简介面向洪水预警与水资源管理场景的河道水位尺检测数据集可用于训练YOLO、Faster R-CNN等主流目标检测模型帮助算法识别并定位水位尺进而推断水位高度适合计算机视觉学习者与水利智能化开发者实践。压缩包内共400个文件包括200张河道现场JPG图像与200个XML标注文件标注信息记录水位尺的边界框和类别可直接用于监督训练整体包体33.81MB便于下载与迭代。已有2111人浏览学习说明该数据在相关领域具备一定参考价值。数据集虽因上传限制只包含部分压缩样本但可通过翻转、旋转、裁剪等数据增强方式扩充样本并结合PyTorch/TensorFlow搭建检测流程实现训练集、验证集与测试集的划分。下载后可用于熟悉目标检测标注格式、复现水位识别模型并为实时水位监测与自动报警等应用提供基础。 做水位监测的人应该都有同感看监控视频认水尺读数看起来很简单真要让模型自动干这件事问题一个接一个。水尺在1080p画面里往往只有几百像素晴天暴晒和水面反光会直接吞掉刻度线夏天河面漂浮物挡住尺面一半也是常事。最开始我图省事试图用传统图像处理的灰度阈值去找水尺上的刻度结果换了个光照角度就全线崩溃。后来我彻底换思路先不指望一步到位读出水位而是把任务拆成先找到水位尺这一步用目标检测模型解决。为此我从头整理了一套河道水位尺水位检测目标检测数据集用YOLOv8把检测模型训练跑通再结合后处理换算水位这条链路最终在多路河道监控上稳定跑了好几个月。这篇文章就把这套数据集的构建思路、标注规范、训练参数和后续的水位换算细节完整写下来给准备做类似项目的人一个直接可抄的作业。1. 题目拆开看这个检测数据集到底要支撑哪条水位链路1.1 水位监测任务里的两步走先找尺再读数用户的实际需求从来不是我要一个检测模型而是我要知道当前水位是多少米。目标检测只解决其中一半从全画面中定位水尺所在区域。真正的读数得靠检测框之后的图像处理或OCR来完成。把这两步拆开好处非常明显定位任务简单、稳定、对场景宽容度高哪怕水尺只占画面面积的1%~3%一个训练良好的检测模型也能在几十毫秒内给出稳定框读数任务只在一个很小的裁剪区域内执行外部干扰大幅减少。这套数据集之所以叫目标检测数据集就是因为它只服务定位这一步后面的读取另算。这里的核心认知是不要试图让检测模型直接输出水位数值检测模型的职责边界就是框把框做准、做稳已经非常不容易。框之外的业务逻辑交给规则和传统图像手段反而更可控。1.2 为什么不能直接拿通用数据集训练我一开始也试图找现成的河道水位尺目标检测数据集找了一圈发现几乎都是COCO、KITTI、DOTA这类通用目标检测数据集根本没有河道水位尺这个类别。即使拿通用大模型预训练权重做增量训练也不可能解决两类核心问题一是场景差异河道监控里的水尺往往侧面拍摄、小目标、斜视通用数据集里没有这种分布二是刻度密集水尺上十厘米一个E字刻度在远距离监控画面里属于典型的小目标通用模型权重对密集小目标细长刻度几乎没有先验认知。所以自建数据集几乎是唯一靠谱路径。通用预训练权重的意义在于提供基础视觉特征比如边缘、纹理、颜色分布的初步抽象能力这些特征对后续微调非常有用。但真正决定任务上限的还是你喂进去的水尺样本质量和覆盖广度。1.3 单类检测还是多类检测先想清楚再动手这里要做一个关键决定类别是只有一个水尺water_marker还是把E字刻度也作为独立类别。我的结论是如果目标是做整条水位链路建议至少拆成两类——water_marker水尺主体和scale_eE字刻度。主体框用于裁剪和之后的透视校正刻度类别用于辅助标定比例尺也就是每像素对应多少实际厘米。如果尺度太小、E字标注实在困难也可以退而求其次只标主体但后续必须另想办法获取比例尺否则只检测不读数工程上线价值有限。多类标注的额外成本主要在标注环节但只要标注规范定得清楚并没有想象中那么慢。拆成两类之后模型在推理阶段就多了一个刻度分布的监督信号对定位精度也有正向帮助。2. 数据从哪来采集点位、拍摄角度与标注粒度的取舍2.1 采集设备与机位视角的选择河道水位尺的采集设备常见的是固定枪机、云台球机和手机抓拍三种来源。固定枪机最理想机位固定、视角稳定、数据分布一致手机抓拍适合快速攒数据但容易引入主观构图差异而且不同手机的成像风格差距很大训练集如果混入太多风格模型会学得比较飘云台球机最麻烦因为有变焦和视角转动同一把尺在不同抓拍里尺度差异巨大训练时要把这个差异纳入考虑否则模型对尺子该多大没有稳定认知。