企业官网建设流程全解析

简介：铝片表面缺陷目标检测数据集面向工业质检与目标检测实践场景，按YOLOv5标准目录格式整理，覆盖针孔、擦伤、脏污、褶皱四类缺陷，可直接用于模型训练与验证。包内图像为640×480的RGB图片，共2000个文件，包含598张JPG图像、1401个TXT标签及1个可视化Python脚本，压缩包约82MB；训练集含1120张图像及对应标签，验证集含280张图像及对应标签。目前已有195人浏览学习，适合需要现成工业检测数据集的开发者与研究者。除数据组织清晰外，资源附带可视化脚本，可随机读取一张图片并绘制边界框保存，无需修改即可运行，能直观检查标注效果，也便于理解YOLO格式标签内容，快速接入训练流程。

1. 铝片表面缺陷检测与 YOLOV5 数据集格式的现实匹配

铝型材冲压件出厂前有一道人工目检：拿着手电斜照铝片，找针孔、擦伤、脏污、褶皱。这道工序换成算法来做，就是目标检测里的缺陷检测（Defect Detection）。铝片表面高光、纹理单一、缺陷又细又小，恰恰是 YOLOv5 这类单阶段检测器最容易翻车的场景之一。这套 82MB 的数据集按 YOLOV5 目录格式组织，训练集 1120 张、验证集 280 张，图片分辨率统一 640×480，标签 txt 与图片同名同结构存放，解压后可以直接进训练流程，不需要再转 COCO 或 VOC。不过，直接用默认参数训练，很可能会在验证集上看到 mAP 波动大、漏检集中在针孔和擦伤两类。下面几章把目录规范、标注复核、增强参数、训练排错和部署阈值完整过一遍。

2. 目录结构与标签规范：YOLOV5 数据集的默认约定拆解

2.1 data.yaml 与 images/labels 的同名映射

YOLOV5 训练时只认两类路径：图片目录和标签目录。图片放在images/train、images/val，标签放在labels/train、labels/val，训练时引擎会根据图片文件名自动到labels下找同名 txt，例如images/train/1163.jpg对应labels/train/1163.txt。这套数据集的目录结构不需要二次整理，解压后就是标准 YOLOV5 布局。训练集 1120 张图片配 1120 个标签文件，验证集 280 张同样配齐，比例约 4:1，对工业缺陷检测来说是够用的。产线后续还会采集新样本做滚动验证，数据这一侧不必拆得太碎。

datasets/aluminum/ ├── data.yaml # 类别与路径配置 ├── images/ │ ├── train/ # 1120 张 .jpg │ └── val/ # 280 张 .jpg └── labels/ ├── train/ # 1120 个同名 .txt └── val/ # 280 个同名 .txt

data.yaml 是 YOLOV5 读取数据集的入口，核心是train、val、nc、names四个字段。nc必须与标签中实际出现的最大类别 id + 1 一致，这里就是 4。names建议直接用英文，因为 OpenCV 的putText画不了中文，后续导出 ONNX 时类别名会被写进模型元数据，中文字符串在部分推理框架里会出现编码问题。

# datasets/aluminum/data.yaml train: /absolute/path/to/datasets/aluminum/images/train val: /absolute/path/to/datasets/aluminum/images/val nc: 4 names: ['pinhole', 'scratch', 'stain', 'wrinkle']

2.2 txt 标签的归一化坐标与合法性检查

标签 txt 是 YOLO 格式，每行 5 个字段：class_id x_center y_center width height，四个坐标值都是相对图像宽高的比例，取值在 0 到 1 之间。width、height是框的宽高占整张图宽高的比例，不是像素值。这一行看起来简单，实际出错率很高，常见问题包括：分割符号混用（空格和 Tab 混在一起）、坐标小于 0 或大于 1、框超出图像边界、class id 超出nc范围。YOLOV5 在训练时会对部分越界标签做裁剪或丢弃，但不会主动报错，所以这类问题往往要等 loss 异常或 mAP 偏低时才暴露出来。

