挡：在锚地或港口，船舶经常密集停靠，相互遮挡，导致目标边界模糊，难以区分。
4. 类内差异大：同为“货船”，其大小、颜色、结构（散货船、集装箱船、油轮）差异显著，要求模型具有强大的特征泛化能力。
5. 实时性要求：监控系统往往需要处理视频流，要求模型在保持高精度的同时，拥有较快的推理速度。

2. 环境准备与项目结构搭建

一个清晰、可复现的环境是项目成功的基石。我们将使用 Python 和 PyTorch 框架，并基于 Ultralytics 的 YOLOv8 开源库进行开发。

2.1 基础环境配置

首先，创建一个独立的 Python 虚拟环境，并安装核心依赖。推荐使用 Python 3.8 或 3.9。

# 创建并激活虚拟环境 (以 conda 为例) conda create -n ship_detection python=3.9 conda activate ship_detection # 安装 PyTorch (请根据你的 CUDA 版本访问 PyTorch 官网获取对应命令) # 例如，对于 CUDA 11.8 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 安装 Ultralytics YOLOv8 pip install ultralytics # 安装其他可能用到的工具库 pip install opencv-python pillow matplotlib seaborn pandas scikit-learn

验证安装是否成功：

python -c "import torch; print(torch.__version__); import ultralytics; print(ultralytics.__version__)"

2.2 项目目录结构设计

合理的目录结构有助于管理数据、代码、模型和实验结果。

ship_detection_project/ ├── data/ │ ├── images/ # 存放所有图像 │ │ ├── train/ │ │ └── val/ │ └── labels/ # 存放对应的 YOLO 格式标签文件 │ ├── train/ │ └── val/ ├── datasets/ │ └── ship.yaml # YOLOv8 数据集配置文件 ├── models/ # 存放自定义模型结构文件 │ └── yolov8n-ship.yaml # 改进后的模型配置文件 ├── runs/ # 训练和验证结果 (由 YOLO 自动生成) ├── scripts/ # 工具脚本 │ ├── data_preprocess.py │ └── visualize.py ├── train.py # 训练入口脚本 ├── detect.py # 推理/检测入口脚本 └── export.py # 模型导出脚本 (如转 ONNX, TensorRT)

2.3 数据集准备与 YAML 配置

YOLOv8 要求标签格式为归一化的中心坐标和宽高(class_id, x_center, y_center, width, height)。假设我们已收集并标注好船舶数据集，类别包括cargo,tanker,passenger。

创建数据集配置文件datasets/ship.yaml：

# 数据集路径 (相对路径或绝对路径) path: ../data # 训练/验证/测试图像路径 (相对于 path) train: images/train val: images/val # test: images/test # 可选 # 类别数量 nc: 3 # 类别名称列表 names: ['cargo', 'tanker', 'passenger']

3. 针对船舶检测的 YOLOv8 模型改进策略

根据专利思路和船舶检测的挑战，我们从特征提取和注意力机制两方面对原生 YOLOv8 进行改进。

3.1 改进空间金字塔池化结构

原生 YOLOv8 使用 SPPF。虽然速度快，但对于尺度差异极大的船舶，其感受野和特征融合能力仍有提升空间。我们可以借鉴SPPCSPC或ASPP的思想进行改进。

一种可行的改进是SPPCSPC-G模块，它在 SPPF 后增加了更多的跨阶段部分连接和分组卷积，以增强多尺度特征的融合。以下是一个简化的模型结构修改示例，需要修改models/yolov8n-ship.yaml文件：

# YOLOv8n backbone with modified SPPCSPC backbone: # [from, repeats, module, args] - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2 - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4 # ... 其他层 ... - [-1, 1, Conv, [512, 3, 2]] # 某个中间层 - [-1, 1, SPPCSPC_G, [512]] # 替换原来的 SPPF 层 # ... 后续层 ... # 需要在 Ultralytics 的 common.py 中实现 SPPCSPC_G 类

SPPCSPC_G模块的 PyTorch 实现思路（需在项目中自定义）：

import torch.nn as nn class SPPCSPC_G(nn.Module): def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5, k=(5, 9, 13)): super().__init__() c_ = int(2 * c2 * e) # hidden channels self.cv1 = Conv(c1, c_, 1, 1) self.cv2 = Conv(c1, c_, 1, 1) self.cv3 = Conv(c_, c_, 3, 1) self.cv4 = Conv(c_, c_, 1, 1) self.m = nn.ModuleList([nn.MaxPool2d(kernel_size=x, stride=1, padding=x // 2) for x in k]) self.cv5 = Conv(4 * c_, c_, 1, 1) self.cv6 = Conv(c_, c_, 3, 1) # 添加分组卷积，增强特征表达能力 self.cv7 = Conv(c_, c2, 1, 1, g=g) # g 为分组数 def forward(self, x): x1 = self.cv3(self.cv1(x)) y1 = self.cv4(self.cv2(x)) y2 = torch.cat([y1] + [m(y1) for m in self.m], 1) y3 = self.cv6(self.cv5(y2)) return self.cv7(torch.cat((x1, y3), dim=1))

