企业官网建设流程全解析

简介：目标检测是计算机视觉在工业质检中落地最广的技术方向之一，其核心在于让模型自动定位并识别图像中的异常区域。YOLO系列以高效的单阶段检测结构著称，其中YOLOV5凭借清晰的目录组织、灵活的配置和成熟的训练管道，成为工程实践中的常用选择。在工业场景中，齿轮表面缺陷如划伤、崩角、锈蚀往往形态多样、背景复杂，需要规范的数据标注和合理的训练验证划分才能训练出可靠模型。通过理解YOLO格式的归一化坐标表示、data.yaml配置及超参数调整逻辑，可以快速搭建一套可复用的缺陷检测流程。本文围绕齿轮缺陷检测数据集，梳理从目录结构、标注规范到训练调参的完整链路，为工业视觉落地提供参考。 一台手机、一个显微镜，或者生产线上的定焦相机架在那里，拍到的都是同一类东西：圆形的、带齿的、金属质感的零件，表面有划痕、有崩角，或者边缘锈了一块。咱们的目标是让模型自己把这些缺陷找出来，框住，告诉质检员“这里有问题”。这就是你正在做的事，也是这套数据集存在的意义。

我在计算机视觉方向做了不少年，接触过不少工业检测项目，有一套顺手的齿轮缺陷检测数据（YOLOV5目录格式，3个类别，自带训练集/验证集划分）。这篇文章就从这个数据集讲起，把YOLOV5的训练流程、目录结构、标注规范、超参数设置、常见踩坑点全部串起来。不管你是刚接触目标检测的初学者，还是已经被工业现场脏数据折磨过一阵的工程师，这篇文章应该都能给你一些可复用的参考。

我需要先交代一下这批数据的基本情况：数据是按YOLOV5的标准目录格式组织的，图片放在images目录下，对应的标注txt放在labels目录下。一共三类缺陷，命名很直白：

• scratch：齿面划伤。这是最常见的缺陷类型，一条或多条细线状痕迹，长短、深浅不一。
• chip：齿尖/齿面崩角，边缘缺损，有比较明显的断裂缺口，表现为小区域缺失。
• rust：锈蚀。金属表面出现斑块状的颜色变化，常伴有纹理粗糙。

每张图片都有对应的标注文件，标注内容就是“类别+归一化坐标+框宽高”，完全符合YOLO系列的输入格式，省去了自己转换的麻烦。训练集和验证集已经按一定比例分好，拿到手就能开训，不需要再自己写脚本乱切。

这个数据集本身不算大，但作为工业场景的示例来说，类别划分清晰、缺陷形态典型、差异化足够，拿来练手和做算法验证都是合适的。尤其是对于刚接触YOLOV5目录结构、或者想快速跑通工业缺陷检测流程的人来说，可以直接在这个基础上做迁移学习，然后把自己的缺陷样本加进去，变成私有数据集。下面我从数据集的格式设计讲起，顺着训练流程走到实际调参，最后把现场验证中的常见问题一并理清。

1. 内容整体设计与思路拆解

1.1 为什么采用YOLOV5目录格式

之前很多做缺陷检测的工程师习惯用VOC或者COCO格式标注。VOC是一张图片配一个XML文件，标注框信息写在XML里面的一个<object>标签下面；COCO则是一张大JSON，所有图片的标注信息全塞在一个文件里。

这两种格式各有优势，但到了实际训练阶段，都得额外写一段转换脚本，把自己麻烦一遍。VOC要解析XML然后生成txt，COCO要把JSON里的annotation信息遍历一遍再重写。而YOLOV5目录格式是“一张图对应一个txt”，txt文件的每一行对应一个目标框，格式是：

class x_center y_center width height

好，就是这四个坐标值，外加一个类别序号。看起来简单，但实际用起来非常方便。因为工业场景下，经常需要一边采集数据一边看效果，新增一批图、标注一批图，直接丢到images目录和labels目录下就行，不需要动任何索引文件。

