YOLOv9机场飞鸟检测实战：从数据标注到部署优化

简介这是一套基于YOLOv9的空中飞鸟识别检测系统完整工程面向计算机视觉方向学习者、毕业设计学生以及有机场驱鸟预警等实际需求的开发者。项目不仅提供可直接运行的Python源码还包含训练好的模型权重、评估指标曲线与详细的运行教程环境配置、数据集准备、模型训练与测试流程均有清晰说明。资源共181个文件以83个py源码文件、30个yaml配置/数据文件、18个pyc编译文件、22个jpg与9个png图片样本为主同时包含3个pt模型文件和ipynb、sh等辅助脚本压缩包大小61.67MB便于快速落地与二次开发。目前已有441人学习使用。针对YOLOv9的结构特点作者给出了s/c系列配置调整思路并提供了数据增强、超参数、训练轮次等关键参数修改建议配合验证集预测图与标签图可帮助使用者直观评估检测效果。无论是用于飞鸟检测项目启动、算法原理验证还是作为深度学习目标检测的课设/毕设参考这套资源都具有很强实用性值得下载学习。1. 为什么机场飞鸟识别绕不开YOLOv9机场鸟击风险防控有个很尴尬的现状雷达能扫到大型金属目标但对一只高速掠过的麻雀基本无能为力人工望远镜观察受天气和疲劳影响漏报率并不低。而基于视觉的飞鸟检测系统恰好能补上雷达在低空小目标上的短板——它不靠回波只靠光学图像里“鸟和背景不一样”这一事实来做判断。YOLOv9 在这个场景里之所以被高频选中并不是因为它比 YOLOv8 在 COCO 上刷高了多少个点而是它的可编程梯度信息PGI结构在“小目标 复杂背景 运动模糊”这三重压力下仍能保持较低漏检率。这套“源码 运行教程 模型 评估指标”的完整工程包适合机场技保人员、安防集成商、无人机反制团队以及想在小目标检测上做深度优化的算法工程师直接拿来做二次开发。2. 数据准备与标注格式决定模型上限的第一步在接触训练代码之前先把数据和标注格式理顺。YOLOv9 的数据组织方式和 YOLOv5/8 一脉相承都走 txt 标注文件的路子。很多人以为模型训练不上道是网络结构问题但排查到最后十有八九是标注框边界不干净或者类别标签和配置文件没对齐。2.1 数据采集思路与类别设计空中飞鸟数据集的采集路径通常有三类机场周边固定摄像头长时间录制、公开鸟类数据集如 CUB-200 或 iNaturalist 的子集、以及无人机实拍补充。注意一点机场场景里飞鸟往往只占画面很小一块甚至只有十几个像素因此采集时要保留原始分辨率不要急着缩放。类别设计上机场驱赶场景一般建议只设一个bird类别而不是按鸟种细分——因为驱赶决策只关心“有没有鸟”不关心“是什么鸟”。细分到种反而会稀释正样本导致每类样本量不足模型学不到稳定的形状特征。2.2 LabelImg 标注与 YOLO 格式转换标注工具常见做法是先用 LabelImg 或 X-AnyLabeling 框出目标导出为 PASCAL VOC 格式的 XML再统一转成 YOLO 需要的 txt 格式。转换脚本如下import os import xml.etree.ElementTree as ET def convert_annotation(xml_path, out_dir, class_map): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in class_map: continue cls_id class_map[cls_name] box obj.find(bndbox) x1 float(box.find(xmin).text) y1 float(box.find(ymin).text) x2 float(box.find(xmax).text) y2 float(box.find(ymax).text) # 归一化到 0~1 x_center (x1 x2) / 2.0 / img_w y_center (y1 y2) / 2.0 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) txt_name os.path.basename(xml_path).replace(.xml, .txt) with open(os.path.join(out_dir, txt_name), w) as f: f.write(\n.join(lines)) class_map {bird: 0} # 对 xml 目录下所有文件执行转换 xml_dir annotations/ out_dir labels/ for f in os.listdir(xml_dir): if f.endswith(.xml): convert_annotation(os.path.join(xml_dir, f), out_dir, class_map)转换逻辑说明class_map里只有bird一个类类别 ID 从 0 开始对应 YOLO 配置文件里的nc1。坐标必须做归一化处理否则训练时 Loss 计算会因数值尺度过大而发散。这里size/width和size/height是必须从 XML 里取的原图尺寸不能用标注框最大值代替否则归一化结果整体偏移。注意如果你用的是现成的公开飞鸟检测数据集如 VisDrone 里筛选出的 bird 帧一定要检查它的类别 ID 是否符合你自己的class_map否则模型训练时会出现“所有框都跳过”的静默错误。2.3 数据增强策略与参数设置机场飞鸟检测的难点在于目标尺寸小、和天空对比度低、鸟的姿态变化大。