3.2 引入注意力机制（以 CA 注意力为例）

注意力机制可以让模型更关注图像中与船舶相关的关键区域，抑制复杂背景的干扰。Coordinate Attention (CA) 是一种轻量且有效的注意力机制，它能同时捕获通道关系和长距离的位置信息，非常适合船舶检测。

在 YOLOv8 的 Neck 部分或 Backbone 的关键位置插入 CA 模块。例如，在 Neck 的 PANet 路径聚合之后添加：

# 在 models/yolov8n-ship.yaml 的 Neck 部分 head: - [-1, 1, nn.Upsample, [None, 2, 'nearest']] - [[-1, 6], 1, Concat, [1]] # cat backbone P4 - [-1, 3, C2f, [512]] # 12 # 在此处添加 CA 注意力 - [-1, 1, CoordAtt, [512]] # 新增的 CA 层 - [-1, 1, Conv, [512, 3, 2]] - [[-1, 4], 1, Concat, [1]] # cat backbone P3 - [-1, 3, C2f, [512]] # 16 - [-1, 1, CoordAtt, [512]] # 新增的 CA 层 (P3/8 尺度)

CA 模块的实现代码（需添加到common.py）：

import torch import torch.nn as nn class h_sigmoid(nn.Module): def __init__(self, inplace=True): super(h_sigmoid, self).__init__() self.relu = nn.ReLU6(inplace=inplace) def forward(self, x): return self.relu(x + 3) / 6 class h_swish(nn.Module): def __init__(self, inplace=True): super(h_swish, self).__init__() self.sigmoid = h_sigmoid(inplace=inplace) def forward(self, x): return x * self.sigmoid(x) class CoordAtt(nn.Module): def __init__(self, inp, oup, reduction=32): super(CoordAtt, self).__init__() self.pool_h = nn.AdaptiveAvgPool2d((None, 1)) self.pool_w = nn.AdaptiveAvgPool2d((1, None)) mip = max(8, inp // reduction) self.conv1 = nn.Conv2d(inp, mip, kernel_size=1, stride=1, padding=0) self.bn1 = nn.BatchNorm2d(mip) self.act = h_swish() self.conv_h = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0) self.conv_w = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0) def forward(self, x): identity = x n, c, h, w = x.size() # 水平与垂直方向的全局池化 x_h = self.pool_h(x) x_w = self.pool_w(x).permute(0, 1, 3, 2) y = torch.cat([x_h, x_w], dim=2) y = self.conv1(y) y = self.bn1(y) y = self.act(y) x_h, x_w = torch.split(y, [h, w], dim=2) x_w = x_w.permute(0, 1, 3, 2) a_h = self.conv_h(x_h).sigmoid() a_w = self.conv_w(x_w).sigmoid() out = identity * a_w * a_h return out

4. 模型训练、验证与指标分析

改进模型结构后，下一步是进行有效的训练和科学的评估。

4.1 启动模型训练

使用 Ultralytics 提供的简洁 API 进行训练。在train.py中：

from ultralytics import YOLO import argparse def train_model(data_yaml, model_yaml, epochs=100, imgsz=640, batch=16): # 加载自定义模型配置 model = YOLO(model_yaml) # 开始训练 results = model.train( data=data_yaml, epochs=epochs, imgsz=imgsz, batch=batch, patience=50, # 早停耐心值 save=True, save_period=10, # 每10个epoch保存一次检查点 device='0', # 使用GPU 0，如果是CPU则设为 'cpu' workers=8, # 数据加载线程数 project='runs/train', name='ship_exp1', exist_ok=True ) return results if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--data', type=str, default='datasets/ship.yaml', help='dataset.yaml path') parser.add_argument('--model', type=str, default='models/yolov8n-ship.yaml', help='model.yaml path') parser.add_argument('--epochs', type=int, default=100) parser.add_argument('--imgsz', type=int, default=640) parser.add_argument('--batch', type=int, default=16) opt = parser.parse_args() train_model(opt.data, opt.model, opt.epochs, opt.imgsz, opt.batch)

运行训练：

python train.py --data datasets/ship.yaml --model models/yolov8n-ship.yaml --epochs 150 --batch 32

