简介本资源为YOLO谢韦尔钢材缺陷检测数据集面向从事工业质检、目标检测算法学习与竞赛实践的学生、工程师及研究者帮助解决钢材表面缺陷识别任务中数据获取难、标注格式不统一的问题。压缩包共2000个文件约12.38MB包含1000张真实场景高质量图片以及vocxml、cocojson和yolotxt三种格式标签另附yaml配置文件、Python划分脚本与html教程文档可直接用于YOLO系列模型训练。资源还提供训练集、验证集、测试集划分脚本以及Windows与Linux环境搭建、训练案例教程便于按需自定义数据划分并快速跑通训练流程。目前已有586人学习下载适合希望掌握缺陷检测全流程、复用高质量标注数据与配套脚本的读者参考使用。1. 钢材缺陷检测为什么总在划痕和夹杂上翻车拿到一个钢材缺陷检测数据集第一反应往往是直接丢进 YOLO 跑一遍看 mAP。但真正做过产线质检的人都知道钢材表面的划痕、夹杂、结疤这几类缺陷才是让模型集体翻车的重灾区。原因不复杂划痕细长且对比度低夹杂与氧化铁皮在灰度上几乎融为一体结疤又常出现在光照不均的边缘区域。你用一个通用 COCO 预训练权重直接微调模型大概率会把划痕当成背景噪声忽略掉。这个标题指向的是一套完整的钢材缺陷检测工程包1000 张标注图片同时提供 VOC、COCO、YOLO 三种格式标签附带数据集划分脚本和训练教程。它解决的核心问题是——让你不用从零标注、不用自己写格式转换、不用猜训练参数直接进入模型调优和部署验证阶段。适合谁适合已经跑通过 YOLOv5 或 YOLOv8 官方 demo、想找一个真实工业缺陷场景练手或落地验证的工程师。如果你连train.py都没跑过建议先补完官方教程再回来。钢材缺陷检测和通用目标检测最大的区别在于缺陷的类间差异小、类内差异大。同一类划痕有的只有几个像素宽有的贯穿整张图同一张图里可能同时出现夹杂和结疤且边界模糊。这意味着你不能照搬 COCO 那套 anchor 配置和增强策略。1000 张图不算多但足够让你把数据格式转换、划分策略、增强参数、置信度门限这几件事全部走一遍。下面按实际落地顺序拆开讲。2. 三种标签格式的转换逻辑与划分脚本怎么用2.1 VOC、COCO、YOLO 三种格式到底差在哪VOC 格式用 XML 存标注每个目标一个object节点包含类别名和xmin/ymin/xmax/ymax四个坐标值。COCO 格式用单个 JSON 文件所有图片的标注集中管理坐标是[x, y, width, height]且类别 ID 从 1 开始连续编号。YOLO 格式每张图一个.txt文件每行是class_id x_center y_center width height全部归一化到 0 到 1 之间。这三种格式的转换坑主要集中在坐标归一化和类别映射上。VOC 转 YOLO 时x_center (xmin xmax) / 2 / image_widthwidth (xmax - xmin) / image_width。看起来简单但如果你图片尺寸读错了或者 XML 里写了difficult标记没过滤训练时就会出现大量无效框。COCO 转 YOLO 更麻烦一点因为 COCO 的annotations是按image_id关联的你需要先建一个image_id到文件名的映射表。常见做法是直接用现成脚本转但我会建议你至少手写一遍转换逻辑否则出了问题根本不知道去哪查。下面是一个 VOC 转 YOLO 的最小可用脚本我一般会先拿它跑一遍确认坐标没偏。import xml.etree.ElementTree as ET import os # 类别映射必须和你的 data.yaml 里的 names 顺序一致 classes [scratch, inclusion, scale, crack] def voc_to_yolo(xml_path, img_w, img_h, output_dir): tree ET.parse(xml_path) root tree.getroot() txt_name os.path.splitext(os.path.basename(xml_path))[0] .txt txt_path os.path.join(output_dir, txt_name) with open(txt_path, w) as f: for obj in root.iter(object): # 过滤掉 difficult 标记的目标钢材缺陷里这些通常是误标 if obj.find(difficult) is not None and int(obj.find(difficult).text) 1: continue cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 归一化并限制在 0 到 1 之间防止标注越界 x_center max(0, min(1, (xmin xmax) / 2 / img_w)) y_center max(0, min(1, (ymin ymax) / 2 / img_h)) w max(0, min(1, (xmax - xmin) / img_w)) h max(0, min(1, (ymax - ymin) / img_h)) f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n)这段代码的关键参数是classes列表它决定了类别 ID 的映射关系。