企业官网建设流程全解析

简介：输电线路螺栓销钉缺失检测图像数据集专注电力设施智能巡检场景，面向计算机视觉研究者与电力运维开发人员，旨在解决销钉缺失这一高危隐患的自动识别问题。数据集共2000个文件、约89.52MB，包含791张高清JPEG巡检图像及1209个PASCAL VOC格式XML标注文件，XML记录目标边界框与类别信息，覆盖正常与缺失两类状态，可直接用于YOLOv7等目标检测模型的训练。图像以大目标为主，清晰呈现螺栓销钉的局部细节，配合labelimg工具生成的规范标注，便于开展模型微调与精度对比。基于该数据训练的目标检测模型mAP可达93.7%，在输电线路缺陷识别中具有较高实用价值。目前已有1203人学习下载，适合希望快速搭建电力视觉检测方案的研究者使用。

1. 输电线路螺栓销钉缺失检测，为什么值得用这份1209张大目标VOC数据集

一条110kV线路一年拍回来的精细化巡检照片少说几万张，里面最常见的金具缺陷之一就是螺栓销钉缺失。销钉一旦脱落，螺栓会在风振下逐渐退出，严重时整套悬垂线夹脱开，这是巡线老师傅最怕的“暗病”。人工盯着屏幕找这种小目标非常容易疲劳，视觉检测在这个环节几乎是刚需。这份《输电线路螺栓销钉缺失检测图像数据集（1209张，大目标，VOC）》就是为近距离精细化巡检场景准备的：1209张图，目标在画面里占比大，标注使用Pascal VOC格式（大家常说的VOC），图像和XML分离，能直接套YOLO、mmdetection、RT-DETR这类主流框架。用它来做迁移学习验证、算法选型和现场demo，是那种“拿来就能跑”的数据底座。

2. 把VOC标注盘清楚：目录结构、XML字段与一次数据体检

拿到数据集先别急着转格式，先花半天把VOC的家底摸清楚。VOC全称Pascal VOC，是视觉领域流传最广的目标检测标注格式之一。它不像LabelMe那样一张图一个JSON，而是把标注拆成三块：图像目录、XML标注目录、划分清单目录。LabelImg标注器默认也输出这套结构，所以很多电力线路数据集都长这样。

dataset/ ├── JPEGImages/ │ ├── IMG_0001.jpg │ ├── IMG_0002.jpg │ └── ... ├── Annotations/ │ ├── IMG_0001.xml │ ├── IMG_0002.xml │ └── ... └── ImageSets/ └── Main/ ├── train.txt ├── val.txt ├── trainval.txt └── test.txt

ImageSets/Main下的txt每行是一个去掉扩展名的图像文件名，训练框架按这些文件名去找JPEG和XML。有的数据集没有test.txt，只给trainval，这都正常，划分比例以实际拿到手为准。重点检查的是：train.txt和val.txt之间有没有文件名重叠，以及这些文件名是不是同一个拍摄场景的连拍。

打开一个XML，典型结构长这样：

<annotation> <folder>JPEGImages</folder> <filename>IMG_0001.jpg</filename> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>bolt</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>512</xmin> <ymin>360</ymin> <xmax>640</xmax> <ymax>450</ymax> </bndbox> </object> </annotation>

size里的宽高一定要和JPEG实际分辨率对齐，否则后面归一化坐标会全部错位。object里的name是类别名，这个数据集里到底写的是bolt、pin还是missing，不要靠猜，要把所有XML里的name枚举一遍。truncated表示目标被图像边界截断，difficult表示难例，VOC官方评测里difficult=1的目标不计入AP，主流训练框架基本也不读这个字段，但如果你发现数据里大量框被截断，训练时要留意边界框质量。

