簡介本資源為面向計(jì)算機(jī)視覺學(xué)習(xí)者和物流質(zhì)檢場(chǎng)景的YOLO快遞包裹與包裝盒缺陷檢測(cè)數(shù)據(jù)集適合具備一定目標(biāo)檢測(cè)基礎(chǔ)、希望快速開展訓(xùn)練與驗(yàn)證的開發(fā)者。數(shù)據(jù)集共包含1200余張標(biāo)注圖像覆蓋Box、Box_broken、Open_package、Package四類目標(biāo)可支撐包裹破損識(shí)別、拆封狀態(tài)判斷等實(shí)際任務(wù)。壓縮包內(nèi)共2000個(gè)文件以1200個(gè)txt格式標(biāo)簽和799張jpg圖像為主另附1個(gè)yaml配置文件整體約28.19MB目錄已按train、val、test劃分完畢data.yaml中訓(xùn)練與驗(yàn)證路徑、類別數(shù)及名稱均已配置yolov5、yolov7、yolov8、yolov9等主流框架可直接讀取并啟動(dòng)訓(xùn)練。目前已有643人學(xué)習(xí)下載資源結(jié)構(gòu)清晰、開箱即用能幫助讀者省去數(shù)據(jù)整理與格式轉(zhuǎn)換環(huán)節(jié)將精力集中在模型選型、參數(shù)調(diào)優(yōu)與缺陷檢測(cè)效果對(duì)比上。1. 快遞包裹缺陷檢測(cè)數(shù)據(jù)集1200 張圖能撐起一個(gè) YOLO 項(xiàng)目嗎快遞分揀線上紙箱破損、膠帶開裂、面單褶皺、包裹凹陷這幾類缺陷靠人眼盯著監(jiān)控屏幕一天下來漏檢率能到兩位數(shù)。很多做視覺的同行第一反應(yīng)是上 YOLO但真正卡住進(jìn)度的從來不是模型結(jié)構(gòu)而是手里沒有一批標(biāo)注干凈、類別對(duì)齊、能直接喂進(jìn)訓(xùn)練腳本的圖。這份「YOLO算法快遞包裹包裝盒缺陷檢測(cè)數(shù)據(jù)集」給的就是 1200 張已經(jīng)打好標(biāo)注的圖片覆蓋包裹和包裝盒兩類目標(biāo)上的常見缺陷格式按 YOLO 的 txt 標(biāo)注組織拿到手就能接進(jìn) ultralytics 的訓(xùn)練流程。它適合三類人剛?cè)腴T YOLO 想找一個(gè)真實(shí)工業(yè)場(chǎng)景練手的、做物流分揀質(zhì)檢需要快速驗(yàn)證算法可行性的、以及手上有一堆現(xiàn)場(chǎng)圖但懶得從零標(biāo)一遍的。1200 張不算大但作為缺陷檢測(cè)的起步集夠你把數(shù)據(jù)管線、增強(qiáng)策略和評(píng)估口徑全部跑通一遍。2. 數(shù)據(jù)集結(jié)構(gòu)與 YOLO 標(biāo)注格式先看清目錄再動(dòng)手2.1 目錄組織與文件對(duì)應(yīng)關(guān)系拿到一個(gè)目標(biāo)檢測(cè)數(shù)據(jù)集我習(xí)慣先不急著寫訓(xùn)練腳本而是把目錄結(jié)構(gòu)摸清楚。YOLO 格式的數(shù)據(jù)集通常長這樣一個(gè) images 目錄放原圖一個(gè) labels 目錄放同名 txt兩邊文件名一一對(duì)應(yīng)差一個(gè)后綴。這份快遞包裹缺陷數(shù)據(jù)集也是這個(gè)套路圖片是常見的 jpg標(biāo)注是 txt每行代表一個(gè)目標(biāo)框格式為類別索引 中心x 中心y 寬 高后四個(gè)值都是歸一化到 0 到 1 之間的小數(shù)。先跑一段腳本把目錄結(jié)構(gòu)和類別分布統(tǒng)計(jì)出來這一步能幫你提前發(fā)現(xiàn)很多問題比如某類缺陷只有十幾張、標(biāo)注框?qū)捀叱霈F(xiàn)負(fù)數(shù)、圖片和標(biāo)簽對(duì)不上號(hào)。import os from collections import Counter img_dir dataset/images lbl_dir dataset/labels # 統(tǒng)計(jì)圖片與標(biāo)簽的配對(duì)情況 imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir)} lbls {os.path.splitext(f)[0] for f in os.listdir(lbl_dir)} print(圖片數(shù):, len(imgs), 標(biāo)簽數(shù):, len(lbls)) print(有圖無標(biāo)簽:, imgs - lbls) print(有標(biāo)簽無圖:, lbls - imgs) # 統(tǒng)計(jì)每個(gè)類別的目標(biāo)框數(shù)量 cls_counter Counter() for f in os.listdir(lbl_dir): with open(os.path.join(lbl_dir, f)) as fp: for line in fp: line line.strip() if line: cls_counter[int(line.split()[0])] 1 print(類別分布:, dict(sorted(cls_counter.items())))這段腳本做了兩件事一是用集合差集找出圖片和標(biāo)簽不匹配的文件二是遍歷所有標(biāo)簽文件統(tǒng)計(jì)每個(gè)類別的框數(shù)量。參數(shù)上img_dir和lbl_dir按你實(shí)際解壓后的路徑改。跑完如果發(fā)現(xiàn)「有圖無標(biāo)簽」不是空集說明有圖片漏標(biāo)訓(xùn)練時(shí)這些圖會(huì)被當(dāng)成純背景可能拉低召回如果某個(gè)類別框數(shù)只有個(gè)位數(shù)那這個(gè)類基本訓(xùn)不出來得考慮合并或補(bǔ)數(shù)據(jù)。2.2 類別索引與 data.yaml 配置YOLO 訓(xùn)練不認(rèn)中文類別名它只認(rèn)整數(shù)索引索引到名字的映射寫在 data.yaml 里。這份數(shù)據(jù)集的類別大概率是「包裹缺陷」和「包裝盒缺陷」兩類也可能拆得更細(xì)比如破損、開裂、凹陷分開。不管幾類data.yaml 的結(jié)構(gòu)是固定的path: ./dataset train: images/train val: images/val nc: 2 names: 0: package_defect 1: box_defectpath是數(shù)據(jù)集根目錄train和val是相對(duì) path 的圖片路徑nc是類別數(shù)names是索引到名字的字典。這里有個(gè)血淚經(jīng)驗(yàn)nc必須和 names 的條目數(shù)嚴(yán)格一致多一個(gè)少一個(gè)訓(xùn)練啟動(dòng)時(shí)不一定報(bào)錯(cuò)但評(píng)估階段混淆矩陣會(huì)直接錯(cuò)位你看到的 mAP 就是假的。另外 names 的順序必須和標(biāo)注文件里的索引對(duì)上如果標(biāo)注里 0 是包裝盒、1 是包裹你 yaml 里寫反了模型學(xué)出來的東西整個(gè)顛倒。提示改完 data.yaml 先用yolo checks或手動(dòng)加載一次配置確認(rèn)路徑能被解析到別等訓(xùn)練跑了半小時(shí)才發(fā)現(xiàn) val 路徑是空的。2.3 訓(xùn)練集與驗(yàn)證集劃分1200 張圖如果全拿去訓(xùn)練你沒有任何獨(dú)立數(shù)據(jù)判斷模型是否過擬合。常見做法是按 8:2 或 7:3 切分訓(xùn)練集和驗(yàn)證集。切分時(shí)要注意一點(diǎn)同一個(gè)包裹或同一個(gè)包裝盒的多角度圖盡量分到同一側(cè)否則驗(yàn)證集里出現(xiàn)訓(xùn)練時(shí)見過的目標(biāo)mAP 會(huì)虛高。import random, shutil, os random.seed(42) names sorted(os.listdir(dataset/images)) random.shuffle(names) split int(len(names) * 0.8) for i, n in enumerate(names): dst train if i split else val shutil.copy(fdataset/images/{n}, fdataset/images/{dst}/{n}) shutil.copy(fdataset/labels/{os.path.splitext(n)[0]}.txt, fdataset/labels/{dst}/{os.path.splitext(n)[0]}.txt)random.seed(42)固定隨機(jī)種子保證每次切分結(jié)果一致方便復(fù)現(xiàn)。split控制訓(xùn)練集比例0.8 就是 80%。復(fù)制而不是移動(dòng)是為了保留原始數(shù)據(jù)切錯(cuò)了還能重來。