简介面向计算机视觉课程设计需求该资源以YOLO v3为核心提供从钢筋图像标注、模型训练到数量识别的完整Python实现。包内工程结构清晰包括核心模型代码、数据预处理脚本、锚框聚类、推理演示及相应说明文档可帮助初学者快速搭建检测流程并理解一阶段检测器原理。资源压缩包共72个文件以Python源码、XML标注文件、类别文件与PyCharm配置、Jupyter分析笔记等组成整体仅2.4MB轻量易部署。已有671人学习浏览适合需要完成物体计数课题的高校学生或想动手实践YOLO算法的开发者。整体方案在公开基准中达到较高准确率且预留调参空间便于在此基础上做优化实验。1. 钢筋数量识别到底解决什么问题一堆钢筋要数清楚工地上验收钢筋材料员蹲在钢筋堆旁拿表格一根根点一车螺纹钢小几千根点完一小时过去中间被打断一次就得重来。这个场景催生了“钢筋数量识别”这个需求对着钢筋端面拍一张照片让基于Python的视觉模型把每一根钢筋圈出来直接输出数字。它不关心这是几号螺纹钢只回答一个问题——这一堆里到底有多少根。项目听起来不大但牵扯到数据标注、模型选型、训练调参和计数后处理一整条链路。适合谁看现场做材料验收的技术员、做工地智能化软件的团队、刚入门想拿真实场景练手的目标检测开发者。2. 技术选型为什么传统图像处理在钢筋计数上翻车目标检测才是正解很多人拿到这个需求第一反应是钢筋端面不是一个个圆吗用OpenCV找圆不就行了。实际做下来经典图像处理在这个场景几乎是全面翻车翻车点还特别典型。先把选型理由讲清楚后面的路才走得稳。2.1 阈值分割、霍夫圆检测、连通域分析为什么数不清钢筋先说阈值分割。钢筋端面经过切割和锈蚀颜色是灰褐色而工地背景往往是泥土色、水泥色光照不均匀时端面和背景的灰度范围大面积重叠。你设一个阈值要么把背景也切进来要么把暗部的钢筋丢掉怎么调都有一批端面粘连在一起。现场拍摄还有反光、阴影、指纹和油污阈值分割出来的图基本没法看。霍夫圆检测更直接它假设目标是标准圆。但钢筋端面在轧制和切割过程中多少会变形边缘不是平滑圆弧成捆钢筋互相挤压端面被挡住一半甚至三分之二的情况很常见。霍夫变换对“完整圆弧”有强依赖一遇到遮挡圆的拟合就崩了。就算强行调低累加器阈值又会把钢筋表面的纹理误检成大量小圆数量直接爆表。连通域分析是另一个常见思路把图像二值化、提轮廓、数连通块。问题是钢筋端面互相接触、锈水粘连时二值化后几个端面连成一个连通域数出来就少了。反过来端面上的月牙纹、切割毛刺又会被拆成多个连通域数出来就多了。这一多一少误差动辄百分之十几在验收场景里根本没法用。这些方法本质上都在用“颜色、形状、边缘”这种手工特征而钢筋端面恰恰是纹理复杂、形状非标准、光照随意的工业对象。手工特征撑不住就只能让模型自己学特征。目标检测模型直接输出每个端面的位置框天然绕开了“分割-数连通块”的老路。2.2 目标检测模型的选型比较YOLOv8为什么是性价比之选确定了走目标检测路线剩下的问题是用哪个模型。Faster R-CNN精度不差但推理速度慢、部署依赖重工地现场往往就一台普通办公电脑跑起来吃力。SSD在密集小目标上的表现一般钢筋端面恰恰是典型的小目标密集场景。YOLO系列是目前工业落地最成熟的检测框架而YOLOv8把训练和部署都收进ultralytics一个包对单类目标检测项目来说学习成本和踩坑成本都最低。模型参数量量级精度定位最合适的场景YOLOv8n约 3M轻量够用CPU推理、快速验证YOLOv8s约 11M精度/速度均衡普通显卡训练通用首选YOLOv8m约 26M精度更稳密集小目标、端面特征细YOLOv8l约 43M高精度但慢服务端离线批量处理YOLOv8x约 68M最高精度对速度无要求的研究场景我一般从n或s起步先用小模型把数据链路跑通再换m提精度。钢筋端面识别有个容易踩的误区以为模型越大越好。实际上一张端面照片里可能有几十上百根钢筋输入图片被缩放到640×640后每根钢筋只有十几个像素换大模型也救不回来。提升密集团目标效果最直接的手段是提高输入分辨率或者做切片推理这个放到后面细讲。选型上记住一句话先跑通小模型再拿分辨率换精度最后才轮到换大模型。3. 数据准备拍好钢筋端面照片把标注转成YOLO格式数据准备决定了模型上限。钢筋识别只有一个类别看起来简单但现场拍摄环境杂乱数据怎么拍、怎么标直接决定模型会不会过拟合到某个工地。3.1 采集与标注规范让模型知道“钢筋端面长什么样”采集照片时相机要尽量正对钢筋端面不要斜着拍。斜拍会让圆形端面变成椭圆模型学到的形状特征就会偏移。拍摄距离保持稳定让端面在画面里占合适比例一般单根端面直径占画面宽度的三十分之一到五十分之一比较合适。要覆盖不同堆叠状态散放的、捆扎整齐的、横放竖放混在一起的、端面有锈蚀和切割毛刺的都要拍。