简介本资源为智能手机背面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与验证。数据集同时提供Pascal VOC与YOLO两种标注格式包含5203张jpg图片及一一对应的xml与txt标注文件标注类别共5类总框数达15450个覆盖断焊、漏焊、瑕疵等常见缺陷标注工具为labelImg采用矩形框方式标注准确合理。压缩包为7z格式共2000个文件其中1999个xml标注文件与1个说明用txt文件整体约399.72MB目录结构清晰便于直接接入主流检测框架。目前已有141人学习下载适合需要快速构建手机背板缺陷检测流程、验证模型效果或开展相关课程实践的用户参考使用。1. 智能手机背面缺陷检测数据集5203 张 VOCYOLO 双格式到底怎么用手机背板从产线下来划痕、脏污、凹坑、掉漆、气泡这几类缺陷全靠质检员肉眼盯一条线配 4 到 6 个人漏检率还压不下去。想上视觉检测第一个卡点从来不是模型选型而是数据从哪来。这个标题指向的就是一份现成的智能手机背面缺陷检测数据集5203 张图、5 个类别、同时给了 VOC 和 YOLO 两套标注格式解压出来是 .7z 包。它解决的是「没有标注数据、从零标 5000 张要两周」这个最耗人的环节让你把精力放在训练和调参上。适合两类人一类是想快速验证手机外壳缺陷检测可行性的算法工程师一类是接了产线项目、需要先跑个 baseline 给客户看效果的落地团队。下面按「数据长什么样 → 怎么转怎么训 → 坑在哪」的顺序讲透。2. 拆开这个数据集5 类缺陷、双格式标注与目录结构2.1 5203 张图里到底有什么拿到一个缺陷检测数据集先别急着喂给模型先搞清楚它的分布。手机背面缺陷检测的类别通常围绕外观工艺来分这份数据集的 5 个类别大概率覆盖划痕scratch、脏污/污点stain/dirt、凹坑dent、掉漆/露底paint-off、气泡/凸起bubble这类。为什么类别数卡在 5 而不是更多因为手机背板的主要外观不良就集中在这几类再细分会让单类样本掉到几百张训练时直接过拟合。5203 张这个量级对 5 类目标检测来说属于「能跑起来但不算富裕」。平均下来每类 1000 张左右如果某些类只有三四百张那几类就是训练时的短板。所以第一步动作是统计每类实例数而不是图片数——一张图里可能同时有 3 处划痕实例数和图片数不是一回事。import os, glob from collections import Counter # 假设 YOLO 格式标签目录为 labels/每行: class x_center y_center w h label_dir labels cls_counter Counter() img_with_obj 0 for txt in glob.glob(os.path.join(label_dir, *.txt)): with open(txt) as f: lines [l for l in f.readlines() if l.strip()] if lines: img_with_obj 1 for l in lines: cls_id int(l.split()[0]) cls_counter[cls_id] 1 print(含目标的图片数:, img_with_obj) print(各类实例数:, dict(sorted(cls_counter.items())))这段脚本遍历 YOLO 格式的标签文件统计每个类别的实例总数和含目标的图片数。参数上注意class x_center y_center w h是归一化到 0~1 的如果你拿到的是 VOC 的 XML得先转格式再统计。跑完你会得到一张分布表哪类偏少一目了然后面决定要不要做增强或重采样就靠它。2.2 VOC 和 YOLO 两套格式差在哪该用哪套VOC 格式是每张图配一个同名 XML里面用object节点记录类别名和xmin/ymin/xmax/ymax绝对像素坐标YOLO 格式是每张图配一个同名 txt每行一个目标坐标是归一化的中心点加宽高。两者信息等价差别在读取方式和坐标表达。维度VOC (XML)YOLO (txt)坐标绝对像素 xmin,ymin,xmax,ymax归一化 xc,yc,w,h类别字符串类名整数 class_id一图多目标多个 object 节点多行常用框架Faster R-CNN、SSD、mmdetectionYOLO 系列、ultralytics选哪套取决于你的训练框架。用 ultralytics 的 YOLOv8/v11直接吃 YOLO 格式省一步转换用 mmdetection 或 Detectron2VOC/COCO 更顺。