跑完之后 images 下會(huì)有 train 和 val 兩個(gè)子目錄labels 下同理data.yaml 里的路徑也要相應(yīng)改成images/train和images/val。3. 用 ultralytics 跑通訓(xùn)練從環(huán)境到第一組權(quán)重3.1 環(huán)境安裝與版本選擇YOLO 生態(tài)現(xiàn)在最省心的是 ultralytics 這個(gè)庫pip 一條命令就能裝。但版本選擇有講究YOLOv8 穩(wěn)定、文檔全、社區(qū)問題好搜YOLOv11 更新但部分算子對(duì)老顯卡支持一般。如果你顯卡是 30 系或 40 系v8 和 v11 都能跑如果是更老的卡建議先確認(rèn) CUDA 版本再定。conda create -n yolo_defect python3.10 -y conda activate yolo_defect pip install ultralytics8.2.0 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118第一行建一個(gè)干凈的 Python 3.10 環(huán)境缺陷檢測(cè)這類項(xiàng)目別用系統(tǒng) Python依賴沖突能折騰你一整天。第二行激活環(huán)境。第三行裝 ultralytics這里鎖了 8.2.0是因?yàn)檫@個(gè)版本 API 穩(wěn)定網(wǎng)上教程對(duì)得上。第四行單獨(dú)裝 PyTorchcu118對(duì)應(yīng) CUDA 11.8你要根據(jù)自己的驅(qū)動(dòng)版本換裝錯(cuò)了訓(xùn)練時(shí)會(huì)報(bào)CUDA error: no kernel image is available。裝完跑一句yolo checks它會(huì)打印出 PyTorch 版本、CUDA 是否可用、顯卡型號(hào)。如果 CUDA 顯示不可用先別往下走回去查驅(qū)動(dòng)和 PyTorch 版本匹配。3.2 訓(xùn)練命令與關(guān)鍵參數(shù)環(huán)境通了就可以起訓(xùn)練。ultralytics 的命令行接口很直接但參數(shù)不設(shè)對(duì)1200 張圖也能訓(xùn)出個(gè)廢物模型。yolo detect train \ datadataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ patience30 \ projectruns/defect \ nameexp1逐項(xiàng)說data指向你的 yamlmodelyolov8n.pt用 nano 版預(yù)訓(xùn)練權(quán)重1200 張圖的數(shù)據(jù)量n 或 s 就夠了上 l 或 x 只會(huì)過擬合epochs150是上限配合patience30做早停30 輪驗(yàn)證指標(biāo)不漲就停省時(shí)間imgsz640是輸入分辨率缺陷目標(biāo)如果很小可以提到 960 或 1280但顯存占用會(huì)翻倍batch16按顯存調(diào)8G 顯存跑 640 分辨率大概能到 16爆顯存就降到 8lr00.01是初始學(xué)習(xí)率小數(shù)據(jù)集別設(shè)太大否則 loss 震蕩。訓(xùn)練過程中終端會(huì)打印每輪的 box_loss、cls_loss、mAP50、mAP50-95。box_loss 管定位cls_loss 管分類兩個(gè)都降才是正常收斂。如果 cls_loss 一直不降多半是類別不平衡或標(biāo)注有問題回到第 2 章那個(gè)統(tǒng)計(jì)腳本再查一遍。3.3 訓(xùn)練過程監(jiān)控與中斷恢復(fù)訓(xùn)練不是按了回車就完事中間要看曲線。ultralytics 會(huì)在runs/defect/exp1下生成 results.csv 和一堆可視化圖重點(diǎn)是 results.png 里的三條線訓(xùn)練 loss、驗(yàn)證 loss、mAP。訓(xùn)練 loss 降但驗(yàn)證 loss 漲是過擬合加數(shù)據(jù)增強(qiáng)或減模型容量兩條都降但 mAP 不動(dòng)可能是學(xué)習(xí)率太小或標(biāo)注框質(zhì)量差。如果訓(xùn)練中途斷了比如斷電或手滑關(guān)了終端不用從頭來yolo detect train resume modelruns/defect/exp1/weights/last.ptresume會(huì)從 last.pt 里讀回優(yōu)化器狀態(tài)和輪次接著往下跑。