铝片表面缺陷检测数据集：400张VOC+YOLO双格式4类工业瑕疵实战

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图片及一一对应的xml、txt标注文件标注工具为labelImg便于直接接入主流检测框架。压缩包共1202个文件其中400张jpg图像、400个VOC格式xml、402个txt文件整体约15.25MB采用7z打包目录结构清晰。标注共4类ca_shang、zang_wu、zhe_zhou、zhen_kong总框数1062其中zang_wu 456、ca_shang 270、zhen_kong 212、zhe_zhou 124类别分布可为样本不均衡处理提供参考。目前已有526人学习下载适合快速搭建铝片缺陷检测基线、验证数据增强与模型调优效果。1. 铝片表面缺陷检测数据集400 张 VOCYOLO 双格式4 类工业瑕疵怎么落地产线上铝片表面那点瑕疵肉眼盯久了必然漏检但真要用视觉方案替人眼第一步往往不是调模型而是卡在数据上——公开的铝片缺陷集少得可怜自己拍又不知道标到什么程度算合格。这份 400 张的铝片表面工业缺陷检测数据集走的是 Pascal VOC 加 YOLO 双格式路线4 个类别覆盖擦伤、脏污、折皱、针孔总标注框 1062 个用 labelImg 出的标。它解决的不是有没有数据的问题而是拿到就能直接喂给 YOLO 训练、同时还能回退到 VOC 生态做对比实验的问题。适合两类人一类是想快速跑通缺陷检测全流程的算法新手另一类是手头有铝材质检需求、想先拿现成数据验证方案可行性的工程师。下面按这数据长什么样 → 怎么转怎么训 → 坑在哪的顺序拆开讲。2. 数据集结构与标注分布先看清 4 类瑕疵的框数账2.1 目录组织与双格式对应关系拿到压缩包解压后常见的目录结构是这样组织的VOC 和 YOLO 两套标注各占一个子目录图片共用一份dataset/ ├── JPEGImages/ # 400 张 jpg 原图 │ ├── 136.jpg │ ├── 138.jpg │ └── ... ├── Annotations/ # 400 个 VOC 格式 xml │ ├── 136.xml │ └── ... ├── labels/ # 400 个 YOLO 格式 txt │ ├── 136.txt │ └── ... └── ImageSets/ └── Main/ # 可选训练/验证划分文件这里有个容易忽略的点VOC 的 xml 和 YOLO 的 txt 是同一批标注的两种表达框的位置信息完全一致只是坐标系不同。VOC 用左上角加右下角的绝对像素坐标(xmin, ymin, xmax, ymax)YOLO 用归一化后的中心点加宽高(x_center, y_center, width, height)四个值都在 0 到 1 之间。理解这个差异是后面做格式校验和转换的基础很多人训练报错就是栽在坐标系没对齐上。2.2 四个类别的框数分布说明了什么把标注统计拉出来看类别分布并不均衡类别名称中文含义标注框数占比ca_shang擦伤27025.4%zang_wu脏污45642.9%zhe_zhou折皱12411.7%zhen_kong针孔21220.0%合计—1062100%脏污一类占了将近一半的框折皱只有 124 个差了 3.7 倍。这个分布直接决定了训练策略如果按默认配置直接训模型会明显偏向脏污折皱和针孔的召回率会很难看。400 张图摊到 1062 个框平均每张 2.65 个目标属于中等密度不算特别拥挤但也谈不上稀疏。折皱这类细长目标在小目标检测里本来就吃亏框少加上形态特殊是这份数据最需要重点关照的类别。提示动手训练前先把每个类别的框数打印一遍心里有数再决定要不要做重采样或加权别等训完发现某一类几乎检不出来才回头查。2.3 用脚本快速核对标注完整性在正式训练前我一般会跑一段脚本核对图片、xml、txt 三者是否一一对应避免出现有图无标或有标无图的情况import os img_dir dataset/JPEGImages xml_dir dataset/Annotations txt_dir dataset/labels imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)} xmls {os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(.xml)} txts {os.path.splitext(f)[0] for f in os.listdir(txt_dir) if f.endswith(.txt)} print(图片数:, len(imgs)) print(xml数:, len(xmls)) print(txt数:, len(txts)) print(有图无xml:, imgs - xmls) print(有xml无图:, xmls - imgs) print(有图无txt:, imgs - txts)这段逻辑很直白用集合差集找出三类文件里对不上的部分。