图片分辨率至少1080p采集时尽量让水尺在画面中占有清晰可辨的像素别用过低的带宽压缩流否则标注出来的框包含大量马赛克噪声训练出来的模型上限很低。另一个容易忽略的点是码流设置很多摄像头默认H.264压缩率很高水面波纹这种高频纹理直接被抹成一片E字刻度的边缘信息损失严重建议在采集端把码率调高一些。2.2 覆盖维度时间、天气、水位、遮挡四张网数据集的质量不只看数量更看覆盖维度。我自己把样本覆盖分成四个维度缺一个都会在真实场景露馅维度需要覆盖的状态容易漏掉的情况时间清晨、正午、傍晚、夜间夜间红外模式下图像是黑白对比白天模型到夜里直接失灵天气晴天、阴天、雨天、雾天雨天尺面反光、雾天整体对比度下降水位低水位、中水位、高水位高水位时水尺部分淹没检测框范围变化很大遮挡无遮挡、水草、漂浮物、行人/船只经过倒影产生的虚尺也很常见每个维度至少保证有一定比例不能全是同一个时间段拍的干净图否则模型过拟合到你自己的拍摄习惯上。数据量上我个人的经验是干净场景500张起步能跑通做到800~1200张配合合理增强效果基本可用。前期不要盲目追求数量先把覆盖维度补全哪怕每类只有几十张也比叠一万张同一个视角的图强。2.3 标注粒度整尺框、刻度区还是每个E字这是最影响标注成本和模型效果的选择。整尺框只需要框住水尺整体标注简单快捷适合只做定位刻度区框住整个刻度带信息多但标注慢每个E字属于密集小目标标注工作量大、容易漏标。我的实际做法是折中先以water_marker框住完整水尺再对画面中清晰可见的E字刻度用scale_e做矩形框标注。E字是密集排列的小目标标注时统一约定框住字母的可见外边界不包含间隔空隙部分遮挡但能判断出形状的E字要标完全遮挡超过一半的不标贴在框边缘的E字宁可多留2~3个像素也不要切掉笔画。标注工具我先后用过LabelImg和X-AnyLabeling前者稳定但功能少后者支持半自动分割和格式导出对多标签项目效率更高。无论用哪款最后都要导出成统一格式再做训练最忌讳的是队伍里几个人各用各的工具最后合并数据时格式打架光写解析脚本就折腾一整天。3. 从原始图片到可训练数据集格式规范与划分策略3.1 目录结构与标签格式目标检测数据集的通行格式有两种YOLO的txt格式和COCO的json格式。我建议一进项目就统一转成YOLO格式并按下面的结构组织因为YOLO生态基本都吃这套后面换模型框架也不用重做数据dataset/ images/ train/ val/ test/ labels/ train/ val/ test/ data.yamlYOLO格式每张图片对应一个同名txt文件每行是一个目标内容是class_id x_center y_center width height注意坐标是归一化到0~1的小数不是像素坐标。我踩过一次坑标注工具默认导出的是像素坐标没除以图片宽高就直接放进txt训练时损失直接起飞。换算公式很简单x_center (xmin xmax) / 2 / img_width其余同理。图片和标签必须同名且在同一层级的train/val/test目录里否则训练时疯狂报label not found。3.2 一张图片到 txt 的转换脚本不管标注工具导出的是XML、json还是csv最终都要统一。下面这段脚本可以把常见格式转成YOLO txt我项目里一直沿用强烈建议每次新增样本都跑一遍同样的检查def convert_to_yolo(label_path, image_size, class_map): lines [] with open(label_path, r, encodingutf-8) as f: for line in f: # 假设输入格式: class_name xmin ymin xmax ymax parts line.strip().split() cls_name parts[0] xmin, ymin, xmax, ymax map(float, parts[1:]) img_w, img_h image_size x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h cls_id class_map[cls_name] lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) return \n.join(lines)转换完一定要做坐标合法性检查所有值必须在0~1之间width和height必须大于0。