如果你后面用 YOLOv8 训练data.yaml里的names必须和这个列表顺序完全一致否则模型学到的类别会全部错位。另一个注意点是difficult过滤钢材缺陷数据集里经常有模糊到无法辨认的标注这些框留着只会拉低模型精度。img_w和img_h必须从对应图片读取不能硬编码因为钢材图片的尺寸可能不统一。2.2 划分脚本怎么写才不泄漏验证集数据集划分看起来只是随机分个 8:2但钢材缺陷检测里有个隐蔽的坑同一块钢板的多个缺陷可能被分到训练集和验证集两边。如果同一张原始图片被裁剪成多个样本或者同一批次拍摄的图片高度相似随机划分会导致验证集精度虚高。我一般会按“拍摄批次”或“钢板编号”做分组划分而不是按单张图片随机分。下面是一个带分组逻辑的划分脚本假设你的图片文件名里包含了钢板编号比如steel_001_scratch.jpg里的001就是钢板编号。import os import random from collections import defaultdict def split_dataset(img_dir, output_dir, train_ratio0.8, seed42): random.seed(seed) # 按钢板编号分组避免同一块钢板的图片同时出现在训练和验证集 groups defaultdict(list) for fname in os.listdir(img_dir): if not fname.endswith((.jpg, .png)): continue # 假设文件名格式为 steel_编号_缺陷类型.jpg parts fname.split(_) if len(parts) 2: group_id parts[1] groups[group_id].append(fname) group_ids list(groups.keys()) random.shuffle(group_ids) split_idx int(len(group_ids) * train_ratio) train_groups set(group_ids[:split_idx]) for split_name in [train, val]: os.makedirs(os.path.join(output_dir, split_name, images), exist_okTrue) os.makedirs(os.path.join(output_dir, split_name, labels), exist_okTrue) for gid, files in groups.items(): split_name train if gid in train_groups else val for fname in files: src_img os.path.join(img_dir, fname) dst_img os.path.join(output_dir, split_name, images, fname) os.rename(src_img, dst_img) # 对应的 YOLO 标签文件也要同步移动 label_name os.path.splitext(fname)[0] .txt src_label os.path.join(img_dir, label_name) if os.path.exists(src_label): dst_label os.path.join(output_dir, split_name, labels, label_name) os.rename(src_label, dst_label)这个脚本的核心是groups字典它把同一块钢板的图片绑在一起划分。train_ratio控制训练集比例seed保证每次运行划分结果一致方便复现。如果你拿到的数据集文件名里没有钢板编号那就退而求其次按图片的感知哈希做聚类分组但那个实现成本更高。我一般会先检查文件名规律没有规律就手动分几个大组。划分完成后目录结构应该是train/images、train/labels、val/images、val/labels四个文件夹。YOLOv8 训练时直接指向包含这两个子文件夹的根目录即可。注意os.rename是移动操作跑之前先备份原始数据这个血泪经验我踩过不止一次。3. 用 YOLOv8 在 1000 张钢材图上跑通训练3.1 环境配置与 data.yaml 的四个必改字段YOLOv8 的环境配置比 YOLOv5 简单但钢材缺陷检测有几个依赖需要注意。