簡(jiǎn)介面向快遞包裹與包裝盒質(zhì)檢的YOLOv10缺陷檢測(cè)權(quán)重包模型已訓(xùn)練完成可直接加載權(quán)重進(jìn)行推理檢測(cè)適配物流分揀、倉(cāng)儲(chǔ)品控等自動(dòng)外觀缺陷識(shí)別場(chǎng)景。附帶1200多張快遞包裹與包裝盒缺陷檢測(cè)數(shù)據(jù)集已劃分train、val、test目錄配置好data.yamltxt格式標(biāo)簽也可供YOLOv5、YOLOv7、YOLOv8、YOLOv9等算法復(fù)用訓(xùn)練。資源共2000個(gè)文件主體為982個(gè)txt標(biāo)注與1002個(gè)xml標(biāo)注配合15個(gè)說(shuō)明文檔和1個(gè)Python腳本壓縮包76.86MB結(jié)構(gòu)清晰便于快速接入。目前已有121人學(xué)習(xí)下載。拿到后可立即用于實(shí)際檢測(cè)驗(yàn)證也能借助現(xiàn)成數(shù)據(jù)集與配置繼續(xù)微調(diào)訓(xùn)練減少數(shù)據(jù)整理和適配工作量適合有一定目標(biāo)檢測(cè)基礎(chǔ)的開(kāi)發(fā)者直接上手。1. 為什么“1200 多張圖 訓(xùn)練好的權(quán)重”夠直接上產(chǎn)線試跑快遞包裹和包裝盒的缺陷檢測(cè)聽(tīng)起來(lái)是個(gè)小眾方向但干過(guò)物流自動(dòng)化和制造業(yè)質(zhì)檢的人都知道它比想象中更常被問(wèn)到破損、壓痕、污漬、封口不良、膠帶異常這些缺陷形態(tài)雜、背景亂、光照不穩(wěn)定通用目標(biāo)檢測(cè)模型直接拿來(lái)用經(jīng)常是訓(xùn)練出來(lái)一堆框、實(shí)際漏檢一片。而 YOLOv10 算法配合已經(jīng)訓(xùn)練好的權(quán)重和 1200 多張缺陷檢測(cè)數(shù)據(jù)集正好解決了這個(gè)尷尬——你不需要從零開(kāi)始標(biāo)數(shù)據(jù)、跑幾百輪訓(xùn)練才能看到效果拿到權(quán)重先跑通推理確認(rèn)邊界后再?zèng)Q定要不要微調(diào)。這篇文章就圍繞這套東西講清楚三件事拿到權(quán)重和數(shù)據(jù)集后該怎么盤(pán)、怎么推理、怎么用這批數(shù)據(jù)重新微調(diào)以及快遞包裹場(chǎng)景下那些最容易翻車(chē)的坑。2. 拿到權(quán)重和數(shù)據(jù)集后先盤(pán)清楚目錄結(jié)構(gòu)、標(biāo)注格式與模型文件的實(shí)際約束2.1 1200 多張圖在這個(gè)量級(jí)意味著什么1200 多張圖在制造業(yè)缺陷檢測(cè)數(shù)據(jù)集里屬于“中小樣本”。像 COCO、DOTA 那種幾萬(wàn)張的大數(shù)據(jù)集訓(xùn)練策略可以很奔放但 1200 張圖如果還分了六七個(gè)缺陷類(lèi)別平均每個(gè)類(lèi)別可能只有一兩百個(gè)實(shí)例這時(shí)候最怕的不是模型容量不夠而是過(guò)擬合和類(lèi)別不均衡。不過(guò)對(duì)這個(gè)項(xiàng)目來(lái)說(shuō)1200 張圖不是用來(lái)從零訓(xùn)練的它有兩個(gè)實(shí)際作用一是配合已經(jīng)訓(xùn)練好的權(quán)重做驗(yàn)證確認(rèn)模型在你自己拍的樣圖上表現(xiàn)如何二是給你一個(gè)“數(shù)據(jù)集參照物”照它的目錄結(jié)構(gòu)和標(biāo)注格式去整理自己的數(shù)據(jù)。YOLO 格式的數(shù)據(jù)集目錄結(jié)構(gòu)通常長(zhǎng)這樣express_defect/ ├── data.yaml ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/每張 images/train/xxx.jpg 圖片對(duì)應(yīng)一個(gè)同名 txt 文件放在 labels/train/xxx.txt 里。這個(gè) txt 的每一行代表一個(gè)目標(biāo)格式固定類(lèi)別 ID、歸一化后的中心點(diǎn) x、中心點(diǎn) y、歸一化后的寬和高。