光照也要拉开差异晴天直射、阴天散射、人工补光各来一批避免模型只认识某一个工地的光线条件。标注用的工具常见是LabelImg在Windows上直接pip安装就能用。标注格式选YOLO或者PascalVOC都行如果后面要转格式建议一开始就统一成YOLO格式省一道转换工序。标注规范只有一条硬性要求端面轮廓清晰可见的才标被完全遮挡到看不出圆形结构的不用标。半遮挡但能明显看出是钢筋端面的正常标这部分样本对模型抗遮挡能力帮助很大。起步阶段300到500张标注图就能跑出一个能用的雏形做到800张以上精度会明显稳定下来。这个数量是我做类似小目标检测项目时的常见经验单类目标不需要一上来就追求几千张先把bad case收集机制跑起来后面针对性补数据。3.2 把VOC标注转成YOLO格式批量转换脚本与四个边界坑如果手头数据是VOC格式的XML需要转成YOLO格式的txt才能喂给YOLOv8。转换逻辑不复杂读XML里的bndbox坐标换算成归一化的中心点坐标和宽高一行一个框写入txt。下面这个脚本可以直接用import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, img_w, img_h, class_index0): tree ET.parse(xml_path) root tree.getroot() boxes [] for obj in root.findall(object): # 过滤掉标注为difficult的样本这类框往往是半截钢筋或严重遮挡 difficult obj.find(difficult) if difficult is not None and difficult.text 1: continue name obj.find(name).text if name is None: continue bndbox obj.find(bndbox) x1 float(bndbox.find(xmin).text) y1 float(bndbox.find(ymin).text) x2 float(bndbox.find(xmax).text) y2 float(bndbox.find(ymax).text) # 换算成YOLO要求的归一化坐标 cx ((x1 x2) / 2) / img_w cy ((y1 y2) / 2) / img_h bw (x2 - x1) / img_w bh (y2 - y1) / img_h boxes.append(f{class_index} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) return boxes这个脚本的核心是归一化换算YOLO格式要的是中心点坐标和框宽高分别除以图片宽高得到0到1之间的小数。调用时img_w和img_h直接取XML里size节点的宽高不要重新读图速度快且不容易出错。class_index只有钢筋一个类别固定写0就行。批量转换时建议加一层try/except把解析失败的XML文件名打印出来后面统一修。转换过程中有四个边界坑都是实际踩过的。第一个坑归一化分母必须用图片宽高有人图省事直接用标注坐标的最大值当分母转换出来的框全偏。第二个坑如果图片先做了resize再标注txt里必须用resize后的宽高用原图尺寸会导致框全部偏移。第三个坑VOC格式里difficult1的框在转换时要过滤掉这类框通常是半截钢筋或严重遮挡留着只会给模型喂噪声。第四个坑某些标注工具会生成没有bndbox节点的空XML批量转换时直接让脚本抛异常所以循环里一定要包异常处理。4. 模型训练与调参用YOLOv8跑通钢筋端面检测数据准备好之后进入训练环节。这个项目类别少YOLOv8的训练流程相对固定但有几个参数是钢筋场景特有的调不好精度上不去。4.1 训练集目录组织与YAML配置先让代码找得到数据YOLOv8对数据目录有约定要求按下面结构整理最省事dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── rebar.yamlimages和labels要严格同名对应比如images/train/IMG_001.jpg对应labels/train/IMG_001.txt。训练集和验证集建议按9:1或8:2划分划分时用随机种子不要手动挑避免把某一类堆叠状态全分到验证集里。YAML配置文件这样写path: D:/datasets/rebar_yolo train: images/train val: images/val names: 0: rebarpath写数据集根目录的绝对路径train和val写相对于path的子目录路径。