这份数据集两套都给等于省了你写转换脚本的功夫但要注意——两套标注必须严格对应同一批图别出现某张图只有 XML 没有 txt 的情况否则训练时那张图会被当成负样本。2.3 目录组织与解压后的第一件事.7z 解压后常见结构是JPEGImages/放原图、Annotations/放 XML、labels/放 YOLO txt外加classes.txt或data.yaml。解压完第一件事不是训练是校验图文一一对应# 检查每张图是否有对应标签找出孤儿文件 cd dataset for img in JPEGImages/*.jpg; do base$(basename $img .jpg) if [ ! -f labels/$base.txt ]; then echo 缺标签: $base fi done这条命令把没有对应标签的图片列出来。常见结果是几十张图缺标签原因多半是标注时漏存或文件名大小写不一致。这些图要么补标要么从训练集剔除绝不能留着——留着它们会被当作纯背景负样本拉低召回。校验通过后再去划分训练/验证集别在划分之后才发现问题返工成本翻倍。3. 从 VOC 转 YOLO 到跑通第一个 baseline3.1 VOC 转 YOLO转换脚本与四个边界坑虽然数据集给了 YOLO 格式但实际项目里你经常需要自己转或者需要把 YOLO 转回 VOC 做对比实验。转换的核心是把绝对坐标归一化坑全在边界处理上。import xml.etree.ElementTree as ET import os classes [scratch, stain, dent, paint_off, bubble] # 按你的 classes.txt 顺序 cls2id {c: i for i, c in enumerate(classes)} 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 if name not in cls2id: continue bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 边界裁剪防止越界导致归一化后 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 # 丢弃退化框 xc (xmin xmax) / 2 / img_w yc (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls2id[name]} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))四个边界坑一是坐标越界标注时手抖把 xmax 写到图片宽度之外归一化后大于 1YOLO 训练会报错或静默出错所以必须 clip二是退化框xmax 等于 xmin 的框宽为 0直接丢三是类别名对不上XML 里写的是中文或大小写不一致得先统一映射四是图片尺寸归一化用的 img_w/img_h 必须和实际图片一致别拿缩略图尺寸去算。转换完抽查几张用可视化脚本画框确认没跑偏。3.2 用 ultralytics 跑通 YOLOv8 训练的最小配置数据就绪后最快出结果的路子是 ultralytics。先写 data.yamlpath: /abs/path/to/dataset train: images/train val: images/val nc: 5 names: [scratch, stain, dent, paint_off, bubble]然后一条命令开训yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns/phone_defect \ namebaseline参数说明modelyolov8n.pt用 nano 版先验证流程别一上来就上 x 版训练慢还容易掩盖数据问题imgsz640是默认值手机背板缺陷往往偏小如果划痕很细可以提到 960 或 1280但显存和速度要权衡batch16在单张 24G 卡上跑 640 基本够显存不够就降到 8epochs100配合早停实际收敛点通常在 60~80 轮。跑完看runs/phone_defect/baseline/下的 results.csv 和混淆矩阵重点看哪类召回低。3.3 训练前必须确认的三个数据细节第一类别顺序。data.yaml 里的 names 顺序必须和标签里的 class_id 严格对应错一位整个训练就废了模型会把划痕学成气泡。第二图片和标签同名同目录层级YOLO 默认按路径替换images为labels找标签目录结构不对会直接找不到标签、全当负样本。