我习惯再加一条把标注框画回原图随机抽查50张肉眼看一遍框和物体是否吻合。这一步看似笨却能拦住大量坐标对但语义错的标注问题。3.3 数据增强的边界别把验证集也增强了水位尺场景下常用的增强包括亮度扰动、对比度扰动、随机缩放和随机翻转。水面反光有时会让画面过曝亮度扰动对这个场景尤其重要。但要记住增强只对训练集做验证集和测试集必须使用原始图像。很多新手把Mosaic、MixUp直接应用到全数据集结果训练指标虚高部署到真实画面上却掉点严重这就是信息泄漏。YOLOv8默认自带Mosaic增强训练时用默认即可不用额外手动做离线增强除非数据量特别小。如果样本少于300张可以适当加大增强强度但验证集保持原图这条底线不要松。4. 模型训练YOLOv8 跑通小目标水位尺检测的实操参数4.1 模型选型与 data.yaml 配置水位尺检测任务属于实时监控场景模型选择上YOLOv8n和YOLOv8s足够。因为水尺和E字刻度在画面里都是小目标n模型速度快但小目标召回率容易吃亏s模型速度稍慢但稳定很多。如果部署在Jetson这类边缘设备上我建议n起步跑通后再尝试s。训练前先写好data.yamlpath: /home/user/dataset train: images/train val: images/val test: images/test nc: 2 names: [water_marker, scale_e]这里nc必须和names长度一致否则训练直接报错。类别顺序一旦定了就别再改改顺序等于把之前的模型权重全部作废重新训练又要花时间。4.2 训练指令与关键超参数我推荐从官方预训练权重开始而不是从零训练。命令如下yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ imgsz1280 \ batch16 \ patience30 \ optimizerAdamW \ lr00.001 \ cos_lrTrueimgsz我特意设成1280而不是默认的640原因是水尺和E字在640输入下占比过小属于典型小目标问题。把推理尺寸拉大到1280后E字刻度的召回率明显提升。代价是训练显存和推理耗时上涨如果你的设备带不动1280至少也要960。batch按显存能承受的最大值来实在不够就开梯度累积别为了撑batch把imgsz降到640那样小目标信息全丢了。还有一个容易被忽略的点训练轮次不是越多越好。水位尺场景数据相对单一150轮足够后面几十轮基本在过拟合边缘徘徊。patience早停设30让它在val loss不再下降时自动停能帮你省很多时间。4.3 用指标说话mAP、P、R 在真实水位场景下的解读训练完不要光看loss关键看val阶段的mAP50、mAP50-95、precision和recall。水位尺场景我优先看recall因为漏检水尺等于没测到水位后果比误检严重。一个可用的门槛大概是water_marker的recall≥0.95scale_e的recall≥0.85mAP50整体≥0.9。如果recall低优先补充小目标样本和更多遮挡样本如果precision低多半是倒影或相似物体误检后面讲具体处理。训练曲线里如果val loss在后期明显回升说明过拟合可以加数据增强权重、减小模型或提早早停。如果训练集和验证集都有问题先检查标签文件有没有错位八成是转换脚本的问题不一定是模型参数的问题。5. 检测完不等于读出水位后处理与数值换算的关键设计5.1 从检测框到水尺图像透视校正检测模型输出的是水尺在原始画面中的包围框但相机往往从侧面拍摄水尺是个斜面不能直接按框内像素算水位必须先做透视校正。我的做法是在目标检测后加一个四点透视变换模块借助尺体边缘或固定参照点把水尺区域矫正为正面矩形再进行后续读数。透视变换用OpenCV的getPerspectiveTransform加上warpPerspective就能实现关键是四个源点要稳定获取。如果水尺完全倾斜、四个角点都被遮挡宁可丢弃这一帧也不要强行换算避免上报错误水位。