简介本资源为铝片表面工业缺陷检测数据集面向从事工业质检、表面缺陷识别方向的算法工程师与深度学习学习者可用于目标检测模型的训练、验证与算法对比实验。数据集同时提供Pascal VOC与YOLO两种标注格式包含jpg图片及对应的xml、txt标注文件标注工具为labelImg共4个类别ca_shang、zang_wu、zhe_zhou、zhen_kong总标注框数1062个其中zang_wu 456个、ca_shang 270个、zhen_kong 212个、zhe_zhou 124个类别分布清晰便于直接接入主流检测框架。压缩包为7z格式共1202个文件以400张jpg图像、400个xml与402个txt标注文件为主整体约15.25MB体积轻量、下载与解压便捷。目前已有526人学习下载适合作为工业缺陷检测课题的入门与基线实验数据帮助读者快速完成数据加载、格式转换与模型训练验证。1. 铝片表面缺陷检测400 张 VOCYOLO 数据集到底能跑出什么产线上铝片表面划痕、凹坑、脏污这类缺陷靠人眼在高速传送带上盯漏检率随班次直线上升。很多团队第一反应是上深度学习但卡在第一步没有数据。公开的缺陷检测数据集大多集中在布匹、钢材、PCB 上铝片这种低对比度、高反光、缺陷形态细长的场景几乎找不到现成的。这个标题里的 400 张 VOCYOLO 双格式、4 类别数据集解决的就是“从零标注成本太高、又不想拿别的领域数据硬迁移”的起步问题。它适合两类人一是想快速验证铝片缺陷检测可行性的算法工程师二是需要一个小规模基准来对比模型改进效果的研究者。400 张不算多但双格式省去了转换脚本的折腾4 类别也足够覆盖铝片最常见的表面异常。下面我把从拿到数据到跑通训练、再到避坑的完整路径拆开讲。2. 铝片缺陷数据集的结构拆解与格式选择VOC 和 YOLO 到底该用哪个2.1 400 张 4 类别在工业缺陷检测里算什么量级先给一个不绕弯的判断400 张图、4 个类别平均每类 100 张左右在工业缺陷检测里属于“最小可训练集”。它不足以训练一个从零开始的 backbone但足够做两件事——微调一个预训练模型或者验证一个改进模块是否有效。铝片表面缺陷的类间差异往往不大比如“划痕”和“脏污”在低分辨率下可能都是暗色条带所以 4 类别里如果包含两个视觉上接近的类实际有效样本会更少。我一般会先做一次类别分布统计而不是直接开训。原因很简单如果某一类只有 30 张训练时该类别的召回率会明显塌陷这时候要么补数据要么在 loss 里做类别加权。铝片缺陷还有一个特点——缺陷区域占整图比例极小400 张里可能有一半以上的图缺陷框面积不到图像的 2%。这意味着 anchor 设计或 YOLO 的回归分支需要特别关注小目标。提示拿到数据集先别急着转格式用脚本统计每类框的数量、宽高分布、面积占比这三个指标决定了你后面要不要改 anchor、要不要用 mosaic 增强。2.2 VOC 与 YOLO 格式的差异与转换逻辑VOC 格式用 XML 存标注每个文件对应一张图结构是annotation下包含object列表每个 object 有name、bndboxxmin/ymin/xmax/ymax。YOLO 格式用 txt每行一个目标格式是class_id x_center y_center width height全部归一化到 0~1。两者本质是同一组坐标的两种表达但坑在于VOC 的坐标是绝对像素值YOLO 需要归一化VOC 的类别是字符串YOLO 需要映射成从 0 开始的整数索引。如果你拿到的数据集同时给了 VOC 和 YOLO 两套标注优先用 YOLO 格式直接训练省去转换。但如果只有 VOC或者你想用 MMDetection 这类框架就需要自己转。下面这个脚本是我常用的 VOC 转 YOLO 写法处理了类别映射和边界裁剪import xml.etree.ElementTree as ET import os from pathlib import Path # 类别名到索引的映射顺序必须和训练时的 data.yaml 一致 CLASS_MAP {scratch: 0, dent: 1, stain: 2, edge_defect: 3} def voc_to_yolo(xml_path, img_w, img_h, out_path): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue # 跳过未定义类别避免训练时索引越界 cls_id CLASS_MAP[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) # 裁剪到图像边界防止标注越界导致归一化后坐标超出 0~1 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue # 跳过无效框 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))逻辑说明脚本先解析 XML拿到每个 object 的类别名和绝对坐标然后做边界裁剪防止标注时手抖画出图像范围。