另外还有一个实际原因：labelImg、labelme这类标注工具都支持直接导出YOLO格式，或者一键转换。数据生产端和训练端是同一种格式，中间的转换成本直接消失了。这个数据集在选型的时候，明显是考虑了工业场景下“快速迭代、持续扩充”的实际需求。

1.2 三类缺陷的标注思路与设计逻辑

把缺陷分成划伤、崩角、锈蚀这三类，不是随随便便分的。工业质检最核心的问题是：你希望模型把什么东西和什么东西区分开。

• 划伤和锈蚀可能同时出现在同一个齿面上，如果不分开标，模型就会把这两个特征混在一起，给出的置信度会偏低，或者一会报A类缺陷、一会报B类缺陷，质检逻辑就乱了。
• 崩角的形状和阴影经常和背景非常接近，如果不单独作为一个类别，模型很容易直接漏检。

所以这三类的定义逻辑，就是：按缺陷成因和形态区分，类别之间尽量不重叠。拿到手之后，我在标注数据里看了一眼，确认了标注文件里的坐标和缺陷边界是比较严格的，没有出现“一个大框把三处划伤全圈进去”这种偷懒情况。这是保证训练效果的基础。

1.3 数据集的“学习路径”意义

这套数据集拿来训练YOLOV5s这类轻量级模型，效果是很理想的。它足够小，单卡几小时能训练完；它又足够典型，包含了细长条形目标（划伤）、小面积突变目标（崩角）、区域性纹理变化目标（锈蚀），这三种类型基本上覆盖了工业视觉中常见的缺陷形态。

如果你从来没跑过YOLOV5的完整训练流程，这套数据就是一条比较顺的“学习路径”：先读懂目录结构，再搞清楚标注格式，然后调起训练脚本，最后用val或者detect验证效果。整条链路走通之后，再去做其他工业检测项目，你就有底子了。

2. 数据集目录结构与格式全解析

2.1 标准目录树参考

下面是我实际用它训练时使用的目录结构，建议大家保持一致：

gear_defect_data/ ├── data.yaml ├── images/ │ ├── train/ │ │ ├── gear_001.jpg │ │ ├── gear_002.jpg │ │ └── ... │ └── val/ │ ├── gear_101.jpg │ └── ... └── labels/ ├── train/ │ ├── gear_001.txt │ └── ... └── val/ ├── gear_101.txt └── ...

有一个细节要记住：images/train里的图片文件名，和labels/train里的txt文件名，必须是一一对应的。比如图片叫gear_001.jpg，那标注文件就必须叫gear_001.txt。YOLOV5在训练时是按文件名去匹配图片和标签的，如果有一张图没有对应的txt文件，会报一句警示信息，然后直接跳过这张图——这在工业场景下容易造成“你以为自己在训练所有数据，实际上训练集凭空少了一截”的情况。

2.2 YOLO标注格式详解

打开一个标注txt，内容是这样：

2 0.581771 0.443490 0.104536 0.059357 0 0.433160 0.584848 0.099316 0.046754

解释一下：

• 第一个数：类别序号，0对应scratch，1对应chip，2对应rust。
• 第二个数：目标中心点的x坐标，已经归一化到0-1之间，等于框中心x / 图片宽度。
• 第三个数：目标中心点的y坐标，等于框中心y / 图片高度。
• 第四个数：目标框的宽度，等于框宽 / 图片宽度。
• 第五个数：目标框的高度，等于框高 / 图片高度。

这里有一个容易踩坑的点：YOLO格式的四个坐标值全是归一化之后的相对值，不是像素值。所以不管你的原始图片是640x640还是1920x1080，只要归一化做了，YOLOV5都能直接处理。不要以为标注文件里写的是像素坐标，直接用原图尺寸去推理，会对不上。

另外一个容易忽略的坑：图片尺寸变了，标注坐标不用跟着改。因为标注是归一化的相对坐标。但是，如果你做了“裁切”操作，比如把一张大图裁成四张子图，那标注坐标就必须重新计算；不做数据增强之前先搞清楚这一点，可以避免后续大量返工。

