焊接件表面缺陷检测数据集zip实战：从解压到YOLO训练避坑指南

简介这是一套面向工业视觉与深度学习目标检测的焊接件表面缺陷数据集适合研究人员、算法工程师及目标检测学习者使用。数据源自GC10场景原始2300张图像经标签校验与清洗后保留2294张缺陷覆盖气孔、裂纹、未熔合、咬边、烧穿、夹渣、未焊透、焊瘤、形状缺陷及焊缝共十类并采用COCO格式json标注便于接入PaddlePaddle等平台。压缩包共2000个文件含1997个jpg图像与3个json标注文件整体约917.06MB图像提供真实焊接表面样本json记录类别与位置信息可直接完成数据加载、划分与评估。数据集已划分458张作验证集其余用于训练适合开展缺陷识别与定位实验。目前已有397人学习下载适合需要标准工业缺陷数据验证检测算法或开展课题研究者使用。1. 焊接件表面缺陷检测为什么“有数据集”只是第一步在产线上干过质检的人都有体会焊接件表面缺陷检测眼睛看不过来手电筒照得眼花老师傅凭经验判断新员工看了三个月还不敢下结论。气孔、咬边、未熔合、裂纹、焊瘤每一种缺陷的光影特征都不同而且焊接件表面还有油污、飞溅、氧化色这些干扰项。所以这两年越来越多团队想用机器视觉代替人工目检第一步就是找一份像样的训练数据。标题里的“焊接件表面缺陷数据集-zip”就是这么个东西把焊接件表面的原始图像和缺陷标注打包成 zip 压缩包下载解压就能开始训练检测模型。但这里有个容易误会的点拿到 zip 不等于拿到能用的数据。zip 里可能是别人整理好的标准格式也可能是一堆没清洗过的原始图可能是 VOC 的 XML 标注也可能是 YOLO 的 txt 坐标。解压之后先看什么、怎么转换成自己框架需要的格式、哪些缺陷类别值得单独建模、样本不平衡怎么处理这些才是真正决定模型能不能上线的关键。这篇文章就沿着“解压 → 认识数据 → 搭训练流程 → 调参 → 踩坑 → 验证”这条路把全过程讲清楚给手里拿着 zip 却不知道下一步怎么走的人一条能直接落地的路径。2. 解压与数据体检先弄清 zip 里装的是什么2.1 别急着跑模型先看目录和标注格式拿到“焊接件表面缺陷数据集-zip”这类文件第一件事不是解压后扔给训练脚本而是先搞清楚里面的组织方式。常见的数据集 zip 会包含 images 目录存放原始图像annotations 目录存放标注文件还可能附带一个 README 或 labels.txt 说明缺陷类别。有的打包者会把 train/val/test 划分也放进 zip但也有人图省事全堆在一起划分就要自己来。在 Linux 或 Windows 环境下我一般先看压缩包的文件清单不急着全部解压。Windows 上直接双击打开 zip 看目录Linux 下用 unzip -l 命令列出内容unzip -l welding_defect_dataset.zip | head -80这条命令只打印压缩包内的文件列表不实际解压。通过列表能立刻判断几个关键信息有没有 README、图片是什么格式jpg 还是 png、标注是 xml 还是 json 或 txt、数量大概多少。看清单之后再决定是完整解压还是先解压一部分试用。解压到本地的工作目录时注意路径里不要有中文和空格很多框架的 DataLoader 对路径解析不友好。建议解压成这样的结构mkdir -p ~/datasets/welding unzip welding_defect_dataset.zip -d ~/datasets/welding解压完成后先做一次完整性校验。zip 文件在传输过程中可能损坏尤其是从网盘下载的大文件。用 unzip -t 命令可以测试每个文件的 CRC 校验值别等到训练到一半发现图片损坏才返工。unzip -t welding_defect_dataset.zip | tail -202.2 标注格式识别VOC、COCO 还是 YOLO焊接件表面缺陷数据集的标注格式决定了后续所有处理流程这一步不能靠猜。解压后找几个标注文件打开看看用 Python 快速判断格式类型import json, os, glob annot_dir path/to/annotations print(Files:, os.listdir(annot_dir)[:10]) sample_xml glob.glob(os.path.join(annot_dir, *.xml)) sample_json glob.glob(os.path.join(annot_dir, *.json)) sample_txt glob.glob(os.path.join(annot_dir, *.txt)) if sample_xml: print(Detected: VOC XML format) elif sample_json: with open(sample_json[0]) as f: data json.load(f) if annotations in data: print(Detected: COCO JSON format) else: print(Detected: LabelMe JSON) elif sample_txt: with open(sample_txt[0]) as f: line f.readline().strip() parts line.split() if len(parts) 5 and parts[0].isdigit(): print(Detected: YOLO txt format)这段代码通过扩展名和内容结构判断标注类型。