归一化用图像宽高中心点坐标和宽高都除以对应维度。参数上CLASS_MAP必须和后续训练配置文件里的names列表顺序完全一致否则模型学到的类别会错位。img_w和img_h建议从对应图像文件读取不要硬编码因为铝片数据集里可能存在不同分辨率的图。2.3 目录组织与训练配置的对应关系YOLO 训练对目录结构有约定images/train、images/val、labels/train、labels/val图像和标签文件名一一对应只是扩展名不同。很多人转换完标签后忘了把图像也按同样规则划分导致训练时找不到图。我一般用固定随机种子做 8:2 划分保证每次复现的验证集一致。# 假设原始图像在 all_images/标签在 all_labels/ mkdir -p dataset/images/train dataset/images/val dataset/labels/train dataset/labels/val # 用固定种子打乱后按 8:2 复制具体脚本略核心是保持图与标签同名对应的data.yaml写法path: ./dataset train: images/train val: images/val nc: 4 names: [scratch, dent, stain, edge_defect]这里nc必须等于类别数names顺序和转换脚本里的CLASS_MAP一致。铝片缺陷检测里如果某一类样本特别少可以在data.yaml里不加权而是在训练命令里用--cls参数调整分类 loss 权重这个后面避坑章节会细说。3. 用 YOLOv8 在铝片数据集上跑通训练从环境到第一组权重3.1 环境配置的最小依赖与版本选择铝片缺陷检测对 GPU 显存要求不高400 张图在 8GB 显存的卡上就能跑。环境上我习惯用 conda 建一个干净环境避免和系统里的 CUDA 版本打架。核心依赖就三个torch、ultralytics、opencv-python。注意ultralytics包会自动拉取对应版本的 torch但如果你机器上已经有 CUDA 12.x建议先装 torch 再装 ultralytics否则可能装成 CPU 版。conda create -n alu_defect python3.10 -y conda activate alu_defect # 根据你的 CUDA 版本选择这里以 CUDA 11.8 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python装完后用python -c import torch; print(torch.cuda.is_available())验证返回 True 才算环境通了。这一步翻车的概率不低常见的是驱动版本和 CUDA 不匹配报错信息里会直接写CUDA driver version is insufficient看到这句就去升级显卡驱动别折腾 torch 版本。3.2 训练命令与关键参数怎么设YOLOv8 的训练入口是yolo detect train最简命令如下yolo detect train \ data./dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectalu_runs \ nameexp1参数说明modelyolov8n.pt用预训练权重400 张图从零训几乎不可能收敛必须微调。imgsz640是默认值但如果你的铝片缺陷特别小可以提到 1024代价是显存翻倍。batch16在 8GB 卡上跑 640 分辨率基本安全如果 OOM 就降到 8。lr00.01是初始学习率微调场景下我一般会降到 0.001因为预训练权重已经很好大学习率容易把特征打散。patience20表示验证集指标 20 轮不提升就早停400 张图很容易过拟合早停是必须的。训练开始后终端会打印每轮的 box_loss、cls_loss、mAP50。铝片缺陷检测里如果 cls_loss 下降很慢而 box_loss 正常说明类别区分度不够可能是两个类视觉上太像这时候要考虑合并类别或者加分类头。