第三验证集不能和训练集有重复图手机背板如果同一块板拍了多张容易跨集泄漏指标虚高。用图片哈希去重import hashlib, glob seen {} for p in glob.glob(images/**/*.jpg, recursiveTrue): h hashlib.md5(open(p, rb).read()).hexdigest() if h in seen: print(重复:, p, 与, seen[h]) seen[h] p跑一遍把重复的挑出来只留一份训练/验证划分时按哈希分组避免同一块板进两个集合。4. 缺陷检测训练避坑5 条血泪经验4.1 小目标缺陷被下采样吃掉现象训练 loss 正常下降但划痕、气泡这类细长或小面积缺陷召回极低混淆矩阵里大量漏检。原因YOLO 的 P3/P4/P5 特征图下采样 8/16/32 倍一条 3 像素宽的划痕在 P5 上直接消失。解决提高输入分辨率到 960 或 1280或者改用带 P2 层的模型配置让浅层高分辨率特征参与检测。代价是显存和推理耗时上升产线节拍紧的话要算清楚。4.2 类别不平衡导致模型偏向多数类现象某一类比如脏污样本特别多模型对它召回很高但凹坑、掉漆几乎检不出。原因损失函数被多数类主导少数类梯度被淹没。解决先统计实例数对少数类做离线增强旋转、亮度扰动、复制粘贴或在训练时用类别权重。ultralytics 里可以调cls损失权重但更稳的是从数据层面补平别指望损失函数一个参数解决所有问题。4.3 标注框贴边导致归一化越界现象训练启动就报坐标越界或者某些框在可视化时跑到图外。原因标注时框贴到图片边缘甚至超出VOC 转 YOLO 时没做 clip。解决转换脚本里强制裁剪到[0, img_w]和[0, img_h]并丢弃宽高为 0 的退化框。这个坑在自采数据里特别常见因为拍摄时缺陷经常在画面边缘。4.4 验证集指标虚高但产线漏检现象mAP 跑到 0.9 以上上线后漏检一堆。原因验证集和训练集同源同分布甚至同一块板的不同角度图分到了两边模型记住了背景而不是缺陷。解决按「板」或「批次」划分数据集同一块板的所有图只进一个集合再单独留一批产线实拍图做最终测试别用训练同源的图自欺欺人。4.5 图片格式和通道不一致现象训练中途报错或某些图预测异常。原因数据集里混了灰度图、RGBA 四通道图、CMYK 图YOLO 默认按三通道读遇到四通道直接崩。解决训练前统一转成 RGB 三通道 JPEGfrom PIL import Image import glob, os for p in glob.glob(images/**/*.*, recursiveTrue): if p.lower().endswith((.jpg, .png, .jpeg, .bmp)): im Image.open(p).convert(RGB) im.save(p, quality95)统一格式这步看着琐碎但不做的话训练时随机崩排查起来能耗掉半天。5. 把 5203 张用到极致增强策略与上线前的验证技巧数据量不算大想榨出更多性能增强是性价比最高的手段。但缺陷检测的增强有讲究不能照搬通用分类的那套。水平翻转对手机背板基本安全因为缺陷没有方向语义但垂直翻转要谨慎某些工艺缺陷比如流挂有明确的重力方向翻了就变成不存在的形态。旋转建议控制在 ±15 度以内大角度旋转会让矩形框包进大量背景标签质量下降。马赛克增强mosaic对小目标有帮助但手机背板缺陷往往成片出现mosaic 拼接后可能出现不合理的缺陷组合建议在训练后期关掉。亮度、对比度扰动要贴合产线光照。产线打光通常是固定的环形光或条形光如果你用随机强扰动训练模型会学到在训练集里根本不存在的极端光照反而降低对真实工况的鲁棒性。我的习惯是扰动幅度控制在 ±20% 以内并且单独做一组「暗光 反光」的实拍图做验证专门测模型在反光干扰下的表现——手机背板高光反光是漏检重灾区。验证阶段别只看 mAP。缺陷检测上线看的是漏检率和过杀率这两个指标和 mAP 不是一回事。做法是固定一个置信度阈值比如 0.25在独立测试集上统计漏检 有标注但没检出的实例数 / 总实例数过杀 检出但 IoU 低于 0.5 的框数 / 总检出数。这两个数直接对应产线体验比 mAP 更能说服客户。再画一张 PR 曲线找到漏检和过杀平衡的阈值点产线按这个阈值配。最后说个我踩过的坑一开始我拿训练同源的验证集调阈值调到 0.9 的 mAP 就以为成了结果上线第一天漏检率 15%。后来老老实实让产线拍了 300 张真实过站图重新标了一遍做测试集才发现模型对反光和轻微划痕几乎无感。数据集的 5203 张是起点不是终点真正决定成败的是你有没有一批能代表真实工况的测试数据。希望帮到你。本文还有配套的精品资源点击获取