我一般用 conda 建一个干净环境Python 版本选 3.9 或 3.10太高了有些 CUDA 版本不兼容。conda create -n steel_yolo python3.10 -y conda activate steel_yolo pip install ultralytics opencv-python lxml tqdm # 确认 GPU 可用钢材缺陷检测用 CPU 训练会慢到怀疑人生 python -c import torch; print(torch.cuda.is_available())ultralytics包会自动装 PyTorch但如果你需要特定 CUDA 版本建议先手动装好 torch 再装 ultralytics。opencv-python用于数据增强时的图像读取lxml用于解析 VOC 的 XML 文件tqdm看进度条。接下来是data.yaml这个文件决定了训练的数据入口。钢材缺陷检测的data.yaml有四个字段必须改对path: /home/user/steel_defect_dataset train: train/images val: val/images nc: 4 names: [scratch, inclusion, scale, crack]path是数据集根目录train和val是相对路径。nc是类别数必须和names列表长度一致。names的顺序必须和前面 VOC 转 YOLO 时的classes列表完全一致否则类别 ID 会错位。我见过有人把names写成中文YOLOv8 能跑但可视化时标签显示乱码建议统一用英文。3.2 训练参数怎么设从 epochs 到置信度门限YOLOv8 的训练命令很简洁但参数设不对1000 张图也能训出废模型。下面是我在钢材缺陷检测上常用的训练命令yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ augmentTrue \ mosaic0.5 \ mixup0.1 \ degrees10.0 \ translate0.1 \ scale0.5 \ fliplr0.5 \ flipud0.0 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ device0 \ projectsteel_runs \ nameexp1modelyolov8s.pt是官方预训练权重钢材缺陷检测不建议用 nano 版本因为缺陷特征太细nano 的容量不够。epochs150配合patience30如果 30 轮验证集精度不提升就早停。imgsz640是默认值但如果你的划痕非常细长可以尝试imgsz1024代价是显存翻倍。mosaic0.5控制 mosaic 增强的概率钢材缺陷检测里我一般调到 0.5 而不是默认的 1.0因为 mosaic 会把四张图拼在一起可能让缺陷的上下文信息丢失。mixup0.1轻微混合增强泛化。degrees10.0允许小角度旋转钢材图片通常不会有大角度旋转。flipud0.0关闭上下翻转因为钢材表面的纹理有方向性上下翻转会产生不真实的缺陷形态。训练过程中重点看val/box_loss和metrics/mAP50。如果box_loss震荡不降先检查标签格式对不对如果mAP50卡在 0.3 以下大概率是类别不平衡或标注质量有问题。1000 张图训练 150 轮单卡 3090 大概 40 分钟到 1 小时。3.3 推理时置信度门限怎么调训练完拿到best.pt推理时conf参数直接决定你看到多少框。钢材缺陷检测里我一般先用conf0.25跑一遍看整体效果然后根据漏检和误检情况调整。yolo detect predict \ modelsteel_runs/exp1/weights/best.pt \ sourcetest_images/ \ conf0.25 \ iou0.45 \ saveTrue \ save_txtTrue \ projectsteel_infer \ nametest1conf0.25是置信度门限低于这个值的框不输出。如果漏检多降到 0.15 试试如果误检多升到 0.4。iou0.45是 NMS 的 IoU 阈值钢材缺陷里相邻的划痕可能靠得很近iou设太高会把它们合并成一个框设太低会保留大量重叠框。我一般从 0.45 开始根据实际重叠情况微调。save_txtTrue会输出 YOLO 格式的预测结果方便你写脚本对比 ground truth 做误差分析。这个习惯帮我定位过很多标注错误——模型预测的框和标注框偏差很大时往往是标注本身有问题。4. 钢材缺陷检测的避坑与排查记录4.1 训练 loss 不降反升现象训练前 10 轮box_loss从 2.0 降到 1.5然后突然反弹到 3.0 以上mAP50掉到 0.1 以下。原因最常见的是学习率设太大。