YOLOv9 的训练增强策略在hyp.scratch-low.yaml里控制常用的关键参数参考下表参数推荐值作用说明hsv_h0.015色相偏移幅度过大会改变鸟类羽毛固有颜色hsv_s0.7饱和度增强提升不同光照下的鲁棒性hsv_v0.4明度扰动模拟早晚和阴天时段mosaic1.0马赛克拼接增强小目标的上下文语义mixup0.2图像混合比例降低过拟合但不宜过大fliplr0.5水平翻转鸟身方向无关可放心开启马赛克增强对飞鸟场景很关键——它会把四张图拼成一张迫使模型在更小的尺度上学习目标特征。但训练后期建议把mosaic调小或关闭否则模型对真实单图的分布适应会变差。常见做法是在训练最后 10 个轮次里把mosaic设为 0可以让 mAP 回升 1~2 个点。2.4 数据划分与目录组织训练前把数据集按 8:1:1 划分到train/val/test三个子集。注意划分时按视频片段而不是按单帧划分防止同一只鸟的连续帧同时出现在训练集和验证集里造成评估指标虚高。目录结构建议如下dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── bird.yamlbird.yaml的内容是在data参数里指定路径和类别数写法为path: ./dataset train: images/train val: images/val test: images/test nc: 1 names: [bird]3. 训练配置与关键参数从预训练权重到收敛调优YOLOv9 的训练入口是仓库里的train.py但更推荐基于官方train_dual.py做改造因为机场场景对误报容忍度低需要在训练阶段就加入针对性的采样策略。这里不展开改造细节先说标准流程下的配置和命令。3.1 Python 环境搭建与依赖安装YOLOv9 官方仓库要求的 Python 版本是 3.8~3.10过新的版本在 torch 和 opencv 的依赖图上容易出兼容问题。常见的部署环境是conda create -n yolov9 python3.9 conda activate yolov9 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txtrequirements.txt里核心依赖包括 opencv-python、numpy、matplotlib、pyyaml、tqdm 等。如果跑在纯 CPU 环境里torch 的安装命令要换成pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu推理可以跑但训练不建议一张 1080Ti 的训练速度约是 CPU 的 15~20 倍时间成本差距极大。提示CUDA 版本要和 torch 对应。CUDA 11.8 配cu118是当前兼容面最广的组合NVIDIA 驱动 450 及以上都能跑。3.2 模型配置文件修改YAML 中的关键参数YOLOv9 的模型结构定义在models/detect/yolov9-c.yaml和yolov9-e.yaml两个文件里c 版本是轻量级配置e 版本是加深加宽的版本。飞鸟检测场景一般选 c 起步理由很直接机场摄像头往往同时接入多路视频流单路推理延迟不能太高c 模型在 GTX 1660 上能做到 30~40ms 一帧e 模型会翻倍到 60ms 以上。修改nc参数为你的类别数即可nc: 1 # 单类别飞鸟检测 depth_multiple: 0.33 # 深度缩放系数c模型默认 width_multiple: 0.50 # 宽度缩放系数c模型默认depth_multiple和width_multiple控制网络的层数和通道数数值越小模型越轻。如果只有几百张训练图建议把width_multiple降到 0.25 防止过拟合数据量超过 3000 张后可以回到 0.5。这个参数对最终模型大小和显存占用影响最直接调参优先级最高。3.3 训练命令与超参数说明训练命令的标准形态是python train_dual.py --data bird.yaml --cfg models/detect/yolov9-c.yaml \ --weights yolov9-c.pt --img 640 --batch-size 16 --epochs 200 \ --hyp hyp.scratch-low.yaml --device 0逐项说明参数含义--img 640输入分辨率分辨率越高越有利于小目标检测但显存占用和推理耗时同步上涨。飞鸟检测建议 640 起步条件允许可以用 1280 训练再蒸馏回 640。--batch-size显存 12G 对应 batch 16 左右显存不足时优先减小 batch 而不是降分辨率因为分辨率直接影响小目标的可检测性。--epochs 200飞鸟数据集规模一般在 5000 张以内200 轮足够收敛继续加大轮次不会带来明显收益。--hyp增强和优化器的超参文件学习率、动量、权重衰减都在里面。默认的lr00.01配合momentum0.937是稳妥组合调大lr0会导致早期 Loss 震荡。训练过程中重点看metrics/mAP_0.5和val/obj_loss两个指标。前者在 150 轮之后如果还在上升说明还可以继续训练后者如果出现反弹上升说明过拟合需要回退到上一轮 checkpoint 或者提前终止。3.4 训练失败的三种常见情况Loss 直接出 NaN原因几乎都是--hyp文件里的lr0设置过大或batch-size太小导致梯度不稳定。