VOC 是 XMLCOCO 是 JSONYOLO 是纯文本且每行五列类别 ID、中心点归一化坐标和宽高。把格式认准之后后续转换才有依据。2.3 类别分布统计哪些缺陷能建模哪些是干扰焊接件表面缺陷有个特点不同缺陷出现频率差异极大。气孔和咬边可能成百上千个样本未熔合只有几十张裂纹因为形态复杂更是少得可怜。打开标注后第一件事就是统计类别分布否则模型训出来只剩大类在跑。import glob import xml.etree.ElementTree as ET from collections import Counter category_counter Counter() xml_files glob.glob(path/to/annotations/*.xml) for xml_file in xml_files: tree ET.parse(xml_file) root tree.getroot() for obj in root.findall(object): name obj.findtext(name) category_counter[name] 1 print(category_counter)这份统计结果直接决定后续策略类别超过 300 样本的可以考虑单独建模少于 50 的要么做数据增强硬训要么先合并成“其他缺陷”类。焊接件缺陷检测的落地项目里我会把“未熔合”和“裂纹”这类小样本类别单独拎出来看标注质量因为这两类缺陷在灰度上跟正常焊缝差异本来就小如果标注框画得不准模型再怎么调都学不到东西。提示解压后不要急着删原始 zip。后续如果发现某一张图片损坏或标注错乱从原始压缩包里重新提取比重新下载快得多。3. 从 zip 到可训练数据VOC 转 YOLO 与样本划分3.1 为什么要转成 YOLO 格式当前焊接件表面缺陷检测的主流做法是 YOLO 系列模型无论是 YOLOv8 还是 YOLOv5官方训练代码默认吃 YOLO 格式的标注每个 txt 文件一行格式是“类别ID 中心点x 中心点y 宽度 高度”所有坐标都是归一化到 0~1 的值。而公开的焊接缺陷数据集大概率以 VOC XML 或 COCO JSON 发布所以第一步就是把标注转成 YOLO txt。有人问为什么不直接用 COCO 格式训或者直接用 Detectron2。能训但 YOLO 生态对新手最友好权重文件小、部署方便、工业现场跑起来要求低。做焊接质检不是发论文是让模型在工控机上跑得动YOLO 是性价比最高的选择。3.2 VOC XML 转 YOLO txt 的完整转换脚本下面是一个可以直接用的转换脚本输入是 VOC XML 目录和一个类别列表文件输出是 YOLO txt 标注和 images 目录的索引清单import os import glob import xml.etree.ElementTree as ET def voc_to_yolo(xml_dir, output_dir, class_file): with open(class_file) as f: classes [line.strip() for line in f.readlines()] os.makedirs(output_dir, exist_okTrue) for xml_path in glob.glob(os.path.join(xml_dir, *.xml)): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.findtext(width)) img_h int(size.findtext(height)) if img_w 0 or img_h 0: print(f[skip] {xml_path}: invalid image size) continue base_name os.path.splitext(os.path.basename(xml_path))[0] txt_path os.path.join(output_dir, base_name .txt) with open(txt_path, w) as out: for obj in root.findall(object): name obj.findtext(name) if name not in classes: continue class_id classes.index(name) bbox obj.find(bndbox) xmin float(bbox.findtext(xmin)) ymin float(bbox.findtext(ymin)) xmax float(bbox.findtext(xmax)) ymax float(bbox.findtext(ymax)) # 坐标边界裁剪防止标注越界造成训练崩溃 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: print(f[skip] {xml_path}: invalid bbox {name}) continue x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h out.write(f{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n) print(f[done] {base_name}) if __name__ __main__: voc_to_yolo(annotations, labels, classes.txt)这段代码做了几件关键事解析 XML 里的 width 和 height 做分母把 xmin/xmax 裁剪到图片范围内防止越界过滤掉宽高为零的无效框把绝对像素坐标转成归一化相对坐标。