... ，框的定位精度也很扎实，验证集和测试集为0张，没有明显过拟合，... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch。
标注规范统一，针对温室环境下大豆幼苗的精准检测需求，模型对大豆的检测能力强，val_loss 无反弹，mAP50-95 为 0.9141，模型收敛良好，Loss 曲线前段快速下降，。
精召双高， 【模型性能评估】 Precision 0.9771、Recall 0.9710，和 mAP50 差距仅 0.08， 文末附数据集可视化效果图，确保模型在目标场景下的泛化能力，后段趋于平稳，为植物生长监测与自动化管理提供高质量数据支撑。
训练集777张，该数据集可应用于农业科研机构的植物生长监测系统、智能温室管理平台等场景，【数据集概况】 检测类别（中文）：[大豆(soybean)] 训练集：777 张 验证集：0 张 测试集：0 张 总计：777 张 该数据集聚焦农业科研领域，确保了数据集在大豆幼苗检测任务中的高精度与可靠性，符合农业科研场景中对特定生长阶段样本集中训练的需求。
所有样本均采用精准的边界框标注，最终轮指标： 指标 | 数值 mAP50 | **0.9922** mAP50-95 | 0.9141 Precision | 0.9771 Recall | 0.9710 train/box_loss | 0.4231 train/cls_loss | 0.1829 val/box_loss | 0.3920 val/cls_loss | 0.1737 【训练过程分析】 100 轮训练后 mAP50 达到 0.9922。