3.3 训练过程监控与第一组权重怎么判断好坏训练日志里最该盯的是 mAP50-95 和每类的 AP。400 张图、4 类别如果某一类 AP 低于 0.3基本等于没学会。我一般会在训练结束后跑一次验证看混淆矩阵yolo detect val \ modelalu_runs/exp1/weights/best.pt \ data./dataset/data.yaml \ imgsz640 \ plotsTrueplotsTrue会在输出目录生成混淆矩阵和 PR 曲线。铝片缺陷里最常见的混淆是“划痕”被预测成“脏污”因为两者在低分辨率下都是暗色区域。如果混淆矩阵显示这两个类互相错分超过 30%说明特征提取不够要么提高输入分辨率要么在数据增强里加随机旋转和对比度扰动让模型学到更细的纹理差异。注意不要只看 mAP50铝片缺陷检测的落地指标是漏检率。mAP50 高但召回低意味着模型倾向于不报框这在产线上是致命的。验证时把conf阈值调到 0.1看召回能到多少再决定部署阈值。4. 铝片缺陷检测的避坑与排查400 张数据集的五个血泪教训4.1 现象训练 loss 正常下降但验证 mAP 始终为 0原因标签路径配错或者标签文件里的类别索引超出了nc范围。YOLO 在训练时不会报错而是静默忽略无效标签导致模型学不到任何东西。解决用yolo detect train前先跑一次yolo detect val用随机权重看能否加载标签或者手动检查一个标签文件确认每行的第一个数字在 0 到nc-1之间。4.2 现象某一类 AP 极低其他类正常原因该类样本太少或者该类缺陷在图像中面积过小。400 张 4 类别如果某一类只有 20 张模型会偏向多数类。解决在data.yaml里复制该类样本过采样或者在训练时用--cls 2.0提高分类 loss 权重。更彻底的办法是单独为该类做裁剪增强把缺陷区域裁出来放大后再贴回原图。4.3 现象模型在验证集上表现好但实际产线图片漏检严重原因验证集和训练集同分布但产线图片的光照、角度、铝片型号和数据集不一致。铝片表面反光特性对光源角度极其敏感数据集里如果都是同一种打光模型会过拟合到那个光照条件。解决在数据增强里加随机亮度、对比度、gamma 变换模拟不同光照如果条件允许补拍产线实际图片做微调。4.4 现象训练到 50 轮后 mAP 突然掉下去原因过拟合。400 张图对 YOLOv8n 来说还是太少模型开始记住训练集噪声。解决早停patience设小一点比如 15加 weight_decay默认 0.0005 可以提到 0.001关掉 mosaic 增强的最后 10 轮让模型在真实分布上收敛。4.5 现象推理时框重叠严重同一个缺陷出多个框原因NMS 的 IoU 阈值设太高或者模型对同一区域反复响应。铝片缺陷里细长划痕容易被切成多段。解决推理时把iou阈值从默认 0.7 降到 0.5或者用agnostic_nms让不同类别之间也做抑制。如果还是重叠说明 anchor 或回归分支有问题考虑换用 YOLOv8 的 DFL 回归或者加一个分割头。5. 从 400 张到可用模型小样本铝片缺陷检测的进阶技巧400 张图跑出一个能看的模型不难难的是让它稳定。我自己的习惯是第一轮训练只用来找问题不看最终指标。具体做法是先用yolov8n.pt跑 50 轮拿到 baseline 的混淆矩阵和每类 AP然后针对最差的那一类做定向增强。铝片缺陷里“边缘缺陷”往往是最难的一类因为缺陷在图像边界裁剪增强时容易被切掉我一般会单独把边缘缺陷的图做 padding 后再训练。第二个技巧是用预训练权重的选择。yolov8n.pt是在 COCO 上训的COCO 里没有铝片缺陷但底层纹理特征可迁移。如果你有钢材或布匹缺陷的预训练权重迁移效果会更好因为同属工业表面缺陷。没有的话可以先用铝片数据集训一个自编码器做异常检测把重构误差大的区域作为伪标签扩充训练集。第三个技巧是验证集的设计。400 张图如果随机划分验证集里可能某一类只有几张指标波动极大。我一般用分层抽样保证验证集里每类至少有 10 个框。如果某类不够就把它全部放进验证集训练集用其余类补充。这样虽然训练集更少但验证指标可信。最后一个习惯每次训练完把best.pt在验证集上跑一遍导出预测结果图肉眼过一遍。铝片缺陷检测里模型有时候会把铝片本身的纹理误报成缺陷这种误报在指标上看不出来但产线上会频繁触发报警。我一般会挑 20 张误报最多的图看它们的共同点——通常是光照不均或者有油污反光然后针对性补数据。这个方案值不值得做取决于你能不能接受 400 张起步、逐步迭代的节奏。如果指望一次训练就上线那大概率会翻车。希望帮到你。本文还有配套的精品资源点击获取 铝片表面缺陷检测：400张VOC+YOLO数据集训练与避坑指南
