简介：本资源是面向智能农业与计算机视觉初学者、深度学习实践者的猪只目标检测专用数据集，旨在支撑猪舍场景下的自动计数算法研发与模型训练。压缩包共1000个文件，含500张真实猪舍监控视角JPG图像及配套的500个LabelMe标准JSON标注文件（含边界框坐标），总大小631.07MB，可直接用于YOLO、Faster R-CNN等主流检测框架的数据加载与训练。已有2713人学习下载，说明其在农业AI落地实践中具备较强参考价值。用户可直接获取完整标注数据、复现预处理流程（如图像归一化、随机旋转/缩放增强）、构建端到端计数模型，并基于mAP、召回率等指标开展验证；同时支持迁移学习（如加载ImageNet预训练权重）与轻量化部署探索，为智慧养殖系统提供可扩展的技术基础。
1. 项目概述：从一份数据集开始的智能养殖探索
最近在整理硬盘时，翻到了一个名为“猪只计数数据集.zip”的文件包。这让我想起了几年前参与的一个智慧农业项目，当时为了训练一个能自动统计猪圈里猪只数量的模型，团队花了大力气去收集和标注数据。这个压缩包，就是那段时期工作成果的一个缩影。对于从事计算机视觉、农业智能化，或者对AI落地应用感兴趣的朋友来说，这类数据集的价值不言而喻。它不仅仅是一堆图片和标签文件，更是一个具体场景下，技术如何解决实际生产问题的切入点。
简单来说，这个数据集的核心目标，是让机器学会“数猪”。在规模化养殖场，每日清点猪只数量是一项繁重且容易出错的工作。人工计数不仅效率低下，在猪只密集、相互遮挡的环境下也难免有疏漏。通过摄像头采集圈舍图像或视频，利用目标检测或实例分割模型自动识别并统计猪只，可以大幅提升管理效率和数据的准确性。这个数据集，就是用来“教”模型完成这项任务的教材。无论你是想复现一个基础的计数模型，还是希望深入理解农业场景下计算机视觉的挑战，这份数据都能提供一个非常扎实的起点。
2. 数据集内容深度解析与价值挖掘
2.1 数据构成与标注格式探秘
解压“猪只计数数据集.zip”后，你通常会看到几个核心文件夹：images/、annotations/，可能还有train/、val/、test/的子目录划分。images/文件夹里存放的是从养殖场实地采集的JPEG或PNG格式图片。这些图片的拍摄环境非常关键，它们通常涵盖了多种真实场景：不同的光照条件（清晨、正午、傍晚、夜间补光）、不同的视角（俯拍、斜角拍摄）、以及猪只不同的密集程度和姿态（站立、卧倒、进食、走动）。
annotations/文件夹是数据集的灵魂，里面存放着标注文件。目前主流的数据集标注格式主要有两种：一种是PASCAL VOC格式的XML文件，另一种是COCO格式的JSON文件。以COCO格式为例，它的JSON结构非常清晰，包含了images（图片信息）、categories（类别信息，这里可能只有“pig”一类）、annotations（标注信息）三个主要部分。在annotations里，每个猪只实例都会被标注出来。对于计数任务，最简单的标注是“边界框”（Bounding Box），即用一个矩形框出每头猪。更精细的标注则是“实例分割”（Instance Segmentation），用多边形点集精确勾勒出每头猪的轮廓。后者标注成本更高，但能为模型提供更丰富的形状信息，对于处理严重遮挡的情况更有帮助。
注意：拿到数据集后，第一件事不是急着跑代码，而是先用标注查看工具（如
labelme、CVAT或简单的Python脚本配合OpenCV）随机打开几张图片和对应的标注，直观感受一下数据质量。检查标注框是否准确、有无漏标、错标，这对于后续模型的性能天花板有决定性影响。
2.2 农业场景下的独特挑战与数据特性
这个数据集之所以有专门存在的必要，是因为它承载了通用目标检测数据集（如COCO）所不具备的、属于农业养殖领域的特殊挑战。首先，是极端密集和遮挡。猪是群居动物，尤其在休息区，它们常常紧挨着甚至堆叠在一起。这导致从俯视角度看，猪只之间的边界非常模糊，传统的边界框标注会存在大量重叠，给模型区分独立个体带来巨大困难。实例分割标注在这里的优势就体现出来了。
其次，是类内差异大与姿态多变。同样是猪，仔猪、育肥猪、母猪在体型、颜色上差异显著。猪的姿态也千变万化：侧卧时轮廓清晰，但俯卧或蜷缩时可能看起来像一块石头；站立走动时四肢分明，但挤在一起时又难以分辨。这就要求数据集必须包含足够多样的样本，以覆盖这些变化。
再者，是复杂的环境背景。猪圈环境并非实验室里的纯色背景，它可能包含食槽、饮水器、栏杆、粪污、阴影等干扰项。光照变化也非常剧烈，比如窗户边的反光、夜间红外灯下的灰度图像等。一个鲁棒的模型必须学会从这些复杂背景中稳定地识别出猪只目标。因此，高质量的数据集会刻意包含这些“困难”样本，而不是只挑选干净、清晰的图片。
