第一部分 数据集介绍
图1 果园红绿苹果目标检测数据集标题背景
这是一套用于识别并定位果园红绿苹果的目标检测数据集，包含481张图片、2类标注对象和5,993个水平框。图片尺寸为640x640像素，RGB三通道，JPEG格式。
一、数据集文件结构
data/保留train、valid、test三个实际划分。各划分目录保存图像及一个_annotations.coco.json文件，由JSON集中记录图片和目标框。
图2 数据集文件夹结构
图3 图像与标注文件对应示例
标注采用COCO JSON格式。images记录图片id、file_name、width和height；annotations中的image_id关联图片，category_id关联类别。bbox为原图像素坐标x, y, width, height，依次表示左上角x、左上角y、框宽和框高。
二、标注对象及对应数量
实际包含2类有框标注对象，类别ID沿用COCO原标注。标注类型为目标检测水平框，类别名称和数量见表一。
表一 标注对象及对应数量统计
| 类别ID | 中文对应名 | 英文标签 | 标注框数量 | 含该类图片数量 | 框数占比 |
|---|---|---|---|---|---|
| 1 | 绿苹果 | Green Apple | 2,985 | 296 | 49.81% |
| 2 | 红苹果 | Red Apple | 3,008 | 185 | 50.19% |
| 合计 | 2类 | --- | 5,993 | 共481张图片 | 100.00% |
一张图片可含多个目标或多个类别；逐类含类图片数不能直接相加作为图片总数。
数据增强情况
未进行数据增强。
图4 数据增强情况说明
三、画面内容与任务边界
画面以果园枝头的苹果、叶片和枝干为主，包含果实密集、叶片遮挡、明暗变化和不同远近尺度。部分源图带有水印。
任务仅按原标签区分绿苹果与红苹果并定位水平框，不据此判定品种、成熟度或病害。原划分存在19组跨划分的同基名同源候选，尚未确认属于重复图像；评估结果不能直接证明场景独立的泛化能力。
图5 2类标注对象样例
彩色框为数据集已有标注，不是模型预测；每格只显示当前类别。
四、规模、划分与类别分布
1. 整体规模与数据划分
data/共481张图片、3个COCO JSON标注文件和5,993个水平框，保留数据集实际划分。JSON为集中标注文件，不按每张图片重复计数。
表二 数据集规模与划分统计
| 数据划分 | 图片数量 | 图片占比 | COCO JSON文件数 | 对应检测框数量 |
|---|---|---|---|---|
| train | 403 | 83.78% | 1 | 5,017 |
| valid | 44 | 9.15% | 1 | 570 |
| test | 34 | 7.07% | 1 | 406 |
| 合计 | 481 | 100.00% | 3 | 5,993 |
2. 各类别在不同划分中的分布
表三按框统计各类在不同划分中的数量，含类图片数见表一。
表三 各类别在不同划分中的框数分布
| 类别 | train框数 | valid框数 | test框数 | 总框数 |
|---|---|---|---|---|
| 绿苹果 Green Apple | 2,515 | 303 | 167 | 2,985 |
| 红苹果 Red Apple | 2,502 | 267 | 239 | 3,008 |
| 合计 | 5,017 | 570 | 406 | 5,993 |
图6 类别框数与数据划分
第二部分 目标检测论文模板
基于YOLO26n受控训练策略的果园红绿苹果检测论文参考
真实性声明：数据统计和GT来自真实文件审计；全部性能结果、训练曲线、模型列人工框、参数量、计算量及效率均为模拟示例，非实测。未执行训练、推理、模型剖析或计时。
摘要