这里有一个常见错误有人把train写成完整的绝对路径导致换机器路径不对直接报错。names只有一个类别索引从0开始这个索引必须和txt标签文件里的类别编号一致否则训练和推理对不上。4.2 训练命令与参数哪些参数直接影响钢筋端面检测用ultralytics的Python接口训练脚本很短。先把环境装上pip install ultralytics然后记得先装好对应版本的PyTorch。如果电脑还没配好Python环境先把vscode和Python解释器弄好再继续这个坑不多但很耽误时间。from ultralytics import YOLO model YOLO(yolov8n.pt) model.train( datarebar.yaml, epochs120, imgsz1024, batch8, patience20, device0, lr00.01, hsv_v0.4, close_mosaic10, )参数里最关键的是imgsz。钢筋端面是小目标imgsz640会让每根钢筋只有十几个像素模型很难学。我一般直接上1024端面像素能到二十到三十个精度提升非常明显。代价是显存占用翻倍8GB显存跑1024加batch8比较紧张显存不够就把batch降到4或者先用640跑通再渐进调大。epochs设120配合patience20做早停一般60到80轮就能收敛早停能省时间。lr0用默认的0.01就行这个值在YOLOv8上很稳定。hsv_v0.4是我针对工地光照不确定性加的颜色增强模拟顺光、逆光、阴影下的色偏让模型别死记训练工地的光线。close_mosaic10表示最后10轮关闭马赛克增强这个参数是ultralytics的常见设置让模型在训练末期用更真实的数据做收敛对最终精度有正面作用。训练完看两个东西runs/detect/train/weights/best.pt是最优权重后面推理都用它val目录下的results.csv里能看到每轮的loss和mAP曲线。如果train loss不断下降、val loss也同步下降说明模型在正常学习。如果val loss在某个epoch后反弹大概率是过拟合了钢筋类别少、数据量不大的时候很容易出现应对方法不是加正则而是补数据或增强数据多样性。5. 高频踩坑与排查清单漏检、重复计数、现场翻车的原因和解决目标检测项目最大的问题往往不是模型训不出来而是训出来的模型到现场不好用。下面几条都是钢筋数量识别里最容易翻车的情况按现象、原因、解决三个步骤写清楚。5.1 同一根钢筋被识别成两个重复框数量偏多现象模型对同一根钢筋输出了两个高度重叠的框直接数框的话数量比实际多。原因模型训练时对同一目标输出了多个候选框NMS非极大值抑制没能把它们合并。YOLOv8默认的NMS IoU阈值是0.7阈值偏松时两个IoU刚好低于阈值的重叠框会被同时保留。解决把推理阶段的conf阈值和NMS的iou阈值分开调。用模型自带的predict(iou0.5, conf0.25)或者在后处理里自己再做一次NMS。实测把iou调到0.5重复框数量会明显下降代价是极少数的紧邻钢筋会合并成一个框需要结合下一节的计数后处理来权衡。5.2 测试集mAP很高新工地现场照片却漏检严重现象模型在验证集上mAP达到0.9以上拿到另一个工地拍的照片漏检率一下子飙到百分之二三十。原因训练数据和现场数据存在分布差异。这不是玄学是典型的过拟合——模型可能记住了训练照片里的背景、光照、拍摄角度而不是真正学会“识别钢筋端面”。钢筋场景里最常见的差异是拍摄距离、相机型号、堆叠方式和光线色温。解决采集数据时就故意混入不同工地、不同手机、不同时段的照片训练时加大hsv增强力度。更有效的做法是“现场先试拍模型跑一遍把bad case手动挑出来补标注”跑两三轮迭代后现场精度会有一个明显回升。5.3 端面与背景对比度低时输出一堆碎框现象阴天或逆光条件下拍的端面照片背景灰暗模型把钢筋表面的锈斑、月牙纹、切割纹误检成钢筋端面输出大量面积很小的碎框。原因钢筋端面本身纹理复杂低对比度时模型会把局部纹理当作目标特征。尤其当训练数据里纹理清晰的端面占多数模型容易学成“有环形纹理就算钢筋”。解决后处理里加一个面积过滤把宽度或高度小于正常端面尺寸一定比例的框直接丢弃。这个比例根据拍摄距离标定比如端面直径在1024分辨率下通常大于40像素那就过滤掉宽高小于25像素的框。这个办法简单有效比调低confidence阈值可靠得多。5.4 训练到一半loss变成nan现象训练跑到十几个epochloss突然变成nan之后指标全部乱掉。原因最常见的诱因是学习率设置过高或数据里出现空标签文件。