基于 YOLO26 深度学习的无人机视角车辆旋转框检测系统

局限性 尽管旋转框有上述优势，但也面临挑战： 标注成本高：需要标注角度，工具和人工成本更高。 模型复杂度：需设计角度回归分支，可能增加训练难度。 计算开销：旋转框的 IoU 计算复杂度高于传统框。

总的来说，旋转框在密集场景、倾斜物体、方向敏感任务中优势显著，但其适用性需结合具体场景权衡。传统框因简单高效，仍是通用场景的主流选择，而旋转框是特定领域（如遥感、文本检测）的重要补充。

系统应用场景

交通流量分析：利用旋转框角度精准区分车道，解决跨道误检；实时统计车流、车型及排队长度，分析变道意图，辅助信号灯智能配时。 智慧停车监测：通过长宽与角度数据，精准识别压线、斜停等不规范行为，生成车位热力图以引导泊车，提升空间利用率。 安保违停执法：自动识别禁停区车辆，结合角度与尺寸判断滞留时长及车型，辅助非现场执法取证。 车路协同增强：补充路侧感知盲区，向网联车辆下发全局位置、朝向及尺寸数据，助力车辆预判轨迹与冲突。

主要工作内容

本文的主要内容包括以下几个方面：

1. 搜集与整理数据集：搜集整理实际场景中 无人机视角车辆 的相关数据图片，并进行相应的数据处理，为模型训练提供训练数据集；
2. 训练模型：基于整理的数据集，根据最前沿的 YOLO26 旋转框检测技术 训练目标检测模型，实现对需要检测的对象进行有效检测的功能；
3. 模型性能评估：对训练出的模型在验证集上进行了充分的结果评估和对比分析，主要目的是为了 揭示模型在关键指标（如 Precision、Recall、mAP50 和 mAP50-95 等指标）上的表现情况。
4. 可视化系统制作：基于 训练出的目标检测模型，搭配 Pyqt5 制作的 UI 界面，用 python 开发了一款界面简洁的软件系统，可 支持图片、视频以及摄像头检测，同时可以 将图片或者视频检测结果进行保存。其目的是为检测系统提供一个用户友好的操作平台，使用户能够便捷、高效地进行检测任务。

软件初始界面如下图所示：

检测结果界面如下：

注：右侧窗口中上面窗口为原始图片，下方窗口为图片检测结果。

一、软件核心功能介绍及效果演示

软件主要功能

1. 可用于实际场景中的 无人机视角车辆 检测，分 2 个检测类别：['小型车辆'，'大型车辆'];
2. 支持 图片、视频及摄像头 进行检测，同时 支持图片的批量检测；
3. 界面可实时显示 目标位置、目标总数、置信度、用时 等信息;
4. 支持 图片 或者 视频 的 检测结果保存；
5. 支持将图片的检测结果保存为 csv 文件;

界面参数设置说明

置信度阈值：也就是目标检测时的 conf 参数，只有检测出的目标框置信度大于该值，结果才会显示； 交并比阈值：也就是目标检测时的 iou 参数，对检测框重叠比例 iou 大于该阈值的目标框进行过滤【也就是说假如两检测框 iou 大于该值的话，会过滤掉其中一个，该值越小，重叠框会越少】；

检测结果说明

显示标签名称与置信度：表示是否在检测图片上标签名称与置信度，显示默认不勾选，如果勾选则会在检测图片上显示标签名称与置信度；
总目标数：表示画面中检测出的目标数目；
目标选择：可选择单个目标进行位置信息、置信度等信息查看。
旋转框相关信息：
中心点坐标：表示旋转矩形框的中心点位置坐标；
旋转角度（°）：表示矩形框 长边与水平线之间小于 90°的夹角;
旋转框长：表示旋转框的长边长度（px 像素单位）；
旋转框宽：表示旋转框的宽长度（px 像素单位）；

主要功能说明

功能视频演示见文章开头，以下是简要的操作描述。

（1）图片检测说明

点击 打开图片 按钮，选择需要检测的图片，或者点击 打开文件夹 按钮，选择需要批量检测图片所在的文件夹，操作演示如下：
点击目标下拉框后，可以选定指定目标的结果信息进行显示。
点击 保存 按钮，会对检测结果进行保存，存储路径为：save_data目录下，同时会 将图片检测信息保存 csv 文件。
注：1.右侧目标位置默认显示置信度最大一个目标位置，可用下拉框进行目标切换。所有检测结果均在左下方表格中显示。

（2）视频检测说明

点击 视频 按钮，打开选择需要检测的视频，就会自动显示检测结果，再次点击可以关闭视频。
点击 保存 按钮，会对视频检测结果进行保存，存储路径为：save_data目录下。

（3）摄像头检测说明

点击 打开摄像头 按钮，可以打开摄像头，可以实时进行检测，再次点击，可关闭摄像头。

（4）保存图片与视频检测说明

点击 保存 按钮后，会将当前选择的 图片【含批量图片】或者视频 的检测结果进行保存，对于图片图片检测还会保存检测结果为 csv 文件,方便进行查看与后续使用。检测的图片与视频结果会存储在 save_data目录下。
【注：暂不支持视频文件的检测结果保存为 csv 文件格式。】