果园果实检测需要在枝叶背景、遮挡与密集分布中定位目标。本文以果园红绿苹果目标检测数据集为对象，核验481张图像、5993个有效水平框及原生COCO关联，区分Green Apple与Red Apple两类。以固定Ultralytics 8.4.208的YOLO26n为基础，拟研究受控伽马对比度扰动G和含小框图像重采样S，设计统一训练、评价与计时协议。原始训练、验证、测试分别为403、44、34张，未重新划分。三张结果表、训练曲线、模型列框与效率数值均为模拟示例，非实测；本文没有执行训练、推理、模型剖析或计时，不能据此认定方法有效。原始零实例父类别从有效评价类别中排除，交付文件不作重编号。研究同时检查跨划分文件名族候选，提醒后续先核验评价独立性，再开展真实实验。所有拟采用环境和超参数均与已经执行的文件审计区分。
关键词：苹果检测；水平框标注；原生COCO；受控训练；模拟示例
1 引言
苹果定位可为果实计数、采摘候选识别和图像检索提供基础输入。自然背景中的叶片纹理、枝条交叉与果实相互遮挡，会同时影响类别判断和边界定位。研究需要先明确图像及标注的真实范围，再讨论模型改进；商品标题中的规模、采集描述不能替代文件核验。果簇中多个目标边界相近，计数错误既可能来自漏检，也可能来自同一果实被重复定位。因而研究需要同时观察精确率与召回率，并保留可追踪的逐框结果，避免仅用单一总分解释所有场景。
本次样例显示枝上红色或绿色果实，部分目标较小、被叶片遮住或紧密相邻，也存在明显明暗变化与水印。观察只能支持这些可见现象，不能推断苹果品种、成熟程度、采集季节、地点或相机型号。任务限定为两种已有颜色类别的水平框检测，不扩展到果面分割和质量分级。同一颜色类别内部也可能出现尺度和可见面积差异。仅从少量展示图不能估计这些条件在总体中的占比，因此本文不添加遮挡率或照度分组统计，也不把画面感受改写为经过仪器测量的量。
本文工作包括真实文件统计、固定版本实现核查、拟议受控方案和模拟写作示例。前两项具有可追溯证据，训练策略尚未实施；人工结果仅展示如何组织模型对比、消融与效率分析。数据统计与人工指标分别保留来源，使读者能够识别其证据边界。
2 相关工作
框级检测输出类别与矩形位置，分割输出像素区域，二者不能互换。YOLOv8n与YOLO11n作为成熟轻量对照，YOLO26n作为核查日Ultralytics系列最新正式可用模型纳入方案。版本依据官方发布及权重资产元数据固定为8.4.208；这里不声称其为目标检测全领域最新方法，也未下载运行权重。对照选择旨在控制轻量模型的应用范围，而不是预设新模型必然优越。后续报告应同时保留版本号、检查点名称、类别适配方式和推理参数；即使名称相同，融合状态或分支设置不同也可能改变统计口径。
固定版本的原生未融合检查点保留一对多和一对一训练分支。经predict、AutoBackend和检测头调用链核查，默认nms=None选择一对多输出并进行NMS；显式nms=False可选择可用的一对一免NMS路线。本文拟统一采用前者。导出时嵌入NMS的参数含义另有作用，不能与双分支训练或默认预测路线混写。
颜色扰动可能改善光照适应性，也可能破坏红绿分类线索，因此G只是一项待验证假设。训练集中相对面积小于1%的真实框有1821个，为S提供使用动机，但不证明重采样有效。原始README明确未做增强；拟议在线策略与来源预处理分开记录，不能将原生模块或默认技巧命名为本文创新。
3 方法
拟用YOLO26n的Conv、C3k2、SPPF和C2PSA构成主干，以Upsample、Concat及卷积融合多尺度信息，在P3/8、P4/16、P5/32上完成检测。有效类别数C=2。图1仅概括已核验模块与训练因素的关系，不是逐层精确网络图；G/S不增加推理算子，也不改变检测头结构。
图1 网络架构示意图。已核验原生模块与拟议训练策略；非逐层精确结构。