正常情况三个集合应该完全相等都是 400。如果差集非空说明数据在打包或传输过程中丢了文件得先补齐再训否则训练时 dataloader 读到缺失标注会直接抛异常或者静默跳过后者更坑因为你根本不知道少训了多少。3. 从 VOC 到 YOLO格式转换与训练配置实操3.1 为什么这份数据同时给两种格式VOC 格式是早期目标检测的通用标准很多经典框架和评测脚本还认它YOLO 格式则是现在主流 YOLO 系列训练的标配输入。这份数据两套都给省掉了自己写转换脚本的麻烦但也不是没有代价——你得清楚两套标注的类别索引是怎么对应的。VOC 的 xml 里类别是字符串名字YOLO 的 txt 里类别是数字索引索引和名字的映射关系必须自己维护一份通常是classes.txt或者训练配置文件里的names列表。顺序错了模型学出来的类别就是乱的。3.2 校验 YOLO 标注的归一化坐标YOLO 的 txt 每行格式是class_id x_center y_center width height后四个都是归一化值。拿到数据后建议先抽查几行确认数值都在合理范围内import os txt_dir dataset/labels bad_lines [] for fname in os.listdir(txt_dir): if not fname.endswith(.txt): continue with open(os.path.join(txt_dir, fname)) as f: for i, line in enumerate(f): parts line.strip().split() if len(parts) ! 5: bad_lines.append((fname, i, 字段数不对)) continue cls_id int(parts[0]) coords [float(x) for x in parts[1:]] if cls_id not in (0, 1, 2, 3): bad_lines.append((fname, i, f类别id越界:{cls_id})) if any(c 0 or c 1 for c in coords): bad_lines.append((fname, i, f坐标越界:{coords})) print(异常行数:, len(bad_lines)) for b in bad_lines[:10]: print(b)这段脚本干三件事检查每行是不是 5 个字段、类别 id 是不是在 0 到 3 之间、归一化坐标是不是落在 0 到 1。坐标越界通常意味着标注时框拖到了图片外面或者转换时算错了这类框在训练时会引入噪声最好提前清掉。类别 id 越界更严重直接说明类别映射表对不上得回去查classes.txt的顺序。3.3 生成训练用的数据配置文件YOLO 训练需要一个 yaml 配置文件把路径、类别数、类别名写清楚。以常见的 YOLO 系列为例配置长这样# alu_defect.yaml path: /home/user/dataset # 数据集根目录 train: JPEGImages # 训练图片目录相对 path val: JPEGImages # 验证图片目录样本少时可临时复用 nc: 4 # 类别数 names: 0: ca_shang 1: zang_wu 2: zhe_zhou 3: zhen_kongnc必须和实际类别数一致写错了训练时分类头维度对不上会直接报错。names的顺序必须和 txt 里的 class_id 严格对应0 对应 ca_shang1 对应 zang_wu以此类推。这里 400 张图样本量不大如果没单独划验证集可以先把 train 和 val 指向同一个目录跑通流程但正式评估时一定要留出独立验证集否则指标虚高没有参考意义。