钢材缺陷检测的标注框通常比 COCO 小很多lr00.01对某些数据集偏大。另一个可能是data.yaml里names顺序和标签文件里的类别 ID 不一致模型在学一个自相矛盾的映射。解决先把lr0降到 0.001 跑 20 轮看 loss 是否稳定下降。如果还不行用yolo detect train的--verbose模式打印每个 batch 的标签分布确认类别 ID 没有越界。我一般会写个小脚本统计所有标签文件里的类别 ID 范围超过nc-1的直接报错。4.2 验证集 mAP 很高但实际推理全是误检现象训练日志里mAP50到了 0.85但拿新图片推理时背景上的纹理全被框成缺陷。原因验证集和训练集来自同一批图片划分时没有按钢板分组导致验证集里的图片和训练集高度相似。模型记住了这批钢板的背景纹理换一批就失效。解决重新按钢板编号分组划分确保验证集里的钢板编号在训练集里没出现过。如果数据集本身没有编号信息至少按拍摄时间或光照条件做分层抽样。这个坑我踩过两次后来养成了划分前先画图片相似度热力图的习惯。4.3 某些类别 AP 始终为 0现象scratch和inclusion的 AP 正常但crack的 AP 一直是 0查预测结果发现模型完全不输出crack类。原因crack类的样本数太少1000 张图里可能只有 20 张有裂纹。YOLOv8 默认的损失函数对少数类没有额外加权模型倾向于放弃这个类。解决两个方向。一是用copy_paste增强把crack类复制粘贴到其他图片上扩充样本二是在data.yaml里给crack类加权重但 YOLOv8 不直接支持类权重需要改损失函数。我一般先用增强把少数类样本扩到 100 张以上再重新训练。如果还不行就单独训一个二分类模型专门检测crack。4.4 推理速度慢到无法上线现象yolov8s.pt在 3090 上单张推理要 50ms产线要求 20ms 以内。原因imgsz640对某些产线相机来说太大且yolov8s的参数量在边缘设备上偏重。解决先尝试imgsz416或imgsz320看精度下降是否可接受。如果不行换yolov8n.pt重新训练或者用 TensorRT 做量化。钢材缺陷检测里划痕和夹杂在低分辨率下容易丢失我一般优先保证imgsz640然后换更小的模型或做剪枝。推理速度的瓶颈往往在预处理和后处理用halfTrue开 FP16 能省不少时间。4.5 标注框越界导致训练崩溃现象训练到第 3 轮报错AssertionError: Label class x is out of bounds。原因VOC 转 YOLO 时某些标注框的xmax超过了图片实际宽度归一化后x_center width/2 1。钢材图片边缘的缺陷经常被标到图片外面。解决在转换脚本里加裁剪逻辑把x_center和width限制在合法范围内。我前面给的脚本里用了max(0, min(1, ...))就是这个目的。但更好的做法是直接过滤掉越界超过 10% 的标注框因为那些框本身标注质量就有问题。5. 用混淆矩阵和 PR 曲线定位钢材缺陷的漏检边界训练完只看mAP50是不够的钢材缺陷检测的落地瓶颈往往在特定类别和特定尺度上。我一般会跑一遍验证集的混淆矩阵和 PR 曲线这两个图能告诉你模型到底在哪类缺陷上翻车。yolo detect val \ modelsteel_runs/exp1/weights/best.pt \ datadata.yaml \ conf0.001 \ iou0.6 \ plotsTrue \ projectsteel_val \ nameval1conf0.001是为了让所有预测框都参与 PR 曲线计算plotsTrue会输出混淆矩阵、PR 曲线和 F1 曲线。跑完后重点看混淆矩阵的非对角线元素如果scratch大量被预测成inclusion说明这两类的特征区分度不够需要检查标注一致性如果background列有大量预测说明误检严重需要提高conf门限或补充负样本。PR 曲线看每个类别的曲线下面积。钢材缺陷检测里crack类的 PR 曲线通常最差因为样本少且形态多变。如果crack的 AP 低于 0.3我一般会做两件事一是把crack类的标注全部拉出来人工复查一遍确认没有漏标和错标二是用copy_paste增强把crack样本扩到至少 150 张。还有一个技巧是看 F1 曲线上的最优点对应的conf值。F1 曲线会给出一个confidence阈值在那个阈值下 F1 分数最高。我一般会把这个值作为产线推理的初始conf然后再根据漏检和误检的实际容忍度微调。比如产线要求零漏检那就把conf降到 F1 最优点以下如果要求低误检就升上去。最后说一个我自己的习惯每次训练完我会挑 20 张验证集里模型预测最差的图片逐张看预测框和标注框的偏差。这个动作帮我发现过标注框偏移、类别标错、图片模糊等各种问题。钢材缺陷检测的数据集质量参差不齐模型效果不好时先怀疑数据再怀疑模型。希望帮到你。本文还有配套的精品资源点击获取 钢材缺陷检测实战：1000张图YOLOv8训练与避坑指南