每个 txt 文件的文件名和对应图片文件名保持一致这是 YOLO 能匹配上图和标注的唯一约定。3.3 训练集、验证集、测试集的划分边界数据集 zip 里如果没有现成的划分就需要自己切分。焊接件表面缺陷数据集有个特殊情况同一个焊接工件上往往拍了多张照片这些照片背景高度相似如果随机划分同一工件的不同照片可能同时出现在训练集和验证集里导致验证分数虚高。我的做法是先按图片的文件名前缀分组再按组划分。很多数据集命名包含工件编号比如 weld_001_surface_01.jpgweld_001_surface_02.jpg那么 weld_001 就是组标识。按组划分的脚本如下import os, random from collections import defaultdict image_dir images group_dict defaultdict(list) for img_name in os.listdir(image_dir): prefix img_name.split(_)[0] _ img_name.split(_)[1] group_dict[prefix].append(img_name) groups list(group_dict.keys()) random.shuffle(groups) train_groups groups[:int(len(groups) * 0.7)] val_groups groups[int(len(groups) * 0.7):int(len(groups) * 0.85)] test_groups groups[int(len(groups) * 0.85):] def write_split(group_list, out_file): with open(out_file, w) as f: for g in group_list: for img in group_dict[g]: stem os.path.splitext(img)[0] f.write(fimages/{img} labels/{stem}.txt\n) write_split(train_groups, train.txt) write_split(val_groups, val.txt) write_split(test_groups, test.txt)这里按前缀提取组标识7:1.5:1.5 划分到训练、验证、测试。测试集独立留出来非常关键因为模型调参过程中验证集用多了会产生隐式过拟合焊接件缺陷的纹理细节太相似这种过拟合很容易被忽略。注意划分完看一眼每个集合里的类别分布是否接近原始比例。焊接件缺陷里小样本类别本来就少如果划分后验证集里完全没有“未熔合”样本那验证的 mAP 就没有参考价值。4. 搭建焊接缺陷检测的训练流程模型选型与参数配置4.1 模型选型为什么要用 YOLOv8n 而不是更大的模型焊接件表面缺陷检测是在工业现场落地的任务模型最终要部署到工控机甚至嵌入式设备上。这些设备的算力大体是入门级独显或核显级别还要留出余量跑图像采集和 PLC 通信。因此模型体积和推理速度比精度更优先。YOLOv8n 是最小的 YOLOv8 变体只有约 300 万参数在 COCO 上 mAP 不高但焊接件缺陷类别少通常 5~8 类背景相对固定焊缝区域小模型完全够用。如果用 YOLOv8x单张推理时间可能从 15ms 涨到 80ms产线上如果每秒要检测多张图这个差距很致命。我一般先训 YOLOv8n 出一个精度基线如果某一类缺陷的 recall 明显不够再尝试升级到 YOLOv8s 对比。直接上大模型不是好习惯因为焊接件表面缺陷的图像分辨率高相机动辄 1200 万像素大模型输入尺寸受限反而丢失小缺陷细节。4.2 用 ultralytics 跑通第一个训练命令假设标注已经转换好、train.txt 和 val.txt 已经生成那么用 ultralytics 训练是最快路径。安装之后一条命令就能开训pip install ultralytics yolo detect train dataweld.yaml modelyolov8n.pt epochs100 imgsz640 batch16 device0这里 dataweld.yaml 是数据配置文件内容是指向图片路径、标注路径和类别名称的清单。weld.yaml 的写法如下path: /home/user/datasets/welding train: train.txt val: val.txt test: test.txt names: 0: porosity 1: undercut 2: lack_of_fusion 3: crack 4: spatter这个 YAML 里 path 是数据集根目录train/val 指向包含图片路径和标注路径的 txt 文件names 里是类别 ID 到名称的映射。