K60111-期末大作业-基于YOLO11n的浙江农林大学非机动车识别计数

考核内容

在以下应用场景中，选择其中一个课题作为期末作业：

应用场景1：人员跟踪及数量识别：人员跟踪及数量识别在公共安全与安防监控、商业与零售优化、交通管理与城市规划、疫情防控与公共卫生、工业与工地管理、大型活动管理等方面具有重要意义。

应用场景2：非机动车跟踪及数量识别：非机动车（如自行车、电动自行车、三轮车等）的跟踪及数量识别技术在智慧交通、城市管理和公共安全等领域具有重要意义。非机动车跟踪及数量识别可提升交通效率、保障安全、优化城市管理，并助力共享经济和智慧城市建设。随着AI和物联网技术的发展，其应用场景将更加广泛。

应用场景3：鸡群跟踪识别: 鸡群跟踪识别（基于计算机视觉、RFID、物联网等技术）在现代化养殖、食品安全和农业管理中具有重要价值。鸡群跟踪识别技术通过数字化手段提升养殖效率、保障动物健康和食品安全，是智慧农业的核心应用之一。随着AI和物联网成本降低，未来将加速向中小型养殖场普及，推动畜牧业可持续发展。

应用场景4：客流人数统计识别: 客流人数统计识别技术（基于视频分析、Wi-Fi探针、红外感应、AI摄像头等手段）在商业运营、公共安全、城市规划等领域具有广泛的应用价值。客流统计不仅是“数人头”，更是通过数据优化资源分配、提升安全性和商业效益的关键工具。随着5G和AI边缘计算的发展，未来将向实时化、预测化和全场景融合方向演进，成为智慧城市的核心基础设施之一。

应用场景5：古树名木健康智能监测保护（基于物联网传感器、无人机遥感、计算机视觉、人工智能分析等技术）在生态环境保护、文化遗产传承及林业可持续发展中具有重要价值。该技术通过智能化手段实现古树生长状态实时监测、病虫害早期预警与异常风险评估，显著提升管护效率与科学决策水平，是落实国家生态文明建设与古树保护法律要求的关键举措。随着传感器成本下降与AI算法成熟，未来将朝着全时监测、智能诊断、预测性维护及公众参与式保护方向发展，形成覆盖全国的古树智能保护网络，助力生物多样性保护与文化传承。

请自行获取视频流（场景1-4）或数据（场景5）进行目标出现识别（场景1-4）和异常监测（场景5）。

作业要求：第一，提交所用原始数据、实验数据及标签数据；提交训练参数、平台及模型代码（要求能够复现）；第二，实验场景趋于现实世界应用场景。第三，提交程序运行的视频、提交不少于5000字的项目报告。

参考步骤

0.作业类型：应用场景2

1.测试效果

1.1视频流（带宽有限，如果经常缓冲请先暂停一会等待缓冲完成）

1.2结果流（带宽有限，如果经常缓冲请先暂停一会等待缓冲完成）

2.训练参数

颜色增强

hsv_h=0.015, # 色调增强
hsv_s=0.7, # 饱和度增强（增强颜色变化）
hsv_v=0.4, # 明度增强（增强光照变化）

# 几何变换
degrees=15, # 旋转角度（±15度，增加角度变化）
translate=0.15, # 平移（15%，增加位置变化）
scale=0.6, # 缩放（40%-160%，增加尺度变化）
shear=3, # 剪切（±3度）
perspective=0.0001, # 透视变换（轻微）
flipud=0.0, # 上下翻转（关闭，车辆不应该上下翻转）
fliplr=0.5, # 左右翻转（50%概率）

# 高级增强
mosaic=1.0, # 马赛克增强（100%概率，增加背景多样性）
mixup=0.15, # 混合增强（15%概率，增加类别间混合）
copy_paste=0.1, # 复制粘贴增强（10%概率，如果支持）

# ========== 优化器参数 ==========
optimizer='AdamW',
lr0=0.001, # 初始学习率
lrf=0.01, # 最终学习率因子
momentum=0.937,
weight_decay=0.0005,
warmup_epochs=3, # 预热轮数
warmup_momentum=0.8,
warmup_bias_lr=0.1,