简介本资源为铝片表面工业缺陷检测数据集面向从事工业质检、表面缺陷识别方向的算法工程师与深度学习学习者可用于目标检测模型的训练、验证与算法对比实验。数据集同时提供Pascal VOC与YOLO两种标注格式包含jpg图片及对应的xml、txt标注文件标注工具为labelImg共4个类别ca_shang、zang_wu、zhe_zhou、zhen_kong总标注框数1062个其中zang_wu 456个、ca_shang 270个、zhen_kong 212个、zhe_zhou 124个类别分布清晰便于直接接入主流检测框架。压缩包为7z格式共1202个文件以400张jpg图像、400个xml与402个txt标注文件为主整体约15.25MB体积轻量、下载与解压便捷。目前已有526人学习下载适合作为工业缺陷检测课题的入门与基线实验数据帮助读者快速完成数据加载、格式转换与模型训练验证。1. 铝片表面缺陷检测400 张 VOCYOLO 数据集到底能跑出什么产线上铝片表面划痕、凹坑、脏污这类缺陷靠人眼在高速传送带上盯漏检率随班次直线上升。很多团队第一反应是上深度学习但卡在第一步没有数据。公开的缺陷检测数据集大多集中在布匹、钢材、PCB 上铝片这种低对比度、高反光、缺陷形态细长的场景几乎找不到现成的。这个标题里的 400 张 VOCYOLO 双格式、4 类别数据集解决的就是“从零标注成本太高、又不想拿别的领域数据硬迁移”的起步问题。它适合两类人一是想快速验证铝片缺陷检测可行性的算法工程师二是需要一个小规模基准来对比模型改进效果的研究者。400 张不算多但双格式省去了转换脚本的折腾4 类别也足够覆盖铝片最常见的表面异常。下面我把从拿到数据到跑通训练、再到避坑的完整路径拆开讲。2. 铝片缺陷数据集的结构拆解与格式选择VOC 和 YOLO 到底该用哪个2.1 400 张 4 类别在工业缺陷检测里算什么量级先给一个不绕弯的判断400 张图、4 个类别平均每类 100 张左右在工业缺陷检测里属于“最小可训练集”。它不足以训练一个从零开始的 backbone但足够做两件事——微调一个预训练模型或者验证一个改进模块是否有效。铝片表面缺陷的类间差异往往不大比如“划痕”和“脏污”在低分辨率下可能都是暗色条带所以 4 类别里如果包含两个视觉上接近的类实际有效样本会更少。我一般会先做一次类别分布统计而不是直接开训。原因很简单如果某一类只有 30 张训练时该类别的召回率会明显塌陷这时候要么补数据要么在 loss 里做类别加权。铝片缺陷还有一个特点——缺陷区域占整图比例极小400 张里可能有一半以上的图缺陷框面积不到图像的 2%。这意味着 anchor 设计或 YOLO 的回归分支需要特别关注小目标。提示拿到数据集先别急着转格式用脚本统计每类框的数量、宽高分布、面积占比这三个指标决定了你后面要不要改 anchor、要不要用 mosaic 增强。2.2 VOC 与 YOLO 格式的差异与转换逻辑VOC 格式用 XML 存标注每个文件对应一张图结构是annotation下包含object列表每个 object 有name、bndboxxmin/ymin/xmax/ymax。YOLO 格式用 txt每行一个目标格式是class_id x_center y_center width height全部归一化到 0~1。两者本质是同一组坐标的两种表达但坑在于VOC 的坐标是绝对像素值YOLO 需要归一化VOC 的类别是字符串YOLO 需要映射成从 0 开始的整数索引。如果你拿到的数据集同时给了 VOC 和 YOLO 两套标注优先用 YOLO 格式直接训练省去转换。但如果只有 VOC或者你想用 MMDetection 这类框架就需要自己转。下面这个脚本是我常用的 VOC 转 YOLO 写法处理了类别映射和边界裁剪import xml.etree.ElementTree as ET import os from pathlib import Path # 类别名到索引的映射顺序必须和训练时的 data.yaml 一致 CLASS_MAP {scratch: 0, dent: 1, stain: 2, edge_defect: 3} def voc_to_yolo(xml_path, img_w, img_h, out_path): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue # 跳过未定义类别避免训练时索引越界 cls_id CLASS_MAP[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) # 裁剪到图像边界防止标注越界导致归一化后坐标超出 0~1 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue # 跳过无效框 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))逻辑说明脚本先解析 XML拿到每个 object 的类别名和绝对坐标然后做边界裁剪防止标注时手抖画出图像范围。