使用yolov5训练自己的数据集（苹果成熟度检测）

先从Github上下载YOLOv5，下载好解压配置好就可以使用，地址：

https://github.com/ultralytics/yolov5

1.训练数据集的准备工作

在yolov5 目录的data文件夹下新建四个文件夹，先说明这四个文件夹分别是用来干什么的，后面会往里面一一加入需要添加的内容。

Annotations文件夹：用来存放使用labelimg给每张图片标注后的xml文件，后面会讲解如何使用labelimg进行标注。

Images文件夹：用来存放原始的需要训练的数据集图片，图片格式为jpg格式。

ImageSets文件夹：用来存放将数据集划分后的用于训练、验证、测试的文件。

Labels文件夹：用来存放将xml格式的标注文件转换后的txt格式的标注文件。

 2.准备数据集

我做的是关于苹果成熟度的检测，将苹果根据成熟度划分为3类：高成熟度 High_Ripeness，中成熟度 Medium_Ripeness，低成熟度 Low_Ripeness。下图为数据集的一部分，共准备了60张原始图片，高中低成熟度的图片各有20张，图片都是从百度上一一下载的。此处会用到一个非常高效的重命名方式，就不用一张一张图片的进行重命名。批量重命名的代码如下。60张图片准备好后就放在images文件夹中即可。

import os

class BatchRename():

'''

批量重命名文件夹中的图片文件

'''

def __init__(self):

self.path = 'E:GitHubyolov5-masteryolov5-masterdataimages新建文件夹'

self.new_path='E:GitHubyolov5-masteryolov5-masterdataimages新建文件夹'

def rename(self):

filelist = os.listdir(self.path)

total_num = len(filelist)

i = 1

for item in filelist:

if 1:

src = os.path.join(os.path.abspath(self.path), item)

dst = os.path.join(os.path.abspath(self.path), 'Low Ripeness0000' + format(str(i), '0>3s') + '.jpg')

try:

os.rename(src, dst)

print('converting %s to %s ...' % (src, dst))

i = i + 1

except:

continue

print ('total %d to rename & converted %d jpgs' % (total_num, i))

if __name__ == '__main__':

demo = BatchRename()

demo.rename()

3.使用labelimg进行标注

Labelimg是一个图像标注工具，软件使用非常简单，下载解压后在data文件夹下有一个predefined_classes文件，在里面提前写好要训练