盲道人行道缺陷检测YOLO数据集：从数据校验到模型训练实战

简介这套盲道、人行道缺陷图像YOLO数据集面向目标检测初学者和智慧城市巡检、无障碍设施维护项目开发者涵盖路面破损、盲道砖缺失等典型缺陷可用于模型训练与标注质量验证。数据已按YOLOv5目录结构划分约3400张训练图片配对应txt标签750张验证图片同步附带标签另有类别文件类别为单一defect解压后即可接入YOLO训练流程。压缩包共2000个文件其中1999个为标签/类别等txt文件另1个为可视化脚本show.py整体约232MB脚本随机读取一张图片即可绘制边界框并保存无需改动参数就能直观核验标注效果。相比零散图片样本包内图像、标签、类别文件统一组织训练/验证比例约82%/18%既适合新手快速跑通流程也适合作为缺陷竞赛或项目的前期基准数据。目前已有1154人学习下载配合作者YOLOv5改进实战专栏可进一步完成模型结构调整与精度优化。1. 盲道与行人道缺陷检测这套 YOLO 数据集能直接拿来训模型做目标检测这几年我最深的体会是模型结构永远不是瓶颈数据才是。尤其是盲道、人行道这类市政设施的缺陷检测网上公开数据集少得可怜真要说自己标注几千张带裂缝、破损、坑洼的图片光标注就得熬几个通宵还得反复核对标框准不准。这套 YOLO 格式的盲道、人行道缺陷目标检测数据集解决的就是这个痛点——已经帮你划分好训练集和验证集class 文件也写好了还附带数据可视化脚本拿到手第一步不是做数据清洗而是直接开始跑训练流程。它适合两类人一类是正在做智慧城市、无障碍设施巡检项目的工程师需要尽快拿到一个能用的基线模型另一类是刚接触 YOLO 目标检测的学生或转行者想用一套真实场景数据走通从训练到验证的完整流程。前者省时间后者省弯路。下面我按实际拆包和使用的顺序把这套资源的内部结构、参数配置和踩过的坑都写清楚。2. 数据拆包与格式检查YOLO 标注结构、目录划分和 class 文件2.1 拿到压缩包后先做什么目录结构与标注格式核对这套数据集解压之后典型目录结构是 images 和 labels 两个大目录下面再按 train、val可能还有 test划分。用 tree 命令过一遍是比较稳妥的习惯因为不少数据集的目录名不统一有的叫 train 和 valid有的把验证集写成了 test先看清目录再写路径比后面训练时报错再回头查要省事得多。tree -L 2 --dirsfirst正常情况下的输出类似这种结构dataset/ ├── images/ │ ├── train/ │ │ ├── img001.jpg │ │ └── ... │ └── val/ ├── labels/ │ ├── train/ │ │ ├── img001.txt │ │ └── ... │ └── val/ ├── classes.txt └── visualize.py每张 jpg 图片对应一个同名 txt 标注文件。YOLO 格式的标注内容是归一化坐标具体行格式是类别ID x_center y_center width height。注意 x_center、y_center 是 bbox 中心点的相对坐标width 和 height 是框的归一化宽高四个值都在 0 到 1 之间。看一眼实际内容比读说明文档更直观cat labels/train/img007.txt0 0.512345 0.431287 0.228475 0.153846 2 0.833192 0.720514 0.115842 0.087654第一列 0 代表第一个类别第二三列是中心点位置第四五列是宽和高。这里有一点要特别留意很多从其他格式比如 VOC 的 XML 或 COCO 的 JSON转换来的数据集偶尔会出现坐标溢出或宽高为 0 的异常行。检查的时候可以用下面这段脚本快速扫一遍所有标注文件把异常样本揪出来。2.2 用脚本校验标注文件坐标范围、空标签和类别 ID 越界import os def check_yolo_labels(label_root, num_classes): bad_files [] empty_files [] for split in [train, val]: label_dir os.path.join(label_root, split) for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) lines open(path).read().strip().splitlines() if not lines: empty_files.append(path) continue for line in lines: parts line.split() if len(parts) ! 