有一个根目录下常用的“体检”脚本，我用它来判断这份数据的类别分布和目标大小：

import os import xml.etree.ElementTree as ET from collections import Counter, defaultdict ann_dir = "Annotations" img_dir = "JPEGImages" cls_counter = Counter() area_ratio = defaultdict(list) img_size_set = set() per_image_obj = [] for xml_name in os.listdir(ann_dir): if not xml_name.endswith(".xml"): continue tree = ET.parse(os.path.join(ann_dir, xml_name)) root = tree.getroot() size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) img_area = img_w * img_h img_size_set.add((img_w, img_h)) objs = 0 for obj in root.iter("object"): name = obj.find("name").text cls_counter[name] += 1 bnd = obj.find("bndbox") xmin = int(bnd.find("xmin").text) ymin = int(bnd.find("ymin").text) xmax = int(bnd.find("xmax").text) ymax = int(bnd.find("ymax").text) box_area = (xmax - xmin) * (ymax - ymin) area_ratio[name].append(box_area / img_area) objs += 1 per_image_obj.append(objs) print("图像尺寸种类:", img_size_set) print("类别分布:", dict(cls_counter)) print("平均每图目标数:", sum(per_image_obj) / len(per_image_obj)) for name, ratios in area_ratio.items(): sorted_r = sorted(ratios) mean_r = sum(ratios) / len(ratios) median_r = sorted_r[len(sorted_r) // 2] print(f"{name}: 相对面积均值 {mean_r:.3f}, 中位数 {median_r:.3f}, 最大 {max(ratios):.3f}")

这段脚本用ElementTree解析XML，没有外置依赖，跑完能回答三个问题：类别有几种、每类目标多少、目标在图像中的相对面积有多大。相对面积是判断“大目标”的直接依据。如果用这个脚本算下来大部分目标的相对面积中位数超过0.05，那就是名副其实的大目标；如果普遍超过0.15，说明拍摄距离很近，模型输入分辨率可以适当降低，或者不需要在训练时做大量尺度增强。相反，如果中位数只有0.01左右，那整个训练策略要换成小目标方案，比如更高输入分辨率、更大程度的数据增强、专门的切片检测。

体检还有一个容易被忽略的项：每张图像里的目标数量。脚本里per_image_obj记录了每张图的框数，你可以算一下p90。如果p90大于5，说明存在密集金具场景，训练时NMS的IoU阈值要适当调高一点，否则邻近目标会被压成同一个框。如果大量图像只有1个目标，那模型学到的主要是“金具局部特写”，现场部署时遇到“一串绝缘子多个金具”的全局画面就比较容易误检，这个要在后面评估阶段专门测。

最后确认标注策略：有的数据集只标注“完好的螺栓/销钉”，缺失的销钉位置不画框，模型只能学到“有”，判断“无”要靠背景推理；有的数据集把缺失位置也显式标成一个类别，比如missing或者defect，模型就能直接输出“这里缺了一个销钉”。这两种方案训练出来的模型行为完全不同，所以拿到数据的第一件事就是分类别统计，不要急着进训练流程。确认清楚之后，才进入转换环节。

3. VOC转YOLO与数据集划分：转换脚本和分组策略

VOC格式虽然通用，但YOLO系列训练时读取的是txt标签：每行一个目标，格式是“类别id cx cy w h”，坐标全部归一化到0~1。这个转换本身不复杂，但坐标边界和类别顺序两个地方容易出幺蛾子。我一般先把VOC统一转成YOLO格式，后续换模型、做坏例分析都方便。

import os import xml.etree.ElementTree as ET # 类别顺序是训练时的id依据，和后面data.yaml里的names必须完全一致 class_names = ["bolt", "pin", "missing"] def voc_to_yolo(xml_path, out_dir, eps=1e-6): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in class_names: print(f"跳过未登记的类别: {name}, 文件: {xml_path}") continue bnd = obj.find("bndbox") xmin = max(int(bnd.find("xmin").text), 0) ymin = max(int(bnd.find("ymin").text), 0) xmax = min(int(bnd.find("xmax").text), img_w) ymax = min(int(bnd.find("ymax").text), img_h) w = xmax - xmin h = ymax - ymin if w <= 2 or h <= 2: continue # 过滤标注误差产生的退化框 cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h nw = w / img_w nh = h / img_h # 归一化坐标保护：等于1.0时部分框架读取会出数组越界 cx = min(max(cx, 0.0), 0.9999) cy = min(max(cy, 0.0), 0.9999) nw = min(nw, 0.9999) nh = min(nh, 0.9999) lines.append(f"{class_names.index(name)} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}") if lines: base = os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, base + ".txt"), "w") as f: f.write("\n".join(lines)) # 示例用法 for xml_name in os.listdir("Annotations"): if xml_name.endswith(".xml"): voc_to_yolo(os.path.join("Annotations", xml_name), "labels")