透视校正的意义不只是视觉效果它决定了后面比例换算的精度。校正后水尺刻度在图像里应该是等间距的如果发现相邻E字间距不一致说明校正参数不对要回头检查角点选取。5.2 水面线定位与刻度换算透视校正后水面线检测可以用两种思路最简单的是对裁剪后的水尺区域做边缘检测加Y轴最大梯度搜索找到水面与尺面的交界线另一种更稳的是再做一个小目标模型专门检测水面线在尺面上的位置。拿到水面线的像素y坐标后结合已知的真实尺度关系换算水位。标准E字水尺每两个相邻E字之间是10厘米通过检测出的两个相邻E字刻度框的像素间距就能算出每像素对应多少米再用水面线相对零点的像素距离乘以这个比例最终得到水位。这一步的精度受成像仰角影响所以前面透视校正越准这个比例越稳定。换算公式是pix_per_meter 0.1 / (y_e2 - y_e1) water_level water_y_offset / pix_per_meter注意这里基于尺度不变假设实际工程要经过多点标定才可靠。我建议上线前找几段历史视频人工读取水位值和模型换算值做对比统计误差分布如果误差超过±2厘米就要检查透视校正和刻度检测的稳定性。5.3 部署时的精度与速度平衡部署硬件不同取舍完全不同。CPU上跑yolov8s imgsz1280会很吃力可以降imgsz、转ONNX后量化到FP16甚至INT8GPU或NPU上则可以保持较高分辨率。水位监测对实时性要求不算极端1~2秒的延迟完全可以接受所以宁可保持高召回、稍微牺牲帧率也不要用低分辨率跑出漏检。部署阶段再补一句建议检测模型和后处理尽量拆成两个进程检测进程吃GPU后处理进程吃CPU中间用队列衔接这样单路卡顿不会拖垮整个链路。6. 我在实际项目中踩过的坑和数据集迭代经验6.1 倒影、反光与夜间模式最常见的三个bad case水尺场景最典型的误检来源是水面倒影。当水面平静时尺子的倒影会形成第二个虚尺模型很容易在倒影区域也给出高置信度框。我的处理分三层第一采集时避开正午强反光时段第二标注时把倒影附近的负样本图片加入训练集但不要给倒影框打标签让模型学会倒影不是尺第三后处理加规则同一个竖直列上出现两个间距过近的框时只保留上方那个。夜间红外模式下水尺在图像里往往变成黑白对比训练时要包含红外帧否则白天模型到夜班直接失灵这个点我在项目早期吃过亏白天指标再好看也没用。反光导致的过曝问题还有一个隐蔽面E字刻度在过曝区域里会变成白色噪点人类肉眼还能凭上下文猜出形状模型直接学不到有效特征。这种人眼能认但模型学不会的样本标注前最好先做预处理比如局部直方图均衡化让刻度线重新显现。6.2 脏污遮挡和水尺更换模型的鲁棒性边界河道环境不可控尺面会长青苔会沾泥巴洪水过后水尺会被冲歪甚至更换。模型对这些异常很难做到100%识别。我给数据迭代留了常态化通道每次巡河或人工复核时把模型置信度低于阈值但人工能看清的新样本收集起来回补到训练集按两周一个周期增量训练。这个增量流程不复杂重点是要建立好样本目录和bad case目录别把脏数据混进主训练集。水尺更换后刻度比例会变化除了重标定也可以把新旧尺的样本都保留让模型适应外观变化。这里要特别提醒不要迷信数据增强能解决脏污问题。亮度扰动、模糊扰动对轻度脏污有效但青苔大面积覆盖尺面时增强出来的假脏污和真实脏污的纹理差异很大模型还是学不扎实。该去现场拍青苔样本就去拍别省这个功夫。6.3 数据集迭代的正确姿势数据集不是一锤子买卖。我的建议是三件事一是建立基础集和增量集分开管理基础集保证场景覆盖增量集只放bad case二是每次增量训练后跑同一套测试集防止修了新bad case、丢老场景的回归三是记录每一版的训练指标和上线时间哪天召回率突然下降能反查是哪一批样本引入的。另外不要在线上模型还没验证稳定前就大规模清理旧数据旧样本在某种程度上也是负样本删多了模型容易漂移。我个人的习惯是每版模型都导出一个完整的bad case列表按置信度排序低置信度的看是标注漏了还是场景变化高置信度的看是误检还是漏检分门别类补齐。这套流程跑顺之后数据集会从一堆图片变成一个越滚越准的资产新场景接入时前面攒的覆盖维度立刻就能复用不用重新从零开始攒数据。水位尺检测这件事模型层其实就那么点东西真正拉开差距的是数据集的覆盖广度和迭代节奏。本文还有配套的精品资源点击获取 水位尺检测数据集构建与YOLOv8训练实战：从标注到水位换算