但注意只有 last.pt 存在時(shí)才能恢復(fù)如果你只留了 best.pt那就只能重新訓(xùn)。我一般會(huì)在訓(xùn)練腳本外面套一層 nohup 或 tmux避免終端斷開導(dǎo)致訓(xùn)練中斷。4. 缺陷檢測(cè)的坑從標(biāo)注到推理的排查清單4.1 標(biāo)注框越界與零面積框現(xiàn)象訓(xùn)練啟動(dòng)時(shí)報(bào)normalized coordinates out of range或者 loss 直接變 NaN。原因標(biāo)注文件里某個(gè)框的歸一化坐標(biāo)小于 0 或大于 1或者寬高算出來是 0。解決寫個(gè)校驗(yàn)?zāi)_本把所有標(biāo)簽掃一遍越界的截?cái)嗟?0 到 1零面積的直接刪掉那一行。for f in os.listdir(lbl_dir): path os.path.join(lbl_dir, f) lines open(path).read().strip().split(\n) clean [] for line in lines: p line.split() if len(p) ! 5: continue c, x, y, w, h int(p[0]), *map(float, p[1:]) if w 0 or h 0: continue x, y min(max(x, 0), 1), min(max(y, 0), 1) w, h min(w, 1 - x), min(h, 1 - y) clean.append(f{c} {x:.6f} {y:.6f} {w:.6f} {h:.6f}) open(path, w).write(\n.join(clean))這段邏輯是逐行解析跳過格式不對(duì)的行丟棄零面積框把中心點(diǎn)和寬高裁到合法范圍。:.6f保留六位小數(shù)YOLO 對(duì)精度不敏感但統(tǒng)一格式能避免解析歧義。4.2 類別不平衡導(dǎo)致小類召回為零現(xiàn)象訓(xùn)練完看混淆矩陣某一類缺陷的召回率是 0模型把所有目標(biāo)都預(yù)測(cè)成另一類。原因1200 張圖里兩類缺陷數(shù)量差距大比如包裹缺陷 900 個(gè)框、包裝盒缺陷只有 80 個(gè)框模型傾向于預(yù)測(cè)多數(shù)類。解決一是用cls權(quán)重加權(quán)的損失二是在 data.yaml 里給少數(shù)類復(fù)制樣本三是用 mosaic 和 mixup 增強(qiáng)時(shí)提高少數(shù)類出現(xiàn)概率。ultralytics 默認(rèn)的增強(qiáng)已經(jīng)包含 mosaic但類別平衡還得自己動(dòng)手。4.3 驗(yàn)證集 mAP 高但實(shí)際推理漏檢現(xiàn)象驗(yàn)證集 mAP50 到 0.9拿現(xiàn)場(chǎng)圖一測(cè)漏檢嚴(yán)重。原因驗(yàn)證集和訓(xùn)練集來自同一批拍攝條件光照、角度、背景都相似模型沒學(xué)到泛化特征。解決從現(xiàn)場(chǎng)另找一批沒參與訓(xùn)練的圖做測(cè)試集哪怕只有幾十張也能暴露真實(shí)問題。另外檢查推理時(shí)的conf閾值默認(rèn) 0.25 偏高缺陷檢測(cè)可以降到 0.1 到 0.15 再試。4.4 圖片和標(biāo)簽文件名大小寫不一致現(xiàn)象訓(xùn)練時(shí)提示找不到標(biāo)簽但你去目錄里看文件明明在。原因圖片叫IMG_001.jpg標(biāo)簽叫img_001.txtLinux 下大小寫敏感Windows 下不敏感跨系統(tǒng)就翻車。解決統(tǒng)一轉(zhuǎn)成小寫或者寫腳本按圖片名去匹配標(biāo)簽名匹配不上的打印出來人工處理。4.5 顯存溢出與 batch 設(shè)置現(xiàn)象訓(xùn)練跑了幾輪突然CUDA out of memory。原因batch 設(shè)太大或者 imgsz 提太高或者驗(yàn)證階段同時(shí)加載了太多圖。解決先把 batch 減半還不行就降 imgsz再不行用yolo detect train ... ampFalse關(guān)掉混合精度混合精度省顯存但偶爾會(huì)溢出。另外 ultralytics 的cacheTrue會(huì)把圖片緩存到內(nèi)存內(nèi)存不夠也會(huì)崩1200 張圖不大可以開但更大數(shù)據(jù)集要謹(jǐn)慎。