类别名称要和转换标注时 classes.txt 里的顺序一致否则模型训练出的类别 ID 全部错位这是新手最容易翻车的地方。训练开始后每轮迭代会输出 mAP50、mAP50-95、precision、recall 等指标。焊接件表面缺陷和自然图像不同背景相对单一所以 mAP50 一般能很快涨到 0.9 以上但 mAP50-95 才是更严苛的指标它衡量预测框和真实框在 IoU 从 0.5 到 0.95 不同严格程度下的平均表现。缺陷检测里小缺陷只有几个像素的偏差IoU 到不了 0.75mAP50-95 就会卡住不上涨。4.3 输入尺寸、batch 与训练轮数的经验参数焊接件表面的缺陷特点是气孔小且密集、咬边沿焊缝走向呈长条形、裂纹细长且对比度低。输入尺寸设 640 是 YOLO 默认值但焊接件表面图像里的小气孔可能只有 10×10 像素缩放到 640 之后只剩 5×5 像素很难检出。我一般把 imgsz 设到 1024 或 1280代价是显存占用上升。如果 GPU 只有 8GBimgsz1280 会直接 out of memory。此时有两个变通方案降低 batch 到 4 甚至 2或者把大图切成小块训练。切块的做法是用滑动窗口把原始 2000×2000 图像切成 640×640 的 patch缺陷在每个 patch 里的相对大小变大模型更容易学到特征。代价是标注也要跟着切这个操作有一定复杂度但它能明显提升小缺陷的 recall值得做。训练轮数方面焊接件缺陷数据集规模通常不大几千到几万张100 轮足够配合 early stopping。超过 150 轮大概率开始过拟合验证 loss 和训练 loss 开始背离。优化器直接选默认的 SGD 或 AdamW 都可以ultralytics 默认的 lr0.01 不用改weight_decay 保持默认。真正需要调的是数据增强参数。4.4 数据增强策略焊接件缺陷的特殊性焊接件表面和自然图像有个巨大差别焊道纹理、飞溅颗粒、氧化色都是自然存在的“噪声”。很多数据增强手段在焊接件上不适合比如大幅度的随机旋转——焊缝方向是有规律的工件装夹位置决定了焊缝基本是水平或垂直走向旋转 90 度会让模型学到错误的方向先验。随机裁剪是合理的但裁剪比例不能太大否则焊道边缘的上下文信息丢失。我推荐的增强配置是用 ultralytics 的默认增强 关闭 mosaic 和 auto_augment。mosaic 把四张图拼成一张适合自然图像场景但对焊接件来说四张不同焊缝图像拼在一起会造成焊道纹理的断层模型学到“焊缝处纹理断裂是正常的”这在真实检测中是严重的认知偏差。如果一定要用 mosaic只在最后 10 轮关闭。from ultralytics import YOLO model YOLO(yolov8n.pt) model.train( dataweld.yaml, epochs100, imgsz1024, batch8, mosaic0.0, hsv_h0.0, hsv_s0.2, hsv_v0.2, degrees0.0, translate0.1, scale0.3, fliplr0.5, flipud0.0, )这里的参数含义值得逐个说hsv_h 设为 0 是因为焊接件在灰度相机下颜色信息本来就没用调色相只会引入噪声hsv_s 和 hsv_v 可以小幅调整模拟不同光照强度degrees0 关闭旋转焊接件装夹方向固定不需要旋转增强translate0.1 允许小幅平移容忍工件在照片中的位置偏移scale0.3 允许 30% 的缩放变化应对同一缺陷在不同距离下的成像尺寸差异fliplr0.5 水平翻转是安全的因为焊缝左右对称性在大多数情况下成立。提示焊接件表面有金属反光原始图中可能存在过曝区域。如果数据里有明显的反光干扰可以在训练前做灰度归一化或 CLAHE 对比度增强这类预处理比模型里塞任何模块都有效。5. 避坑与常见问题排查zip 数据到训练落地的真实血泪5.1 zip 伪加密解压工具不报错但解出空文件现象从网盘下载的焊接件缺陷数据集 zip 在 Windows 上一双击就能打开但解压到一半提示“需要密码”或者某个文件解出来是 0 字节。在 Linux 下 unzip 直接报错“incorrect password”。原因zip 文件有一种“伪加密”机制文件头里的 general purpose bit flag 第 0 位被置 1表示文件加密但文件数据本身实际上是明文。这种 zip 要么是发布者打包时工具误设了加密标志要么是别人故意用伪加密绕过网盘的敏感文件审查。数据集分享者自己可能都没意识到做成了伪加密。解决不需要跑暴力破解也不需要任何密码移除工具。用 Python 的 zipfile 库读文件头把加密标志位改写为 0 再另存就能正常解压import struct def fix_zip_pseudo_encryption(zip_path, output_path): with open(zip_path, rb) as f: data bytearray(f.read()) # 搜索文件头 signature 0x04034b50 idx 0 fixed 0 while idx len(data) - 4: sig struct.unpack(I, bytes(data[idx:idx4]))[0] if sig 0x04034b50: flag_offset idx 6 flags struct.unpack(H, bytes(data[flag_offset:flag_offset2]))[0] if flags 0x1: flags 0xFFFE data[flag_offset:flag_offset2] struct.pack(H, flags) fixed 1 idx 1 with open(output_path, wb) as f: f.write(data) print(fFixed {fixed} entries, saved to {output_path}) fix_zip_pseudo_encryption(welding_defect.zip, welding_defect_fixed.zip)这段代码遍历 zip 文件的所有 local file header检测加密标志位并清除。