G拟以0.3概率作用于归一化像素x：先取z=x^γ，再令y=clip(μ+a(z−μ),0,1)，其中μ为z的图像均值，γ均匀取自0.8,1.25，a取自0.85,1.15，真值框不变。S令nᵢ为第i张训练图像的小框数，按下式采样；最大权重为3，每轮仍抽取403张且有放回，验证与测试保持原样。S针对图像采样而不是直接复制某个框，因而一张图中所有既有框随图共同参与训练。小框判定以增强前原标注面积为依据，在固定清单上计算；若引入几何变换，应另行记录变换后的有效框筛选规则，避免改变监督口径。
wi=1+0.5min(ni,4),pi=wi/∑jwj w_i=1+0.5\min(n_i,4),\quad p_i=w_i/\sum_jw_j wi=1+0.5min(ni,4),pi=wi/j∑wj
每分支损失拟采用下式，其中CIoU衡量重叠、中心距离与形状，BCE负责分类，L1为经目标分数归一化加权的距离回归项。reg_max=1时不启用分布式DFL，不能因超参数仍名为dfl就将L1称为DFL。b表示一对多o2m或一对一o2o；t=0,...,T−1，T=150，双分支权重由0.8/0.2渐变为0.1/0.9。系数属于拟定受控设置，不等于发布权重训练配方。
Lb=7.5LCIoU+0.5LBCE+1.5LL1,b∈{o2m,o2o} \mathcal L_b=7.5\mathcal L_{CIoU}+0.5\mathcal L_{BCE}+1.5\mathcal L_{L1},\quad b\in\{o2m,o2o\} Lb=7.5LCIoU+0.5LBCE+1.5LL1,b∈{o2m,o2o}
L(t)=α(t)Lo2m+1−α(t)Lo2o,α(t)=0.1+0.7max(1−t/(T−1),0) \mathcal L(t)=\alpha(t)\mathcal L_{o2m}+1-\\alpha(t)\mathcal L_{o2o},\quad\alpha(t)=0.1+0.7\max(1-t/(T-1),0) L(t)=α(t)Lo2m+1−α(t)Lo2o,α(t)=0.1+0.7max(1−t/(T−1),0)
评价拟按同类别框的一对一IoU匹配确定TP、FP与FN。IoU为预测框与真值框交集面积除以并集面积。固定置信度0.25、匹配IoU 0.50报告P、R与F1；AP使用0.001候选阈值并遍历置信度形成精确率召回率曲线。下式的C为两类，AP50在IoU 0.50积分，AP50:95对0.50至0.95的十个阈值再平均。人工表值按此定义展示，不来自真实匹配。两类AP先分别计算后取均值，不能按实例数量重新加权。置信度固定的P与R和遍历置信度得到的AP承担不同作用，不应由某一阈值的F1推断完整曲线面积；实际报告还需说明没有正例类别时的处理方式。
P=TP/(TP+FP),R=TP/(TP+FN),F1=2PR/(P+R) P=TP/(TP+FP),\quad R=TP/(TP+FN),\quad F_1=2PR/(P+R) P=TP/(TP+FP),R=TP/(TP+FN),F1=2PR/(P+R)
mAP50=C−1∑c=1CAPc,0.50,mAP50:95=(10C)−1∑c=1C∑k=09APc,0.50+0.05k mAP_{50}=C^{-1}\sum_{c=1}^{C}AP_{c,0.50},\quad mAP_{50:95}=(10C)^{-1}\sum_{c=1}^{C}\sum_{k=0}^{9}AP_{c,0.50+0.05k} mAP50=C−1c=1∑CAPc,0.50,mAP50:95=(10C)−1c=1∑Ck=0∑9APc,0.50+0.05k
4 数据集与实验设置