5. 推理部署與效果驗(yàn)證把權(quán)重跑成能看的檢測(cè)結(jié)果5.1 單圖與批量推理訓(xùn)練完 best.pt 在runs/defect/exp1/weights/下拿它做推理yolo detect predict \ modelruns/defect/exp1/weights/best.pt \ sourcetest_images \ conf0.15 \ iou0.5 \ saveTruesource可以是單張圖、一個(gè)目錄、甚至一段視頻。conf0.15是置信度閾值缺陷檢測(cè)寧可多報(bào)也別漏報(bào)所以比默認(rèn) 0.25 低。iou0.5是 NMS 的 IoU 閾值兩個(gè)框重疊超過 0.5 就合并缺陷目標(biāo)如果密集可以提到 0.6 減少誤合并。saveTrue會(huì)把畫了框的圖存到runs/detect/predict下。5.2 用驗(yàn)證集指標(biāo)判斷模型能不能用推理出圖好看不代表模型能用得看量化指標(biāo)。訓(xùn)練結(jié)束后終端會(huì)打印一行匯總重點(diǎn)是 mAP50 和 mAP50-95。mAP50 是 IoU 閾值 0.5 時(shí)的平均精度缺陷檢測(cè)一般要求 0.85 以上mAP50-95 更嚴(yán)格能到 0.5 以上就算不錯(cuò)。如果 mAP50 高但 mAP50-95 低說明框的位置不夠準(zhǔn)可能是標(biāo)注框偏大或偏小回去抽查幾張標(biāo)注圖。from ultralytics import YOLO model YOLO(runs/defect/exp1/weights/best.pt) metrics model.val(datadataset/data.yaml, splitval) print(mAP50:, metrics.box.map50) print(mAP50-95:, metrics.box.map) print(每類AP:, metrics.box.ap50)model.val會(huì)重新在驗(yàn)證集上跑一遍評(píng)估返回的metrics.box.map50就是 mAP50ap50是每個(gè)類別的 AP 數(shù)組順序和 data.yaml 里 names 的順序一致。如果某一類 AP 明顯低單獨(dú)把那一類的圖挑出來看大概率是標(biāo)注質(zhì)量問題。5.3 導(dǎo)出 ONNX 與推理速度驗(yàn)證如果要把模型部署到產(chǎn)線PyTorch 權(quán)重不夠快通常導(dǎo)出 ONNX 或 TensorRT。ONNX 通用性好TensorRT 在 N 卡上快但綁定硬件。yolo export modelruns/defect/exp1/weights/best.pt formatonnx imgsz640導(dǎo)出后在同目錄生成 best.onnx。驗(yàn)證 ONNX 推理是否和 PyTorch 一致可以拿同一張圖分別跑對(duì)比框的數(shù)量和坐標(biāo)。常見坑是導(dǎo)出時(shí) imgsz 和訓(xùn)練時(shí)不一致導(dǎo)致精度掉一截所以導(dǎo)出命令里顯式寫imgsz640。5.4 一個(gè)具體技巧用 TTA 提升小缺陷召回缺陷目標(biāo)往往很小單次推理容易漏。測(cè)試時(shí)增強(qiáng)TTA是個(gè)后悔藥把圖翻轉(zhuǎn)、縮放幾次分別推理再合并結(jié)果。ultralytics 推理時(shí)加augmentTrue就能開 TTAyolo detect predict modelbest.pt sourcetest_images augmentTrue conf0.1代價(jià)是推理時(shí)間翻幾倍適合離線質(zhì)檢或?qū)λ俣炔幻舾械沫h(huán)節(jié)。我一般會(huì)在模型上線前用 TTA 跑一遍驗(yàn)證集看看 mAP 能漲多少如果漲幅不到 1 個(gè)點(diǎn)就不值得為它犧牲速度。從那以后我每次拿到新的缺陷數(shù)據(jù)集都強(qiáng)制先跑一遍標(biāo)注校驗(yàn)和類別分布統(tǒng)計(jì)再?zèng)Q定要不要?jiǎng)幽Ｐ徒Y(jié)構(gòu)——數(shù)據(jù)上的坑模型補(bǔ)不回來。希望這份 1200 張的快遞包裹缺陷數(shù)據(jù)集能幫你把 YOLO 缺陷檢測(cè)這條路先走通一遍。本文還有配套的精品資源點(diǎn)擊獲取