2.3 data.yaml配置说明

训练前需要编辑data.yaml，告诉YOLOV5在哪里找图片和标签，以及类别信息。基本内容如下：

train: gear_defect_data/images/train val: gear_defect_data/images/val nc: 3 names: ['scratch', 'chip', 'rust']

注意train和val后面写的路径，是找到images目录，YOLOV5会自动根据images的路径推导出labels的路径——它默认把路径中的images替换为labels。所以一个常见的报错是：把labels目录放错了位置，或者图片路径写错了，然后训练时出现“image ... missing labels”或者“found no labels”的红色警告。

提示：不要用绝对路径写在data.yaml里。除非你永远不换机器。目录路径建议用相对当前工作目录的路径，或者放入一个比较稳定的绝对位置，不然换个环境跑就要改一堆东西。

3. 训练集与验证集的合理划分策略

3.1 划分比例与逻辑

这批数据已经帮你分好了训练集和验证集，比例大概在8:2到7:3之间。这个比例是合理的。

模型训练是需要在大量的“典型情况”上去学习特征，验证集则是用来模拟“真正上场之后的抽检”。如果训练集太小，模型泛化能力不足，验证集上表现会一塌糊涂；如果训练集太大、验证集太小，又可能出现过拟合而你自己发现不了。7:3是工业缺陷检测里一个比较稳妥的窗口。少样本场景甚至可以到6:4，但再往下训练集就不够吃了。

3.2 划分数据时的“同源数据泄漏”问题

关于训练集/验证集的划分，有一件事很多人一开始不重视，直到模型上线才意识到，那就是：不要按照图片序列盲目划分，要按目标/工件个体来划分。

比如齿轮A的图片拍了10张，齿轮B的图片拍了10张，如果随机划分训练/验证集，那么齿轮A的图片可能一部分在训练集，一部分在验证集。这样看起来指标很好看，但实际是因为验证集里出现了与训练集过于相似的图像，模型的“泛化能力”被高估了。到了新工件上，你可能就翻车。

正确的做法是：尽量按照工件个体来划分，一个齿轮的所有图片要么全在训练集，要么全在验证集。这套示例数据的划分是合理的，这也就意味着你后续如果自己扩充数据，别偷懒随机切，要先按“组”划分。

3.3 划分之后的三步检查

拿到划分好的数据集之后，按下面三个步骤做一次检查：

1. 检查类别分布是否均衡：统计训练集和验证集中scratch、chip、rust三类各自的标注框数量。如果验证集中某个类别的数量是0，那训练过程会非常迷惑，因为loss中该类别的贡献一直是0，最后这个类别很可能没有学习效果。工业场景下，小样本类别干脆训练后单独验证。

2. 检查图片是否损坏：工业现场有时候采集的图是花屏或者全黑的，模型训练时越到后面越会被这些坏数据带偏。可以写一段简单的Python脚本扫描所有图片，opencv读不出来的直接删掉。

3. 检查空标注：如果图片是正常的，但没有标注文件，也就是这张图里没有任何缺陷，这个时候要分情况看。如果只是少数几张没有缺陷，通常直接剔除；如果你想专门做“负样本”，那就要单独处理。不要默认“没标就等于无缺陷”，要确认过图片内容再说。

4. YOLOV5训练实操全流程

4.1 环境准备

我用的是比较常规的一套环境，你可以参照着来：

• Python 3.8+
• PyTorch 1.10+
• CUDA 11.x（显卡不行的纯CPU跑也可以，就是慢）
• YOLOV5仓库（git clone https://github.com/ultralytics/yolov5.git）

克隆下来之后，安装依赖：

pip install -r requirements.txt

这一步往往会碰到一个错误：torch版本跟CUDA版本对不上。建议先单独装好PyTorch（去官网挑跟你显卡驱动匹配的命令），再执行requirements.txt的安装。