智能手机背面缺陷检测数据集：5203张VOC+YOLO双格式实战指南
简介本资源为智能手机背面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与验证。数据集同时提供Pascal VOC与YOLO两种标注格式包含5203张jpg图片及一一对应的xml与txt标注文件标注类别共5类总框数达15450个覆盖断焊、漏焊、瑕疵等常见缺陷标注工具为labelImg采用矩形框方式标注准确合理。压缩包为7z格式共2000个文件其中1999个xml标注文件与1个说明用txt文件整体约399.72MB目录结构清晰便于直接接入主流检测框架。目前已有141人学习下载适合需要快速构建手机背板缺陷检测流程、验证模型效果或开展相关课程实践的用户参考使用。1. 智能手机背面缺陷检测数据集5203 张 VOCYOLO 双格式到底怎么用手机背板从产线下来划痕、脏污、凹坑、掉漆、气泡这几类缺陷全靠质检员肉眼盯一条线配 4 到 6 个人漏检率还压不下去。想上视觉检测第一个卡点从来不是模型选型而是数据从哪来。这个标题指向的就是一份现成的智能手机背面缺陷检测数据集5203 张图、5 个类别、同时给了 VOC 和 YOLO 两套标注格式解压出来是 .7z 包。它解决的是「没有标注数据、从零标 5000 张要两周」这个最耗人的环节让你把精力放在训练和调参上。适合两类人一类是想快速验证手机外壳缺陷检测可行性的算法工程师一类是接了产线项目、需要先跑个 baseline 给客户看效果的落地团队。下面按「数据长什么样 → 怎么转怎么训 → 坑在哪」的顺序讲透。2. 拆开这个数据集5 类缺陷、双格式标注与目录结构2.1 5203 张图里到底有什么拿到一个缺陷检测数据集先别急着喂给模型先搞清楚它的分布。手机背面缺陷检测的类别通常围绕外观工艺来分这份数据集的 5 个类别大概率覆盖划痕scratch、脏污/污点stain/dirt、凹坑dent、掉漆/露底paint-off、气泡/凸起bubble这类。为什么类别数卡在 5 而不是更多因为手机背板的主要外观不良就集中在这几类再细分会让单类样本掉到几百张训练时直接过拟合。5203 张这个量级对 5 类目标检测来说属于「能跑起来但不算富裕」。平均下来每类 1000 张左右如果某些类只有三四百张那几类就是训练时的短板。所以第一步动作是统计每类实例数而不是图片数——一张图里可能同时有 3 处划痕实例数和图片数不是一回事。import os, glob from collections import Counter # 假设 YOLO 格式标签目录为 labels/每行: class x_center y_center w h label_dir labels cls_counter Counter() img_with_obj 0 for txt in glob.glob(os.path.join(label_dir, *.txt)): with open(txt) as f: lines [l for l in f.readlines() if l.strip()] if lines: img_with_obj 1 for l in lines: cls_id int(l.split()[0]) cls_counter[cls_id] 1 print(含目标的图片数:, img_with_obj) print(各类实例数:, dict(sorted(cls_counter.items())))这段脚本遍历 YOLO 格式的标签文件统计每个类别的实例总数和含目标的图片数。参数上注意class x_center y_center w h是归一化到 0~1 的如果你拿到的是 VOC 的 XML得先转格式再统计。跑完你会得到一张分布表哪类偏少一目了然后面决定要不要做增强或重采样就靠它。2.2 VOC 和 YOLO 两套格式差在哪该用哪套VOC 格式是每张图配一个同名 XML里面用object节点记录类别名和xmin/ymin/xmax/ymax绝对像素坐标YOLO 格式是每张图配一个同名 txt每行一个目标坐标是归一化的中心点加宽高。两者信息等价差别在读取方式和坐标表达。维度VOC (XML)YOLO (txt)坐标绝对像素 xmin,ymin,xmax,ymax归一化 xc,yc,w,h类别字符串类名整数 class_id一图多目标多个 object 节点多行常用框架Faster R-CNN、SSD、mmdetectionYOLO 系列、ultralytics选哪套取决于你的训练框架。用 ultralytics 的 YOLOv8/v11直接吃 YOLO 格式省一步转换用 mmdetection 或 Detectron2VOC/COCO 更顺。