修复后再用 unzip -t 校验如果所有文件都通过 CRC 校验说明数据完整可用。这是 zip 相关的数据集分享里最常见的隐藏坑遇到解压报密码先试这个别去花时间找密码。5.2 标注坐标越界导致训练 loss 变成 nan现象模型训练到第 20 轮左右loss 突然变成 nan或者验证集的 mAP 从 0.8 骤降到 0.1看起来像是“训练崩了”。原因标注文件里存在越界框。有些标注工具生成的 bbox 坐标会超出图像尺寸比如 xmin -5 或 xmax 1500 而图片宽度只有 1280。YOLO 训练时不做边界检查越界框参与损失计算后导致梯度爆炸。解决在数据转换阶段就做边界裁剪和过滤第 3 章的转换脚本里已经做了这件事。如果用的是 COCO JSON需要在加载时加一个过滤逻辑把 x 0 或 y h height 的标注裁剪到边界内。不要直接丢弃这些样本因为焊接缺陷标注本身样本就稀缺能裁剪就裁剪不能丢弃。另外检查标注框是否覆盖了目标缺陷的大部分区域。有一类情况是标注框画得过大把整条焊缝都框进去了而不是只框缺陷区域。这种标注会让模型学到“看到焊缝就输出检测框”推理时误报率极高而且难以通过阈值调整解决。5.3 训练和验证时类别顺序不一致现象训练集上 loss 一直在降验证集 mAP 一直为 0打印验证集预测结果发现所有输出的类别 ID 都比真实标签大 1。原因转换标注时用的类别文件顺序和训练时用的 data.yaml 里 names 顺序不一致。最常见的是 classes.txt 里按字母排序crack, lack_of_fusion, porosity, spatter, undercut但 data.yaml 里按手工整理顺序porosity, undercut, lack_of_fusion, crack, spatter。模型学习的 class ID 5 在验证集的标注里可能是 class ID 0自然全错。解决训练前写一段脚本校验类别顺序的一致性别依赖肉眼判断。一个简单方法是从 data.yaml 读取 names从 classes.txt 读取名称列表直接对比字符串顺序import yaml with open(weld.yaml) as f: cfg yaml.safe_load(f) yaml_names cfg[names] with open(classes.txt) as f: txt_names [line.strip() for line in f if line.strip()] assert yaml_names txt_names, fMismatch: {yaml_names} vs {txt_names} print(Class order OK)这个校验跑完只需要一秒钟能省掉一整天的调试时间。5.4 小样本缺陷类别完全检不出现象气孔和咬边的 mAP 都到 0.9 以上但“未熔合”类目无论怎么调参recall 始终在 0.2 上下徘徊。原因样本量严重不足。焊接件表面缺陷数据集中未熔合可能只有几十个标注框而气孔有几千个。YOLO 的 anchor-free 头在类别不平衡下会倾向于预测出现频率高的类别这种偏差不是调节 loss 权重就能完全纠正的。解决三个手段叠加使用。第一对未熔合样本做过采样每个 epoch 里重复加载这部分图片让模型每轮都看到它们第二用复制粘贴增强把未熔合的缺陷区域从原图抠出来粘贴到其他焊缝图像的随机位置注意粘贴时要保持光照方向和焊缝纹理走向一致第三把未熔合和裂纹合并成“熔合缺陷”一个大类因为实际产线上这两类缺陷的处理方式相同——都需要返工重焊区分它们没有产线意义只增加了模型负担。这第三招在工业落地里最实用模型要服务的是决策不是论文里的类别细分。5.5 解压后图片文件损坏且无法重新下载现象zip 解压过程没有报错但训练时某几张图片无法用 cv2.imread 打开返回 None导致 DataLoader 崩溃。原因网盘下载的文件在传输过程中发生了静默损坏zip 的 CRC 校验在部分解压工具实现中被跳过或者上传者打包时源文件本身就有问题。解决训练前先跑一遍图片完整性扫描把打不开的图片和对应标注一起剔除import cv2, glob, os image_files glob.glob(images/*.jpg) glob.glob(images/*.png) corrupted [] for img_path in image_files: img cv2.imread(img_path) if img is None or img.size 0: corrupted.append(img_path) label_path img_path.replace(images, labels).replace(.jpg, .txt).replace(.png, .txt) if os.path.exists(label_path): os.remove(label_path) os.remove(img_path) print(fRemoved {len(corrupted)} corrupted images)这个脚本会删掉坏图和对应的 txt 标注保证后续训练数据百分之百可读。