4.2 关键训练参数解析与调优

训练过程中的参数对最终精度影响巨大，需要根据船舶数据集的特点进行调整。

4.3 训练过程监控与指标解读

训练开始后，YOLOv8 会在runs/train/ship_exp1目录下生成一系列结果文件。最重要的监控工具是 TensorBoard 或 Ultralytics 自带的日志。

启动 TensorBoard 查看训练曲线：

tensorboard --logdir runs/train

在浏览器打开localhost:6006，重点关注以下指标曲线：

• 损失曲线 (train/box_loss,train/cls_loss,val/box_loss): 训练损失应稳步下降并趋于平缓，验证损失不应在后期显著上升（否则可能过拟合）。
• 精度指标 (metrics/mAP50-95,metrics/precision,metrics/recall):mAP50-95是核心指标，应随着训练逐步提升。precision和recall需要平衡。高精度低召回说明模型保守（漏检多），低精度高召回说明模型激进（误检多）。
• 学习率曲线 (lr/pg0): 确认学习率按预定策略变化。

如何根据指标判断模型状态并调整？

1. 验证损失上升，训练损失下降：典型过拟合。解决方案：增加数据增强（如 mosaic, mixup），使用更强的正则化（提高weight_decay），或提前停止训练（patience）。
2. mAP 早早就停止增长：可能学习率不合适或模型容量不足。解决方案：尝试调整学习率，或检查模型结构是否过于简单，考虑使用更大的预训练模型（如 YOLOv8m, YOLOv8l）。
3. Precision 高，Recall 低：模型漏检严重。解决方案：在验证集上分析漏检的样本（通常是小目标或遮挡目标），针对性增加此类训练数据，或调整conf阈值（推理时降低置信度阈值）。
4. Precision 低，Recall 高：模型误检多。解决方案：同样分析误检样本（常被误检的背景区域），增加困难负样本（不含目标的背景图），或提高conf阈值。

5. 模型推理、部署与性能验证

训练出满意的模型后，需要将其应用于实际的图像或视频流进行推理，并考虑部署到生产环境。

5.1 使用训练好的模型进行推理

创建一个detect.py脚本：

from ultralytics import YOLO import cv2 import argparse def run_detection(model_path, source, conf_thres=0.25, iou_thres=0.45): # 加载训练好的最佳模型 model = YOLO(model_path) # 执行推理 results = model.predict( source=source, conf=conf_thres, iou=iou_thres, imgsz=640, save=True, save_txt=True, # 保存标签文件 project='runs/detect', name='ship_demo', exist_ok=True ) # 结果可视化 (以第一个结果为例) for r in results: im_array = r.plot() # 绘制检测框的BGR numpy数组 cv2.imshow('Detection', im_array) cv2.waitKey(0) cv2.destroyAllWindows() # 打印检测到的目标信息 boxes = r.boxes if boxes is not None: for box in boxes: cls_id = int(box.cls[0]) conf = float(box.conf[0]) xyxy = box.xyxy[0].tolist() print(f"Class: {model.names[cls_id]}, Confidence: {conf:.2f}, BBox: {xyxy}") if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--model', type=str, default='runs/train/ship_exp1/weights/best.pt', help='model.pt path') parser.add_argument('--source', type=str, default='data/images/val/', help='file/dir/URL/glob') parser.add_argument('--conf', type=float, default=0.25, help='confidence threshold') parser.add_argument('--iou', type=float, default=0.45, help='NMS IoU threshold') opt = parser.parse_args() run_detection(opt.model, opt.source, opt.conf, opt.iou)

运行检测：

# 检测单张图片 python detect.py --model runs/train/ship_exp1/weights/best.pt --source path/to/test_image.jpg # 检测整个文件夹 python detect.py --model best.pt --source data/images/val/ # 检测视频流 (例如摄像头索引0) python detect.py --model best.pt --source 0

5.2 模型导出与边缘设备部署

为了在监控系统或边缘设备（如 Jetson、RK3588）上高效运行，需要将 PyTorch 模型转换为更高效的格式。

导出为 ONNX 格式（便于跨平台部署）：

from ultralytics import YOLO model = YOLO('runs/train/ship_exp1/weights/best.pt') model.export(format='onnx', imgsz=[640, 640], simplify=True, opset=12)