简介面向洪水预警与水资源管理场景的河道水位尺检测数据集可用于训练YOLO、Faster R-CNN等主流目标检测模型帮助算法识别并定位水位尺进而推断水位高度适合计算机视觉学习者与水利智能化开发者实践。压缩包内共400个文件包括200张河道现场JPG图像与200个XML标注文件标注信息记录水位尺的边界框和类别可直接用于监督训练整体包体33.81MB便于下载与迭代。已有2111人浏览学习说明该数据在相关领域具备一定参考价值。数据集虽因上传限制只包含部分压缩样本但可通过翻转、旋转、裁剪等数据增强方式扩充样本并结合PyTorch/TensorFlow搭建检测流程实现训练集、验证集与测试集的划分。下载后可用于熟悉目标检测标注格式、复现水位识别模型并为实时水位监测与自动报警等应用提供基础。 做水位监测的人应该都有同感看监控视频认水尺读数看起来很简单真要让模型自动干这件事问题一个接一个。水尺在1080p画面里往往只有几百像素晴天暴晒和水面反光会直接吞掉刻度线夏天河面漂浮物挡住尺面一半也是常事。最开始我图省事试图用传统图像处理的灰度阈值去找水尺上的刻度结果换了个光照角度就全线崩溃。后来我彻底换思路先不指望一步到位读出水位而是把任务拆成先找到水位尺这一步用目标检测模型解决。为此我从头整理了一套河道水位尺水位检测目标检测数据集用YOLOv8把检测模型训练跑通再结合后处理换算水位这条链路最终在多路河道监控上稳定跑了好几个月。这篇文章就把这套数据集的构建思路、标注规范、训练参数和后续的水位换算细节完整写下来给准备做类似项目的人一个直接可抄的作业。1. 题目拆开看这个检测数据集到底要支撑哪条水位链路1.1 水位监测任务里的两步走先找尺再读数用户的实际需求从来不是我要一个检测模型而是我要知道当前水位是多少米。目标检测只解决其中一半从全画面中定位水尺所在区域。真正的读数得靠检测框之后的图像处理或OCR来完成。把这两步拆开好处非常明显定位任务简单、稳定、对场景宽容度高哪怕水尺只占画面面积的1%~3%一个训练良好的检测模型也能在几十毫秒内给出稳定框读数任务只在一个很小的裁剪区域内执行外部干扰大幅减少。这套数据集之所以叫目标检测数据集就是因为它只服务定位这一步后面的读取另算。这里的核心认知是不要试图让检测模型直接输出水位数值检测模型的职责边界就是框把框做准、做稳已经非常不容易。框之外的业务逻辑交给规则和传统图像手段反而更可控。1.2 为什么不能直接拿通用数据集训练我一开始也试图找现成的河道水位尺目标检测数据集找了一圈发现几乎都是COCO、KITTI、DOTA这类通用目标检测数据集根本没有河道水位尺这个类别。即使拿通用大模型预训练权重做增量训练也不可能解决两类核心问题一是场景差异河道监控里的水尺往往侧面拍摄、小目标、斜视通用数据集里没有这种分布二是刻度密集水尺上十厘米一个E字刻度在远距离监控画面里属于典型的小目标通用模型权重对密集小目标细长刻度几乎没有先验认知。所以自建数据集几乎是唯一靠谱路径。通用预训练权重的意义在于提供基础视觉特征比如边缘、纹理、颜色分布的初步抽象能力这些特征对后续微调非常有用。但真正决定任务上限的还是你喂进去的水尺样本质量和覆盖广度。1.3 单类检测还是多类检测先想清楚再动手这里要做一个关键决定类别是只有一个水尺water_marker还是把E字刻度也作为独立类别。我的结论是如果目标是做整条水位链路建议至少拆成两类——water_marker水尺主体和scale_eE字刻度。主体框用于裁剪和之后的透视校正刻度类别用于辅助标定比例尺也就是每像素对应多少实际厘米。如果尺度太小、E字标注实在困难也可以退而求其次只标主体但后续必须另想办法获取比例尺否则只检测不读数工程上线价值有限。多类标注的额外成本主要在标注环节但只要标注规范定得清楚并没有想象中那么慢。拆成两类之后模型在推理阶段就多了一个刻度分布的监督信号对定位精度也有正向帮助。2. 数据从哪来采集点位、拍摄角度与标注粒度的取舍2.1 采集设备与机位视角的选择河道水位尺的采集设备常见的是固定枪机、云台球机和手机抓拍三种来源。固定枪机最理想机位固定、视角稳定、数据分布一致手机抓拍适合快速攒数据但容易引入主观构图差异而且不同手机的成像风格差距很大训练集如果混入太多风格模型会学得比较飘云台球机最麻烦因为有变焦和视角转动同一把尺在不同抓拍里尺度差异巨大训练时要把这个差异纳入考虑否则模型对尺子该多大没有稳定认知。