这份数据集两套都给等于省了你写转换脚本的功夫但要注意——两套标注必须严格对应同一批图别出现某张图只有 XML 没有 txt 的情况否则训练时那张图会被当成负样本。2.3 目录组织与解压后的第一件事.7z 解压后常见结构是JPEGImages/放原图、Annotations/放 XML、labels/放 YOLO txt外加classes.txt或data.yaml。解压完第一件事不是训练是校验图文一一对应# 检查每张图是否有对应标签找出孤儿文件 cd dataset for img in JPEGImages/*.jpg; do base$(basename $img .jpg) if [ ! -f labels/$base.txt ]; then echo 缺标签: $base fi done这条命令把没有对应标签的图片列出来。常见结果是几十张图缺标签原因多半是标注时漏存或文件名大小写不一致。这些图要么补标要么从训练集剔除绝不能留着——留着它们会被当作纯背景负样本拉低召回。校验通过后再去划分训练/验证集别在划分之后才发现问题返工成本翻倍。3. 从 VOC 转 YOLO 到跑通第一个 baseline3.1 VOC 转 YOLO转换脚本与四个边界坑虽然数据集给了 YOLO 格式但实际项目里你经常需要自己转或者需要把 YOLO 转回 VOC 做对比实验。转换的核心是把绝对坐标归一化坑全在边界处理上。import xml.etree.ElementTree as ET import os classes [scratch, stain, dent, paint_off, bubble] # 按你的 classes.txt 顺序 cls2id {c: i for i, c in enumerate(classes)} 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 if name not in cls2id: continue bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 边界裁剪防止越界导致归一化后 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 # 丢弃退化框 xc (xmin xmax) / 2 / img_w yc (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls2id[name]} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))四个边界坑一是坐标越界标注时手抖把 xmax 写到图片宽度之外归一化后大于 1YOLO 训练会报错或静默出错所以必须 clip二是退化框xmax 等于 xmin 的框宽为 0直接丢三是类别名对不上XML 里写的是中文或大小写不一致得先统一映射四是图片尺寸归一化用的 img_w/img_h 必须和实际图片一致别拿缩略图尺寸去算。转换完抽查几张用可视化脚本画框确认没跑偏。3.2 用 ultralytics 跑通 YOLOv8 训练的最小配置数据就绪后最快出结果的路子是 ultralytics。先写 data.yamlpath: /abs/path/to/dataset train: images/train val: images/val nc: 5 names: [scratch, stain, dent, paint_off, bubble]然后一条命令开训yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns/phone_defect \ namebaseline参数说明modelyolov8n.pt用 nano 版先验证流程别一上来就上 x 版训练慢还容易掩盖数据问题imgsz640是默认值手机背板缺陷往往偏小如果划痕很细可以提到 960 或 1280但显存和速度要权衡batch16在单张 24G 卡上跑 640 基本够显存不够就降到 8epochs100配合早停实际收敛点通常在 60~80 轮。跑完看runs/phone_defect/baseline/下的 results.csv 和混淆矩阵重点看哪类召回低。3.3 训练前必须确认的三个数据细节第一类别顺序。data.yaml 里的 names 顺序必须和标签里的 class_id 严格对应错一位整个训练就废了模型会把划痕学成气泡。第二图片和标签同名同目录层级YOLO 默认按路径替换images为labels找标签目录结构不对会直接找不到标签、全当负样本。