企业官网建设流程全解析

简介：一份面向钢材焊接质量检测的YOLOv5深度学习资源，适合有一定目标检测基础的开发者、质检算法工程师或相关专业学生。资源已包含训练完成的焊缝质量检测模型，可直接用于识别焊缝好坏，同时附带有PR曲线、loss曲线等训练过程评估结果，便于理解模型性能。数据集部分提供约1134张JPG格式标注图片，并同时包含对应的XML与TXT两种标签格式，方便在不同检测框架中切换使用。压缩包内共2000个文件，以JPG图像、XML与TXT标注文件为主要组成，整体大小约222.96MB，结构明确便于下载后快速进入实验。此外，资源还搭载了基于PyQt的图形界面，支持对图片、视频以及摄像头实时画面进行检测，操作直观，能够满足从模型验证到演示落地的常见需求。目前已有985人学习，适合用来快速搭建焊接质量检测原型系统。

1. 焊缝质量检测为什么选择 YOLOv5 而非传统视觉

在钢结构和管道预制车间，焊缝质量检测长期依赖人工目检或超声波抽检，效率低且容易漏检。用深度学习目标检测来做焊缝质量好坏判别，不是把图片丢进网络那么简单，难点在于工业现场的光线变化、焊缝形状差异，以及缺陷样本本身稀疏。YOLOv5 在这类任务里是投入产出比最高的选择：单阶段检测速度快，能部署到普通显卡，社区资料多，训练自己的数据集也很成熟。这里拆解的这份「YOLOv5焊缝质量好坏检测」资源，包含训练好的权重、已用 LabelImg 标注好的钢材缺陷检测数据集（图片为 JPG，xml 与 txt 双格式标注分别保存），以及 PR 曲线、loss 曲线等训练评估产物，还有一个能检测图片、视频和调用摄像头的 PyQt 界面。对正在做检测类毕设或工业视觉课题的开发者来说，这套东西可以直接拿来跑通流程，再按自己的数据微调。

2. 数据集构成与 xml/txt 双标注格式解析

2.1 目录规划与文件对应关系

拿到资源后，先不要急着训练，把数据集结构理清楚。资源里的图片全部是 JPG，标注文件分两套：一套是 LabelImg 导出的 Pascal VOC 格式 xml，另一套是 YOLO 训练需要的 txt。资源里给出的 dataset_00294.txt、dataset_0079.txt、dataset_0017.txt 这类文件，就是 YOLO 格式的标签文件，每个 txt 与同名 JPG 一一对应。常见做法是把它们按训练集和验证集分开，目录结构如下：

dataset/ ├── images/ │ ├── train/ │ │ └── dataset_0017.jpg │ └── val/ ├── xml_annotations/ # LabelImg 导出的 Pascal VOC 格式 │ ├── dataset_0017.xml │ └── ... ├── yolo_labels/ # YOLO 格式 txt，与 images 一一对应 │ ├── dataset_0017.txt │ └── ... └── weld.yaml # YOLOv5 训练所需的数据配置

这套目录并不是强制要求，但 YOLOv5 的 train.py 默认就是按 images 和 labels 两个根目录去找数据的，labels 的路径会把 images 替换为 labels，后缀 .jpg 替换为 .txt。如果你把 xml 直接放在 labels 目录里，训练脚本会读不到数据。所以 xml 单独存一个文件夹做存档，yolo_labels 作为训练用的 labels，这是最不容易出错的方案。检查对应关系时，可以用下面这个命令快速找出没有标签的图片。

for img in dataset/images/train/*.jpg; do base=$(basename "$img" .jpg) [ -f dataset/yolo_labels/$base.txt ] || echo "missing label: $img" done

这个循环遍历训练图片，basename 去掉扩展名后去 yolo_labels 里找同名 txt，找不到就把图片路径打印出来。训练前跑一遍这个命令，可以避免因为漏标注导致训练时图片被跳过，或者更隐蔽的“图片有但标签为空”导致 loss 异常。

2.2 XML 与 TXT 标签的坐标换算

LabelImg 默认可以输出两种格式，VOC 格式把目标位置存成绝对像素坐标，YOLO 格式存成相对图片宽高的归一化坐标。一份典型的 xml 长这样：

<annotation> <folder>images</folder> <filename>dataset_0017.jpg</filename> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>defect</name> <bndbox> <xmin>312</xmin> <ymin>245</ymin> <xmax>867</xmax> <ymax>342</ymax> </bndbox> </object> </annotation>