图片分辨率至少1080p采集时尽量让水尺在画面中占有清晰可辨的像素别用过低的带宽压缩流否则标注出来的框包含大量马赛克噪声训练出来的模型上限很低。另一个容易忽略的点是码流设置很多摄像头默认H.264压缩率很高水面波纹这种高频纹理直接被抹成一片E字刻度的边缘信息损失严重建议在采集端把码率调高一些。2.2 覆盖维度时间、天气、水位、遮挡四张网数据集的质量不只看数量更看覆盖维度。我自己把样本覆盖分成四个维度缺一个都会在真实场景露馅维度需要覆盖的状态容易漏掉的情况时间清晨、正午、傍晚、夜间夜间红外模式下图像是黑白对比白天模型到夜里直接失灵天气晴天、阴天、雨天、雾天雨天尺面反光、雾天整体对比度下降水位低水位、中水位、高水位高水位时水尺部分淹没检测框范围变化很大遮挡无遮挡、水草、漂浮物、行人/船只经过倒影产生的虚尺也很常见每个维度至少保证有一定比例不能全是同一个时间段拍的干净图否则模型过拟合到你自己的拍摄习惯上。数据量上我个人的经验是干净场景500张起步能跑通做到800~1200张配合合理增强效果基本可用。前期不要盲目追求数量先把覆盖维度补全哪怕每类只有几十张也比叠一万张同一个视角的图强。2.3 标注粒度整尺框、刻度区还是每个E字这是最影响标注成本和模型效果的选择。整尺框只需要框住水尺整体标注简单快捷适合只做定位刻度区框住整个刻度带信息多但标注慢每个E字属于密集小目标标注工作量大、容易漏标。我的实际做法是折中先以water_marker框住完整水尺再对画面中清晰可见的E字刻度用scale_e做矩形框标注。E字是密集排列的小目标标注时统一约定框住字母的可见外边界不包含间隔空隙部分遮挡但能判断出形状的E字要标完全遮挡超过一半的不标贴在框边缘的E字宁可多留2~3个像素也不要切掉笔画。标注工具我先后用过LabelImg和X-AnyLabeling前者稳定但功能少后者支持半自动分割和格式导出对多标签项目效率更高。无论用哪款最后都要导出成统一格式再做训练最忌讳的是队伍里几个人各用各的工具最后合并数据时格式打架光写解析脚本就折腾一整天。3. 从原始图片到可训练数据集格式规范与划分策略3.1 目录结构与标签格式目标检测数据集的通行格式有两种YOLO的txt格式和COCO的json格式。我建议一进项目就统一转成YOLO格式并按下面的结构组织因为YOLO生态基本都吃这套后面换模型框架也不用重做数据dataset/ images/ train/ val/ test/ labels/ train/ val/ test/ data.yamlYOLO格式每张图片对应一个同名txt文件每行是一个目标内容是class_id x_center y_center width height注意坐标是归一化到0~1的小数不是像素坐标。我踩过一次坑标注工具默认导出的是像素坐标没除以图片宽高就直接放进txt训练时损失直接起飞。换算公式很简单x_center (xmin xmax) / 2 / img_width其余同理。图片和标签必须同名且在同一层级的train/val/test目录里否则训练时疯狂报label not found。3.2 一张图片到 txt 的转换脚本不管标注工具导出的是XML、json还是csv最终都要统一。下面这段脚本可以把常见格式转成YOLO txt我项目里一直沿用强烈建议每次新增样本都跑一遍同样的检查def convert_to_yolo(label_path, image_size, class_map): lines [] with open(label_path, r, encodingutf-8) as f: for line in f: # 假设输入格式: class_name xmin ymin xmax ymax parts line.strip().split() cls_name parts[0] xmin, ymin, xmax, ymax map(float, parts[1:]) img_w, img_h image_size x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h cls_id class_map[cls_name] lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) return \n.join(lines)转换完一定要做坐标合法性检查所有值必须在0~1之间width和height必须大于0。