簡介面向計(jì)算機(jī)視覺目標(biāo)檢測任務(wù)尤其適合工業(yè)管道缺陷自動識別場景。數(shù)據(jù)集包含超過900張帶有標(biāo)注信息的管道圖片已處理為YOLO格式并完成數(shù)據(jù)增廣可直接用于YOLO全系列模型訓(xùn)練滿足高校實(shí)驗(yàn)、算法調(diào)試及工業(yè)檢測方案驗(yàn)證等多種需求。壓縮包共1893個(gè)文件以945張jpg圖像與946個(gè)配套txt標(biāo)簽文件為主體另附可視化py腳本與class類別文件整體大小32.47MB便于快速下載與部署目前已有1940人瀏覽學(xué)習(xí)。資源劃分了訓(xùn)練集與驗(yàn)證集標(biāo)簽統(tǒng)一為defect類別借助show腳本可直觀查看邊界框繪制效果幫助評估檢測精度、排查漏檢與誤檢問題。對希望快速上手YOLO管道缺陷檢測、或構(gòu)建工業(yè)安全檢測原型的開發(fā)者而言這是一份能直接復(fù)用的實(shí)操素材。1. 管道缺陷檢測數(shù)據(jù)集900張標(biāo)注圖到底能干什么管道缺陷檢測數(shù)據(jù)集這個(gè)標(biāo)題聽著就像又一個(gè)普通標(biāo)注包但它恰恰是工業(yè)視覺里最典型的一種“小樣本但必須做”的場景。900多張圖片和標(biāo)簽放在通用目標(biāo)檢測里不算多可放在管道巡檢、管網(wǎng)檢修、焊縫復(fù)核這類細(xì)分方向上已經(jīng)是一份值得認(rèn)真對待的家底了。這類數(shù)據(jù)集里的缺陷類型通常集中在腐蝕、裂紋、焊縫缺陷、破損、變形等幾類圖片大多來自管道內(nèi)窺設(shè)備或檢修現(xiàn)場拍照光照差、背景雜、缺陷目標(biāo)小和自動駕駛那種“大而全”的數(shù)據(jù)集完全是兩個(gè)物種。所以它的正確定位不是“拿來從零訓(xùn)練”而是“拿預(yù)訓(xùn)練模型做遷移學(xué)習(xí)微調(diào)”——用900張圖把模型從通用檢測器調(diào)成管道缺陷專用檢測器。這個(gè)方向值不值得做取決于你能不能把這900多張圖吃透、喂對、調(diào)好而不是圖省事直接開訓(xùn)。2. 先弄清楚數(shù)據(jù)集里有什么目錄結(jié)構(gòu)、標(biāo)注格式與缺陷類別拿到這類數(shù)據(jù)集第一件事千萬別是解壓完就寫訓(xùn)練命令。管道缺陷數(shù)據(jù)集的坑有一半在標(biāo)注文件里。先花半小時(shí)把目錄結(jié)構(gòu)和標(biāo)注格式對清楚后面訓(xùn)練能少交三天學(xué)費(fèi)。2.1 解壓后先對賬images與labels的目錄規(guī)約這類數(shù)據(jù)集常見的組織方式是images和labels兩大目錄各自下面再按train和val分開標(biāo)注文件與圖片同名。拿到壓縮包后先看結(jié)構(gòu)再數(shù)數(shù)量別只看總圖片數(shù)要看train和val的分配比例。# 假設(shè)數(shù)據(jù)集根目錄是 pipe_defect/ # 統(tǒng)計(jì)圖片數(shù)量 find pipe_defect/images -name *.jpg | wc -l # 統(tǒng)計(jì)標(biāo)簽數(shù)量 find pipe_defect/labels -name *.txt | wc -l # 找出空標(biāo)簽文件空文件說明該圖沒有標(biāo)注目標(biāo) find pipe_defect/labels -name *.txt -size 0 | head -20 # 看類別定義文件內(nèi)容確認(rèn)類別編號與名稱的對應(yīng)關(guān)系 cat pipe_defect/classes.txt這三條命令能幫你快速定位兩類問題一是圖片和標(biāo)簽數(shù)量對不上說明有漏標(biāo)或誤刪文件二是空標(biāo)簽文件過多如果超過10%你就要考慮這些空圖對訓(xùn)練是幫助還是干擾。classes.txt是后續(xù)寫dataset.yaml的依據(jù)它每行的順序就是類別編號比如“corrosion”是0“crack”是1這個(gè)順序不能隨便改改了等于把所有標(biāo)簽重新編號。