钢筋项目类别少学习率一般不会爆空标签反而更容易出问题——labels目录里如果有一个空的txt文件模型读到的目标是空tensor数值计算直接发散。解决训练前写个脚本扫描一遍labels目录把大小小于3字节的txt文件列出来。把它们对应的图片也移出训练集重新组织目录再跑。如果是学习率的问题把lr0从0.01降到0.005就能压住。6. 进阶技巧大图切片推理与计数后处理把模型输出变成可靠数字模型训练好了最后一公里是把“检测框”变成“钢筋数量”。这一步做不好前面所有工作都会在验收环节翻车。尤其当一张照片里有几百根钢筋时直接整图推理会有两个大坑一是一张图塞不下缩放后端面变成像素点二是密集场景下漏检和重复框并存简单数框根本不准。解决办法是切片推理加全局后处理。6.1 为什么大图必须切片输入缩放对小目标的伤害假设一张照片宽度为4000像素端面直径约50像素。整图缩放到1024后端面直径只剩约13像素检测器能提取的特征少得可怜。把图切成512×512的小块端面直径能保留到原来的比例检测难度直接下降一个量级。这就是切片推理的核心价值不让缩放吃掉小目标的特征。6.2 切片推理后处理脚本坐标偏移、全局NMS与最终计数下面这段脚本实现了简化版的切片推理把大图切成固定尺寸的小块每块做预测预测框坐标偏移回原图坐标系最后统一做一次NMS。import cv2 import numpy as np from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) def slice_predict(img_path, slice_size640, overlap0.2): img cv2.imread(img_path) h, w img.shape[:2] stride int(slice_size * (1 - overlap)) all_boxes [] for y in range(0, h, stride): for x in range(0, w, stride): y_end min(y slice_size, h) x_end min(x slice_size, w) patch img[y:y_end, x:x_end] results model.predict(patch, imgsz640, conf0.25, iou0.5) for box in results[0].boxes.data.cpu().numpy(): x1, y1, x2, y2, score, cls box[:6] # 坐标偏移回原图坐标系 all_boxes.append([x1 x, y1 y, x2 x, y2 y, score]) # 全局NMS合并切片边缘的重复框 boxes np.array(all_boxes) keep nms(boxes, iou_threshold0.5) return boxes[keep] def nms(boxes, iou_threshold0.5): x1, y1, x2, y2, scores boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3], boxes[:, 4] areas (x2 - x1) * (y2 - y1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) inter np.maximum(0, xx2 - xx1) * np.maximum(0, yy2 - yy1) iou inter / (areas[i] areas[order[1:]] - inter 1e-6) order order[np.where(iou iou_threshold)[0] 1] return keep切片尺寸和overlap的选择直接影响效果。slice_size取640较稳端面直径在50像素左右时不会切碎目标overlap取0.2是为了避免目标刚好落在切片边缘被截断。全局NMS是我处理钢筋计数最依赖的一步切片边缘的重复框会被合并同一根钢筋不会数两次。最终数量就是len(keep)。切片推理的代价是耗时成倍增加一张4000×3000的图切30来块GPU推理约2到3秒CPU上就要十几秒但对验收场景完全可接受。拍一张照片换一个准确数字怎么算都比人工数一遍合算。我第一次跑通这个流程时就是没做全局NMS数出来比实际多了三成后来统一后处理才把数字稳定下来。这套方案从数据准备到落地推理都不复杂真正需要花时间的是把现场bad case一轮轮收敛干净——这也是整个项目最花功夫的地方。希望帮到你。本文还有配套的精品资源点击获取