我习惯再加一条把标注框画回原图随机抽查50张肉眼看一遍框和物体是否吻合。这一步看似笨却能拦住大量坐标对但语义错的标注问题。3.3 数据增强的边界别把验证集也增强了水位尺场景下常用的增强包括亮度扰动、对比度扰动、随机缩放和随机翻转。水面反光有时会让画面过曝亮度扰动对这个场景尤其重要。但要记住增强只对训练集做验证集和测试集必须使用原始图像。很多新手把Mosaic、MixUp直接应用到全数据集结果训练指标虚高部署到真实画面上却掉点严重这就是信息泄漏。YOLOv8默认自带Mosaic增强训练时用默认即可不用额外手动做离线增强除非数据量特别小。如果样本少于300张可以适当加大增强强度但验证集保持原图这条底线不要松。4. 模型训练YOLOv8 跑通小目标水位尺检测的实操参数4.1 模型选型与 data.yaml 配置水位尺检测任务属于实时监控场景模型选择上YOLOv8n和YOLOv8s足够。因为水尺和E字刻度在画面里都是小目标n模型速度快但小目标召回率容易吃亏s模型速度稍慢但稳定很多。如果部署在Jetson这类边缘设备上我建议n起步跑通后再尝试s。训练前先写好data.yamlpath: /home/user/dataset train: images/train val: images/val test: images/test nc: 2 names: [water_marker, scale_e]这里nc必须和names长度一致否则训练直接报错。类别顺序一旦定了就别再改改顺序等于把之前的模型权重全部作废重新训练又要花时间。4.2 训练指令与关键超参数我推荐从官方预训练权重开始而不是从零训练。命令如下yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ imgsz1280 \ batch16 \ patience30 \ optimizerAdamW \ lr00.001 \ cos_lrTrueimgsz我特意设成1280而不是默认的640原因是水尺和E字在640输入下占比过小属于典型小目标问题。把推理尺寸拉大到1280后E字刻度的召回率明显提升。代价是训练显存和推理耗时上涨如果你的设备带不动1280至少也要960。batch按显存能承受的最大值来实在不够就开梯度累积别为了撑batch把imgsz降到640那样小目标信息全丢了。还有一个容易被忽略的点训练轮次不是越多越好。水位尺场景数据相对单一150轮足够后面几十轮基本在过拟合边缘徘徊。patience早停设30让它在val loss不再下降时自动停能帮你省很多时间。4.3 用指标说话mAP、P、R 在真实水位场景下的解读训练完不要光看loss关键看val阶段的mAP50、mAP50-95、precision和recall。水位尺场景我优先看recall因为漏检水尺等于没测到水位后果比误检严重。一个可用的门槛大概是water_marker的recall≥0.95scale_e的recall≥0.85mAP50整体≥0.9。如果recall低优先补充小目标样本和更多遮挡样本如果precision低多半是倒影或相似物体误检后面讲具体处理。训练曲线里如果val loss在后期明显回升说明过拟合可以加数据增强权重、减小模型或提早早停。如果训练集和验证集都有问题先检查标签文件有没有错位八成是转换脚本的问题不一定是模型参数的问题。5. 检测完不等于读出水位后处理与数值换算的关键设计5.1 从检测框到水尺图像透视校正检测模型输出的是水尺在原始画面中的包围框但相机往往从侧面拍摄水尺是个斜面不能直接按框内像素算水位必须先做透视校正。我的做法是在目标检测后加一个四点透视变换模块借助尺体边缘或固定参照点把水尺区域矫正为正面矩形再进行后续读数。透视变换用OpenCV的getPerspectiveTransform加上warpPerspective就能实现关键是四个源点要稳定获取。