简介本资源为YOLO谢韦尔钢材缺陷检测数据集面向从事工业质检、目标检测算法学习与竞赛实践的学生、工程师及研究者帮助解决钢材表面缺陷识别任务中数据获取难、标注格式不统一的问题。压缩包共2000个文件约12.38MB包含1000张真实场景高质量图片以及vocxml、cocojson和yolotxt三种格式标签另附yaml配置文件、Python划分脚本与html教程文档可直接用于YOLO系列模型训练。资源还提供训练集、验证集、测试集划分脚本以及Windows与Linux环境搭建、训练案例教程便于按需自定义数据划分并快速跑通训练流程。目前已有586人学习下载适合希望掌握缺陷检测全流程、复用高质量标注数据与配套脚本的读者参考使用。1. 钢材缺陷检测为什么总在划痕和夹杂上翻车拿到一个钢材缺陷检测数据集第一反应往往是直接丢进 YOLO 跑一遍看 mAP。但真正做过产线质检的人都知道钢材表面的划痕、夹杂、结疤这几类缺陷才是让模型集体翻车的重灾区。原因不复杂划痕细长且对比度低夹杂与氧化铁皮在灰度上几乎融为一体结疤又常出现在光照不均的边缘区域。你用一个通用 COCO 预训练权重直接微调模型大概率会把划痕当成背景噪声忽略掉。这个标题指向的是一套完整的钢材缺陷检测工程包1000 张标注图片同时提供 VOC、COCO、YOLO 三种格式标签附带数据集划分脚本和训练教程。它解决的核心问题是——让你不用从零标注、不用自己写格式转换、不用猜训练参数直接进入模型调优和部署验证阶段。适合谁适合已经跑通过 YOLOv5 或 YOLOv8 官方 demo、想找一个真实工业缺陷场景练手或落地验证的工程师。如果你连train.py都没跑过建议先补完官方教程再回来。钢材缺陷检测和通用目标检测最大的区别在于缺陷的类间差异小、类内差异大。同一类划痕有的只有几个像素宽有的贯穿整张图同一张图里可能同时出现夹杂和结疤且边界模糊。这意味着你不能照搬 COCO 那套 anchor 配置和增强策略。1000 张图不算多但足够让你把数据格式转换、划分策略、增强参数、置信度门限这几件事全部走一遍。下面按实际落地顺序拆开讲。2. 三种标签格式的转换逻辑与划分脚本怎么用2.1 VOC、COCO、YOLO 三种格式到底差在哪VOC 格式用 XML 存标注每个目标一个object节点包含类别名和xmin/ymin/xmax/ymax四个坐标值。COCO 格式用单个 JSON 文件所有图片的标注集中管理坐标是[x, y, width, height]且类别 ID 从 1 开始连续编号。YOLO 格式每张图一个.txt文件每行是class_id x_center y_center width height全部归一化到 0 到 1 之间。这三种格式的转换坑主要集中在坐标归一化和类别映射上。VOC 转 YOLO 时x_center (xmin xmax) / 2 / image_widthwidth (xmax - xmin) / image_width。看起来简单但如果你图片尺寸读错了或者 XML 里写了difficult标记没过滤训练时就会出现大量无效框。COCO 转 YOLO 更麻烦一点因为 COCO 的annotations是按image_id关联的你需要先建一个image_id到文件名的映射表。常见做法是直接用现成脚本转但我会建议你至少手写一遍转换逻辑否则出了问题根本不知道去哪查。下面是一个 VOC 转 YOLO 的最小可用脚本我一般会先拿它跑一遍确认坐标没偏。import xml.etree.ElementTree as ET import os # 类别映射必须和你的 data.yaml 里的 names 顺序一致 classes [scratch, inclusion, scale, crack] def voc_to_yolo(xml_path, img_w, img_h, output_dir): tree ET.parse(xml_path) root tree.getroot() txt_name os.path.splitext(os.path.basename(xml_path))[0] .txt txt_path os.path.join(output_dir, txt_name) with open(txt_path, w) as f: for obj in root.iter(object): # 过滤掉 difficult 标记的目标钢材缺陷里这些通常是误标 if obj.find(difficult) is not None and int(obj.find(difficult).text) 1: continue cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 归一化并限制在 0 到 1 之间防止标注越界 x_center max(0, min(1, (xmin xmax) / 2 / img_w)) y_center max(0, min(1, (ymin ymax) / 2 / img_h)) w max(0, min(1, (xmax - xmin) / img_w)) h max(0, min(1, (ymax - ymin) / img_h)) f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n)这段代码的关键参数是classes列表它决定了类别 ID 的映射关系。