先把学习率降到 0.001加--adam切到 AdamW 优化器再跑。mAP 始终在 0.3 以下大概率是标注框和class_map不匹配或者数据划分时同一段视频的画面前后帧泄入了两个集合。用下面的脚本检查标签是否有有效框grep -r 0 labels/train/ | wc -l如果输出行数和图像文件数接近说明标注关联正常如果远低于图像数说明很多图没有标注目标这些空标注样本会让模型产生“无目标”的偏置。显存溢出OOM把--batch-size减半同时把--img从 640 降到 512。不要直接改模型结构里的width_multiple那会改变模型文件本身。4. 推理接口与预警逻辑把模型接到机场业务链路上训练完的模型最终要落到一个能持续跑视频流的进程里。这一步涉及的不只是模型调用还有帧率控制、区域判定、告警触发阈值。很多团队训练指标不错一上线就崩问题大多出在推理脚本的工程化处理不当。4.1 基于 PyTorch 的轻量推理代码YOLOv9 官方仓库的detect.py偏向演示用途直接用在机场业务里不太合适。常见做法是重写一个基于torch.hub或直接加载 checkpoint 的推理脚本import cv2 import torch import numpy as np model torch.hub.load(WongKinYiu/yolov9, custom, runs/train/exp/weights/best.pt, force_reloadTrue) model.conf 0.25 # 置信度阈值 model.iou 0.45 # NMS 的 IoU 阈值 model.classes [0] # 只保留 bird 类别 cap cv2.VideoCapture(rtsp://192.168.1.64:554/stream1) fps_target 15 # 目标推理帧率 frame_interval 1.0 / fps_target while cap.isOpened(): t0 cv2.getTickCount() ret, frame cap.read() if not ret: break results model(frame, size640) detections results.xyxy[0].cpu().numpy() for x1, y1, x2, y2, conf, cls in detections: if conf 0.35: # 业务侧更严格阈值 cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, fbird {conf:.2f}, (int(x1), int(y1)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 触发告警的接口回调 trigger_alert(x1, y1, x2, y2, conf) cv2.imshow(Airport Bird Detection, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release()逻辑说明torch.hub.load里custom参数指向本地训练好的权重文件model.conf和model.iou分别控制置信度门限和 NMS 交并比。这里有一个容易被忽略的细节训练阶段验证集 mAP 使用的置信度阈值是 0.001而业务推理阈值要远高于它否则会有大量虚警涌入告警系统。代码里的conf 0.35是业务侧二次过滤这个值要结合现场实测调环境干扰多就提高漏检严重就降低。4.2 区域级预警逻辑ROI 与越界判断机场场景里“有鸟”和“需要告警”不是一回事。跑道中线延长线两侧 200 米内出现的鸟才算高风险远距离的鸟不需要打扰驱赶设备。所以推理后还要加一层区域过滤。常见做法是在图像坐标系里预定义多边形危险区域import cv2 roi_points np.array([[960, 400], [1280, 300], [1920, 300], [1920, 700], [960, 700]], np.int32) def in_danger_zone(cx, cy): return cv2.pointPolygonTest(roi_points, (float(cx), float(cy)), False) 0 # 在检测结果循环内 cx (x1 x2) / 2 cy (y1 y2) / 2 if in_danger_zone(cx, cy): trigger_alert(x1, y1, x2, y2, conf)规则说明ROI 的坐标取决于摄像头架设位置和朝向需要在现场标定。以 1080p 画面为例近跑道端在图像下方视场远处的跑道入口在上方中间所以把多边形画成梯形比较符合透视关系。pointPolygonTest返回正数表示点在多边形内负数是外0 表示在边界上这里 0把边界邻域也算进危险区避免漏告警。4.3 RTSP 视频流的帧率优化机场摄像头走 RTSP 协议是常态但解码和推理耗时往往是两码事。实测中1080P 的 H.264 流解码一帧大约 3~5ms而 YOLOv9-c 推理一帧约 25~35ms瓶颈在推理。优化手段有三个方向一是把输入尺寸从 640 降到 480推理时间可缩短 40%代价是更小目标的召回率下降二是开启半精度推理model.half()可以把推理时间再压 20%但需要 GPU 支持 FP16三是对视频流做抽帧处理比如每两帧取一帧这在鸟速较快时会导致轨迹断裂需要配合跟踪算法补偿。