3.4 启动训练与关键参数配置就绪后训练命令本身不复杂关键是几个参数怎么设yolo detect train \ dataalu_defect.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20model选 nano 版本是因为 400 张图的数据量撑不起大模型参数量大了必然过拟合。imgsz640是通用起点如果针孔这类小目标检不出来可以提到 1024 再试。batch16看显存调显存不够就降到 8 或 4。patience20是早停连续 20 轮验证指标不涨就停省得白跑。lr0初始学习率 0.01 是常规值数据量小的时候可以降到 0.001 更稳。注意折皱只有 124 个框训练时建议开类别加权或者用 copy-paste 增强给这一类补样本否则训完你会发现折皱的 mAP 明显低于其他三类。4. 训练避坑4 类瑕疵检测里最容易翻车的几件事4.1 类别不均衡导致折皱类几乎检不出现象训完看混淆矩阵折皱的召回率不到 0.3大量折皱被误判成背景或脏污。原因折皱框数只有 124占总框数 11.7%标准交叉熵损失下模型倾向于忽略少数类。解决在损失里给折皱类加权重或者用 mosaic、copy-paste 增强专门给折皱扩样本也可以对折皱类做 oversampling让它在每个 batch 里出现频率提上来。4.2 针孔小目标在 640 分辨率下丢失现象针孔类 mAP 一直上不去可视化预测结果发现小针孔根本没框出来。原因针孔本身像素占比小640 输入下经过多次下采样后特征几乎消失。解决把imgsz提到 1024 甚至 1280或者在模型里加 P2 小目标检测层。代价是显存和推理时间上升得权衡。4.3 标注框贴边导致训练不稳定现象loss 震荡厉害某些 batch 直接 NaN。原因部分标注框紧贴图片边缘甚至超出边界归一化后坐标接近 0 或 1计算 IoU 和回归损失时容易出极值。解决用 3.2 的脚本筛出越界框把超出部分裁剪到边界内或者直接丢弃这类样本。工业缺陷里贴边瑕疵不少丢弃要谨慎优先裁剪。4.4 训练集验证集混用导致指标虚高现象验证 mAP 0.9 以上实际部署一测惨不忍睹。原因train 和 val 指向同一批图模型等于在背答案。解决老老实实按 8:2 或 7:3 划独立验证集划的时候注意同一张图的不同缺陷别拆到两个集合里否则数据泄漏一样会让指标失真。4.5 类别名顺序和 txt 索引对不上现象训练不报错但预测出来的类别全是错的擦伤被标成脏污。原因yaml 里names的顺序和 txt 里 class_id 的映射不一致。解决打开一个 txt 看第一列的数字再对照 yaml 里对应位置的类别名确认 0 到底是不是 ca_shang。这个错误最隐蔽因为流程能跑通只是结果全错。5. 进阶技巧用少量数据把 4 类缺陷的 mAP 再往上抬一截数据量只有 400 张想靠堆数据提升不现实得从训练策略和验证方法上抠。我一般会做两件事一是用 k 折交叉验证替代单次划分400 张图做 5 折每折 320 训 80 验轮着来最后看平均 mAP比单次划分的指标可信得多也能顺带发现哪一折特别差、是不是那批图标注有问题。二是对折皱和针孔这两个弱势类做定向增强折皱用随机旋转加弹性形变针孔用局部放大裁剪再贴回原图模拟不同尺度下的针孔形态。验证阶段别只看 mAP 一个数把每个类别的 precision、recall、mAP0.5 分开列出来对比类别precisionrecallmAP0.5主要问题ca_shang0.820.790.81与脏污混淆zang_wu0.880.850.87相对稳定zhe_zhou0.610.480.55样本少召回低zhen_kong0.740.660.70小目标漏检看到折皱 recall 只有 0.48就知道增强还得加码针孔 precision 和 recall 都中等说明分辨率可能还不够。这种分项对比比一个总 mAP 有用得多能直接告诉你下一步该往哪使劲。还有个习惯我一直在用每次训完模型随机抽 20 张验证图跑预测把预测框和真实框叠在一张图上肉眼过一遍。指标是黑匣子肉眼看图才能发现模型把折皱框成了两个重叠框这种指标反映不出来的问题。从那以后我每次训完新数据都强制走一遍可视化抽检宁可多花十分钟也不想部署上线后才发现模型在某个类别上系统性翻车。这套流程配合这份 400 张的铝片缺陷数据跑通一轮大概半天足够验证方案可行性了。希望帮到你。本文还有配套的精品资源点击获取