实际交付目录data保留原生COCO格式：481张640×640 RGB JPEG，三个划分各含一份JSON，共5993个有效xywh水平框。Green Apple的category_id=1，有2985框；Red Apple的category_id=2，有3008框。父类别0仅声明而没有实例，不计入C。拟用读取适配器在内存将1/2映射为训练索引0/1，并保留反向映射；不声称原JSON可直接作为Ultralytics五列标签。本次采用完整实际取得版本，来源关联Kaggle镜像与Roboflow页面，未与其他宣传规模合并。三个JSON中的image_id仅在各划分内部关联，追溯键必须同时包含划分；annotation_id也按所在JSON解释，不能跨文件直接认为唯一。
表一 数据集原始划分与统计
| 划分 | 图片数 | COCO JSON数 | 有效水平框数 | 图片占比 |
|---|---|---|---|---|
| train | 403 | 1 | 5,017 | 83.78% |
| valid | 44 | 1 | 570 | 9.15% |
| test | 34 | 1 | 406 | 7.07% |
| 合计 | 481 | 3 | 5,993 | 100.00% |
真实本地文件统计。真实审计结果；未重新清洗、去重、划分或训练；原生COCO，三份划分分别由各自JSON按image_id关联图像；JSON物理文件数不等于图像数。
图2 数据集样本标签示例图。真实图像与已有GT，非模型预测。
表一记录真实原始划分，图2按每个划分和类别选取样例，保留全部GT。来源README记录自动方向校正及640×640拉伸，明确No augmentation。本地未发现缺失、孤立标签、空图、非法框或解码错误，也没有字节或像素完全重复。文件名族存在133组候选，其中19组跨划分；候选不是已确认重复，尚未完成近重复和场景独立性核验。完全重复检查仅回答文件字节或解码像素是否相同，不能排除裁剪、重编码或连续拍摄的近似图像。合法框也不代表标注没有漏标；边界质量仍需结合真实画面人工复核。全部原文件保留，未生成未经证实的清洗后样本数。
全部设置仅为计划。拟采用表二环境，并在兼容性核验后固定软件与设备；各模型拟从对应官方预训练权重初始化，按同一输入、150轮与优化预算运行。共同翻转概率0.5、平移0.1、缩放0.3，Mosaic、MixUp、CutMix与HSV均关闭，以隔离G。消融只改变G或S；显存不足时应统一调整所有对照臂的batch并留痕。拟预热3轮并固定seed35及确定性选项。类别适配拟仅替换最终输出并保留可迁移参数，任何无法加载的层应在真实运行日志中列明。共同轮数不保证计算预算完全相等，还应记录实际迭代数与训练时长，防止将额外训练机会误认为策略收益。
表二 拟采用训练与评价设置
| 项目 | 拟采用设置 |
|---|---|
| 环境（尚未执行） | 拟采用Ubuntu 22.04、Python 3.11、PyTorch 2.9/CUDA 12.8、RTX 4090 24GB；尚未安装、运行或兼容性测试 |
| 实现 | ultralytics==8.4.208；同输入640×640 |
| 预算与优化器 | 150轮，batch16，SGD；seed35 |
| 学习率与正则 | lr0=0.01，lrf=0.01，momentum=0.937；weight_decay=0.0005 |
| G（仅训练） | p=0.3；gamma U0.8,1.25；contrast U0.85,1.15 |
| S（仅训练） | 相对框面积<0.01；w_i=1+0.5min(n_i,4)；每轮N_train次有放回采样 |
| 共同推理与评价 | one-to-many＋NMS；AP候选conf0.001；P/R conf0.25、匹配IoU0.50；NMS IoU0.70、max_det300 |
| 拟计时 | batch1、FP32；同设备；预热100次、计时1000次、CUDA同步；含预处理/传输/前向/NMS，不含读盘/解码/保存 |