第三验证集不能和训练集有重复图手机背板如果同一块板拍了多张容易跨集泄漏指标虚高。用图片哈希去重import hashlib, glob seen {} for p in glob.glob(images/**/*.jpg, recursiveTrue): h hashlib.md5(open(p, rb).read()).hexdigest() if h in seen: print(重复:, p, 与, seen[h]) seen[h] p跑一遍把重复的挑出来只留一份训练/验证划分时按哈希分组避免同一块板进两个集合。4. 缺陷检测训练避坑5 条血泪经验4.1 小目标缺陷被下采样吃掉现象训练 loss 正常下降但划痕、气泡这类细长或小面积缺陷召回极低混淆矩阵里大量漏检。原因YOLO 的 P3/P4/P5 特征图下采样 8/16/32 倍一条 3 像素宽的划痕在 P5 上直接消失。解决提高输入分辨率到 960 或 1280或者改用带 P2 层的模型配置让浅层高分辨率特征参与检测。代价是显存和推理耗时上升产线节拍紧的话要算清楚。4.2 类别不平衡导致模型偏向多数类现象某一类比如脏污样本特别多模型对它召回很高但凹坑、掉漆几乎检不出。原因损失函数被多数类主导少数类梯度被淹没。解决先统计实例数对少数类做离线增强旋转、亮度扰动、复制粘贴或在训练时用类别权重。ultralytics 里可以调cls损失权重但更稳的是从数据层面补平别指望损失函数一个参数解决所有问题。4.3 标注框贴边导致归一化越界现象训练启动就报坐标越界或者某些框在可视化时跑到图外。原因标注时框贴到图片边缘甚至超出VOC 转 YOLO 时没做 clip。解决转换脚本里强制裁剪到[0, img_w]和[0, img_h]并丢弃宽高为 0 的退化框。这个坑在自采数据里特别常见因为拍摄时缺陷经常在画面边缘。4.4 验证集指标虚高但产线漏检现象mAP 跑到 0.9 以上上线后漏检一堆。原因验证集和训练集同源同分布甚至同一块板的不同角度图分到了两边模型记住了背景而不是缺陷。解决按「板」或「批次」划分数据集同一块板的所有图只进一个集合再单独留一批产线实拍图做最终测试别用训练同源的图自欺欺人。4.5 图片格式和通道不一致现象训练中途报错或某些图预测异常。原因数据集里混了灰度图、RGBA 四通道图、CMYK 图YOLO 默认按三通道读遇到四通道直接崩。解决训练前统一转成 RGB 三通道 JPEGfrom PIL import Image import glob, os for p in glob.glob(images/**/*.*, recursiveTrue): if p.lower().endswith((.jpg, .png, .jpeg, .bmp)): im Image.open(p).convert(RGB) im.save(p, quality95)统一格式这步看着琐碎但不做的话训练时随机崩排查起来能耗掉半天。5. 把 5203 张用到极致增强策略与上线前的验证技巧数据量不算大想榨出更多性能增强是性价比最高的手段。但缺陷检测的增强有讲究不能照搬通用分类的那套。水平翻转对手机背板基本安全因为缺陷没有方向语义但垂直翻转要谨慎某些工艺缺陷比如流挂有明确的重力方向翻了就变成不存在的形态。旋转建议控制在 ±15 度以内大角度旋转会让矩形框包进大量背景标签质量下降。马赛克增强mosaic对小目标有帮助但手机背板缺陷往往成片出现mosaic 拼接后可能出现不合理的缺陷组合建议在训练后期关掉。亮度、对比度扰动要贴合产线光照。产线打光通常是固定的环形光或条形光如果你用随机强扰动训练模型会学到在训练集里根本不存在的极端光照反而降低对真实工况的鲁棒性。我的习惯是扰动幅度控制在 ±20% 以内并且单独做一组「暗光 反光」的实拍图做验证专门测模型在反光干扰下的表现——手机背板高光反光是漏检重灾区。验证阶段别只看 mAP。缺陷检测上线看的是漏检率和过杀率这两个指标和 mAP 不是一回事。做法是固定一个置信度阈值比如 0.25在独立测试集上统计漏检 有标注但没检出的实例数 / 总实例数过杀 检出但 IoU 低于 0.5 的框数 / 总检出数。这两个数直接对应产线体验比 mAP 更能说服客户。再画一张 PR 曲线找到漏检和过杀平衡的阈值点产线按这个阈值配。最后说个我踩过的坑一开始我拿训练同源的验证集调阈值调到 0.9 的 mAP 就以为成了结果上线第一天漏检率 15%。后来老老实实让产线拍了 300 张真实过站图重新标了一遍做测试集才发现模型对反光和轻微划痕几乎无感。数据集的 5203 张是起点不是终点真正决定成败的是你有没有一批能代表真实工况的测试数据。希望帮到你。本文还有配套的精品资源点击获取