坐标一定要用XML里size的宽高做分母，不能假设所有图都是同一个分辨率。这个数据集虽然是“大目标”，但标注时偶尔会把框画到图像边界外一点点，转出来的坐标会超过1.0，训练时某些数据加载器会报IndexError，所以我在这里统一做了截断。w或h小于2像素的框直接丢弃，这种框在训练时只会引入噪声。

转换完还要做一件小事：统计labels目录下txt的数量，应该和Annotations里的xml数量一致，不一致就查文件名匹配。再检查有没有空txt文件，有空的说明该图没有目标，这在检测训练里是合法负样本，不需要删除，但你要知道它的存在。

转完之后是划分。很多新手直接random.shuffle然后按8:2切，这在螺栓销钉数据集上会制造一个假高分：同一杆塔同一个金具的三张连拍，一张进train两张进val，模型在val上等于“见过”目标，跑到0.95的mAP也说明不了现场能力。我常用的做法是先看文件名能不能分组。

import os import random from collections import defaultdict ann_dir = "labels" all_ids = [f[:-4] for f in os.listdir(ann_dir) if f.endswith(".txt")] # 策略1：纯随机划分，适合文件名没有场景语义的情况 random.seed(42) random.shuffle(all_ids) n = len(all_ids) train_ids = all_ids[:int(n * 0.7)] val_ids = all_ids[int(n * 0.7):int(n * 0.85)] test_ids = all_ids[int(n * 0.85):] # 策略2：按文件名前缀分组，避免同一场景同时进train和val groups = defaultdict(list) for file_id in all_ids: # 以最后一个下划线前的部分作为组键，比如 "Tower001_angle1_0001.jpg" -> "Tower001_angle1" prefix = file_id.rsplit("_", 1)[0] groups[prefix].append(file_id) group_names = list(groups.keys()) random.seed(42) random.shuffle(group_names) group_count = len(group_names) train_groups = group_names[:int(group_count * 0.7)] val_groups = group_names[int(group_count * 0.7):int(group_count * 0.85)] test_groups = group_names[int(group_count * 0.85):] train_ids = [fid for g in train_groups for fid in groups[g]] val_ids = [fid for g in val_groups for fid in groups[g]] test_ids = [fid for g in test_groups for fid in groups[g]] def write_list(ids, path): with open(path, "w") as f: f.write("\n".join(ids)) write_list(train_ids, "train.txt") write_list(val_ids, "val.txt") write_list(test_ids, "test.txt") print(f"train {len(train_ids)} val {len(val_ids)} test {len(test_ids)}")

分组键怎么取取决于文件名规律。如果命名是“杆塔号_设备名_序号”，那prefix取到设备名这一级是最好的，同一个设备上的螺栓销钉不会跨集合。如果命名是无序hash或者纯流水号，就只能用策略1随机切，但要在验证时多留个心眼，抽几张val图看是否和train图高度相似。

大目标场景还有一个专门针对anchor的处理：COCO预训练模型自带的anchor偏中小目标，直接拿来跑“大目标”会浪费大量anchor容量。跑一次k-means聚类，重新生成适合这份数据的anchor：

import os import numpy as np from sklearn.cluster import KMeans all_wh = [] for txt in os.listdir("labels"): with open(os.path.join("labels", txt)) as f: for line in f: parts = line.strip().split() if len(parts) == 5: w = float(parts[3]) h = float(parts[4]) if w > 0.01 and h > 0.01: all_wh.append([w, h]) all_wh = np.array(all_wh) kmeans = KMeans(n_clusters=9, random_state=42, n_init=10, max_iter=300) kmeans.fit(all_wh) anchors = kmeans.cluster_centers_ * 640 # 训练输入分辨率，按你的imgsz改 anchors_sorted = sorted(anchors.tolist(), key=lambda x: x[0] * x[1]) print("重新聚类的anchors:", [[int(w), int(h)] for w, h in anchors_sorted])

这里的输入是归一化宽高，乘640是因为我准备用640训练。如果最终imgsz用1280，要重新乘1280。聚类结果如果全是(50,60)到(200,180)这种大框，说明原数据集确实大目标占比极高，那就在模型的yaml文件里把anchors替换成这组值，同时把scale_anchor的遗传进化也放开。要注意的是，anchor只影响召回上限，对已经够大的大目标帮助有限，真正的收益在训练速度上：模型不会浪费时间在小anchor上生成大量无效预测。