注意跑完这个脚本之后要重新生成 train.txt 和 val.txt 的文件索引因为有些图片已经被删除了。6. 验证与进阶用混淆矩阵和 patch 推理提升小缺陷召回模型训练结束后不要只看终端打印的 mAP 数字。焊接件表面缺陷检测的落地场景里mAP 高 ≠ 产线能用。把验证集的预测结果导出逐类看混淆矩阵这是发现模型真实缺陷最快的方式。ultralytics 训练结束后会自动生成 confusion_matrix.png 和 results.png但我建议用下面的方式手动导出每张测试图的预测结果以便针对具体缺陷类别做细粒度分析from ultralytics import YOLO model YOLO(best.pt) results model.predict(sourcetest_images, save_txtTrue, save_confTrue, imgsz1024, conf0.25) for r in results: boxes r.boxes if boxes is None: continue for i in range(len(boxes)): cls int(boxes.cls[i].item()) conf float(boxes.conf[i].item()) xyxy boxes.xyxy[i].cpu().numpy().tolist() print(fclass{cls} conf{conf:.2f} bbox{xyxy})如果发现某一类缺陷在 conf0.25 时误报特别多就把 conf 阈值往上调比如 0.4。在产线上误报的代价是停线检查漏报的代价是缺陷流到下游。焊接件缺陷场景里通常宁可误报也不漏报因为焊缝返工比整件报废便宜。一个更进阶的做法是 patch 推理。焊接件表面图像分辨率高直接缩放到 1024 会丢失小目标。推理时把测试图切成多个 640×640 的 patch分别推理再把预测框映射回原图坐标做一次 NMS 合并。这个方法能显著提升小气孔和细微裂纹的召回率代价是推理时间翻几倍。如果产线检测节拍允许比如 3 秒检测一个工件这个代价完全值得。import cv2 import numpy as np def patch_inference(model, image_path, patch_size640, stride640): img cv2.imread(image_path) h, w img.shape[:2] all_boxes [] for y in range(0, h, stride): for x in range(0, w, stride): patch img[y:ypatch_size, x:xpatch_size] results model(patch, imgsz640, conf0.3) for box in results[0].boxes: xyxy box.xyxy[0].cpu().numpy() cls int(box.cls[0].item()) conf float(box.conf[0].item()) all_boxes.append([xyxy[0] x, xyxy[1] y, xyxy[2] x, xyxy[3] y, conf, cls]) # 合并重叠框 boxes np.array(all_boxes) if len(boxes) 0: keep cv2.dnn.NMSBoxes(boxes[:, :4].tolist(), boxes[:, 4].tolist(), 0.3, 0.45) final boxes[keep] else: final np.empty((0, 6)) return final这段代码在推理时用滑动窗口遍历原图每个 patch 独立检测然后把所有预测框映射回原图坐标最后用 NMS 合并同一缺陷产生的多个重叠框。patch_size 和 stride 相等意味着切块之间没有重叠不会出现同一缺陷被多个 patch 重复检测的问题但如果缺陷恰好出现在 patch 边界上会被切成两半各自只检出一部分。要处理这种情况可以让 stride 小于 patch_size例如 stride480、patch640让相邻 patch 有 160 像素重叠。代价是推理次数变多但边界漏检问题基本消除。焊接件表面缺陷检测这件事数据比模型重要踩坑经验比看书重要。我最早做这个方向时也是拿到 zip 就开始跑训练结果被伪加密、标注越界、类别错位轮番折磨。后来养成了解压后先体检、训练前先校验、推理时先看错误的习惯项目才慢慢顺起来。这里面的每一段代码和参数都是这么磨出来的。第一次跑完整个流程后建议你刻意把一批不合格品图片混进测试集里看看模型能不能识别出“这个焊件不对劲”这一步能帮你判断模型是真的理解了缺陷还是只是记住了训练集的纹理。希望帮到你。本文还有配套的精品资源点击获取