基于YOLOv8的钢筋数量识别实战：标注、训练与切片计数
简介面向计算机视觉课程设计需求该资源以YOLO v3为核心提供从钢筋图像标注、模型训练到数量识别的完整Python实现。包内工程结构清晰包括核心模型代码、数据预处理脚本、锚框聚类、推理演示及相应说明文档可帮助初学者快速搭建检测流程并理解一阶段检测器原理。资源压缩包共72个文件以Python源码、XML标注文件、类别文件与PyCharm配置、Jupyter分析笔记等组成整体仅2.4MB轻量易部署。已有671人学习浏览适合需要完成物体计数课题的高校学生或想动手实践YOLO算法的开发者。整体方案在公开基准中达到较高准确率且预留调参空间便于在此基础上做优化实验。1. 钢筋数量识别到底解决什么问题一堆钢筋要数清楚工地上验收钢筋材料员蹲在钢筋堆旁拿表格一根根点一车螺纹钢小几千根点完一小时过去中间被打断一次就得重来。这个场景催生了“钢筋数量识别”这个需求对着钢筋端面拍一张照片让基于Python的视觉模型把每一根钢筋圈出来直接输出数字。它不关心这是几号螺纹钢只回答一个问题——这一堆里到底有多少根。项目听起来不大但牵扯到数据标注、模型选型、训练调参和计数后处理一整条链路。适合谁看现场做材料验收的技术员、做工地智能化软件的团队、刚入门想拿真实场景练手的目标检测开发者。2. 技术选型为什么传统图像处理在钢筋计数上翻车目标检测才是正解很多人拿到这个需求第一反应是钢筋端面不是一个个圆吗用OpenCV找圆不就行了。实际做下来经典图像处理在这个场景几乎是全面翻车翻车点还特别典型。先把选型理由讲清楚后面的路才走得稳。2.1 阈值分割、霍夫圆检测、连通域分析为什么数不清钢筋先说阈值分割。钢筋端面经过切割和锈蚀颜色是灰褐色而工地背景往往是泥土色、水泥色光照不均匀时端面和背景的灰度范围大面积重叠。你设一个阈值要么把背景也切进来要么把暗部的钢筋丢掉怎么调都有一批端面粘连在一起。现场拍摄还有反光、阴影、指纹和油污阈值分割出来的图基本没法看。霍夫圆检测更直接它假设目标是标准圆。但钢筋端面在轧制和切割过程中多少会变形边缘不是平滑圆弧成捆钢筋互相挤压端面被挡住一半甚至三分之二的情况很常见。霍夫变换对“完整圆弧”有强依赖一遇到遮挡圆的拟合就崩了。就算强行调低累加器阈值又会把钢筋表面的纹理误检成大量小圆数量直接爆表。连通域分析是另一个常见思路把图像二值化、提轮廓、数连通块。问题是钢筋端面互相接触、锈水粘连时二值化后几个端面连成一个连通域数出来就少了。反过来端面上的月牙纹、切割毛刺又会被拆成多个连通域数出来就多了。这一多一少误差动辄百分之十几在验收场景里根本没法用。这些方法本质上都在用“颜色、形状、边缘”这种手工特征而钢筋端面恰恰是纹理复杂、形状非标准、光照随意的工业对象。手工特征撑不住就只能让模型自己学特征。目标检测模型直接输出每个端面的位置框天然绕开了“分割-数连通块”的老路。2.2 目标检测模型的选型比较YOLOv8为什么是性价比之选确定了走目标检测路线剩下的问题是用哪个模型。Faster R-CNN精度不差但推理速度慢、部署依赖重工地现场往往就一台普通办公电脑跑起来吃力。SSD在密集小目标上的表现一般钢筋端面恰恰是典型的小目标密集场景。YOLO系列是目前工业落地最成熟的检测框架而YOLOv8把训练和部署都收进ultralytics一个包对单类目标检测项目来说学习成本和踩坑成本都最低。模型参数量量级精度定位最合适的场景YOLOv8n约 3M轻量够用CPU推理、快速验证YOLOv8s约 11M精度/速度均衡普通显卡训练通用首选YOLOv8m约 26M精度更稳密集小目标、端面特征细YOLOv8l约 43M高精度但慢服务端离线批量处理YOLOv8x约 68M最高精度对速度无要求的研究场景我一般从n或s起步先用小模型把数据链路跑通再换m提精度。钢筋端面识别有个容易踩的误区以为模型越大越好。实际上一张端面照片里可能有几十上百根钢筋输入图片被缩放到640×640后每根钢筋只有十几个像素换大模型也救不回来。提升密集团目标效果最直接的手段是提高输入分辨率或者做切片推理这个放到后面细讲。选型上记住一句话先跑通小模型再拿分辨率换精度最后才轮到换大模型。3. 数据准备拍好钢筋端面照片把标注转成YOLO格式数据准备决定了模型上限。钢筋识别只有一个类别看起来简单但现场拍摄环境杂乱数据怎么拍、怎么标直接决定模型会不会过拟合到某个工地。3.1 采集与标注规范让模型知道“钢筋端面长什么样”采集照片时相机要尽量正对钢筋端面不要斜着拍。斜拍会让圆形端面变成椭圆模型学到的形状特征就会偏移。拍摄距离保持稳定让端面在画面里占合适比例一般单根端面直径占画面宽度的三十分之一到五十分之一比较合适。要覆盖不同堆叠状态散放的、捆扎整齐的、横放竖放混在一起的、端面有锈蚀和切割毛刺的都要拍。