3. 基于数据集的模型训练全流程实操
3.1 环境搭建与数据预处理
工欲善其事，必先利其器。我们选择PyTorch作为深度学习框架，因为它生态繁荣，相关检测库非常成熟。首先创建一个干净的Python虚拟环境，然后安装核心依赖：
# 创建并激活虚拟环境（以conda为例） conda create -n pig_counting python=3.8 conda activate pig_counting # 安装PyTorch（请根据你的CUDA版本访问官网获取对应命令） pip install torch torchvision torchaudio # 安装MMDetection（一个强大的检测库） pip install openmim mim install mmengine mim install "mmcv>=2.0.0" mim install mmdet接下来是数据预处理。假设我们的数据集是COCO格式。我们需要按照MMDetection的要求组织文件结构。通常，我们会将数据集链接或复制到项目下的data/目录中。
pig_counting_project/ ├── configs/ # 模型配置文件 ├── data/ │ └── coco_pig/ │ ├── annotations/ # 存放instances_train.json, instances_val.json │ └── train2017/ # 存放训练图片 │ └── val2017/ # 存放验证图片 ├── tools/ # 训练测试脚本 └── train.py我们需要编写一个脚本，将数据集的划分信息转换为COCO格式的JSON文件。如果数据集本身已是COCO格式，这一步可以省略。但通常需要检查类别ID是否一致，MMDetection默认的COCO类别是从1开始（0是背景），如果你的数据类别ID是0，可能需要进行映射调整。
3.2 模型选择与配置调优
对于猪只计数，我们的任务本质是目标检测或实例分割。考虑到猪只密集和遮挡的特点，我推荐从以下两类模型中做选择：
- 基于Anchor-Free的模型：如FCOS或CenterNet。这类模型不需要预设锚框（Anchor），在物体尺寸变化大、密集场景下可能表现更稳定。FCOS通过逐像素预测中心度、距离边框的偏移量来定位物体，对于形状相对规则的猪只来说是个不错的选择。
- 带有注意力机制的模型：如DETR或Swin Transformer + Mask R-CNN。DETR使用Transformer架构直接预测物体集合，避免了手工设计组件，对长距离依赖和全局上下文建模能力强，适合处理密集群体。Swin Transformer作为骨干网络，能有效提取多尺度特征，配合Mask R-CNN可以实现高性能的实例分割。
这里以在MMDetection中配置FCOS模型为例。我们不需要从头写配置，可以基于库中现有的配置文件进行修改。主要修改以下几个部分：
- 数据路径：在配置文件中，将
data_root指向我们的data/coco_pig，并修改ann_file和img_prefix的路径。 - 类别数：将模型头部的
num_classes修改为1（只有“猪”一类）。注意，MMDetection中这个数字通常是不算背景的类别数。 - 锚框设置（如适用）：如果使用RetinaNet等Anchor-Based模型，需要根据数据集中猪只的尺寸分布，重新计算锚框的尺度（scales）和长宽比（ratios）。可以通过分析所有标注框的宽高来统计。
- 数据增强：针对农业场景，我强烈建议加入以下增强策略：
- 随机裁剪（RandomCrop）：模拟不同拍摄范围。
- 颜色抖动（ColorJitter）：缓解光照变化影响。
- 随机翻转（RandomFlip）：增加水平对称性。
- Mosaic增强：将四张图片拼成一张，能极大地提升模型对小目标和密集目标的检测能力，非常适合本场景。
一个简化的配置修改示例如下（以configs/fcos/fcos_r50_caffe_fpn_gn-head_1x_coco.py为基础）：
# 修改数据集相关配置 dataset_type = 'CocoDataset' data_root = 'data/coco_pig/' classes = ('pig',) # 只有一个类别 train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='Resize', scale=(1333, 800), keep_ratio=True), dict(type='RandomFlip', prob=0.5), dict(type='RandomCrop', crop_size=(800, 800)), # 新增随机裁剪 dict(type='PackDetInputs') ] # 修改模型头部类别数 model = dict( bbox_head=dict( num_classes=1, # 关键修改 ... # 其他参数 ) )3.3 训练过程与监控
配置好后，使用MMDetection提供的tools/train.py脚本启动训练。指定配置文件和工作目录，工作目录会保存日志和模型权重。