5: bad_files.append(path) continue cls_id int(parts[0]) coords [float(v) for v in parts[1:]] # 坐标必须在 [0, 1] 区间且宽度高度要大于 0 if cls_id num_classes or cls_id 0: bad_files.append(path) if any(v 0 or v 1 for v in coords): bad_files.append(path) if coords[2] 0 or coords[3] 0: bad_files.append(path) print(f异常文件数: {len(bad_files)}) print(f空标注文件数: {len(empty_files)}) for f in bad_files[:20]: print(f[BAD] {f}) for f in empty_files[:20]: print(f[EMPTY] {f}) # 假设数据集有 4 个类别 check_yolo_labels(dataset/labels, 4)这段脚本做的事情就是逐行解析标注文件检查类别 ID 是否在合法范围内。坐标是否落在 0 到 1 区间bbox 宽高是否大于 0。空标注文件要特别注意它在训练时会被当作背景图处理如果数量太多会导致模型过度偏向背景。从实际经验看从网上下载的数据集多多少少会有这种问题跑一遍脚本就是吃后悔药提前预防。2.3 classes.txt 的类别定义与可视化脚本的作用classes.txt 文件内容决定了模型输出的类别数。这套数据集的具体类别可能在下载页面写的是“盲道、人行道缺陷”但实际打开 classes.txt 看往往有惊喜比如有的版本把裂缝、破损、坑洼、盲道砖缺失分成多个类别有的版本只分“缺陷”和“正常”二类。这个差别会直接影响模型的检测粒度训练之前一定要先看这个文件。crack pothole broken_tile obstacleclass 文件里的行顺序就是类别 ID 的索引顺序0、1、2、3 依次对应 crack、pothole、broken_tile、obstacle。如果拿到的 class 文件是上面这种 4 类别定义那么训练配置里的 nc 参数就得写成 4names 顺序也必须和这个文件保持一致。最忌讳的事情是训练脚本里 names 顺序和 class 文件不一致模型训练完推理时标签全部错位。数据可视化脚本 visual.py 这类工具核心作用是把 YOLO 的归一化坐标还原成图片上的标注框画出来让你肉眼确认标注质量。一张张看图虽然原始但比任何自动化指标都可信。后面专门用一章讲这个脚本怎么用、怎么改。3. 数据可视化与分布分析把标注画到图上看清类别分布和占比3.1 可视化脚本的核心逻辑坐标还原与 OpenCV 绘制可视化脚本的原理不复杂就是把 YOLO 的归一化中心点坐标和宽高换算回像素坐标再用 OpenCV 的 rectangle 函数画框、putText 写类别名。下面是这类脚本最常见的实现方式我稍微加了点注释import cv2 import os def draw_yolo_boxes(image_path, label_path, class_names, output_dir): img cv2.imread(image_path) h, w img.shape[:2] with open(label_path) as f: for line in f: parts line.strip().split() cls_id int(parts[0]) x_c, y_c, bw, bh map(float, parts[1:]) # 归一化坐标转像素坐标 x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) color (0, 255, 0) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) label class_names[cls_id] cv2.putText(img, label, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) os.makedirs(output_dir, exist_okTrue) out_path os.path.join(output_dir, os.path.basename(image_path)) cv2.imwrite(out_path, img) print(fsaved: {out_path}) # 使用示例 draw_yolo_boxes( image_pathdataset/images/train/img007.jpg, label_pathdataset/labels/train/img007.txt, class_names[crack, pothole, broken_tile, obstacle], output_dirvisualize_output )核心就一个换算公式x1 (x_c - bw / 2) * w。