计划，非实际执行记录。拟采用设置，全部尚未执行；不是官方COCO权重训练配方复现。
训练拟启用AMP，计时固定batch1与FP32，不混用精度。拟预热100次后计时1000次，调用前后CUDA同步；计入内存图像预处理、设备传输、前向、NMS及结果整理，排除磁盘读取、解码与保存。先统计平均毫秒与P95，再以1000除以平均毫秒计算FPS，不将官方免NMS速度移用于本方案。
真实执行时拟保存数据清单、读取映射、版本、随机种子、逐轮日志、所选检查点与完整测试集预测。验证集用于选择检查点，测试集不参与调参；四个消融臂保持初始化及训练预算一致。若先复核同源图像并重新划分，应发布新清单和重新统计，不能将新实验与本次原始划分数字拼接。日志归档应同时绑定图像和三个JSON的哈希，避免同名目录内容变化。模型选择规则拟固定为验证AP50:95最佳，若分数相同采用较早轮次；最终只使用该检查点评估测试集，不依据测试结果反向挑选训练轮次。
5 实验结果与分析
本章三张结果表的P、R、AP、参数量、FLOPs和时延全部人工设定，F1与FPS仅按公式计算，均为模拟示例，非实测。没有重复训练、真实预测或性能日志，因此不报告显著性、实测方差和泛化结论。表三至表五统一基线与组合名称，分别演示模型对比、双因素消融及效率书写。
表三 模型对比结果
| 模型/配置 | P | R | F1 | AP50 | AP50:95 |
|---|---|---|---|---|---|
| YOLOv8n | 0.776 | 0.742 | 0.759 | 0.806 | 0.474 |
| YOLO11n | 0.791 | 0.760 | 0.775 | 0.826 | 0.491 |
| YOLO26n | 0.812 | 0.783 | 0.797 | 0.847 | 0.516 |
| YOLO26n-GS | 0.832 | 0.809 | 0.820 | 0.869 | 0.542 |
模拟示例，非实测。全部人工模拟；mAP定义采用C=2个有效类别及10个IoU阈值，指标0---1；不来自真实评估。
表三中YOLO26n的人工AP50:95为0.516，组合方案为0.542，算术差为2.6个百分点；AP50从0.847到0.869，差2.2个百分点。相对YOLOv8n与YOLO11n的排序也是人为设定，不能视作实验证据。两类别之间的具体难度与误检分布，必须由真实逐类指标和错误样例判断。
表四 消融实验结果
| G | S | P | R | F1 | AP50 | AP50:95 |
|---|---|---|---|---|---|---|
| 关闭 | 关闭 | 0.812 | 0.783 | 0.797 | 0.847 | 0.516 |
| 开启 | 关闭 | 0.823 | 0.795 | 0.809 | 0.858 | 0.529 |
| 关闭 | 开启 | 0.821 | 0.798 | 0.809 | 0.856 | 0.527 |
| 开启 | 开启 | 0.832 | 0.809 | 0.820 | 0.869 | 0.542 |
模拟示例，非实测。其余拟采用条件固定；人工差异不证明策略有效或交互作用。
表四基线及组合与表三完全一致。单独G与单独S的人工AP50:95分别为0.529、0.527，相对基线差1.3和1.1个百分点；组合差2.6个百分点，比两者差值相加多0.2个百分点。这只是人工数字的算术关系，不能称为已验证协同效应。真实消融还应运行多个随机种子，并固定数据版本和评价路线。
图3 训练损失与验证指标曲线图。模拟示例，非实测；人工生成，未执行训练。
图3提供四个配置各150轮、共600行人工数据，随机种子为2026110935。指数趋势叠加有界高斯扰动，首末轮噪声衰减为零，不平滑。统一损失是独立构造的展示代理值，不是任一模型原生损失；AP均在0至1且AP50:95不高于AP50。曲线末值与表三协调，仅为示例，不能据此评价收敛速度、稳定性或泛化。