比较稳妥的做法是动手训练前先扫一遍标签，检查坐标范围和类别 id 是否合法：

from pathlib import Path label_dir = Path("datasets/aluminum/labels/val") bad = [] for txt in label_dir.glob("*.txt"): for line in txt.read_text().strip().splitlines(): parts = line.split() if len(parts) != 5: bad.append((txt.name, "字段数错误")) continue cls = int(parts[0]) x_c, y_c, w, h = map(float, parts[1:]) if not (0 <= x_c <= 1 and 0 <= y_c <= 1 and w > 0 and h > 0): bad.append((txt.name, "坐标越界")) if cls < 0 or cls > 3: bad.append((txt.name, "class id 非法")) # 检查框的四个角是否仍在图内 if (x_c - w / 2 < 0 or x_c + w / 2 > 1 or y_c - h / 2 < 0 or y_c + h / 2 > 1): bad.append((txt.name, "框出图"))

这段脚本的判定逻辑是：首先确认每一行拆出来是 5 个字段，防止有人误存成 VOC 的xmin ymin xmax ymax格式；然后确认归一化坐标落在 [0,1] 区间，宽高必须为正；最后用中心点坐标减去半宽半高，检查框的四个角没有超出图片边界。跑完如果bad为空，说明标签基本规整。下面整理了几个高频问题和对应处置方式：

3. 标签可视化复核：从 YOLO 的 txt 生成边界框

3.1 可视化脚本的核心逻辑

标签舍不舍得删，要看了图才能判断。随包提供的可视化 py 文件，本质上就是把 images 里的原图、labels 里对应的 txt，以及类别名三样东西拼在一起画框，然后把结果保存到当前目录。脚本无需改路径就能直接运行。自己手写也只有几十行，核心逻辑如下：

import cv2 from pathlib import Path IMG_DIR = Path("datasets/aluminum/images/val") LABEL_DIR = Path("datasets/aluminum/labels/val") CLASS_NAMES = ["pinhole", "scratch", "stain", "wrinkle"] COLORS = [(0, 0, 255), (0, 255, 0), (255, 0, 0), (0, 255, 255)] def draw_one(img_path, label_path, save_path): img = cv2.imread(str(img_path)) h, w = img.shape[:2] for line in label_path.read_text().strip().splitlines(): cls, x_c, y_c, bw, bh = line.split() cls = int(cls) x_c, y_c, bw, bh = map(float, (x_c, y_c, bw, bh)) # 归一化坐标换算回像素坐标 x1 = int((x_c - bw / 2) * w) y1 = int((y_c - bh / 2) * h) x2 = int((x_c + bw / 2) * w) y2 = int((y_c + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), COLORS[cls], 2) cv2.putText(img, CLASS_NAMES[cls], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, COLORS[cls], 2) cv2.imwrite(str(save_path), img) # 随机抽一张验证集图片绘制 files = list(IMG_DIR.glob("*.jpg")) img_file = files[0] label_file = LABEL_DIR / (img_file.stem + ".txt") draw_one(img_file, label_file, f"vis_{img_file.name}")

line.split()默认按连续空白字符切分，能同时兼容空格和 Tab 分隔的标签。换算像素坐标时，x_center - width / 2得到框的左上角 x，再乘图像宽度转成像素，这是 YOLO 归一化格式与 OpenCV 画框之间最关键的转换。类别名直接写在框上方，缺陷小的时候字号 0.6 足够看清。

3.2 用绘制结果发现三类典型标注问题

把验证集 280 张全部过一遍图，重点看三类情况。第一是框是否紧贴缺陷边缘，铝片反光会导致边缘过曝，标注框通常比实际缺陷大一圈，IoU 损失主要来自这里。第二是同一处缺陷是否被重复画框，这在擦伤和褶皱上最常见，一道长擦伤被拆成两三个小框，训练时模型会无所适从。第三是脏污和褶皱是否标反，两者在灰度图上形态相似，褶皱有方向性纹路，脏污边界更圆润，看单张静态图确实容易混。发现这几种情况，建议直接用文本编辑器改 txt，不需要重新打开标注软件。