导出为 TensorRT 引擎（用于 NVIDIA GPU 获得极致性能）：

# 首先导出为 ONNX，然后使用 trtexec 转换 # 假设已安装 TensorRT trtexec --onnx=best.onnx --saveEngine=best.engine --fp16 --workspace=2048

在 Python 中使用导出的 ONNX 模型进行推理：

import cv2 import numpy as np import onnxruntime as ort class YOLOv8ONNXInference: def __init__(self, model_path, conf_thres=0.25, iou_thres=0.45): self.session = ort.InferenceSession(model_path) self.input_name = self.session.get_inputs()[0].name self.conf_thres = conf_thres self.iou_thres = iou_thres # 获取输入形状，例如 (1, 3, 640, 640) self.input_shape = self.session.get_inputs()[0].shape def preprocess(self, image): # 调整大小、归一化、转换通道顺序 (HWC to CHW)、添加批次维度 img = cv2.resize(image, (self.input_shape[3], self.input_shape[2])) img = img / 255.0 # 归一化 img = img.transpose(2, 0, 1) # HWC to CHW img = np.expand_dims(img, axis=0).astype(np.float32) # 添加批次维度 return img def postprocess(self, outputs, orig_img_shape): # outputs 是模型输出，需要根据 YOLOv8 的输出格式进行解析 (例如 [1, 84, 8400]) # 这里需要实现非极大值抑制 (NMS) 等后处理步骤 # 具体实现取决于导出时是否包含后处理，Ultralytics 默认导出包含后处理的模型 pass # 此处省略详细后处理代码，可使用 onnxruntime 或自定义 NMS def infer(self, image): input_tensor = self.preprocess(image) outputs = self.session.run(None, {self.input_name: input_tensor}) detections = self.postprocess(outputs, image.shape) return detections

5.3 性能验证与精度对比

在部署前，必须在独立的测试集上对改进后的模型进行定量评估，并与基线模型（原始 YOLOv8n）对比。

使用 YOLOv8 的val模式进行评估：

yolo val model=runs/train/ship_exp1/weights/best.pt data=datasets/ship.yaml split=test

评估结果会生成详细的指标表格。我们需要重点关注在船舶数据集上的表现对比：

注：推理速度在 NVIDIA V100 GPU, TensorRT FP16 环境下测得。

从对比可以看出，改进后的模型在 mAP 和 Precision 上均有提升，尤其是 Precision 的提升有助于减少误报，这对监控系统至关重要。虽然参数量和推理时间略有增加，但在可接受范围内。

6. 常见问题排查与生产环境建议

在实际项目落地过程中，会遇到各种各样的问题。以下是一些典型问题及其排查路径。

6.1 训练阶段常见问题

6.2 推理/部署阶段常见问题

6.3 生产环境最佳实践

将改进的 YOLOv8 船舶检测模型集成到实际监控系统中，还需要考虑以下工程问题：

1. 模型版本管理与回滚：使用模型版本管理工具（如 DVC, MLflow）或简单的文件命名规则（如ship_det_v1.2_20240510.pt）。每次更新模型前，必须在测试集和线上小流量场景进行充分验证。保留旧版本模型，以便在出现严重问题时快速回滚。

2. 输入数据质量监控：部署后，持续监控输入数据的质量。例如，监控视频流是否中断、图像是否严重模糊或过暗。可以设置一个简单的图像质量评估模块（如计算清晰度、亮度），过滤掉无效帧，避免模型产生无意义的输出。

3. 结果后处理与业务逻辑集成：模型的原始输出是边界框和类别。在生产中，通常需要：

   • 轨迹跟踪：对连续视频帧中的检测框使用跟踪算法（如 ByteTrack, DeepSORT），为每艘船分配唯一 ID，形成运动轨迹。
   • 区域入侵检测：结合电子围栏（多边形区域），判断船舶是否进入禁入区或危险区域。
   • 数量统计与报警：统计指定区域内船舶数量，超过阈值时触发报警。

4. 系统性能与资源监控：监控部署服务的 GPU 显存占用、GPU 利用率、推理延迟、吞吐量（FPS）等指标。设置告警阈值，当延迟超过 200ms 或服务异常时及时通知运维。

5. 持续学习与模型迭代：监控线上模型的误检和漏检案例。定期（如每季度）收集这些困难样本，加入训练集，重新训练和评估模型，形成闭环迭代，让模型能够适应环境变化（如新建码头、新型船舶）。

改进 YOLOv8 用于特定领域的检测任务，是一个从理论到实践的系统工程。核心在于深刻理解任务本身的挑战（如船舶的尺度、背景复杂性），并针对性地在网络结构（如多尺度特征融合）、注意力机制、损失函数和数据增强上进行创新。成功的关键不仅在于模型指标的提升，更在于整个流程的规范性：从高质量的数据集构建、科学的训练验证、严谨的性能评测，到稳定的生产部署和持续的模型运维。本文提供的从数据准备、模型改进、训练调优到部署排错的完整路径，可以作为类似工业视觉项目的一个实践蓝本。下一步，可以探索将检测模型与分割模型（如 SAM）结合，实现更精细的船舶轮廓提取；或者利用多模态信息（如 AIS 信号）来辅助和验证视觉检测结果，构建更加鲁棒和智能的船舶监控系统。