如果你后面用 YOLOv8 训练data.yaml里的names必须和这个列表顺序完全一致否则模型学到的类别会全部错位。另一个注意点是difficult过滤钢材缺陷数据集里经常有模糊到无法辨认的标注这些框留着只会拉低模型精度。img_w和img_h必须从对应图片读取不能硬编码因为钢材图片的尺寸可能不统一。2.2 划分脚本怎么写才不泄漏验证集数据集划分看起来只是随机分个 8:2但钢材缺陷检测里有个隐蔽的坑同一块钢板的多个缺陷可能被分到训练集和验证集两边。如果同一张原始图片被裁剪成多个样本或者同一批次拍摄的图片高度相似随机划分会导致验证集精度虚高。我一般会按“拍摄批次”或“钢板编号”做分组划分而不是按单张图片随机分。下面是一个带分组逻辑的划分脚本假设你的图片文件名里包含了钢板编号比如steel_001_scratch.jpg里的001就是钢板编号。import os import random from collections import defaultdict def split_dataset(img_dir, output_dir, train_ratio0.8, seed42): random.seed(seed) # 按钢板编号分组避免同一块钢板的图片同时出现在训练和验证集 groups defaultdict(list) for fname in os.listdir(img_dir): if not fname.endswith((.jpg, .png)): continue # 假设文件名格式为 steel_编号_缺陷类型.jpg parts fname.split(_) if len(parts) 2: group_id parts[1] groups[group_id].append(fname) group_ids list(groups.keys()) random.shuffle(group_ids) split_idx int(len(group_ids) * train_ratio) train_groups set(group_ids[:split_idx]) for split_name in [train, val]: os.makedirs(os.path.join(output_dir, split_name, images), exist_okTrue) os.makedirs(os.path.join(output_dir, split_name, labels), exist_okTrue) for gid, files in groups.items(): split_name train if gid in train_groups else val for fname in files: src_img os.path.join(img_dir, fname) dst_img os.path.join(output_dir, split_name, images, fname) os.rename(src_img, dst_img) # 对应的 YOLO 标签文件也要同步移动 label_name os.path.splitext(fname)[0] .txt src_label os.path.join(img_dir, label_name) if os.path.exists(src_label): dst_label os.path.join(output_dir, split_name, labels, label_name) os.rename(src_label, dst_label)这个脚本的核心是groups字典它把同一块钢板的图片绑在一起划分。train_ratio控制训练集比例seed保证每次运行划分结果一致方便复现。如果你拿到的数据集文件名里没有钢板编号那就退而求其次按图片的感知哈希做聚类分组但那个实现成本更高。我一般会先检查文件名规律没有规律就手动分几个大组。划分完成后目录结构应该是train/images、train/labels、val/images、val/labels四个文件夹。YOLOv8 训练时直接指向包含这两个子文件夹的根目录即可。注意os.rename是移动操作跑之前先备份原始数据这个血泪经验我踩过不止一次。3. 