注意：如果你只想快速验证，不要求太高的mAP，用CPU也完全可以跑这套小数据集，就是epochs耗时会拉长。建议还是整一块NVIDIA显卡，体验完全不同。

4.2 修改模型配置文件

训练前需要改两个配置文件：

• models/yolov5s.yaml：把里面的nc参数改为3。
• data.yaml：确认上面的路径与类别列表正确。

yolov5s.yaml的开头大概是：

nc: 3 # number of classes depth_multiple: 0.33 width_multiple: 0.50

depth_multiple和width_multiple决定了网络的宽度和深度。yolov5s是“small”版本，是速度和精度的折中。工业缺陷检测中，轻量级、速度快、部署方便，比超高精度更常被优先考虑。

4.3 训练命令与参数解读

基本的训练命令如下：

python train.py --img 640 --batch 16 --epochs 200 --data data.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name gear_defect

这里每个参数我解释一遍，因为很多人就是在这一层开始糊涂的：

• --img 640：输入图片尺寸。图片在训练时会缩放到640x640。工业缺陷检测中，如果缺陷非常小，可以适当加大到1280，但训练时间会成倍上涨。先跑640，有天花板了再往上加。
• --batch 16：一次迭代喂给模型的图片数量。越大显存占用越高，梯度更新时间越稳定。显存不够就调小到8或4。工业小数据集batch不用太小，否则loss会震荡得很厉害。
• --epochs 200：整个数据集被模型完整学习200轮次。对于小数据集，200轮够看趋势了。不需要一上来就设很大。
• --weights yolov5s.pt：预训练权重。这里的yolov5s.pt是在COCO数据集上预训练过的，继承了它学到的基础视觉特征。迁移学习在工业场景下非常管用，尤其是数据量不大的时候。
• --name gear_defect：保存本次训练结果的文件夹名，会生成在runs/train/gear_defect/目录下。

训练过程中，终端会打印每一轮的平均loss值，runs/train/gear_defect/下面还会生成一些图表，包括results.png，这是判断训练好坏最直观的一张图。

4.4 超参数调整的经验

训练完后如果发现mAP不够高，不要急着加数据，先看看你现在这条曲线是怎么走的：

• 训练集loss降不下来，但验证集loss也很高：可能是模型容量不够，尝试用yolov5m或者yolov5l，增加网络宽度和深度，或者加大预训练模型的复杂度。
• 训练集loss一直降，验证集loss稳定在某个值不降反升：过拟合了。增加数据增强、加dropout、加数据量，或者提前停止。工业检测小数据集很容易过拟合。
• loss能降，但mAP很低：大概率是正负样本不均衡，或者标注框不准确。先检查labels里的坐标和图片中的真实目标是否匹配。

YOLOV5还支持调超参数的遗传算法：

python train.py --epochs 50 --evolve

它会自己生成一批超参数组合，然后训练、评估、选优。在小数据集上跑这个很耗时，但如果你愿意等一晚上，第二天往往能收获一组比默认配置更好的参数。

5. 常见问题与排查技巧实录

说到YOLOV5训练工业检测数据，常见的坑我已经替你们踩过不少，下面整理一份问题速查表。

几条细节经验，展开说说。

第一条：标注文件内容为空的情况。YOLOV5对于“这张图没有目标”的处理方式是：不写txt文件，或者txt里面没有任何内容。但很多标注工具默认会生成一个空txt。训练时，YOLOV5看到空txt会认为这张图没有目标，会把它参与负样本训练，这是合法的。但如果你本意是想“标注缺陷图”，结果有几十张图都是空的，那这些负样本对模型学会检测缺陷基本没有正面帮助，还占显存。我习惯先跑一个脚本统计一下空txt的数量，确认不是标注遗漏。

第二条：验证集mAP高，不代表现场表现好。工业缺陷检测的特殊之处在于：现场背景复杂，同一类型的缺陷在光照、角度变化下差异很大。训练集里如果都是单一背景，模型学到的“划痕”可能是“在某个特定光线下出现的深色细线”，换一个角度就不认了。所以，一个严谨的做法是：训练完模型之后，抽一部分新拍的图片，跑一遍detect.py，用肉眼看看输出。mAP只给你一个数字，肉眼才能给你“哦，它真的找到了”的信心。