5. 评估指标解读与误报治理有效告警比 mAP 更重要模型训练完runs/train/exp/目录下会生成results.png、confusion_matrix.png、PR_curve.png等评估文件。很多团队只看一眼 mAP 就完事这在飞鸟场景里远远不够。机场鸟击预警系统真正关心的是三个问题漏报率多少、误报率多少、平均决策延迟多长。5.1 在验证集上评估的命令和指标计算YOLOv9 仓库自带验证脚本评估命令如下python val.py --data bird.yaml --weights runs/train/exp/weights/best.pt \ --img 640 --batch-size 16 --conf 0.001 --iou 0.6--conf 0.001是评估时用的低阈值目的是让尽可能多的候选框进入 PR 曲线计算因为 mAP 的计算逻辑要求在所有置信度阈值下综合表现。评估完成后终端输出的Class行会显示Precision、Recall、mAP.5、mAP.5:.95四个核心指标。对飞鸟检测来说mAP.5比mAP.5:.95更有参考意义因为机场场景只看位置框得准不准不苛求和真实框的像素级重叠度并达到 0.9 以上。实测经验是mAP.5达到 0.85 就具备上线条件而mAP.5:.95往往只有 0.5 左右不用因此焦虑。提示--iou 0.6是 NMS 的 IoU 阈值值越低重叠框被抑制得越狠检测出来的目标数越少。机场场景里如果鸟群密集建议调整到 0.5避免相邻的鸟被合并成一个框。5.2 混淆矩阵对飞鸟场景的特殊解读confusion_matrix.png里的横纵轴是预测和真实类别。在单类别场景下最值得关注的是背景类别background那一行。如果背景被预测为 bird 的比例偏高说明模型学到了大量“非鸟”特征本质是负样本不足。一个典型的表现在测试集视频里树叶晃动、飞机尾翼、甚至地面的影子都会被框出来。这是因为训练集里“像鸟但不是鸟”的 hard negative 样本太少。解决方向有两个一是专门采集一段时间内没有鸟但环境复杂的画面提取为负样本加入训练集标签保持为空二是使用--cls 0.5参数提高分类损失的权重让模型在“是鸟”和“不是鸟”的边界上做出更保守的判断。5.3 误报治理的工程手段评估环节发现误报率偏高不要急着回炉重训。先在推理侧排查三类原因第一置信度阈值定得太低。把model.conf从 0.25 逐步上调到 0.5观察误报数和漏报数的变化。找到一个平衡点每告警 10 次里有 7 次是真实鸟类即可接受完全消除误报意味着也要牺牲一部分低置信度的真目标。第二动静检测耦合。加入帧差法或背景建模先判断画面中是否有运动目标再对运动区域做检测。静止的树枝和标志牌不会触发检测这能过滤掉大量误报。代码层面可以用cv2.createBackgroundSubtractorMOG2()实现要求运动区域的像素变化量超过阈值才调用模型推理。第三跟踪轨迹滤波。用 SORT 或 ByteTrack 对检测框做多目标跟踪连续 3 帧以上都检测到同一目标才作为有效“鸟迹”进入告警队列。这个技巧对单帧的偶发误报抑制效果极好代价是引入 100~150ms 的决策延迟对机场驱赶场景可以接受。6. 部署后的三个进阶技巧模型裁剪、难例挖掘与热更新6.1 轻量化裁剪与大分辨率推理的权衡机场硬件选型如果碰到工控机或嵌入式设备YOLOv9-c 的网络结构还可以继续瘦身。常见做法是改yolov9-c.yaml里的width_multiple从 0.50 到 0.25再从头训练 100 轮。实测参数减少约 60%mAP 下降 3~5 个点但推理速度在 Jetson Orin Nano 上能从 80ms 降到 35ms。如果不想重训可以直接加载原模型做剪枝但 YOLO 系列对残差结构敏感剪枝后需要微调不如直接换窄网络结构来得干净。6.2 建立难例标注池做增量训练机场现场会有一些特定角度的画面是训练数据里没有的——比如低空逆光时鸟的剪影或雨天翅膀沾水导致轮廓变化。建议在部署的推理脚本里直接把低于置信度阈值 0.2~0.35 的检测框截图保存到本地目录hard_examples/里。每隔两周人工筛选一批加入训练集重新训练 50 轮验证集指标不下降就发布新权重。这比一次性堆数据更贴近实际也更容易控制数据质量和标签一致性。6.3 模型热更新的平滑切换方案机场系统不允许断线重载热更新需要做成双模型并行切换。常见做法是维护model_current和model_staging两个实例新权重训练好后在业务低峰时段加载为model_staging预热 100 帧后做一个指针切换旧模型延迟销毁。这个方案不需要改推理主循环只增加一个模型管理类代码侵入面很小。# 热更新触发命令内部接口 curl -X POST http://127.0.0.1:8080/model/update \ -H Content-Type: application/json \ -d {model_path: runs/train/exp2/weights/best.pt, warmup_frames: 100}切换后不要立刻信任新模型先在 30 分钟观察窗口里对比新旧模型的检测重叠率如果重叠率低于 80%自动回滚到上一版权重。飞鸟检测的容错窗口短宁可保守不要激进。本文还有配套的精品资源点击获取