如果水尺完全倾斜、四个角点都被遮挡宁可丢弃这一帧也不要强行换算避免上报错误水位。透视校正的意义不只是视觉效果它决定了后面比例换算的精度。校正后水尺刻度在图像里应该是等间距的如果发现相邻E字间距不一致说明校正参数不对要回头检查角点选取。5.2 水面线定位与刻度换算透视校正后水面线检测可以用两种思路最简单的是对裁剪后的水尺区域做边缘检测加Y轴最大梯度搜索找到水面与尺面的交界线另一种更稳的是再做一个小目标模型专门检测水面线在尺面上的位置。拿到水面线的像素y坐标后结合已知的真实尺度关系换算水位。标准E字水尺每两个相邻E字之间是10厘米通过检测出的两个相邻E字刻度框的像素间距就能算出每像素对应多少米再用水面线相对零点的像素距离乘以这个比例最终得到水位。这一步的精度受成像仰角影响所以前面透视校正越准这个比例越稳定。换算公式是pix_per_meter 0.1 / (y_e2 - y_e1) water_level water_y_offset / pix_per_meter注意这里基于尺度不变假设实际工程要经过多点标定才可靠。我建议上线前找几段历史视频人工读取水位值和模型换算值做对比统计误差分布如果误差超过±2厘米就要检查透视校正和刻度检测的稳定性。5.3 部署时的精度与速度平衡部署硬件不同取舍完全不同。CPU上跑yolov8s imgsz1280会很吃力可以降imgsz、转ONNX后量化到FP16甚至INT8GPU或NPU上则可以保持较高分辨率。水位监测对实时性要求不算极端1~2秒的延迟完全可以接受所以宁可保持高召回、稍微牺牲帧率也不要用低分辨率跑出漏检。部署阶段再补一句建议检测模型和后处理尽量拆成两个进程检测进程吃GPU后处理进程吃CPU中间用队列衔接这样单路卡顿不会拖垮整个链路。6. 我在实际项目中踩过的坑和数据集迭代经验6.1 倒影、反光与夜间模式最常见的三个bad case水尺场景最典型的误检来源是水面倒影。当水面平静时尺子的倒影会形成第二个虚尺模型很容易在倒影区域也给出高置信度框。我的处理分三层第一采集时避开正午强反光时段第二标注时把倒影附近的负样本图片加入训练集但不要给倒影框打标签让模型学会倒影不是尺第三后处理加规则同一个竖直列上出现两个间距过近的框时只保留上方那个。夜间红外模式下水尺在图像里往往变成黑白对比训练时要包含红外帧否则白天模型到夜班直接失灵这个点我在项目早期吃过亏白天指标再好看也没用。反光导致的过曝问题还有一个隐蔽面E字刻度在过曝区域里会变成白色噪点人类肉眼还能凭上下文猜出形状模型直接学不到有效特征。这种人眼能认但模型学不会的样本标注前最好先做预处理比如局部直方图均衡化让刻度线重新显现。6.2 脏污遮挡和水尺更换模型的鲁棒性边界河道环境不可控尺面会长青苔会沾泥巴洪水过后水尺会被冲歪甚至更换。模型对这些异常很难做到100%识别。我给数据迭代留了常态化通道每次巡河或人工复核时把模型置信度低于阈值但人工能看清的新样本收集起来回补到训练集按两周一个周期增量训练。这个增量流程不复杂重点是要建立好样本目录和bad case目录别把脏数据混进主训练集。水尺更换后刻度比例会变化除了重标定也可以把新旧尺的样本都保留让模型适应外观变化。这里要特别提醒不要迷信数据增强能解决脏污问题。亮度扰动、模糊扰动对轻度脏污有效但青苔大面积覆盖尺面时增强出来的假脏污和真实脏污的纹理差异很大模型还是学不扎实。该去现场拍青苔样本就去拍别省这个功夫。6.3 数据集迭代的正确姿势数据集不是一锤子买卖。我的建议是三件事一是建立基础集和增量集分开管理基础集保证场景覆盖增量集只放bad case二是每次增量训练后跑同一套测试集防止修了新bad case、丢老场景的回归三是记录每一版的训练指标和上线时间哪天召回率突然下降能反查是哪一批样本引入的。另外不要在线上模型还没验证稳定前就大规模清理旧数据旧样本在某种程度上也是负样本删多了模型容易漂移。我个人的习惯是每版模型都导出一个完整的bad case列表按置信度排序低置信度的看是标注漏了还是场景变化高置信度的看是误检还是漏检分门别类补齐。这套流程跑顺之后数据集会从一堆图片变成一个越滚越准的资产新场景接入时前面攒的覆盖维度立刻就能复用不用重新从零开始攒数据。水位尺检测这件事模型层其实就那么点东西真正拉开差距的是数据集的覆盖广度和迭代节奏。本文还有配套的精品资源点击获取