用 YOLOv8 在 1000 张钢材图上跑通训练3.1 环境配置与 data.yaml 的四个必改字段YOLOv8 的环境配置比 YOLOv5 简单但钢材缺陷检测有几个依赖需要注意。我一般用 conda 建一个干净环境Python 版本选 3.9 或 3.10太高了有些 CUDA 版本不兼容。conda create -n steel_yolo python3.10 -y conda activate steel_yolo pip install ultralytics opencv-python lxml tqdm # 确认 GPU 可用钢材缺陷检测用 CPU 训练会慢到怀疑人生 python -c import torch; print(torch.cuda.is_available())ultralytics包会自动装 PyTorch但如果你需要特定 CUDA 版本建议先手动装好 torch 再装 ultralytics。opencv-python用于数据增强时的图像读取lxml用于解析 VOC 的 XML 文件tqdm看进度条。接下来是data.yaml这个文件决定了训练的数据入口。钢材缺陷检测的data.yaml有四个字段必须改对path: /home/user/steel_defect_dataset train: train/images val: val/images nc: 4 names: [scratch, inclusion, scale, crack]path是数据集根目录train和val是相对路径。nc是类别数必须和names列表长度一致。names的顺序必须和前面 VOC 转 YOLO 时的classes列表完全一致否则类别 ID 会错位。我见过有人把names写成中文YOLOv8 能跑但可视化时标签显示乱码建议统一用英文。3.2 训练参数怎么设从 epochs 到置信度门限YOLOv8 的训练命令很简洁但参数设不对1000 张图也能训出废模型。下面是我在钢材缺陷检测上常用的训练命令yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ augmentTrue \ mosaic0.5 \ mixup0.1 \ degrees10.0 \ translate0.1 \ scale0.5 \ fliplr0.5 \ flipud0.0 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ device0 \ projectsteel_runs \ nameexp1modelyolov8s.pt是官方预训练权重钢材缺陷检测不建议用 nano 版本因为缺陷特征太细nano 的容量不够。epochs150配合patience30如果 30 轮验证集精度不提升就早停。imgsz640是默认值但如果你的划痕非常细长可以尝试imgsz1024代价是显存翻倍。mosaic0.5控制 mosaic 增强的概率钢材缺陷检测里我一般调到 0.5 而不是默认的 1.0因为 mosaic 会把四张图拼在一起可能让缺陷的上下文信息丢失。mixup0.1轻微混合增强泛化。degrees10.0允许小角度旋转钢材图片通常不会有大角度旋转。flipud0.0关闭上下翻转因为钢材表面的纹理有方向性上下翻转会产生不真实的缺陷形态。训练过程中重点看val/box_loss和metrics/mAP50。如果box_loss震荡不降先检查标签格式对不对如果mAP50卡在 0.3 以下大概率是类别不平衡或标注质量有问题。1000 张图训练 150 轮单卡 3090 大概 40 分钟到 1 小时。3.3 推理时置信度门限怎么调训练完拿到best.pt推理时conf参数直接决定你看到多少框。钢材缺陷检测里我一般先用conf0.25跑一遍看整体效果然后根据漏检和误检情况调整。yolo detect predict \ modelsteel_runs/exp1/weights/best.pt \ sourcetest_images/ \ conf0.25 \ iou0.45 \ saveTrue \ save_txtTrue \ projectsteel_infer \ nametest1conf0.25是置信度门限低于这个值的框不输出。如果漏检多降到 0.15 试试如果误检多升到 0.4。iou0.45是 NMS 的 IoU 阈值钢材缺陷里相邻的划痕可能靠得很近iou设太高会把它们合并成一个框设太低会保留大量重叠框。我一般从 0.45 开始根据实际重叠情况微调。save_txtTrue会输出 YOLO 格式的预测结果方便你写脚本对比 ground truth 做误差分析。这个习惯帮我定位过很多标注错误——模型预测的框和标注框偏差很大时往往是标注本身有问题。4. 钢材缺陷检测的避坑与排查记录4.1 训练 loss 不降反升现象训练前 10 轮box_loss从 2.0 降到 1.5然后突然反弹到 3.0 以上mAP50掉到 0.1 以下。