这里<name>是类别名，按你标注时的实际类别替换，缺陷名称不要带空格和中文，YOLO 对名称里的字符比较敏感。xml 里记录的是左上角和右下角的像素坐标，而 YOLO 的 txt 记录的是归一化后的中心点坐标和宽高，直接这样写：

0 0.3073 0.2718 0.2891 0.0898

第一个数字是类别 id，从 0 开始；后面四个数是 x_center、y_center、width、height，都除以了图片的宽高。如果类别不止一个，每个目标单独一行。训练时 YOLOv5 会按行解析，发现某一行不足五个数或者坐标超出 [0,1] 就会报警。

如果需要自己把 xml 转成 txt，我一般会在整理数据集时用一段小脚本，避免手工换算出错。

import xml.etree.ElementTree as ET def xml_to_yolo(xml_path, class_names, out_path): tree = ET.parse(xml_path) root = tree.getroot() w = float(root.find('size/width').text) h = float(root.find('size/height').text) lines = [] for obj in root.findall('object'): name = obj.find('name').text if name not in class_names: continue # 跳过不在类别表中的目标 cid = class_names.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) x_center = (xmin + xmax) / 2.0 / w y_center = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cid} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") with open(out_path, 'w', encoding='utf-8') as f: f.write('\n'.join(lines))

函数里 class_names 是类别列表，顺序必须与后面训练用的 weld.yaml 中 names 的顺序完全一致。xml_path 是输入文件，out_path 是输出 txt 的路径。注意读取宽高时我用了 float，因为有的标注工具会写出带小数点的尺寸。如果某些 xml 坐标解析出来是负数或者中心坐标大于 1，说明标注越界了，这种目标直接跳过比强行归一化更安全。

2.3 数据集质量检查与训练/验证划分

训练目标检测模型之前，数据质量检查比调参更重要。最常见的坑是类别严重不均衡：比如“合格焊缝”样本占 90%，“缺陷焊缝”只占 10%，模型很容易把缺陷漏掉。我一般会先用一段脚本统计每个类别的框数量分布。

import glob counts = {} for txt_path in glob.glob('dataset/yolo_labels/*.txt'): with open(txt_path) as f: for line in f: cid = line.split()[0] counts[cid] = counts.get(cid, 0) + 1 print(counts)

这段代码遍历所有 YOLO txt，把每一行的第一个字段即类别 id 统计出来。如果发现某个类别数量特别少，优先考虑做数据增广，或者从视频帧里抽更多负样本，而不是一上来就调学习率。焊缝检测里很多缺陷在灰度上差别很小，增广时不要用太强的颜色扰动，容易把真实缺陷的颜色特征洗掉。

数据准备好后做划分，训练集和验证集一般按 8:2 或 9:1。注意划分时要保证同一张图不会同时出现在训练和验证里，尤其是连续拍摄的焊缝图片有很强的相似性，最好按文件夹或视频段划分，而不是纯随机打散。简单的划分可以这样：

mkdir -p dataset/images/train dataset/images/val dataset/labels/train dataset/labels/val python - <<'PY' import glob, random, shutil, os imgs = glob.glob('dataset/images/*.jpg') # 实际按你的存放路径调整 random.seed(42) random.shuffle(imgs) for i, img in enumerate(imgs): txt = img.replace('.jpg', '.txt').replace('images', 'yolo_labels') if i < int(len(imgs) * 0.8): shutil.move(img, 'dataset/images/train/') shutil.move(txt, 'dataset/labels/train/') else: shutil.move(img, 'dataset/images/val/') shutil.move(txt, 'dataset/labels/val/') PY

这段脚本先用 random.shuffle 打乱图片列表，前 80% 放进 train，后 20% 放进 val。replace 操作把图片路径里的 images 换成 yolo_labels，从而找到同名 txt。注意如果你的目录名不完全对应，需要按实际情况修改替换规则。这里 seed 固定为 42 保证可复现，方便后面和训练日志对照。

3. 训练自己的焊缝数据集：参数配置与曲线判读

3.1 数据配置 yaml 与超参数选择

YOLOv5 训练的第一步是准备一个数据配置文件 weld.yaml。这个文件告诉训练脚本图片路径、验证集路径、类别数和类别名，内容非常简单。

train: dataset/images/train val: dataset/images/val nc: 2 names: ['weld_ok', 'weld_defect']

上面例子里的 names 用 weld_ok 和 weld_defect 占位，实际使用时要替换成你标注时的类别名，且索引顺序必须和 txt 标注里的类别 id 一一对应。只要这里写错一个顺序，模型就会把类别标签学反，而且损失曲线看起来完全正常，这就是很多人在验证集上 mAP 很高但实际部署却发现错判的原因。