保存的检测结果文件如下：

图片文件保存的 csv 文件内容如下，包括 图片路径、目标在图片中的编号、目标类别、置信度、中心点坐标、旋转框长、旋转框宽、旋转角度。

二、模型的训练、评估与推理

1.YOLO26 介绍

本项目采用的是最新的 YOLO26 模型。YOLO26 是 Ultralytics 2026 年 1 月推出的新一代计算机视觉模型，主打边缘优先、高效部署。它采用端到端免 NMS 架构，移除 DFL 模块，CPU 推理速度较前代提升 43%；搭配 MuSGD 优化器与 ProgLoss+STAL 损失策略，强化小目标检测能力，支持检测、分割、姿势估计等多任务，可无缝适配树莓派、嵌入式设备等终端，广泛应用于智慧农业、安防监控等领域。
YOLO 各版本性能对比：

YOLO26 创新点

YOLO26 的性能飞跃源于四大核心技术创新，从模型架构到训练机制全面优化：

1. 移除 DFL 模块，简化预测流程

早期 YOLO 模型依赖分布焦点损失（DFL）提升边界框精度，但这一模块增加了部署复杂度，且存在固定回归限制。YOLO26 彻底移除 DFL，不仅简化了边界框预测逻辑，提升了硬件兼容性，还解决了超大目标检测的可靠性问题，让模型在边缘设备上的导出与运行更顺畅。

2. 端到端无 NMS 推理，降低 latency

传统目标检测需通过非极大值抑制（NMS）进行后处理，过滤重叠预测框——这一步骤会增加延迟、提升部署难度。YOLO26 采用原生端到端架构，直接输出最终预测结果，内部自动处理重复预测，彻底省去 NMS 环节，大幅降低推理延迟与集成风险，完美适配实时边缘场景。

3. ProgLoss+STAL，提升检测精度

• 渐进式损失平衡（ProgLoss）：让模型训练过程更稳定，收敛更平滑，减少训练波动
• 小目标感知标签分配（STAL）：针对小目标、低可见度目标优化学习机制，解决边缘场景中'难检测'问题
  两项技术结合，让 YOLO26 在复杂场景中仍能保持高可靠检测，尤其适用于物联网、机器人、航拍等小目标密集场景。

4. MuSGD 优化器，强化训练稳定性

YOLO26 采用全新混合优化器 MuSGD，融合传统随机梯度下降（SGD）的强泛化能力与大语言模型（LLM）训练中的先进优化思路。该优化器灵感源自 Moonshot AI 的 Kimi K2，能让模型更快达到高性能水平，同时降低训练不稳定性，尤其在大型复杂数据集训练中表现突出。

数据集准备与训练

本文主要基于 YOLO26n-obb 旋转框检测模型进行模型的训练，训练完成后对模型在验证集上的表现进行全面的性能评估。总体流程包括：数据集准备、模型训练、模型评估。

1. 数据集准备

通过网络上搜集关于实际场景中 无人机视角车辆 的相关图片，并使用 roLabelImg 标注工具对每张图片进行标注，分 2 个检测类别：['小型车辆','大型车辆']。

最终数据集一共包含 17325 张图片，其中 训练集包含 12118 张图片，验证集包含 2599 张图片,测试集包含 2608 张图片。
部分数据集图像及标注如下图所示：

数据集各类别数目分布情况如下：

2.模型训练

准备好数据集后，将图片数据以如下格式放置在项目目录中。在项目目录中新建 datasets 目录，同时将检测的图片分为训练集与验证集放入 Data目录下。

自定义数据集格式

数据集格式

YOLO OBB 格式通过其四个角点指定边界框，坐标在 0 和 1 之间归一化。它遵循以下格式：

class_index, x1, y1, x2, y2, x3, y3, x4, y4 

在内部，YOLO 以 xywhr 格式处理损失和输出，该格式表示边界框的中心点（xy）、宽度、高度和旋转。

同时我们需要新建一个 data.yaml 文件，用于存储训练数据的路径及模型需要进行检测的类别。YOLOv11 在进行模型训练时，会读取该文件的信息，用于进行模型的训练与验证。data.yaml的具体内容如下：

#Dataset configuration.
train: E:\MyCVProgram\4obbProgram\DroneViewVehicle_26\datasets\train\images
val: E:\MyCVProgram\4obbProgram\DroneViewVehicle_26\datasets\val\images
test: E:\MyCVProgram\4obbProgram\DroneViewVehicle_26\datasets\test\images
#Class numbers.
nc:2
#Class names.
names:['small-vehicle','large-vehicle']

注：train 与 val 后面表示需要训练图片的路径，建议直接写自己文件的绝对路径。
数据准备完成后，通过调用 train.py 文件进行模型训练，epochs 参数用于调整训练的轮数，batch 参数用于调整训练的批次大小【根据内存大小调整，最小为 1】，optimizer 设定的优化器为 SGD，训练代码如下：

