手把手教你用 YOLO 跑多光谱数据集（零代码改动）

自 Ultralytics 8.3.112 (PR #20223) 起，框架原生支持 多光谱 (multispectral) 数据训练，且一次性覆盖 检测、分割、姿态、分类 四大任务。
无需手动改代码——只要在配置文件里声明多通道输入即可畅享多光谱加成。

目录

1. 什么是多光谱数据集
2. 成像原理与数据组成差异
3. 多光谱与目标检测的关系
4. 与常规 RGB 流程的差异
5. 优势与典型应用场景
6. 快速上手：训练多光谱数据集
7. 总结

什么是多光谱数据集

RGB 图像 vs. 多光谱图像

• RGB 图像：模拟人眼感知的三通道可见光。
• 多光谱图像：同时记录多个波段（近红外、短波红外、热红外等），能捕获更多物理特征，信息维度更丰富。

成像原理与数据组成差异

1. 成像方式

   • RGB 相机：三色滤光片直接对应 R/G/B 通道。
   • 多光谱相机：额外滤镜 / 光栅把不同波段拆分到独立通道，可通过并行拍摄或滤镜轮换实现。

   

2. 数据通道

   • RGB：固定 3 通道。
   • 多光谱：常见 4 通道（R/G/B/NIR），也可扩展到 6、8 甚至上百通道（高光谱）。

多光谱与目标检测的关系

为什么要引入多光谱？

• 光谱互补：不同材质在非可见波段反射/辐射差异大，NIR 下的植被与土壤对比更明显。
• 弱光与逆光鲁棒性：热红外不依赖可见光，夜间也能稳定检测行人/热源。
• 提高精度：结合形状 + 光谱曲线，模型可分辨外观类似但光谱特性不同的类别（如农作物品种）。

与常规 RGB 流程的差异

优势与典型应用场景

1. 低光照 / 夜视

   • TIR：夜间人体、车辆高对比度。
   • NIR：晨昏弱光下仍保留目标轮廓。

2. 复杂背景下的精细分割

   • 植被类型区分、病害检测。

3. 多模态融合

   • 结合 RGB 反射信息 + TIR 辐射信息，极端光照条件下保持高召回率。

4. 典型场景

   • 农业遥感：NDVI/作物健康监测。
   • 安防监控：全天候行人检测（RGB-T）。
   • 环境保护：水体污染、森林火灾热源追踪。
   • 智慧城市：建筑材料分析、路面热岛效应。

快速上手：训练多光谱数据集

核心结论： 训练流程与 RGB 完全一致，只需切换数据集 yaml 与模型配置即可。

1. 环境安装

git clone https://github.com/ultralytics/ultralytics.git
cd ultralytics
pip install -e .

2. 数据集准备

• 以官方 coco8-multispectral demo 为例（共 8 张 .tiff，多通道）。
• 下载后放在与 ultralytics 同级目录，结构如下，在我博客上方可以直接下载：

├─ datasets
│	 ├─ coco8-multispectral
│       ├─ images
│       └─ labels
└─ ultralytics

3. 训练脚本 (train.py)

训练哪个版本YOLO大家可以自行选择，我这里用11举例 。

from ultralytics import YOLO

model = YOLO('ultralytics/cfg/models/11/yolo11.yaml')  # 可替换任意 YOLOv8/11 等模型

results = model.train(
    data='ultralytics/cfg/datasets/coco8-multispectral.yaml',
    epochs=10,
    batch=2,
    imgsz=640,
    device="0",
)

• 第一层输入显示 C=10 → 说明是 10 通道多光谱数据。
• 训练完毕后结果保存在 runs/train/ 目录。

4. 推理

from ultralytics import YOLO

model = YOLO('/root/ultralytics/runs/detect/train/weights/best.pt')

# Train the model
results = model.predict(
  source='/root/datasets/coco8-multispectral/images/train/000000000009.tiff',
  save=True
)

推理脚本与 RGB 完全一致；同样能在日志中看到 C=10：

镜像分享

如果大家不想自己配置环境，可以使用我的环境镜像，里面有配置好环境的代码和数据集，可以开箱即用。

总结

• 通道维度：RGB 仅 3 通道，多光谱 ≥ 4 通道，信息更丰富。
• 性能优势：在弱光、夜晚、复杂背景等条件下显著提升检测精度与鲁棒性。
• 应用广泛：农业监测、安防夜视、环境保护、智慧城市……
• 训练无门槛：Ultralytics 已原生支持多光谱，零代码改动，只需配置文件即可上手。