归一化用图像宽高中心点坐标和宽高都除以对应维度。参数上CLASS_MAP必须和后续训练配置文件里的names列表顺序完全一致否则模型学到的类别会错位。img_w和img_h建议从对应图像文件读取不要硬编码因为铝片数据集里可能存在不同分辨率的图。2.3 目录组织与训练配置的对应关系YOLO 训练对目录结构有约定images/train、images/val、labels/train、labels/val图像和标签文件名一一对应只是扩展名不同。很多人转换完标签后忘了把图像也按同样规则划分导致训练时找不到图。我一般用固定随机种子做 8:2 划分保证每次复现的验证集一致。# 假设原始图像在 all_images/标签在 all_labels/ mkdir -p dataset/images/train dataset/images/val dataset/labels/train dataset/labels/val # 用固定种子打乱后按 8:2 复制具体脚本略核心是保持图与标签同名对应的data.yaml写法path: ./dataset train: images/train val: images/val nc: 4 names: [scratch, dent, stain, edge_defect]这里nc必须等于类别数names顺序和转换脚本里的CLASS_MAP一致。铝片缺陷检测里如果某一类样本特别少可以在data.yaml里不加权而是在训练命令里用--cls参数调整分类 loss 权重这个后面避坑章节会细说。3. 用 YOLOv8 在铝片数据集上跑通训练从环境到第一组权重3.1 环境配置的最小依赖与版本选择铝片缺陷检测对 GPU 显存要求不高400 张图在 8GB 显存的卡上就能跑。环境上我习惯用 conda 建一个干净环境避免和系统里的 CUDA 版本打架。核心依赖就三个torch、ultralytics、opencv-python。注意ultralytics包会自动拉取对应版本的 torch但如果你机器上已经有 CUDA 12.x建议先装 torch 再装 ultralytics否则可能装成 CPU 版。conda create -n alu_defect python3.10 -y conda activate alu_defect # 根据你的 CUDA 版本选择这里以 CUDA 11.8 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python装完后用python -c import torch; print(torch.cuda.is_available())验证返回 True 才算环境通了。这一步翻车的概率不低常见的是驱动版本和 CUDA 不匹配报错信息里会直接写CUDA driver version is insufficient看到这句就去升级显卡驱动别折腾 torch 版本。3.2 训练命令与关键参数怎么设YOLOv8 的训练入口是yolo detect train最简命令如下yolo detect train \ data./dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectalu_runs \ nameexp1参数说明modelyolov8n.pt用预训练权重400 张图从零训几乎不可能收敛必须微调。imgsz640是默认值但如果你的铝片缺陷特别小可以提到 1024代价是显存翻倍。batch16在 8GB 卡上跑 640 分辨率基本安全如果 OOM 就降到 8。lr00.01是初始学习率微调场景下我一般会降到 0.001因为预训练权重已经很好大学习率容易把特征打散。patience20表示验证集指标 20 轮不提升就早停400 张图很容易过拟合早停是必须的。训练开始后终端会打印每轮的 box_loss、cls_loss、mAP50。铝片缺陷检测里如果 cls_loss 下降很慢而 box_loss 正常说明类别区分度不够可能是两个类视觉上太像这时候要考虑合并类别或者加分类头。