#coding:utf-8
from ultralytics import YOLO
import matplotlib
matplotlib.use('TkAgg')
# 模型配置文件
model_yaml_path ="ultralytics/cfg/models/26/yolo26-obb.yaml"
#数据集配置文件
data_yaml_path =r'datasets/data.yaml'
#预训练模型
pre_model_name ='yolo26n-obb.pt'
if __name__ =='__main__':
#加载预训练模型
model = YOLO(model_yaml_path).load(pre_model_name)
#训练模型
results = model.train(data=data_yaml_path, epochs=150, batch=32, name='train_26')

模型常用训练超参数参数说明：
模型的训练设置包括训练过程中使用的各种超参数和配置。这些设置会影响模型的性能、速度和准确性。关键的训练设置包括批量大小、学习率、动量和权重衰减。此外，优化器、损失函数和训练数据集组成的选择也会影响训练过程。对这些设置进行仔细的调整和实验对于优化性能至关重要。
以下是一些常用的模型训练参数和说明：

3. 训练结果评估

在深度学习中，我们通常用损失函数下降的曲线来观察模型训练的情况。YOLO26 在训练时主要包含三个方面的损失：定位损失 (box_loss)、分类损失 (cls_loss) 和动态特征损失（dfl_loss），在训练结束后，可以在 runs/ 目录下找到训练过程及结果文件，如下所示：

各损失函数作用说明：
定位损失 box_loss：预测框与标定框之间的误差（GIoU），越小定位得越准；
分类损失 cls_loss：计算锚框与对应的标定分类是否正确，越小分类得越准；
动态特征损失（dfl_loss）：DFLLoss 是一种用于回归预测框与目标框之间距离的损失函数。在计算损失时，目标框需要缩放到特征图尺度，即除以相应的 stride，并与预测的边界框计算 Ciou Loss，同时与预测的 anchors 中心点到各边的距离计算回归 DFLLoss。
本文训练结果如下：

我们通常用 PR 曲线 来体现精确率和召回率的关系，本文训练结果的 PR 曲线如下。mAP 表示 Precision 和 Recall 作为两轴作图后围成的面积，m 表示平均，@后面的数表示判定 iou 为正负样本的阈值。[email protected]：表示阈值大于 0.5 的平均 mAP，可以看到本文模型目标检测的 [email protected] 值为 0.929，对于小目标检测来说，检测结果还是十分不错的。

4. 使用模型进行推理

模型训练完成后，我们可以得到一个最佳的训练结果模型 best.pt 文件，在 runs/train/weights 目录下。我们可以使用该文件进行后续的推理检测。
图片检测代码如下：

#coding:utf-8
from ultralytics import YOLO
import cv2
# 所需加载的模型目录
path ='models/best.pt'
# 需要检测的图片地址
img_path ="TestFiles/00288_jpg.rf.1b2bf11b46ae9f7046a671618fb08c03.jpg"
# 加载预训练模型
# conf 0.25 置信度阈值
# iou 0.7 iou 阈值
model = YOLO(path, task='obb')
# 检测图片
results = model(img_path)
res = results[0].plot(labels=False)
# res = cv2.resize(res,dsize=None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR)
cv2.imshow("Result", res)
# cv2.imwrite("result.jpg", res)
cv2.waitKey(0)

执行上述代码后，会将执行的结果直接标注在图片上，结果如下：

更多检测结果示例如下：

四、可视化系统制作

基于上述训练出的目标检测模型，为了给此检测系统提供一个用户友好的操作平台，使用户能够便捷、高效地进行检测任务。博主基于 PyQt5 开发了一个可视化的系统界面，通过图形用户界面（GUI），用户可以轻松地在图片、视频和摄像头实时检测之间切换，无需掌握复杂的编程技能即可操作系统。【系统详细展示见第一部分内容】

Pyqt5 详细介绍

关于 PyQt5 的详细介绍可以参考之前的博客文章：《Python 中的 PyQt5 详细介绍：基本机构、部件、布局管理、信号与槽、跨平台》。

系统制作

博主基于 PyQt5 框架开发了此款 无人机视角车辆检测系统，即文中第一部分的演示内容，能够很好的 支持图片、视频及摄像头进行检测，同时支持检测结果的保存。

通过图形用户界面（GUI），用户可以轻松地在图片、视频和摄像头实时检测之间切换，无需掌握复杂的编程技能即可操作系统。这不仅提升了系统的可用性和用户体验，还使得检测过程更加直观透明，便于结果的实时观察和分析。此外，GUI 还可以集成其他功能，如检测结果的保存与导出、检测参数的调整，从而为用户提供一个全面、综合的检测工作环境，促进智能检测技术的广泛应用。

关于该系统涉及到的完整源码、UI 界面代码、数据集、训练代码、训练好的模型、测试图片视频等相关文件，均已打包上传，感兴趣的小伙伴可以通过下载链接自行获取。

注意：该代码基于 Python3.9 开发，运行界面的主程序为 MainProgram.py，其他测试脚本说明见上图。为确保程序顺利运行，请按照 程序运行说明文档 txt 配置软件运行所需环境。