對賬的時(shí)候如果發(fā)現(xiàn)train和val的比例是隨機(jī)切的我一般會重新劃分一次。900多張圖的數(shù)據(jù)集理想分配是train占80%、val占20%但一定要保證每類缺陷在val里都出現(xiàn)否則驗(yàn)證時(shí)某一類AP永遠(yuǎn)是0你都不知道是模型沒學(xué)會還是val里壓根沒這類的樣本。2.2 標(biāo)注格式Y(jié)OLO txt還是VOC xml決定你的工作量管道缺陷數(shù)據(jù)集通常給兩種標(biāo)注格式之一YOLO txt或Pascal VOC xml。YOLO格式可以直接喂給YOLO系列訓(xùn)練框架VOC xml則需要轉(zhuǎn)換。二者的本質(zhì)區(qū)別在于坐標(biāo)體系YOLO txt里存的是歸一化中心點(diǎn)坐標(biāo)和寬高即x_center、y_center、width、height取值范圍0到1VOC xml里存的是像素坐標(biāo)xmin、ymin、xmax、ymax必須除以圖片寬高才能歸一化。如果你拿到的是VOC xml數(shù)據(jù)集就需要先轉(zhuǎn)換成YOLO txt。下面這段轉(zhuǎn)換腳本是我常用的基礎(chǔ)版本覆蓋了大多數(shù)情況import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path: Path, class_list: list, out_txt: Path): 將VOC格式XML轉(zhuǎn)換為YOLO格式txt - xml_path: 單張圖片對應(yīng)的XML標(biāo)注文件 - class_list: 類別名稱列表順序決定類別編號 - out_txt: 輸出的txt標(biāo)簽文件路徑 tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) with open(out_txt, w) as out: for obj in root.iter(object): name obj.find(name).text if name not in class_list: continue cls_id class_list.index(name) box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 關(guān)鍵點(diǎn)寬高要取差值不是直接填坐標(biāo)值 box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h # 中心點(diǎn)坐標(biāo)是兩端坐標(biāo)的均值除以寬高完成歸一化 x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h # 防止邊緣坐標(biāo)越界把計(jì)算結(jié)果限制在[0,1]內(nèi) x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) box_w min(box_w, 1.0) box_h min(box_h, 1.0) out.write(f{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}\n)這個(gè)腳本最關(guān)鍵的是四個(gè)參數(shù)的計(jì)算邏輯寬高必須用xmax - xmin中心點(diǎn)必須用兩端坐標(biāo)的均值而且分母必須是圖片像素寬高。很多人在這一步翻車把歸一化理解成只除以寬或只除以高導(dǎo)致框變形。轉(zhuǎn)換完隨便挑三五個(gè)文件用標(biāo)注可視化腳本畫到原圖上肉眼看一眼位置是否貼合缺陷區(qū)域這比任何自動化校驗(yàn)都直接。管道缺陷數(shù)據(jù)集里還有一種常見情況標(biāo)注框比實(shí)際缺陷區(qū)域大一圈。因?yàn)楣艿纼?nèi)部光線差標(biāo)注員很難精準(zhǔn)框住邊緣不規(guī)則的腐蝕區(qū)域框帶一點(diǎn)冗余是正常的。轉(zhuǎn)換腳本處理不了這類問題只能靠可視化抽查來判斷要不要接受這批標(biāo)注。