这里容易翻车的点是有的可视化脚本会直接用 x1 x_c * w把中心点当左上角画框画出来的框全部偏移半个框身位置。碰到这种脚本要改成上面的换算逻辑。3.2 类别分布统计判断数据集是否偏向某个类别可视化看完单张图片质量后下一步该做整体分布统计。盲道缺陷数据集有一个典型特征类别极度不平衡。裂缝可能占了一半以上的标注框而坑洼、障碍物只有零星几个。如果直接用原始数据训练模型会对“裂缝”过拟合其他类别的召回率会很难看。from collections import Counter def count_class_distribution(label_root, class_names): counter Counter() total_boxes 0 for split in [train, val]: label_dir os.path.join(label_root, split) for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) for line in open(path).read().strip().splitlines(): cls_id int(line.split()[0]) counter[class_names[cls_id]] 1 total_boxes 1 print(f总标注框数: {total_boxes}) for name in class_names: cnt counter.get(name, 0) pct cnt / total_boxes * 100 if total_boxes else 0 print(f{name}: {cnt} ({pct:.1f}%)) count_class_distribution(dataset/labels, [crack, pothole, broken_tile, obstacle])这段统计脚本跑完之后你就能决定训练时的策略了。如果某类别占比不到 5%训练阶段就得给这个类别调高 loss 权重或者用复制粘贴式的数据增强给这个类别补样本。这类问题不提前处理等训练完看混淆矩阵再处理返工成本就高一倍了。3.3 图像尺寸分布与训练分辨率的选择依据最后一项该做的是统计图片尺寸。盲道数据的图片来源可能是手机拍摄、监控截图或者无人机航拍分辨率差距很大。有的图片是 1920x1080 的监控图有的可能是 640x480 的随手拍。训练时输入尺寸是固定的比如 YOLOv8 默认 imgsz640小图放大、大图缩小的过程都会影响标注框的绝对位置精度。from PIL import Image import os def check_image_sizes(image_root): size_map {} for split in [train, val]: img_dir os.path.join(image_root, split) for fname in os.listdir(img_dir): path os.path.join(img_dir, fname) try: w, h Image.open(path).size size_map[(w, h)] size_map.get((w, h), 0) 1 except Exception as e: print(f无法打开图片 {path}: {e}) for size, cnt in sorted(size_map.items(), keylambda x: -x[1])[:10]: print(f{size}: {cnt} 张) check_image_sizes(dataset/images)重点看最大尺寸和最小尺寸的差距。如果跨度超过 3 倍训练时 imgsz 不建议设太大因为小图放大后标注框的误差会被同步放大。常见的做法是统一 resize 到 640 或 800YOLO 的 mosaic 增强本身会做随机缩放拼接能一定程度上缓解尺寸差异问题但极端尺寸差还是先手动归一化比较稳。4. 训练配置与超参数调整YOLOv8 训练盲道缺陷模型的完整流程4.1 数据集配置 YAML 的写法路径、类别数与名称映射YOLOv8 训练需要先准备一个 dataset.yaml 文件它告诉模型数据在哪、有几类、每类叫什么。