4. 四类缺陷的形态差异与数据增强参数调优

4.1 先统计类别分布，再谈增强

四类缺陷的形态差异很大。针孔是几像素大小的暗点，占整张图比例极小；擦伤是细长线条，方向不定；脏污成块状，灰度与铝面背景接近；褶皱是成片纹理区域，反光强烈。这四类放在同一个训练集里，样本数天然不均衡，先跑一段统计代码看清分布：

from pathlib import Path from collections import Counter counter = Counter() for txt in Path("datasets/aluminum/labels/train").glob("*.txt"): for line in txt.read_text().strip().splitlines(): counter[int(line.split()[0])] += 1 for i, name in enumerate(["pinhole", "scratch", "stain", "wrinkle"]): print(name, counter[i])

统计出来的数量，大概率是脏污和褶皱偏多、针孔和擦伤偏少。这个分布直接决定了类别权重怎么设，也决定了增强策略不能搞一刀切。比如针孔是典型的小目标检测场景，在 640×480 原图上可能只占几十个像素，经过 YOLOV5 的 640 输入缩放后再下采样到 80×80 特征层，信息已经所剩无几。擦伤因为是细长条，旋转增强时方向角范围要足够大，但水平翻转要慎用，因为冲压擦伤通常有固定走向，盲目翻转会让模型学到错误的方向先验。

4.2 针对铝片反光与小目标的 hyp 修改

YOLOV5 的默认超参文件hyp.scratch-low.yaml是按自然场景调出来的，直接套在金属反光表面上有两个明显问题：亮度扰动幅度太小，模拟不了产线上光照角度变化；马赛克增强比例偏低，对小目标不友好。我一般在默认基础上做一版针对性的调整：

# hyp.aluminum.yaml hsv_h: 0.015 # 色调扰动调小，铝片本身颜色单一 hsv_s: 0.5 # 饱和度稍微放开，区分脏污与背景 hsv_v: 0.6 # 亮度扰动拉大，模拟不同打光角度 degrees: 30 # 旋转范围放大，擦伤方向不定 translate: 0.2 # 平移扰动，防止模型依赖缺陷位置 scale: 0.8 # 缩放扰动，兼顾大小目标 fliplr: 0.5 mosaic: 0.6 # 提高马赛克概率，改善小目标训练 mixup: 0.1

hsv_v从默认 0.4 提到 0.6，是这套参数里最重要的一处改动。铝片是高反光表面，同一个缺陷在不同光源角度下亮度差异极大，训练时见过更多亮度区间的样本，推理时对光照变化的鲁棒性才起得来。mosaic从 0.5 提到 0.6，让四张图拼接的概率更高，小目标在拼接图里占比更小、样本更多样。degrees给到 30，对擦伤方向变化是必需的，但不要超过 45，因为针孔和脏污这类圆形缺陷在极限旋转下没有收益，反而增加计算开销。

5. 训练配置、验证指标与工业场景排错清单

5.1 训练与验证命令及参数含义

数据目录和增强参数准备好后，训练命令如下。用yolov5s.pt做预训练权重，输入 640，batch 16 在 11GB 显存的卡上比较稳妥。

python train.py --data datasets/aluminum/data.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 150 \ --cache \ --hyp hyp.aluminum.yaml \ --project runs/aluminum

--img 640与数据原始分辨率 640×480 接近，上采样开销小，且能保留针孔这类小目标的细节；显存不够时优先降 batch 而不是降分辨率，分辨率一降，小目标直接消失。--cache会把图片预加载到内存，82MB 的数据集缓存后训练速度提升明显。--project runs/aluminum让每次实验输出到独立目录，方便和默认参数跑出来的结果做对比。