训练命令一般从 yolov5 根目录执行，最基本的调用是：

python train.py --weights yolov5s.pt --data weld.yaml --hyp hyp.scratch-low.yaml --epochs 100 --batch-size 16 --img 640

这里把常用参数整理成一张表。

焊缝检测这类目标尺寸差异不大的任务，img 从 640 开始就足够。如果焊缝在画面里非常小，比如整幅图里焊缝宽度只有几十像素，考虑把 img 提到 1280 并配合更大感受野，但显存消耗会成倍上涨。超参数文件里主要关注 lr0、lrf、momentum 和 weight_decay，正常场景不要动 momentum，只用 hyp.scratch-low 就能稳定收敛。需要说明的是，如果你的 GPU 只有 6GB 显存，batch-size 16 可能爆显存，换成 8 同时把 img 降到 480 通常也能跑，只是精度会略降。

3.2 训练产物：权重、PR 曲线、loss 曲线怎么读

训练结束后，所有产出都在 runs/train/exp 下，如果多次训练会有 exp2、exp3 等。关键产物如下：

runs/train/exp/ ├── weights/ │ ├── best.pt │ └── last.pt ├── PR_curve.png ├── P_curve.png ├── R_curve.png ├── F1_curve.png ├── confusion_matrix.png └── results.png

best.pt 是验证集上综合指标最好的权重，部署时优先用它；last.pt 是训练结束时那一轮的权重，如果后期过拟合严重，last.pt 往往比 best.pt 更差。PR_curve.png 是 Precision-Recall 曲线，它不需要指定置信度阈值，而是把所有阈值下的精度和召回率画成一条曲线。曲线越靠近右上角，说明模型在保持高精度的同时还能把所有目标找出来，曲线下的面积就是 AP。多类别时会把每个类别的曲线画出来，所有类别 AP 的平均值就是 mAP。

results.png 是 YOLOv5 自动生成的训练过程曲线，里面包含 box_loss、obj_loss、cls_loss 和 mAP 的变化趋势。读这条曲线时，不要只盯着训练集上的 loss，训练 loss 降得再漂亮，验证集上不降就是白训。看曲线的顺序应该是：先看 val/obj_loss 是否下降，再看 mAP_0.5 是否上升，最后才看训练 loss 的收敛情况。obj_loss 是目标置信度损失，它代表模型对“这里有没有目标”的判断误差；box_loss 是边界框回归损失，管框得准不准；cls_loss 是分类损失，管类别分得对不对。

3.3 从 loss 曲线判断是否过拟合

过拟合在数据量不大的焊缝检测里非常常见，典型表现是训练 loss 持续下降，验证 loss 在某个 epoch 掉头向上，同时 mAP 开始波动。下表给出几个直接可用的判据。

我一般会在 epoch 60 左右看一眼 loss 曲线，如果 val/box_loss 已经连续 20 轮没有更新，说明模型可学的东西已经学完，继续硬跑纯属浪费电。YOLOv5 自带早停机制，patience 参数设成 50 即可，它会监控验证集 mAP，连续 50 轮不提升就自动结束。注意早停触发后 best.pt 是历史上最好的权重，不受最后一轮影响。

4. PyQt5 界面集成：图片、视频、摄像头三条检测链路

4.1 加载自定义权重与推理函数

训练好的 best.pt 要集成进界面，第一步是把模型的加载和推理封装成独立类，这样三个检测入口都能复用同一套逻辑。推荐直接用 ultralytics/yolov5 的 hub 接口加载本地权重，代码量最少。

import cv2 import torch class WeldDetector: def __init__(self, weights_path, conf=0.25, iou=0.45): self.model = torch.hub.load('ultralytics/yolov5', 'custom', path=weights_path, force_reload=False) self.model.conf = conf self.model.iou = iou def detect(self, bgr_img): results = self.model(bgr_img) rendered = results.render()[0] return rendered, results

torch.hub.load 的第一个参数是 repo 名，custom 表示加载本地训练好的权重，path 指向 best.pt。如果你的机器没有外网，第一次加载会把仓库下载到缓存，离线时可以在本地 clone 一份 yolov5 源码，再把第一个参数换成本地路径，例如 torch.hub.load('./yolov5', 'custom', path='best.pt', source='local')。model.conf 和 model.iou 分别控制置信度阈值和 NMS 阈值，后面界面里的滑块就改这两个属性。

detect 方法接收 OpenCV 读进来的 BGR 图像，返回两个结果：rendered 是画完框的 BGR 图像，results 是原始 YOLO 结果对象，可以从中取类别名、置信度或目标框坐标。注意 results.render() 返回的是一个列表，取 [0] 是因为输入只有一张图，批量推理时会返回多张。这里不要直接对显示图像做缩放后再喂给模型，YOLOv5 内部会做 letterbox 填充，你只需要保证输入是 numpy 数组即可。