这个文件是训练流程的入口写错路径是最常见的低级错误。下面是我习惯的写法# blind_side_defect.yaml path: D:/projects/yolo_blind_side/dataset train: images/train val: images/val nc: 4 names: 0: crack 1: pothole 2: broken_tile 3: obstaclepath 字段建议写绝对路径这样不管在哪个目录下执行训练命令都不会因为相对路径出问题。train 和 val 的值是相对 path 的路径。这里有个关键细节YOLOv8 在读取数据时不会自动检查 labels 目录是否存在如果 labels 路径不对训练时 loss 会一直不下降日志里还会出现警告说 found 0 images。所以写完 YAML 后先确认 images/train 和 labels/train 同时存在再启动训练。4.2 训练命令与关键超参数epochs、batch-size、imgsz 怎么设数据集配置好之后训练用的命令行如下。这里我直接给出一个基准配置然后解释每个参数为什么这样设yolo train \ datablind_side_defect.yaml \ modelyolov8n.pt \ epochs150 \ batch16 \ imgsz640 \ device0 \ patience30 \ workers4 \ lr00.01逐项说明modelyolov8n.pt 表示用 YOLOv8 nano 预训练权重作为起点nano 版本推理速度快、显存占用小适合先跑通流程如果显存足够且更看重精度可以换成 yolov8s.pt 或 yolov8m.pt。epochs 设 150 是因为市政缺陷数据量不大150 轮足够收敛再多容易过拟合。batch16 在 8GB 显存下比较稳如果显存不够降到 8 或 4。imgsz640 是 YOLO 的默认输入尺寸能兼顾小目标和大目标。patience30 表示连续 30 轮验证集指标没有提升就提前停止这个参数特别适合训练集不大的场景可以省掉很多盲试时间。loss 相关的参数一般不用动。YOLOv8 的 box loss、cls loss、dfl loss 权重默认值已经过大量数据调优对这套数据集通常够用。如果你统计后发现类别极不平衡可以试着调大 cls_loss 的权重但第一步建议保持默认把基线跑出来再说。4.3 训练过程的监控从日志里读出问题信号训练启动后不能只等结果。终端日志和生成的 results.csv 文件要同步盯。训练过程中间会输出类似这样的一段epoch train_loss val_loss metrics/precision(B) metrics/recall(B) 1 1.523 1.471 0.312 0.287 50 0.431 0.398 0.782 0.764 100 0.352 0.374 0.804 0.791观察要点有三个。第一train_loss 和 val_loss 的差距如果训练结束时 train_loss 明显低于 val_loss 且还在持续下降说明模型开始过拟合了。第二precision 和 recall 两个指标如果出现一个高一个低说明模型要么漏检多要么误检多需要针对性调置信度阈值。第三如果前 20 轮 loss 完全不动大概率是数据路径写错了或者标注文件有问题别硬等 150 轮跑完。训练结束后weights 目录下会生成 best.pt 和 last.pt。best.pt 是验证集指标最好的权重推理部署都用它last.pt 只是断点续训用的这点不要搞混。5. 常见问题与避坑记录标注、训练、评估阶段的实战排错5.1 训练时 loss 为 NaN模型直接崩掉现象训练跑到某个 epoch 时loss 突然变成 nan后续所有指标都是 nan模型等于废了。原因最常见的是学习率过大导致梯度爆炸其次是标注数据里出现了极端坐标值比如 width 为负数或 0模型在计算 loss 时除以了异常值。YOLOv8 默认 lr00.01 在大多数情况下没问题但如果你把 batch 和 lr 同时调大就可能触发这个问题。解决先跑校验脚本把异常标注过滤掉再把 lr0 降到 0.001。如果还是崩检查是不是显存不足导致 CUDA out of memory 的连锁反应。一般按这个顺序排查十次里有八次是标注数据的问题。5.2 训练完成后所有类别都预测成同一个类现象模型推理时不管输入什么图片输出框的类别 ID 全是 0或者全是 2。原因类别极度不平衡。如果 crack 类占了 90% 以上的标注框模型学到的策略就是无脑预测成 crack因为这样 loss 最低。