3.3 训练过程监控与第一组权重怎么判断好坏训练日志里最该盯的是 mAP50-95 和每类的 AP。400 张图、4 类别如果某一类 AP 低于 0.3基本等于没学会。我一般会在训练结束后跑一次验证看混淆矩阵yolo detect val \ modelalu_runs/exp1/weights/best.pt \ data./dataset/data.yaml \ imgsz640 \ plotsTrueplotsTrue会在输出目录生成混淆矩阵和 PR 曲线。铝片缺陷里最常见的混淆是“划痕”被预测成“脏污”因为两者在低分辨率下都是暗色区域。如果混淆矩阵显示这两个类互相错分超过 30%说明特征提取不够要么提高输入分辨率要么在数据增强里加随机旋转和对比度扰动让模型学到更细的纹理差异。注意不要只看 mAP50铝片缺陷检测的落地指标是漏检率。mAP50 高但召回低意味着模型倾向于不报框这在产线上是致命的。验证时把conf阈值调到 0.1看召回能到多少再决定部署阈值。4. 铝片缺陷检测的避坑与排查400 张数据集的五个血泪教训4.1 现象训练 loss 正常下降但验证 mAP 始终为 0原因标签路径配错或者标签文件里的类别索引超出了nc范围。YOLO 在训练时不会报错而是静默忽略无效标签导致模型学不到任何东西。解决用yolo detect train前先跑一次yolo detect val用随机权重看能否加载标签或者手动检查一个标签文件确认每行的第一个数字在 0 到nc-1之间。4.2 现象某一类 AP 极低其他类正常原因该类样本太少或者该类缺陷在图像中面积过小。400 张 4 类别如果某一类只有 20 张模型会偏向多数类。解决在data.yaml里复制该类样本过采样或者在训练时用--cls 2.0提高分类 loss 权重。更彻底的办法是单独为该类做裁剪增强把缺陷区域裁出来放大后再贴回原图。4.3 现象模型在验证集上表现好但实际产线图片漏检严重原因验证集和训练集同分布但产线图片的光照、角度、铝片型号和数据集不一致。铝片表面反光特性对光源角度极其敏感数据集里如果都是同一种打光模型会过拟合到那个光照条件。解决在数据增强里加随机亮度、对比度、gamma 变换模拟不同光照如果条件允许补拍产线实际图片做微调。4.4 现象训练到 50 轮后 mAP 突然掉下去原因过拟合。400 张图对 YOLOv8n 来说还是太少模型开始记住训练集噪声。解决早停patience设小一点比如 15加 weight_decay默认 0.0005 可以提到 0.001关掉 mosaic 增强的最后 10 轮让模型在真实分布上收敛。4.5 现象推理时框重叠严重同一个缺陷出多个框原因NMS 的 IoU 阈值设太高或者模型对同一区域反复响应。铝片缺陷里细长划痕容易被切成多段。解决推理时把iou阈值从默认 0.7 降到 0.5或者用agnostic_nms让不同类别之间也做抑制。如果还是重叠说明 anchor 或回归分支有问题考虑换用 YOLOv8 的 DFL 回归或者加一个分割头。5. 从 400 张到可用模型小样本铝片缺陷检测的进阶技巧400 张图跑出一个能看的模型不难难的是让它稳定。我自己的习惯是第一轮训练只用来找问题不看最终指标。具体做法是先用yolov8n.pt跑 50 轮拿到 baseline 的混淆矩阵和每类 AP然后针对最差的那一类做定向增强。铝片缺陷里“边缘缺陷”往往是最难的一类因为缺陷在图像边界裁剪增强时容易被切掉我一般会单独把边缘缺陷的图做 padding 后再训练。第二个技巧是用预训练权重的选择。yolov8n.pt是在 COCO 上训的COCO 里没有铝片缺陷但底层纹理特征可迁移。如果你有钢材或布匹缺陷的预训练权重迁移效果会更好因为同属工业表面缺陷。没有的话可以先用铝片数据集训一个自编码器做异常检测把重构误差大的区域作为伪标签扩充训练集。第三个技巧是验证集的设计。400 张图如果随机划分验证集里可能某一类只有几张指标波动极大。我一般用分层抽样保证验证集里每类至少有 10 个框。如果某类不够就把它全部放进验证集训练集用其余类补充。这样虽然训练集更少但验证指标可信。最后一个习惯每次训练完把best.pt在验证集上跑一遍导出预测结果图肉眼过一遍。铝片缺陷检测里模型有时候会把铝片本身的纹理误报成缺陷这种误报在指标上看不出来但产线上会频繁触发报警。我一般会挑 20 张误报最多的图看它们的共同点——通常是光照不均或者有油污反光然后针对性补数据。这个方案值不值得做取决于你能不能接受 400 张起步、逐步迭代的节奏。如果指望一次训练就上线那大概率会翻车。希望帮到你。本文还有配套的精品资源点击获取