转完、切完、聚完类，训练前的准备才算闭环。一个容易漏的检查是：打开train.txt和val.txt，随机各挑三行对应的图像，人工看一下内容是否来自同一场景。这个动作只要五分钟，但能避免训练完才发现验证集“污染”。

4. YOLOv8微调训练：大目标场景的参数取舍与评估指标

我一般用YOLOv8s作为默认底座。为什么不是n？n的参数量太少，螺栓销钉在复杂背景下的边缘纹理和金属反光它学不扎实；为什么不是m？这份数据只有1209张，模型大了过拟合来得太快。如果手上有COCO预训练的yolov8s.pt，就用它做起点，千万不要从头训练，1209张从头训练是纯折磨。

先把data.yaml写好：

path: /path/to/dataset train: train.txt val: val.txt test: test.txt names: 0: bolt 1: pin 2: missing

names的顺序必须和前面转换脚本里的class_names完全一致，不然训练时类别id对不上，推理结果会串类。写完data.yaml，用YOLOv8的命令行直接开训练：

yolo train \ model=yolov8s.pt \ data=data.yaml \ epochs=200 \ imgsz=640 \ batch=16 \ lr0=0.005 \ lrf=0.01 \ mosaic=0.0 \ close_mosaic=0 \ degrees=5 \ hsv_h=0.01 \ hsv_s=0.2 \ hsv_v=0.4 \ fliplr=0.5 \ flipud=0.0 \ patience=30 \ device=0

mosaic=0.0是全命令里最关键的改动。YOLOv8默认开启mosaic，训练时把四张图拼成一张。这对小目标数据集是神技，对这份“大目标”数据却是反向操作：一个占画面15%的销钉被mosaic切成四块之后变成四个小碎片，模型学到的尺度分布完全乱了。销钉缺失检测需要看“这个位置是不是空着”，一个被裁掉一半的螺栓根本没有上下文，模型只能靠猜。所以直接关掉，代价是数据多样性下降，但配合后面的HSV增强够用了。

其余参数逐个说。degrees=5表示允许正负5度随机旋转，模拟无人机云台的俯仰抖动；超过15度会把“朝上安装的销钉”变成“朝下悬挂”，金具的安装方向有语义，不能乱转。fliplr=0.5可以开，导线和金具在左右方向上近似对称；flipud=0.0注意不要开，垂直翻转会让重力方向颠倒，模型会把“上方挂点”和“下方挂点”学混。

色彩增强上，hsv_h只给0.01，金属件的颜色不是稳定特征，色相扰动大反而引入噪声。hsv_s给0.2，饱和度稍微扰动一下。hsv_v给0.4是重点，电压线路现场最常见的翻车场景就是逆光、晨昏、金属反光，把亮度对比度扰动拉大，等于免费给模型加了“抗逆光”训练。

学习率从默认的0.01降到0.005，因为数据量小，迁移学习时步子迈大了容易把预训练特征冲掉。batch=16在24G显存上跑YOLOv8s没问题，如果只有12G显存就降batch=8，同时把lr0降到0.002，不要只降batch不动学习率，否则收敛会非常不稳。epochs写200但patience=30，模型通常在50~80轮就收敛了，后面基本在过拟合边缘，早停能帮你省时间。

下面这张参数表是我在这个场景下的默认配置，直接抄作业问题不大：

训练过程中看日志不要只看mAP，重点观察train/loss和val/loss的间距。如果val/loss连续20轮不降而train/loss还在匀速下降，这是过拟合的典型信号。哪怕patience没触发，也可以手动ctrl+c，把最后一次下降的权重挑出来验证。

训练完的评估命令：

yolo val model=runs/detect/train/weights/best.pt data=data.yaml imgsz=640 conf=0.25 iou=0.45

输出里mAP50和mAP50-95都会给。这份数据是大目标，mAP50刷到0.95以上很正常，别高兴太早，这是目标大带来的福利。我更看重混淆矩阵里missing类的recall，也就是漏检率。漏检率等于1减去recall，计算公式是FN除以TP加FN。在输电线路缺陷检测里，漏掉一个缺失销钉意味着可能发展成掉线事故，这个数比mAP重要得多。在验收时如果只能报一个指标，我就报“missing类在conf=0.25下的召回率”。

如果训练完发现missing类的recall明显低于bolt和pin，不要马上调阈值，先回数据层面查原因。可能是缺失样本数量太少，模型把“空位”当成了背景；也可能是标注不一致，同一个空位有的标了有的没标。数据层面的问题靠调loss和阈值救不回来，反而会把模型权重带歪。