4.2 三种输入源的处理方式

图片检测最简单，QFileDialog 选到路径后，cv2.imread 读进来直接喂给 detector.detect，然后借助 QImage 把 numpy 数组转成 QPixmap 显示。视频和摄像头本质上都是视频流，只是打开方式不同，一个是文件路径，一个是设备索引。

from PyQt5.QtCore import QThread, pyqtSignal import cv2 class DetectThread(QThread): frame_ready = pyqtSignal(object) def __init__(self, detector, source): super().__init__() self.detector = detector self.cap = cv2.VideoCapture(source) def run(self): while self.cap.isOpened(): ret, frame = self.cap.read() if not ret: break rendered, _ = self.detector.detect(frame) self.frame_ready.emit(rendered)

这里的 source 可以是视频文件路径，也可以是摄像头索引。cv2.VideoCapture(0) 表示使用第一个摄像头，如果电脑插了外置 USB 摄像头，索引可能变成 1 或 2，实测发现部分摄像头对读取延迟很敏感，最好在打开前加两帧预热，否则前几帧是黑的。把推理放在 QThread 里是因为 GPU 推理和 OpenCV 读取都会阻塞主线程，如果直接在界面槽函数里做，窗口会失去响应。

在主界面里，线程通过信号 frame_ready 把画完框的图像送回来。为了控制视频播放速度，我一般在主线程用 QTimer 定时触发读取，而不是在 run 里死循环；摄像头场景则必须用线程持续读取，否则帧缓冲会越积越多，画面延迟越来越大。摄像头用线程还可以在 closeEvent 里调用 thread.quit 和 thread.wait 保证退出时不崩溃。对于标签显示，可以在界面上放两个 QLabel，一个显示原图，一个显示检测结果，方便对比。

4.3 界面设计中的常见坑

把模型、线程和界面接起来后，实际运行最先遇到的坑往往不是模型精度，而是环境与资源问题。下表整理了几个高频问题。

BGR 转 RGB 是最容易漏的一步：cv2.imread 读出来是 BGR，QImage 构造时 format 用 Format_RGB888 会显示颜色发蓝。正确的转换是在传信号之前或之后执行 cv2.cvtColor(rendered, cv2.COLOR_BGR2RGB)。另外，界面上的置信度滑块最好直接绑定 detector.model.conf，槽函数里只做 setText 显示，不要重新加载模型。

5. 验证与进阶：用 val.py 复现指标并调优置信度

5.1 在验证集上复现精度指标

拿到权重以后，第一件事不是在界面上点两张图看效果，而是在自己的验证集上跑一遍官方验证脚本，复现 mAP。这样可以排除随机干扰，判断这份权重是否真的可靠。

python val.py --weights runs/train/exp/weights/best.pt --data weld.yaml --img 640 --conf-thres 0.25 --iou-thres 0.45

val.py 会输出每个类别的 Precision、Recall 和 mAP50，同时生成一个检测结果的 txt 文件。关注 mAP50 和 mAP50-95 这两个指标：mAP50 是 IoU 阈值 0.5 下的平均精度，适合判断目标有没有被框到；mAP50-95 对框的精度更严格，适合衡量边框贴合度。用这份输出和训练时 results.png 里的曲线对照，能快速发现数据目录是否搞错。

5.2 根据 PR 曲线调整界面置信度阈值

PR 曲线调阈值时不要只看默认的 conf=0.25。曲线上的每个点对应一组置信度阈值，左上区域表示高阈值，右下区域表示低阈值。焊缝质量检测里，漏掉一个缺陷比多画一个框的风险大得多，所以我会把 conf 降到 0.1，并同步把 iou 从 0.45 提到 0.5。这样同一道焊缝即使出现两个重叠框，也会被 NMS 合并，不会在界面上看到重复报警。如果你更在意误检率，比如自动判定流水线要求不合格品必须复核，conf 则调到 0.4 以上。调完后一定要在含光照变化的视频序列上实测，静止图片上 PR 曲线表现好，不代表动态场景下判断稳定。对焊缝这种亮度集中的图像，还可以对输入做一次直方图均衡化再送进模型，部分场景能额外提升召回率。

本文还有配套的精品资源，点击获取