光照也要拉开差异晴天直射、阴天散射、人工补光各来一批避免模型只认识某一个工地的光线条件。标注用的工具常见是LabelImg在Windows上直接pip安装就能用。标注格式选YOLO或者PascalVOC都行如果后面要转格式建议一开始就统一成YOLO格式省一道转换工序。标注规范只有一条硬性要求端面轮廓清晰可见的才标被完全遮挡到看不出圆形结构的不用标。半遮挡但能明显看出是钢筋端面的正常标这部分样本对模型抗遮挡能力帮助很大。起步阶段300到500张标注图就能跑出一个能用的雏形做到800张以上精度会明显稳定下来。这个数量是我做类似小目标检测项目时的常见经验单类目标不需要一上来就追求几千张先把bad case收集机制跑起来后面针对性补数据。3.2 把VOC标注转成YOLO格式批量转换脚本与四个边界坑如果手头数据是VOC格式的XML需要转成YOLO格式的txt才能喂给YOLOv8。转换逻辑不复杂读XML里的bndbox坐标换算成归一化的中心点坐标和宽高一行一个框写入txt。下面这个脚本可以直接用import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, img_w, img_h, class_index0): tree ET.parse(xml_path) root tree.getroot() boxes [] for obj in root.findall(object): # 过滤掉标注为difficult的样本这类框往往是半截钢筋或严重遮挡 difficult obj.find(difficult) if difficult is not None and difficult.text 1: continue name obj.find(name).text if name is None: continue bndbox obj.find(bndbox) x1 float(bndbox.find(xmin).text) y1 float(bndbox.find(ymin).text) x2 float(bndbox.find(xmax).text) y2 float(bndbox.find(ymax).text) # 换算成YOLO要求的归一化坐标 cx ((x1 x2) / 2) / img_w cy ((y1 y2) / 2) / img_h bw (x2 - x1) / img_w bh (y2 - y1) / img_h boxes.append(f{class_index} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) return boxes这个脚本的核心是归一化换算YOLO格式要的是中心点坐标和框宽高分别除以图片宽高得到0到1之间的小数。调用时img_w和img_h直接取XML里size节点的宽高不要重新读图速度快且不容易出错。class_index只有钢筋一个类别固定写0就行。批量转换时建议加一层try/except把解析失败的XML文件名打印出来后面统一修。转换过程中有四个边界坑都是实际踩过的。第一个坑归一化分母必须用图片宽高有人图省事直接用标注坐标的最大值当分母转换出来的框全偏。第二个坑如果图片先做了resize再标注txt里必须用resize后的宽高用原图尺寸会导致框全部偏移。第三个坑VOC格式里difficult1的框在转换时要过滤掉这类框通常是半截钢筋或严重遮挡留着只会给模型喂噪声。第四个坑某些标注工具会生成没有bndbox节点的空XML批量转换时直接让脚本抛异常所以循环里一定要包异常处理。4. 模型训练与调参用YOLOv8跑通钢筋端面检测数据准备好之后进入训练环节。这个项目类别少YOLOv8的训练流程相对固定但有几个参数是钢筋场景特有的调不好精度上不去。4.1 训练集目录组织与YAML配置先让代码找得到数据YOLOv8对数据目录有约定要求按下面结构整理最省事dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── rebar.yamlimages和labels要严格同名对应比如images/train/IMG_001.jpg对应labels/train/IMG_001.txt。训练集和验证集建议按9:1或8:2划分划分时用随机种子不要手动挑避免把某一类堆叠状态全分到验证集里。YAML配置文件这样写path: D:/datasets/rebar_yolo train: images/train val: images/val names: 0: rebarpath写数据集根目录的绝对路径train和val写相对于path的子目录路径。