python tools/train.py configs/fcos/fcos_r50_caffe_fpn_gn-head_1x_coco.py --work-dir work_dirs/pig_fcos_exp1训练过程中，监控损失曲线和评估指标至关重要。重点关注：
- 分类损失和回归损失：是否平稳下降，有无剧烈震荡。
- 验证集mAP：这是衡量模型精度的核心指标。COCO格式的mAP通常计算IoU从0.5到0.95的平均值。对于计数应用，AP@0.5（即IoU阈值0.5下的AP）可能更贴近实际需求，因为计数对边框的精确度要求略低于精细分割。
- 学习率变化：确保学习率按照预定策略（如余弦退火）正常衰减。
实操心得：在农业数据集上，由于场景相对固定，模型可能很快在训练集上过拟合。如果发现训练损失很低但验证集指标上不去，要果断使用早停（Early Stopping），或者加强数据增强（如Mosaic、MixUp），或者尝试加入Dropout层、Label Smoothing等正则化技术。
3.4 模型评估与可视化分析
训练完成后，使用tools/test.py在测试集上评估最终模型性能。但数字指标只是冰山一角，可视化分析错误样本才是提升的关键。
python tools/test.py configs/fcos/fcos_r50_caffe_fpn_gn-head_1x_coco.py work_dirs/pig_fcos_exp1/epoch_12.pth --show-dir results_vis这个命令会将模型在测试集上的预测结果（包括预测框和置信度）可视化并保存。你需要仔细查看这些图片：
- 漏检（False Negative）：哪些猪没有被检测出来？是体型太小、遮挡太严重，还是姿态过于奇特？这些样本需要被补充到训练集中，或针对性地调整数据增强。
- 误检（False Positive）：模型把什么误认成了猪？是食槽、阴影，还是地板花纹？这些背景“伪目标”需要被更多地包含在训练背景中，或者考虑在后续处理中加入基于形状、纹理的后过滤规则。
- 定位不准：框的位置或大小偏差大吗？对于严重重叠的猪，模型是将其框成一个整体，还是勉强分开了？这关系到该选择检测还是分割模型。
通过这种细致的分析，你就能明确模型当前的弱点，从而进行有针对性的迭代改进。
4. 从模型到应用：计数逻辑与系统集成
4.1 单张图片与视频流的计数逻辑
模型推理输出的是一系列边界框（或掩膜）及其置信度。计数逻辑看似简单——统计框的数量即可，但实际需要考虑一些细节。
首先，需要设定一个置信度阈值（如0.5）。低于此阈值的预测框将被过滤掉，以避免将模糊的背景误计入。这个阈值需要通过验证集来调整，在查全率（Recall）和查准率（Precision）之间取得平衡。对于计数任务，通常可以适当容忍一些误检（只要数量不多），但绝不能大量漏检，因此阈值不宜设得过高。
其次，对于视频流计数，直接对每一帧独立计数然后求和会导致重复计数，因为同一头猪会在连续帧中出现。因此，需要引入目标跟踪（Tracking）算法，如SORT或DeepSORT。其基本流程是：
- 对每一帧进行目标检测。
- 利用当前帧的检测框和上一帧跟踪器的预测框，进行数据关联（通常使用匈牙利算法匹配IoU或外观特征）。
- 为每个成功关联的目标分配一个唯一ID。
- 计数逻辑变为：统计出现在视频中至少一帧的独立ID数量，或者统计进入某个特定区域（如圈舍门口）的新ID数量。
# 一个简化的单张图片计数示例（使用训练好的模型） from mmdet.apis import init_detector, inference_detector import cv2 config_file = 'work_dirs/pig_fcos_exp1/config.py' checkpoint_file = 'work_dirs/pig_fcos_exp1/epoch_12.pth' model = init_detector(config_file, checkpoint_file, device='cuda:0') img = 'test_image.jpg' result = inference_detector(model, img) # 解析结果，result是一个包含边界框和得分的列表 pred_bboxes = result.pred_instances.bboxes.cpu().numpy() pred_scores = result.pred_instances.scores.cpu().numpy() confidence_threshold = 0.5 valid_indices = pred_scores > confidence_threshold final_count = valid_indices.sum() print(f"检测到猪只数量：{final_count}")4.2 部署优化与性能考量
要将模型投入实际应用，部署环节需要考虑性能和效率。在养殖场，计算设备可能是边缘计算盒子或工控机。我们需要对模型进行优化：
- 模型轻量化：将训练好的模型通过剪枝、量化、知识蒸馏等技术压缩。例如，使用PyTorch的TorchScript导出模型，并进行动态或静态量化（INT8），可以显著减少模型体积和提升推理速度，对精度影响很小。
- 引擎转换：将PyTorch模型转换为更高效的推理引擎格式，如ONNX，进而转换为TensorRT（针对NVIDIA GPU）或OpenVINO（针对Intel CPU/GPU）。TensorRT会对网络层进行融合优化，能极大提升GPU上的推理吞吐量。
- 流水线设计：对于多路摄像头，可以采用“生产者-消费者”模式。一个线程/进程负责抓取视频流（生产者），另一个线程/进程池负责运行模型推理（消费者），中间用队列连接，避免I/O等待阻塞计算。
注意事项：部署到真实环境后，一定要有一个持续监控和反馈的机制。真实场景的光照、猪只品种、栏舍布局可能和训练数据有差异。需要收集一些实际运行中的困难样本，定期对模型进行微调（Fine-tuning），使其能适应缓慢变化的环境，这个闭环至关重要。
5. 常见问题排查与效果提升技巧
在实际操作中，你肯定会遇到各种各样的问题。下面我整理了一个常见问题速查表，并附上解决思路。
| 问题现象 | 可能原因 | 排查与解决思路 |
|---|---|---|
| 训练损失不下降 | 学习率设置不当；数据标注有严重错误；模型初始化有问题。 | 1. 尝试更小的学习率（如1e-4开始）。 2. 可视化检查一批训练数据及其标注，确认标注框是否正常。 3. 使用预训练模型权重（在ImageNet上预训练的骨干网络），避免从头训练。 |
| 验证集mAP很低，但训练集损失很低 | 模型过拟合；训练集和验证集分布差异大。 | 1. 增强数据增强（Mosaic, MixUp, CutOut）。 2. 添加正则化（更多的Dropout，权重衰减）。 3. 检查训练/验证集划分是否合理，确保两者场景一致。 |
| 模型对小猪或远处猪漏检严重 | 数据集中小目标样本不足；模型感受野或特征金字塔设计不适合小目标。 | 1. 专门收集并标注更多包含小目标的图片。 2. 在数据增强中使用更多随机缩放，让小目标以更大比例出现。 3. 使用更适合小目标的模型，如配备了更高效特征金字塔（如PANet, BiFPN）的模型。 |
| 猪只严重重叠时，计数偏少 | 边界框标注在重叠区本身就不准；模型难以区分紧贴的个体。 | 1.治本：使用实例分割标注和模型（如Mask R-CNN）。分割掩码能更好地区分粘连个体。 2.治标：在检测后，对高度重叠的框（如IoU>0.7）进行**非极大值抑制（NMS）**时，适当调低阈值，或者使用Soft-NMS，避免把两个真实目标误删一个。 |
| 夜间或低光照图片检测效果差 | 数据集中低光照样本少；模型在RGB域训练，对亮度变化敏感。 | 1. 补充大量夜间红外或低光照条件下的数据。 2. 在预处理中尝试图像增强（如CLAHE均衡化）来提升对比度。 3. 如果使用红外摄像头，可以考虑直接使用灰度图像训练，或专门训练一个红外图像模型。 |
| 推理速度慢，无法满足实时性 | 模型过于复杂；部署环境计算资源不足。 | 1. 换用轻量级模型（如YOLOv5s, PP-PicoDet）。 2. 进行模型量化（FP16/INT8）。 3. 降低推理输入图像的分辨率（需权衡精度损失）。 |
最后再分享一个提升计数稳定性的小技巧：对于视频监控，不要只依赖单帧的检测结果。可以维护一个长度为N帧（比如5帧）的计数缓存队列。当前帧的计数结果与队列历史值进行平滑处理（如取中位数或均值），作为最终输出。这能有效过滤掉因瞬时遮挡或检测抖动造成的计数跳变，使输出结果更加稳定可靠。这个简单的后处理策略，在实际部署中往往能带来意想不到的体验提升。
本文还有配套的精品资源，点击获取