2.3 用Python腳本做質(zhì)量審計(jì)壞標(biāo)簽比沒有標(biāo)簽更傷模型900多張圖的標(biāo)注質(zhì)量直接決定微調(diào)效果的上限。標(biāo)注里最常見的四類問題類別編號越界、中心坐標(biāo)不在圖內(nèi)、寬高為0或超界、文件格式少列。這些問題不會讓訓(xùn)練報(bào)錯(cuò)但會讓模型學(xué)到錯(cuò)誤的邊界。下面這個(gè)審計(jì)腳本能幫你快速跑一遍全量標(biāo)簽from pathlib import Path def audit_labels(labels_dir: str, class_num: int): 檢查目錄下所有YOLO txt標(biāo)簽的合法性 - labels_dir: labels目錄路徑 - class_num: 類別總數(shù)用于判斷類別編號是否越界 bad_count 0 for txt in Path(labels_dir).glob(*.txt): with open(txt) as f: lines f.readlines() # 空標(biāo)簽文件不報(bào)錯(cuò)但要單獨(dú)統(tǒng)計(jì)數(shù)量 if not lines: print(f[EMPTY] {txt.name}) bad_count 1 continue for i, line in enumerate(lines): parts line.strip().split() if len(parts) ! 5: print(f[FORMAT] {txt.name} line {i 1}: {line.strip()}) bad_count 1 continue cls float(parts[0]) x_center float(parts[1]) y_center float(parts[2]) box_w float(parts[3]) box_h float(parts[4]) if cls 0 or cls class_num: print(f[CLASS] {txt.name} cls{cls}) bad_count 1 if not (0 x_center 1 and 0 y_center 1): print(f[CENTER] {txt.name} center({x_center:.3f},{y_center:.3f})) bad_count 1 if box_w 0 or box_h 0 or box_w 1 or box_h 1: print(f[SIZE] {txt.name} size({box_w:.3f},{box_h:.3f})) bad_count 1 print(f檢查完成問題標(biāo)簽總數(shù): {bad_count}) # 用法audit_labels(pipe_defect/labels/train, class_num5)這段腳本跑出來的結(jié)果建議按問題類型分別處理空標(biāo)簽文件直接保留訓(xùn)練時(shí)模型會把它當(dāng)作背景圖類別越界必須修正通常是classes.txt順序和標(biāo)注方文檔不一致中心點(diǎn)坐標(biāo)越界則說明標(biāo)注時(shí)把人手畫到了圖片邊緣之外這類標(biāo)簽要么裁剪掉越界部分要么刪除整張圖不要硬留。管道缺陷圖片里很多目標(biāo)本身就貼著圖像邊沿這類問題出現(xiàn)的頻率不低。跑完審計(jì)你會發(fā)現(xiàn)所謂“900張干凈標(biāo)注”其實(shí)經(jīng)不起細(xì)看。這很正常工業(yè)數(shù)據(jù)集的通病就是標(biāo)注質(zhì)量參差。審計(jì)的意義在于讓你提前知道哪些圖需要人工復(fù)核而不是等訓(xùn)練完才發(fā)現(xiàn)模型在某個(gè)類別上完全失靈。3. 把管道缺陷數(shù)據(jù)集喂進(jìn)YOLO從數(shù)據(jù)組織到訓(xùn)練參數(shù)審計(jì)和格式轉(zhuǎn)換都做完之后才能進(jìn)入訓(xùn)練環(huán)節(jié)。這一章說清楚三件事數(shù)據(jù)集文件怎么組織、訓(xùn)練參數(shù)怎么定、數(shù)據(jù)增強(qiáng)怎么開。