表五 推理效率对比
| 模型/配置 | 参数量 人工模拟 | GFLOPs 人工模拟 | 平均ms 人工模拟 | P95 ms 人工模拟 | FPS 人工模拟 |
|---|---|---|---|---|---|
| YOLOv8n | 3,050,000 | 8.4 | 5.20 | 6.40 | 192.31 |
| YOLO11n | 2,500,000 | 6.2 | 4.70 | 5.80 | 212.77 |
| YOLO26n | 2,450,000 | 5.7 | 4.30 | 5.30 | 232.56 |
| YOLO26n-GS | 2,450,000 | 5.7 | 4.30 | 5.30 | 232.56 |
全部为模拟示例，非实测。参数、FLOPs、全部时延也均为人工演示值；未剖析或计时；FPS=1000/平均ms；G/S不改网络，YOLO26n-GS与YOLO26n结构计数相同。
表五所有列均为人工演示值，没有加载模型剖析或计时，也没有把官方80类模型规模冒充本数据集结果。G/S仅作用于训练，故组合与YOLO26n设定相同参数、计算量和时延。以4.30毫秒为例，FPS=1000/4.30≈232.56，P95另设为5.30毫秒，二者口径不同。真实效率需在表二范围与同一设备上重新测量。
图4 不同模型检测可视化对比图。模拟示例，非实测；模型列为人工框与模拟分数，非模型预测，不能评价模型性能。
图4的绿色GT列来自原始标注，不加置信度；橙色模型列在同一真实图像上叠加人工扰动框和模拟分数。各列使用相同扰动规则，不能按框位置或分数排名。逐框JSON保留原COCO图像、标注与类别ID，以及原xywh和仅供显示的xyxy，明确区分GT与人工构造；这些框不是三张表的评估来源。
真实定量评估应覆盖全部测试图像，示例图则用于定位偏移、遮挡漏检和背景混淆检查，二者作用不同。后续应预先记录选样规则，展示失败例并分析两类召回；不能只挑成功画面。本次完整保留选定图像的GT和人工框构造参数，保证演示内容可追溯。
6 讨论
首要限制是独立性。测试集仅34张且存在19个跨划分同基名候选组，即使完全重复为零，也不能确认不同划分来自独立场景。后续需人工复核候选、识别图像族，再按来源隔离划分并保留清单。本次未静默去重或改划分，原始统计也不能证明新果园表现。当近重复候选得到确认时，应按图像族整体移动而不是逐图随机拆分，并重新建立训练、验证与测试清单。若样本规模不足以兼顾独立性和两类覆盖，可先扩大采集；不能为了维持表面比例而留下同源泄漏。
其次，颜色标签与水平框只能支持既有类别的定位研究，不能直接推出成熟度、病害、重量或可采摘性。拉伸可能改变几何外观，水印可能成为捷径特征；缺少地点、设备、日期与品种元数据也限制外推。应另外采集独立场景，记录光照、遮挡及目标尺度，并复核标注边界。真实部署还需约定计数去重方式、异常输入处理与目标可见性边界。当前框级数据没有连续帧轨迹或深度信息，不能直接支持跨帧累计计数和机械臂空间定位；这些应用需要另外的标注与独立测试。
最后，G可能削弱颜色判别线索，S可能增加同源图像曝光及过拟合风险。真实验证应补充分场景误检、两类混淆、小框AP和失败样例，再判断策略是否值得保留。人工图表可用于论文结构练习；替换为实测内容时应同步更新日志、图注、指标与所有模拟标识，保留旧版以供追溯。
7 结论
本文核验481张图像、5993个水平框和两种有效类别，保留原生COCO与原始划分，给出固定8.4.208版本YOLO26n语义及G/S受控实验计划。19个跨划分文件名候选与小规模测试集构成明确限制。三张性能表、训练曲线、模型列框和效率全部为模拟示例，非实测，不能得出性能提升或部署达标结论。下一步应先复核图像族与评价独立性，再实际运行训练、推理和计时，用可追溯结果替换演示。