原因最常见的是学习率设太大。钢材缺陷检测的标注框通常比 COCO 小很多lr00.01对某些数据集偏大。另一个可能是data.yaml里names顺序和标签文件里的类别 ID 不一致模型在学一个自相矛盾的映射。解决先把lr0降到 0.001 跑 20 轮看 loss 是否稳定下降。如果还不行用yolo detect train的--verbose模式打印每个 batch 的标签分布确认类别 ID 没有越界。我一般会写个小脚本统计所有标签文件里的类别 ID 范围超过nc-1的直接报错。4.2 验证集 mAP 很高但实际推理全是误检现象训练日志里mAP50到了 0.85但拿新图片推理时背景上的纹理全被框成缺陷。原因验证集和训练集来自同一批图片划分时没有按钢板分组导致验证集里的图片和训练集高度相似。模型记住了这批钢板的背景纹理换一批就失效。解决重新按钢板编号分组划分确保验证集里的钢板编号在训练集里没出现过。如果数据集本身没有编号信息至少按拍摄时间或光照条件做分层抽样。这个坑我踩过两次后来养成了划分前先画图片相似度热力图的习惯。4.3 某些类别 AP 始终为 0现象scratch和inclusion的 AP 正常但crack的 AP 一直是 0查预测结果发现模型完全不输出crack类。原因crack类的样本数太少1000 张图里可能只有 20 张有裂纹。YOLOv8 默认的损失函数对少数类没有额外加权模型倾向于放弃这个类。解决两个方向。一是用copy_paste增强把crack类复制粘贴到其他图片上扩充样本二是在data.yaml里给crack类加权重但 YOLOv8 不直接支持类权重需要改损失函数。我一般先用增强把少数类样本扩到 100 张以上再重新训练。如果还不行就单独训一个二分类模型专门检测crack。4.4 推理速度慢到无法上线现象yolov8s.pt在 3090 上单张推理要 50ms产线要求 20ms 以内。原因imgsz640对某些产线相机来说太大且yolov8s的参数量在边缘设备上偏重。解决先尝试imgsz416或imgsz320看精度下降是否可接受。如果不行换yolov8n.pt重新训练或者用 TensorRT 做量化。钢材缺陷检测里划痕和夹杂在低分辨率下容易丢失我一般优先保证imgsz640然后换更小的模型或做剪枝。推理速度的瓶颈往往在预处理和后处理用halfTrue开 FP16 能省不少时间。4.5 标注框越界导致训练崩溃现象训练到第 3 轮报错AssertionError: Label class x is out of bounds。原因VOC 转 YOLO 时某些标注框的xmax超过了图片实际宽度归一化后x_center width/2 1。钢材图片边缘的缺陷经常被标到图片外面。解决在转换脚本里加裁剪逻辑把x_center和width限制在合法范围内。我前面给的脚本里用了max(0, min(1, ...))就是这个目的。但更好的做法是直接过滤掉越界超过 10% 的标注框因为那些框本身标注质量就有问题。5. 用混淆矩阵和 PR 曲线定位钢材缺陷的漏检边界训练完只看mAP50是不够的钢材缺陷检测的落地瓶颈往往在特定类别和特定尺度上。我一般会跑一遍验证集的混淆矩阵和 PR 曲线这两个图能告诉你模型到底在哪类缺陷上翻车。yolo detect val \ modelsteel_runs/exp1/weights/best.pt \ datadata.yaml \ conf0.001 \ iou0.6 \ plotsTrue \ projectsteel_val \ nameval1conf0.001是为了让所有预测框都参与 PR 曲线计算plotsTrue会输出混淆矩阵、PR 曲线和 F1 曲线。跑完后重点看混淆矩阵的非对角线元素如果scratch大量被预测成inclusion说明这两类的特征区分度不够需要检查标注一致性如果background列有大量预测说明误检严重需要提高conf门限或补充负样本。PR 曲线看每个类别的曲线下面积。钢材缺陷检测里crack类的 PR 曲线通常最差因为样本少且形态多变。如果crack的 AP 低于 0.3我一般会做两件事一是把crack类的标注全部拉出来人工复查一遍确认没有漏标和错标二是用copy_paste增强把crack样本扩到至少 150 张。还有一个技巧是看 F1 曲线上的最优点对应的conf值。F1 曲线会给出一个confidence阈值在那个阈值下 F1 分数最高。我一般会把这个值作为产线推理的初始conf然后再根据漏检和误检的实际容忍度微调。比如产线要求零漏检那就把conf降到 F1 最优点以下如果要求低误检就升上去。最后说一个我自己的习惯每次训练完我会挑 20 张验证集里模型预测最差的图片逐张看预测框和标注框的偏差。这个动作帮我发现过标注框偏移、类别标错、图片模糊等各种问题。钢材缺陷检测的数据集质量参差不齐模型效果不好时先怀疑数据再怀疑模型。希望帮到你。本文还有配套的精品资源点击获取