900張圖的數(shù)據(jù)量決定了這些配置和通用目標(biāo)檢測不一樣照搬大模型訓(xùn)練方案大概率要翻車。3.1 用dataset.yaml把訓(xùn)練和驗(yàn)證路徑寫清楚YOLO訓(xùn)練框架讀取數(shù)據(jù)集的入口就是一個(gè)yaml文件里面寫明訓(xùn)練集、驗(yàn)證集圖片路徑和類別列表。管道缺陷數(shù)據(jù)集的yaml配置長這樣# pipe_defect.yaml path: /your/abs/path/pipe_defect # 數(shù)據(jù)集根目錄的絕對路徑 train: images/train # 訓(xùn)練集圖片目錄相對于path val: images/val # 驗(yàn)證集圖片目錄相對于path nc: 5 # 類別總數(shù)與classes.txt行數(shù)一致 names: 0: corrosion # 腐蝕 1: crack # 裂紋 2: weld_defect # 焊縫缺陷 3: dent # 凹陷 4: pitting # 點(diǎn)蝕path這一項(xiàng)一定要寫絕對路徑因?yàn)橛?xùn)練進(jìn)程的工作目錄可能不在數(shù)據(jù)集根目錄。train和val寫的是相對于path的路徑images/train和images/val是圖片目錄框架會自動去同級的labels目錄里找同名txt。names的編號必須和標(biāo)簽文件里的類別編號一致否則模型訓(xùn)練時(shí)會把corrosion當(dāng)成crack來學(xué)。寫這個(gè)文件的常見錯(cuò)誤是類別數(shù)量跟實(shí)際不符。管道缺陷數(shù)據(jù)集有些版本會把“background”也當(dāng)作一個(gè)類別如果classes.txt里寫了6行但真正標(biāo)注的只有5類nc應(yīng)該填5還是6以實(shí)際標(biāo)注為準(zhǔn)看標(biāo)簽文件里出現(xiàn)的最大類別編號是多少而不是數(shù)classes.txt的行數(shù)。3.2 訓(xùn)練參數(shù)epochs、batch、imgsz的搭配邏輯900張圖的微調(diào)訓(xùn)練我通常推薦的命令是這樣yolo train \ modelyolov8n.pt \ datapipe_defect.yaml \ epochs100 \ batch16 \ imgsz640 \ patience15 \ lr00.001 \ augmentTrue參數(shù)含義拆開講。modelyolov8n.pt表示加載預(yù)訓(xùn)練權(quán)重用n版本是因?yàn)樗鼌?shù)少、不容易在小數(shù)據(jù)集上過擬合900張圖喂給yolov8x這種大模型訓(xùn)練集loss會很好看驗(yàn)證集mAP大概率原地踏步。epochs100不是硬性指標(biāo)配合patience15意思是連續(xù)15個(gè)epoch驗(yàn)證集mAP沒有提升就自動停通常實(shí)際跑到50到70輪就收斂了。batch16在大多數(shù)單卡GPU上都能跑如果你顯存不夠就降到8但不要低于4否則batch normalization的統(tǒng)計(jì)量不穩(wěn)定。imgsz640是輸入分辨率管道缺陷檢測場景里可以適當(dāng)加大到960因?yàn)楹芏嗔鸭y和點(diǎn)蝕在原始圖片里只占幾十像素分辨率太低等于把缺陷直接抹掉了。加大imgsz的代價(jià)是顯存占用和訓(xùn)練時(shí)間翻倍所以一般先跑640驗(yàn)證流程再跑960追求精度。lr00.001是初始學(xué)習(xí)率加載預(yù)訓(xùn)練權(quán)重微調(diào)時(shí)不需要用默認(rèn)的0.01小數(shù)據(jù)集用小學(xué)習(xí)率更穩(wěn)。這個(gè)值如果發(fā)現(xiàn)訓(xùn)練loss震蕩厲害可以再降到0.0005但要給足epoch數(shù)學(xué)習(xí)率太低收斂會變慢。訓(xùn)練過程要盯兩條曲線訓(xùn)練集loss和驗(yàn)證集mAP。