这里有一个常见错误有人把train写成完整的绝对路径导致换机器路径不对直接报错。names只有一个类别索引从0开始这个索引必须和txt标签文件里的类别编号一致否则训练和推理对不上。4.2 训练命令与参数哪些参数直接影响钢筋端面检测用ultralytics的Python接口训练脚本很短。先把环境装上pip install ultralytics然后记得先装好对应版本的PyTorch。如果电脑还没配好Python环境先把vscode和Python解释器弄好再继续这个坑不多但很耽误时间。from ultralytics import YOLO model YOLO(yolov8n.pt) model.train( datarebar.yaml, epochs120, imgsz1024, batch8, patience20, device0, lr00.01, hsv_v0.4, close_mosaic10, )参数里最关键的是imgsz。钢筋端面是小目标imgsz640会让每根钢筋只有十几个像素模型很难学。我一般直接上1024端面像素能到二十到三十个精度提升非常明显。代价是显存占用翻倍8GB显存跑1024加batch8比较紧张显存不够就把batch降到4或者先用640跑通再渐进调大。epochs设120配合patience20做早停一般60到80轮就能收敛早停能省时间。lr0用默认的0.01就行这个值在YOLOv8上很稳定。hsv_v0.4是我针对工地光照不确定性加的颜色增强模拟顺光、逆光、阴影下的色偏让模型别死记训练工地的光线。close_mosaic10表示最后10轮关闭马赛克增强这个参数是ultralytics的常见设置让模型在训练末期用更真实的数据做收敛对最终精度有正面作用。训练完看两个东西runs/detect/train/weights/best.pt是最优权重后面推理都用它val目录下的results.csv里能看到每轮的loss和mAP曲线。如果train loss不断下降、val loss也同步下降说明模型在正常学习。如果val loss在某个epoch后反弹大概率是过拟合了钢筋类别少、数据量不大的时候很容易出现应对方法不是加正则而是补数据或增强数据多样性。5. 高频踩坑与排查清单漏检、重复计数、现场翻车的原因和解决目标检测项目最大的问题往往不是模型训不出来而是训出来的模型到现场不好用。下面几条都是钢筋数量识别里最容易翻车的情况按现象、原因、解决三个步骤写清楚。5.1 同一根钢筋被识别成两个重复框数量偏多现象模型对同一根钢筋输出了两个高度重叠的框直接数框的话数量比实际多。原因模型训练时对同一目标输出了多个候选框NMS非极大值抑制没能把它们合并。YOLOv8默认的NMS IoU阈值是0.7阈值偏松时两个IoU刚好低于阈值的重叠框会被同时保留。解决把推理阶段的conf阈值和NMS的iou阈值分开调。用模型自带的predict(iou0.5, conf0.25)或者在后处理里自己再做一次NMS。实测把iou调到0.5重复框数量会明显下降代价是极少数的紧邻钢筋会合并成一个框需要结合下一节的计数后处理来权衡。5.2 测试集mAP很高新工地现场照片却漏检严重现象模型在验证集上mAP达到0.9以上拿到另一个工地拍的照片漏检率一下子飙到百分之二三十。原因训练数据和现场数据存在分布差异。这不是玄学是典型的过拟合——模型可能记住了训练照片里的背景、光照、拍摄角度而不是真正学会“识别钢筋端面”。钢筋场景里最常见的差异是拍摄距离、相机型号、堆叠方式和光线色温。解决采集数据时就故意混入不同工地、不同手机、不同时段的照片训练时加大hsv增强力度。更有效的做法是“现场先试拍模型跑一遍把bad case手动挑出来补标注”跑两三轮迭代后现场精度会有一个明显回升。5.3 端面与背景对比度低时输出一堆碎框现象阴天或逆光条件下拍的端面照片背景灰暗模型把钢筋表面的锈斑、月牙纹、切割纹误检成钢筋端面输出大量面积很小的碎框。原因钢筋端面本身纹理复杂低对比度时模型会把局部纹理当作目标特征。尤其当训练数据里纹理清晰的端面占多数模型容易学成“有环形纹理就算钢筋”。解决后处理里加一个面积过滤把宽度或高度小于正常端面尺寸一定比例的框直接丢弃。这个比例根据拍摄距离标定比如端面直径在1024分辨率下通常大于40像素那就过滤掉宽高小于25像素的框。这个办法简单有效比调低confidence阈值可靠得多。5.4 训练到一半loss变成nan现象训练跑到十几个epochloss突然变成nan之后指标全部乱掉。原因最常见的诱因是学习率设置过高或数据里出现空标签文件。