验证阶段使用val.py，并指定训练结束后best.pt的路径：

python val.py --data datasets/aluminum/data.yaml \ --weights runs/aluminum/exp/weights/best.pt \ --img 640

5.2 读 mAP 的方式与常见报错

验证输出会打印mAP@0.5、mAP@0.5:0.95、Precision、Recall 四个指标，工业场景里怎么读这四个数有讲究：

针孔这类小目标通常会把 mAP@0.5:0.95 拉下来很多，比 mAP@0.5 低 10 个点以上都算正常，不用急着以为训练失败。真正需要警惕的是 Precision 和 Recall 同时偏低，说明模型既找不全也找不准。

训练过程中实操排错频率最高的几个问题，处理方式如下表：

如果训练过程中没有报错但 mAP 始终上不去，先把labels_correlogram.jpg拿出来看。这张图在训练输出目录里，横纵轴分别对应标签的归一化中心坐标和宽高，能直观看出目标在整张图上的分布。铝片缺陷如果大量集中在图像中心区域，说明之前标注时裁切位置有偏，靠增强很难完全弥补。

6. 导出 ONNX 部署，用置信度阈值折中漏检与误检

6.1 导出流程与 25200 维输出的含义

训练收尾后直接用export.py导出 ONNX，方便脱离 PyTorch 环境部署：

python export.py --weights runs/aluminum/exp/weights/best.pt \ --img 640 --batch 1 --simplify --include onnx

--simplify会用 onnx-simplifier 折叠一些冗余算子，--batch 1固定输入维度，避免动态 batch 带来的推理性能损失。导出的模型输入是[1, 3, 640, 640]，输出是[1, 25200, 85]。25200 来源于三个检测头候选框之和：640 输入时特征图尺寸是 80×80、40×40、20×20，每个网格位置对应 3 个锚框，加起来正好是(6400 + 1600 + 400) × 3 = 25200。85 是4 个框坐标 + 1 个置信度 + 80 个 COCO 类别的默认维度，导出后类别维度会被项目配置截断，实际拿到的是4 + 1 + 4 = 9，即最后四位分别表示针孔、擦伤、脏污、褶皱的类别的概率。

6.2 阈值调整的实测建议

用 ONNX Runtime 推理时，输出的 25200 个候选框直接画会堆成一片，必须做两件事：先按置信度阈值过滤，再做 NMS。核心代码如下：

import cv2 import numpy as np import onnxruntime as ort session = ort.InferenceSession("best.onnx") input_name = session.get_inputs()[0].name img = cv2.imread("test.jpg") img0 = cv2.resize(img, (640, 640)) # BGR 转 RGB，归一化后转 CHW，并增加 batch 维度 x = img0[:, :, ::-1].transpose(2, 0, 1)[None].astype(np.float32) / 255.0 out = session.run(None, {input_name: x})[0][0] # shape: [25200, 9] conf = out[:, 4] box_mask = conf > 0.25 candidates = out[box_mask]

这里的阈值0.25是工业场景的起点值。铝片反光严重，脏污和背景在特征空间里距离较近，阈值设太高会把真实缺陷一起滤掉。实测中如果 Recall 偏低、漏检多，把置信度阈值降到 0.15；如果误检多、过检率高，升到 0.4，再配合 NMS 的 IoU 阈值 0.45 一起调。按这套数据集的特点，最终落地时置信度阈值卡在 0.2 到 0.3 之间、NMS 阈值固定 0.45，通常能在产线误检率和漏检率之间找到比较稳的平衡点。导出时建议始终用--img 640，不要为了边缘设备省显存降到 320，针孔这类缺陷在 320 输入下会退化到两三个像素，卷积特征完全丢失，阈值怎么调都救不回来。

本文还有配套的精品资源，点击获取