我自己还会额外做一步：把val集预测结果里置信度在0.25到0.45之间的框全部挑出来，按“人工该不该认”的标准筛一遍。这个区间的框是模型认知最模糊的地方，也是现场误检和漏检的高发带。如果很多低置信度框其实是对的，说明模型学到了特征但不够自信，考虑在后面的训练里把这部分图加权重重训；如果低置信度框全是背景噪声，那说明现场部署时把conf阈值往上提到0.35更安全。这一步没有现成命令，需要写几行脚本读取val的预测结果和高保真标注做IoU匹配，但它是整个训练流程里性价比最高的一次人工介入。

超参数不是一次就能定死的。第一次跑完之后，把预测最差的那批图打印出来，看看是逆光、过曝、遮挡还是密集排列，再回头调对应的增强参数。YOLO的参数组合是玄学的地方很多，但大目标场景的坑相对集中：关mosaic、控旋转、拉对比度，这三板斧能解决八成问题。

5. 五个必踩坑点：从数据重叠到金属反光的排查记录

这一章的坑一半是我自己踩出来的，一半是看群里同行翻车后总结的。每一条都按“现象、原因、解决”写清楚，训练前扫一遍能省下不少冤枉时间。

5.1 验证集分数虚高到0.98，现场却一塌糊涂

现象：训练日志里val mAP50漂亮得吓人，0.98甚至0.99，但拿另外一段线路的照片一测，漏检和误检全出来了。跑去复查标注，发现XML本身没有大问题。

原因：划分数据集时用了纯随机，同一杆塔同一个金具的多张连拍被拆进了train和val。模型在val的图上几乎就是“开卷考试”，它见过同一个螺栓的另一个角度，分数自然虚高。这是小数据集最常见的隐形污染。

解决：回到第3章的按前缀分组划分，至少保证同一个设备的图像只出现在一个集合。如果文件名没有分组语义，那就手动抽看50张val图，凡是发现和train图像内容几乎一样的，把后出现的挪到train或者直接删掉。数据量小的时候，宁缺毋滥。

5.2 mosaic开启后，模型学会了看“半截销钉”

现象：不关mosaic训练，loss能正常下降，但val的混淆矩阵里missing类recall特别低。打印bad case发现模型在画了半个螺栓的图上疯狂漏检。

原因：大目标被mosaic的四图拼接切成碎片，模型被迫用“半个目标”来做特征。如果目标的语义信息依赖整体结构——比如销钉的“缺失”需要对比两侧安装位——切碎后模型根本无法判断。这在视觉上比小目标更伤，因为小目标本来就只有几十个像素，切碎后影响不大；而大目标一旦被切成残块，训练分布和真实场景严重偏移。

解决：mosaic直接设0。如果确实需要mosaic增加多样性，可以留0.3以下，但我个人在这个场景里完全不用。Ultralytics默认的close_mosaic参数是训练最后10轮自动关闭mosaic恢复真实分布，如果开了mosaic，这个参数一定要保持默认或更大。

5.3 金属反光成了模型的“盲区”

现象：晴天顺光拍的照片检测效果很好，一到早晨或傍晚、逆光或者刚刚下过雨的潮湿天气，漏检率明显上升。尤其是不锈钢材质的螺栓，表面反光在图像里形成一片高亮噪点，目标边缘和背景糊在一起。

原因：训练数据大部分是白天顺光采集，亮度分布单一。模型在高亮区域学到的特征是“这里有反光”，而不是“这里有螺栓”。加上线夹周围的金属表面会互相反射，形成类似镜面的纹理，模型倾向于把高光区域整体划为背景。

解决：训练时加大hsv_v扰动，把亮度范围拉到0.2到0.6之间，模拟不同光照。更激进的做法是在在线增强里加入随机高斯模糊或者轻微过曝，模拟雾天和晨昏。但要记住，推理时不要自己做CLAHE或直方图均衡，除非训练时也用了同样的预处理，否则分布不一致，效果只会更差。

5.4 缺失销钉的样本太少，模型只会找“有的”不会找“没的”

现象：val结果里missing类的precision很高但recall很低。换句话说，模型一旦判定“缺失”，基本都对；但它漏掉了一半真正缺失的位置。从混淆矩阵看，那些漏掉的缺失目标都被预测成了背景。