钢筋项目类别少学习率一般不会爆空标签反而更容易出问题——labels目录里如果有一个空的txt文件模型读到的目标是空tensor数值计算直接发散。解决训练前写个脚本扫描一遍labels目录把大小小于3字节的txt文件列出来。把它们对应的图片也移出训练集重新组织目录再跑。如果是学习率的问题把lr0从0.01降到0.005就能压住。6. 进阶技巧大图切片推理与计数后处理把模型输出变成可靠数字模型训练好了最后一公里是把“检测框”变成“钢筋数量”。这一步做不好前面所有工作都会在验收环节翻车。尤其当一张照片里有几百根钢筋时直接整图推理会有两个大坑一是一张图塞不下缩放后端面变成像素点二是密集场景下漏检和重复框并存简单数框根本不准。解决办法是切片推理加全局后处理。6.1 为什么大图必须切片输入缩放对小目标的伤害假设一张照片宽度为4000像素端面直径约50像素。整图缩放到1024后端面直径只剩约13像素检测器能提取的特征少得可怜。把图切成512×512的小块端面直径能保留到原来的比例检测难度直接下降一个量级。这就是切片推理的核心价值不让缩放吃掉小目标的特征。6.2 切片推理后处理脚本坐标偏移、全局NMS与最终计数下面这段脚本实现了简化版的切片推理把大图切成固定尺寸的小块每块做预测预测框坐标偏移回原图坐标系最后统一做一次NMS。import cv2 import numpy as np from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) def slice_predict(img_path, slice_size640, overlap0.2): img cv2.imread(img_path) h, w img.shape[:2] stride int(slice_size * (1 - overlap)) all_boxes [] for y in range(0, h, stride): for x in range(0, w, stride): y_end min(y slice_size, h) x_end min(x slice_size, w) patch img[y:y_end, x:x_end] results model.predict(patch, imgsz640, conf0.25, iou0.5) for box in results[0].boxes.data.cpu().numpy(): x1, y1, x2, y2, score, cls box[:6] # 坐标偏移回原图坐标系 all_boxes.append([x1 x, y1 y, x2 x, y2 y, score]) # 全局NMS合并切片边缘的重复框 boxes np.array(all_boxes) keep nms(boxes, iou_threshold0.5) return boxes[keep] def nms(boxes, iou_threshold0.5): x1, y1, x2, y2, scores boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3], boxes[:, 4] areas (x2 - x1) * (y2 - y1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) inter np.maximum(0, xx2 - xx1) * np.maximum(0, yy2 - yy1) iou inter / (areas[i] areas[order[1:]] - inter 1e-6) order order[np.where(iou iou_threshold)[0] 1] return keep切片尺寸和overlap的选择直接影响效果。slice_size取640较稳端面直径在50像素左右时不会切碎目标overlap取0.2是为了避免目标刚好落在切片边缘被截断。全局NMS是我处理钢筋计数最依赖的一步切片边缘的重复框会被合并同一根钢筋不会数两次。最终数量就是len(keep)。切片推理的代价是耗时成倍增加一张4000×3000的图切30来块GPU推理约2到3秒CPU上就要十几秒但对验收场景完全可接受。拍一张照片换一个准确数字怎么算都比人工数一遍合算。我第一次跑通这个流程时就是没做全局NMS数出来比实际多了三成后来统一后处理才把数字稳定下来。这套方案从数据准备到落地推理都不复杂真正需要花时间的是把现场bad case一轮轮收敛干净——这也是整个项目最花功夫的地方。希望帮到你。本文还有配套的精品资源点击获取