另一个原因是 classes.txt 的顺序和 dataset.yaml 里的 names 映射不一致导致标签错位。解决训练前跑类别分布统计脚本如果少数类占比低于 10%用 class weights 或者对少数类做数据增强。换一个更稳的办法是从标注里抽取少数类样本复制粘贴到不同背景图上生成新样本虽然粗暴但有效。5.3 验证集 mAP 高但实际测试效果差现象验证集上的 mAP0.5 能到 0.85但把模型用到新的场景图片上裂缝检测出来了坑洼一个都没检出来。原因验证集和训练集来自同源数据分布模型记住了数据集的“风格”而不是真正的缺陷特征。盲道图片的拍摄角度、光照条件高度一致时这个问题尤其严重。解决拿一部分数据做留出测试训练时完全不参与。更实际的做法是从网上搜索一些不同场景的盲道图片自己简单标注几十张用来做测试集。这个成本不高但对模型真实泛化能力的评估价值很大。5.4 小目标检测效果差尤其是远处的人行道裂缝现象近距离的裂缝检测没问题但图片中较小区域的缺陷目标频繁漏检。原因缺陷目标在 640x640 输入下可能只占 20x20 像素以下yolov8n 这种轻量模型的特征提取能力本身就有限小目标特征经过多层下采样后信息丢失严重。解决可以试试 imgsz960 或 1280 来训练小目标像素占得多了自然更容易检测。或者切分推理——把原图切成四块分别推理再合并。另外换 yolov8m 或 yolov8l 这种大模型也能改善前提是你的显存足够。这套数据集自带的脚本如果包含数据增强功能可以看看有没有 mosaic 和 copy-paste 增强前者对小目标有一定帮助。5.5 训练到一半显存不足CUDA OOM现象epoch 跑到一半报 CUDA out of memory进程直接退出。原因batch size 设大了或 imgsz 设大了也可能同时跑着多个进程抢占显存。解决把 batch 从 16 降到 8或把 imgsz 从 640 降到 512。还有一个容易忽略的点——workers 参数不要设太大workers 只影响数据加载速度不影响显存但会和训练进程抢 CPU 资源导致训练变慢。如果显存还是不足检查是不是有别的程序占了显存用 nvidia-smi 看一眼就清楚。6. 训练结果验证与部署前检查用 best.pt 做推理测试和置信度调优训练完成后最后一步是把 best.pt 从“训练产物”变成“实际能用的模型”这一步的关键不是直接调用而是先做一轮推理测试和参数调优。下面的脚本是我每次拿到新模型必跑的它能快速告诉你模型在真实图片上表现如何from ultralytics import YOLO # 加载训练得到的最佳权重 model YOLO(runs/detect/train/weights/best.pt) # 对验证集图片做推理并把结果保存 results model.predict( sourcedataset/images/val, conf0.35, # 置信度阈值默认0.25 iou0.5, # NMS的IoU阈值 saveTrue, show_labelsTrue, show_confTrue, imgsz640 )conf 这个参数的调整逻辑值得细说。如果模型预测结果里误检框特别多说明置信度阈值低了往上调到 0.4 或 0.5误检会明显减少但代价是部分真实目标也可能被滤掉。反过来如果预测结果总是漏检就把置信度往下调。盲道缺陷场景中宁可多检几个假框也不建议漏掉真实缺陷所以我一般会把 conf 设在 0.25 到 0.35 之间具体值要看你的应用场景。推理检查重点看两类情况。一是同一目标被多个框重复框住这时需要提高 conf 或调低 iou 阈值二是框的位置不贴合目标边缘特别是长条形的裂缝这个现象一般和标注质量有关训练数据不够标准化导致的可以考虑后续用更精细的标注微调模型。每次遇到这种情况我会把预测结果图放大看一遍框比目标本身大还是小一目了然。如果这个模型要部署到其他环境做推理建议把 PyTorch 权重导出成 ONNX 格式这样即使目标机器没有完整的 YOLO 环境也能跑yolo export modelruns/detect/train/weights/best.pt formatonnx imgsz640导出 ONNX 还有一个额外好处——推理速度会比 PyTorch 原生推理快不少这对后续部署到边缘设备做实时检测很有价值。做这些验证和调参有时候确实像玄学同一个模型换个置信度阈值效果天差地别。从那以后我每次拿到训练完成的模型都强制走一遍推理测试 阈值调整 导出这三个步骤不在训练完就直接部署了这套流程帮我避免过好几次现场翻车希望也能帮到你少走这些弯路。本文还有配套的精品资源点击获取