如果訓(xùn)練集loss持續(xù)下降但驗(yàn)證集mAP在某個(gè)數(shù)值附近不動說明過擬合已經(jīng)開始這時(shí)候不是加數(shù)據(jù)就是減弱增強(qiáng)而不是繼續(xù)加epoch。3.3 數(shù)據(jù)增強(qiáng)別一上來就開滿管道缺陷有自己的脾氣YOLO訓(xùn)練框架默認(rèn)開著mosaic、翻轉(zhuǎn)、縮放等增強(qiáng)手段但對管道缺陷數(shù)據(jù)集默認(rèn)配置不一定合適。原因在于管道缺陷有很強(qiáng)的方向性和尺度特征裂紋通常沿管道走向分布腐蝕區(qū)域形狀不規(guī)則但尺度相對固定。如果增強(qiáng)配置把圖片隨意旋轉(zhuǎn)90度或大幅縮放學(xué)到的特征可能與真實(shí)場景背離。常見的做法是保留基礎(chǔ)增強(qiáng)、控制強(qiáng)增強(qiáng)的程度。下面這段超參數(shù)配置代表了我在管道缺陷數(shù)據(jù)上的常用設(shè)定# 在訓(xùn)練腳本中覆蓋默認(rèn)增強(qiáng)參數(shù) mosaic: 0.5 # mosaic概率降到0.5避免大量小目標(biāo)拼接偽影 fliplr: 0.5 # 水平翻轉(zhuǎn)保留裂紋左右對稱 flipud: 0.0 # 垂直翻轉(zhuǎn)關(guān)掉管道方向感不能被破壞 hsv_h: 0.015 # 色調(diào)增強(qiáng)小幅度管道內(nèi)壁顏色不能亂變 hsv_s: 0.5 # 飽和度增強(qiáng)中等 degrees: 0.0 # 旋轉(zhuǎn)關(guān)閉缺陷方向是有物理含義的 scale: 0.5 # 縮放增強(qiáng)保留模擬不同距離拍攝mosaic降到0.5而不是默認(rèn)的1.0是因?yàn)閙osaic會把四張圖拼在一起導(dǎo)致小目標(biāo)數(shù)量暴增而管道缺陷已經(jīng)有大量小目標(biāo)了再拼接會讓模型花太多精力在異常尺度的目標(biāo)上干擾正常學(xué)習(xí)。degrees0.0是很多人的血淚教訓(xùn)換來的旋轉(zhuǎn)增強(qiáng)對通用目標(biāo)檢測是好東西但管道缺陷檢測里裂紋的水平或垂直走向本身是判別的有效特征轉(zhuǎn)個(gè)90度后這個(gè)特征就失真了模型學(xué)了等于白學(xué)。如果你非要旋轉(zhuǎn)最多只能允許正負(fù)10度而且要在后期關(guān)閉。還有一點(diǎn)容易忽略觀察驗(yàn)證集效果時(shí)不要只盯mAP還要看每類的AP。管道缺陷數(shù)據(jù)集的類別分布通常極不均衡全局mAP好但某類AP接近0的情況非常常見。下一章展開說。4. 避坑指南管道缺陷數(shù)據(jù)集最常見的4個(gè)坑這部分寫的是我在多次管道缺陷檢測項(xiàng)目里踩過的坑每條都按“現(xiàn)象→原因→解決”來寫。你能搜到管道缺陷數(shù)據(jù)集這個(gè)關(guān)鍵詞說明多半已經(jīng)在訓(xùn)練或準(zhǔn)備訓(xùn)練了這些坑越早知道越省錢。4.1 類別不平衡腐蝕占大頭裂紋只有幾十張現(xiàn)象訓(xùn)練結(jié)束后看驗(yàn)證結(jié)果總體mAP0.5在0.7左右但按類別翻看時(shí)發(fā)現(xiàn)corrosion的AP有0.85而crack的AP只有0.15甚至趨近于0。模型看起來“能用”實(shí)際一部署到現(xiàn)場真正最危險(xiǎn)的裂紋一條都測不出來。原因900多張圖里腐蝕類樣本可能占了七八百張裂紋類只有幾十張。模型在訓(xùn)練時(shí)見過的大部分正樣本都是腐蝕自然把“缺陷”這個(gè)概念的權(quán)重全部壓在了腐蝕特征上。目標(biāo)檢測損失函數(shù)里每張圖每個(gè)框都是等權(quán)重的樣本多的類別主導(dǎo)了梯度方向。解決常見做法是兩個(gè)方向同時(shí)走。一是數(shù)據(jù)層面對少數(shù)類做過采樣把裂紋樣本在訓(xùn)練數(shù)據(jù)中復(fù)制幾份配合隨機(jī)增強(qiáng)讓模型每次看到略有不同的裂紋圖。二是損失函數(shù)層面如果用的是可調(diào)損失權(quán)重的訓(xùn)練框架給少數(shù)類提高loss權(quán)重。