第三条：错误标注是最隐蔽的坑。有些标注框稍微偏一点，模型一开始可能还能扛住，但随着训练轮次增加，这些错误标注会像坏老师一样，一遍一遍教模型“框的位置可以有偏差”，导致最终输出框不稳定。你会发现loss正常、mAP还行，但实际输出框就是“差那么一点”。遇到这种情况，除了重新检查标注，一个笨但有效的办法是：把训练集里损失最高的几十张图打印出来，人工看一遍是哪里的问题。通常一轮下来，就能抓出十来个标注错误。

第四条：关于数据增强。YOLOV5默认开启Mosaic增强，就是把4张图拼成一张再训练，对小目标检测很有效。但工业小数据集上Mosaic有一个副作用：很多数据本身是1920x1080的大图，缩放到640x640的时候缺陷已经被缩小了很多，再把4张图拼一起，每个缺陷就更小了。如果模型老是漏掉小缺陷，试试在训练时关闭Mosaic增强，或者把--img调成1280，让模型先用高分辨率“看清楚”缺陷长什么样，再逐步降低输入尺寸去推理。

第五条：训练集和验证集的比例不是越大越好。有些同学手里总共就几百张图，一上来就按9:1切，结果训练集几百张，验证集几十张，出来的验证mAP波动极大。工业小数据集的合理做法是：先把数据扩增到位，再按8:2划分。扩增不是简单翻转和旋转，还包括亮度变化、对比度变化、噪声叠加，这样模型才不会在换一个亮度之后就失效。

6. 后续可扩展的方向：从数据集到私有模型落地

跑通这套齿轮缺陷检测数据之后，你手上已经有了一条完整的从数据到训练的流水线。接下来要往工业场景落地的话，可以按这个顺序去扩展：

先迁移到自己的数据上。用自己的齿轮样本替换images和labels中的内容，类别名称和数量改成自己的，就可以直接训练私有模型。如果自己的样本不够，先别急着上复杂网络，用YOLOV5s+预训练权重迁移学习，能用最小的成本探出数据质量的天花板在哪。

再做一次全量标注重检。用训练好的模型跑一遍训练集，输出预测框和置信度，然后人工把所有置信度低于某个阈值的预测框找出来，看是不是标注漏了或者标错了。这种“模型辅助标注”的方法，在工业视觉领域真的很常用，能节省大量人工标注时间。

最后考虑推理端的部署。YOLOV5在这类数据上训练出来的模型权重，可以导出为ONNX、TensorRT或者OpenVINO格式，部署到边缘设备上。齿轮缺陷检测这种场景，通常不需要特别复杂的后处理，直接在检测框内判断“有缺陷/无缺陷”，就可以输出给PLC或者质检系统了。部署的时候可以根据实际硬件情况，把--img调到480甚至320，推理速度会有非常明显的提升，有些小缺陷也能保留。

说到底，这套齿轮缺陷检测数据集，不是让你只用来跑一个demo就完事。它的价值在于给你提供了一个完全符合YOLOV5训练规范的样本结构——目录该怎么建、标注该怎么标、训练验证该怎么切、模型该怎么调。把这条流水线理解透，后面换任何工业场景，你都能快速搭出一套可用的检测方案来。

我自己在拿到这类数据集时，通常会在训练前多花半小时做上面那些检查：跑一下标注情况统计、看一眼验证集图片分布、确认没有空标注。这半小时看起来是“耽误时间”，实际上能帮你省下后面几天调试的精力。尤其是工业数据，脏和乱才是常态，清洗数据永远比调网络结构更优先。

如果你正准备跑这套数据，建议第一次训练时先用默认参数把全流程走通，然后看results.png，再决定往哪个方向调。不要一上来就把超参数改得面目全非，那样你根本没法判断问题出在数据还是出在参数上。先跑通，再优化，这是所有目标检测项目的通用打法。

本文还有配套的精品资源，点击获取