原因：这类数据集的天然问题是正负样本失衡。完好的螺栓销钉在每张图里都能看到，但缺失的位置往往只在少数缺陷图里出现。模型训练的绝大多数梯度来自“背景认识”和“正常目标定位”，对缺失位置缺少直接监督。

解决：从两个方向补。数据层面，把缺失位置的框从原本的“不标注”改成显式标注成missing，哪怕手动补标100张，也比多训500张完好的图有价值。训练层面，不要盲目调低conf阈值来提高召回，那样会把整图的背景噪声一起拉进来；应该针对missing类做二次微调，或者用难例挖掘：第一次训练完，把所有漏检的缺失图片挑出来，和原始数据混合后重训一版。

5.5 归一化坐标刚好等于1.0，线上推理时数组越界

现象：转换后训练一切正常，但部署到某些边缘端框架或者用部分开源推理库时，偶尔报IndexError，或者预测框的中心点跑到图像外面去。

原因：标注框的xmax或ymax恰好等于图像宽度或高度时，除以宽高后得到1.0。有些数据加载器和推理库内部会在整数化坐标时越界。VOC的边界是像素坐标，从0到width，所以这个情况并不罕见。

解决：转换时做边界保护，把所有归一化坐标限制在0.0001到0.9999之间，已经在第3章的转换脚本里写过了。实际部署时还要在模型输出后做一次clip，防止NMS出来越界框。这一条是纯工程细节，但它能解释为什么同一个模型在不同推理框架上表现不同。

6. 训练后的验证习惯：可视化假阴性与边缘端部署前检查

训练跑完，指标好看，不代表可以上线。我自己的习惯是建立一个hard_examples目录，每次训练结束后，把val集里所有与GT匹配不上的预测框按置信度排序输出。具体做法是：跑一遍val预测，把每张图的GT框和预测框做IoU匹配，IoU小于0.1且置信度低于阈值的GT框就是假阴性，对应那张图就是需要人工复审的漏检样例；把漏检样例的图像和预测结果保存到hard_examples，按线路名和拍摄日期归档。

这个动作的意义在于把模型的弱点变成可跟踪的列表。第一次训练完，hard_examples里通常是逆光图、密集金具图和缺失样本图；补标、重训一轮之后，列表应该明显变短。如果某一类图像永远在列表里出现，就说明训练分布和真实场景存在系统性偏差，不是调阈值能解决的。迭代几轮之后，这份数据集的价值会从1209张原始图慢慢扩展成一套“原始数据加难例库”的组合，比单纯堆张数有意义得多。

部署前还有一个检查：ONNX导出和阈值设置。训练结束后用如下命令导出ONNX：

yolo export model=runs/detect/train/weights/best.pt format=onnx opset=12

导出时opset不用追新，12够用。边缘端推理时conf阈值我一般从0.25起步，但输电线路项目我会看hard_examples里的假阴性分布：如果假阴性集中在0.2~0.3置信度，就不要把阈值提得太高，宁可让现场多留几个待复核框；如果假阳性集中在低置信度，那就把conf调到0.35以上，减少无效报警。NMS的IoU阈值保持0.45左右，金具彼此靠近的密集场景可以降到0.4，避免邻近目标被合并成一个框。

大目标场景还有一个现场后处理技巧：根据无人机拍摄距离，设置一个最小检测框面积阈值。比如在10米拍摄距离下，一枚标准销钉在1080p画面里至少占500像素，那么推理阶段可以过滤掉所有面积小于某个下限的预测框。这个后处理能挡住大部分把远处导线、背景纹理当目标的小框误报。阈值怎么定，从现场实拍图里量几个框就知道，不要拍脑袋。

最后讲一个我自己的教训。有一版模型mAP50跑到了0.97，我以为稳了，拿去现场测试，结果连续漏掉两个被绝缘子串遮挡的缺失销钉。后来把假阴性列表拉出来才发现，模型对“遮挡一半的缺失位”完全没有泛化能力，因为训练数据里这样的样本太少。从那以后，我把hard_examples当成模型健康度指标，每次迭代先看列表长度，再看mAP。这个习惯救了我不止一次。这份1209张的VOC数据集本身是个好起点，但真正让它发挥价值的是你围绕它建起的数据闭环：持续收集现场难例、人工确认、重组训练集。希望帮到你。

本文还有配套的精品资源，点击获取