我一般傾向先做數(shù)據(jù)過采樣因?yàn)樗庇^、可控、不依賴框架特性。還要記住驗(yàn)證集里每類樣本都不少于5張否則算出來的單類AP方差太大可信度不高。4.2 缺陷目標(biāo)太小幾十像素的裂紋在特征圖里消失了現(xiàn)象訓(xùn)練的loss曲線正常下降驗(yàn)證時(shí)mAP0.5和mAP0.5-95相差非常大前者0.7后者只有0.25。進(jìn)一步看檢測結(jié)果大塊腐蝕檢測出來了細(xì)裂紋完全漏檢。原因管道內(nèi)壁的裂紋寬度可能只有十幾個(gè)像素經(jīng)過模型下采樣32倍后到了特征圖里就剩下不到1個(gè)像素特征已經(jīng)丟失。imgsz設(shè)成640時(shí)這個(gè)問題尤其嚴(yán)重。解決最直接的辦法是提高imgsz到960或1280讓小目標(biāo)在輸入層就占更多像素。顯存不夠的話可以改用tiling策略——把大圖切成若干小塊分別檢測再合并結(jié)果。tiling的代價(jià)是推理時(shí)間線性增加但對管道巡檢這種離線分析場景完全可接受。另一個(gè)技巧是關(guān)注小目標(biāo)的增強(qiáng)參數(shù)模型默認(rèn)可能有針對小目標(biāo)的增強(qiáng)配置不要關(guān)掉它。管道缺陷檢測的任務(wù)里小目標(biāo)不是邊緣情況而是主場景這點(diǎn)和通用檢測有很大區(qū)別。4.3 標(biāo)簽坐標(biāo)轉(zhuǎn)換錯(cuò)誤xy順序?qū)懛?、歸一化分母抄錯(cuò)現(xiàn)象訓(xùn)練能正常跑下去loss也在降但推理時(shí)檢測框位置明顯偏了比如缺陷在圖上方框卻框在圖中間甚至下方。原因VOC轉(zhuǎn)YOLO時(shí)x_center和y_center的計(jì)算順序?qū)懛椿蛘叻帜赣昧藞D片寬度的值去除高度方向的坐標(biāo)。這類錯(cuò)誤在代碼里非常難發(fā)現(xiàn)因?yàn)閘oss照常下降模型以為自己學(xué)的是“特征到框”的映射實(shí)際學(xué)的是“特征到錯(cuò)誤框”的映射。解決轉(zhuǎn)換后馬上做可視化驗(yàn)證。寫一個(gè)簡單的腳本讀取圖片、讀取標(biāo)簽、用OpenCV或matplotlib把框畫出來人工看5到10張。下面是最簡驗(yàn)證邏輯import cv2 def draw_yolo_box(img_path: str, label_path: str, save_path: str): 在圖上畫出YOLO標(biāo)注框用于轉(zhuǎn)換后的人工抽查 img cv2.imread(img_path) h, w img.shape[:2] with open(label_path) as f: for line in f.readlines(): cls, x, y, bw, bh line.strip().split()[:5] cls int(cls) x, y, bw, bh float(x), float(y), float(bw), float(bh) # 還原像素坐標(biāo)注意是中心點(diǎn)加減半寬高 xmin int((x - bw / 2) * w) ymin int((y - bh / 2) * h) xmax int((x bw / 2) * w) ymax int((y bh / 2) * h) cv2.rectangle(img, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2) cv2.putText(img, str(cls), (xmin, ymin - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2) cv2.imwrite(save_path, img)這一步的核心不是代碼多高級而是“人眼確認(rèn)”。每批次轉(zhuǎn)換完隨機(jī)抽5張圖看一眼就能避免坐標(biāo)順序錯(cuò)誤這類低級問題帶著你跑兩三天冤枉路。4.4 過擬合訓(xùn)練loss非常低驗(yàn)證mAP卻不再提升現(xiàn)象訓(xùn)練到第20個(gè)epoch開始訓(xùn)練集的box_loss持續(xù)下降驗(yàn)證集的mAP在0.7附近橫盤再往后train loss繼續(xù)走低、驗(yàn)證集紋絲不動典型的過擬合信號。原因900張圖對目標(biāo)檢測模型來說確實(shí)少尤其當(dāng)缺陷形態(tài)多樣時(shí)模型很容易把訓(xùn)練集里的背景特征也背下來。很多人以為加大數(shù)據(jù)增強(qiáng)就能解決但增強(qiáng)開太猛又會產(chǎn)生上一章說的方向失真問題兩頭難平衡。解決我習(xí)慣按這個(gè)順序排查。第一步換小模型yolov8n換成yolov8s通常能緩解但精度不一定會降。第二步減少訓(xùn)練輪數(shù)并開啟早停很多情況下模型在第40輪就已經(jīng)達(dá)到最優(yōu)驗(yàn)證效果再訓(xùn)就是浪費(fèi)時(shí)間。第三步檢查驗(yàn)證集是否和訓(xùn)練集太像如果val圖片來自同一管道同一批次拍攝內(nèi)容和訓(xùn)練集高度重合mAP虛高部署到新場景立刻打回原形。這一點(diǎn)在管道缺陷數(shù)據(jù)集里尤其常見因?yàn)椴杉酵辉谝粭l管道上拍了幾百張圖隨機(jī)劃分出來的val沒有獨(dú)立性。解決方式是盡量找不同場景、不同光照條件下拍攝的圖片做驗(yàn)證集哪怕只有50張也比從同批數(shù)據(jù)里切出來的val更能反映真實(shí)效果。5. 剩下20%的功夫驗(yàn)證指標(biāo)、閾值校準(zhǔn)和小樣本補(bǔ)強(qiáng)訓(xùn)練跑完不要急著拿著best.pt歡呼900張圖的小樣本模型還有三件事值得做細(xì)看每類AP而不是只看全局mAP根據(jù)場景數(shù)據(jù)優(yōu)選置信度閾值用模型做偽標(biāo)注給數(shù)據(jù)集做一次低成本擴(kuò)充。這三件事做完模型才真正到了能交付的狀態(tài)。先看驗(yàn)證結(jié)果里的單類AP。用命令跑一遍驗(yàn)證yolo val modelruns/detect/train/weights/best.pt datapipe_defect.yaml imgsz640輸出里除了mAP0.5和mAP0.5-95還有每個(gè)類別的AP。重點(diǎn)關(guān)注樣本量少的那些類。如果某類AP比均值低超過0.3說明這個(gè)類別學(xué)得不好回到第4章的類別不平衡處理里去補(bǔ)樣本。不要因?yàn)檎wmAP好看就跳過這一步這是小樣本數(shù)據(jù)集最容易欺騙你的地方。置信度閾值建議單獨(dú)校準(zhǔn)。默認(rèn)閾值通常是0.25但管道缺陷場景里漏檢的代價(jià)遠(yuǎn)高于誤檢我會把閾值下調(diào)到0.15左右讓模型多吐一些低置信度框后續(xù)人工復(fù)核再篩。反過來如果誤檢太多比如把焊縫反光也當(dāng)成缺陷就上調(diào)閾值。這個(gè)值沒有標(biāo)準(zhǔn)答案取決于你的業(yè)務(wù)容忍度我一般會在驗(yàn)證集上跑一遍不同閾值下的precision-recall曲線選曲線的拐點(diǎn)附近。偽標(biāo)注是最值得做的小樣本補(bǔ)強(qiáng)手段。用訓(xùn)練好的best.pt在無標(biāo)簽的管道圖片上推理把置信度高于0.8的檢測框提取出來人工快速復(fù)核后補(bǔ)充進(jìn)訓(xùn)練集。這個(gè)循環(huán)能幫你把數(shù)據(jù)從900張擴(kuò)到2000張以上而且新樣本來自真實(shí)場景比增強(qiáng)出來的虛擬樣本更有價(jià)值。代碼邏輯不復(fù)雜就是推理后按閾值過濾框再寫入txt標(biāo)簽文件。我自己的習(xí)慣是給每次訓(xùn)練寫一行備忘錄記下數(shù)據(jù)集版本、yaml內(nèi)容、訓(xùn)練參數(shù)、每類AP這樣下次拿到新的管道缺陷圖片翻備忘錄就能確定該在哪個(gè)版本上接著訓(xùn)練而不是把模型重訓(xùn)一遍。小樣本數(shù)據(jù)集的項(xiàng)目迭代效率比單次精度更重要。希望這些經(jīng)驗(yàn)?zāi)軒湍阍诠艿廊毕輽z測這條路上少走幾步彎路。本文還有配套的精品資源點(diǎn)擊獲取