舉個(gè)例子一行內(nèi)容是2 0.4531 0.7281 0.2344 0.1875含義就是“類(lèi)別 ID 為 2 的目標(biāo)中心點(diǎn)在圖像寬度的 45.31%、高度的 72.81% 處寬度占整張圖的 23.44%高度占 18.75%”。拿到手之后我建議先別急著推理花十分鐘確認(rèn)三件事第一txt 文件里的類(lèi)別 ID 是否連續(xù)、是否從 0 開(kāi)始第二每個(gè)類(lèi)別下的實(shí)例數(shù)量是否均衡如果有類(lèi)別只有十幾條標(biāo)注后面推理時(shí)它的置信度基本不會(huì)高第三訓(xùn)練集和驗(yàn)證集圖片是否有重疊有些人整理數(shù)據(jù)時(shí)圖省事把同一批圖既放 train 又放 val會(huì)導(dǎo)致驗(yàn)證指標(biāo)虛高這個(gè)后面坑很大。2.2 權(quán)重文件怎么接進(jìn)你的環(huán)境版本與加載細(xì)節(jié)標(biāo)題里說(shuō)了“模型已經(jīng)訓(xùn)練好可以直接推理檢測(cè)”所以核心交付物大概率是一個(gè)或多個(gè) pt 后綴的權(quán)重文件。在 ultralytics 框架里訓(xùn)練結(jié)束后 runs/detect/train 目錄下會(huì)同時(shí)生成 best.pt 和 last.ptbest.pt 是驗(yàn)證集上指標(biāo)最好的那一個(gè)last.pt 是最后一輪的權(quán)重。如果你的壓縮包里兩個(gè)文件都有日常推理用 best.pt想接著訓(xùn)練用 last.pt這是默認(rèn)的省心做法。加載權(quán)重時(shí)要注意 PyTorch 版本和 ultralytics 版本的匹配。YOLOv10 是在 2024 年 5 月隨著 ultralytics 框架更新被集成的如果你的 ultralytics 版本太老直接加載會(huì)報(bào) key 不匹配或直接拋異常。我的習(xí)慣是先把 ultralytics 升到當(dāng)前最新版再加載權(quán)重如果項(xiàng)目環(huán)境不允許升級(jí)至少保證 PyTorch 1.8 以上Python 3.8 以上這是 YOLOv10 能跑起來(lái)的最低基礎(chǔ)。另外 YOLOv10 和 YOLOv8 的模型結(jié)構(gòu)有差異v10 用了無(wú) NMS 的端到端推理模型內(nèi)部通過(guò) dual head 分配策略和 one-to-one head 直接輸出最終檢測(cè)框不再需要像 v8 那樣做 NMS 后處理。這個(gè)差異帶來(lái)一個(gè)實(shí)際好處導(dǎo)出 ONNX 后部署邏輯更簡(jiǎn)單推理鏈路上少一個(gè)超參數(shù)NMS IoU 閾值需要調(diào)。而你拿到的這份權(quán)重如果當(dāng)初是用 YOLOv10 結(jié)構(gòu)訓(xùn)練的注意不要拿它硬套 YOLOv8 的部署腳本輸出張量的解析方式不一樣細(xì)節(jié)在第 5 章的坑里展開(kāi)。2.3 拿到壓縮包后的檢查清單每類(lèi)項(xiàng)目交付物的整理習(xí)慣不太一樣但按下面的表檢查一遍能避免很多低級(jí)問(wèn)題。下表是常見(jiàn)檢查項(xiàng)建議逐條對(duì)照你手里的文件確認(rèn)檢查項(xiàng)關(guān)注點(diǎn)檢查方法images 與 labels 目錄結(jié)構(gòu)是否按 train/val 分好用文件管理器直接看目錄層級(jí)標(biāo)簽與圖片對(duì)應(yīng)關(guān)系每張圖是否都有同名 txt寫(xiě)腳本統(tǒng)計(jì) images 數(shù)量與 labels 數(shù)量是否一致類(lèi)別 names 順序names 列表與 txt 中 ID 是否一致打開(kāi) data.yaml 與任意一個(gè) txt 對(duì)照驗(yàn)證集規(guī)模val 占總圖比例是否合理一般不低于 10%低于 5% 時(shí)指標(biāo)水分大權(quán)重文件完整性best.pt 能否被 torch.load 加載跑一次 yolo detect predict 試推理是否附帶 data.yaml后續(xù)微調(diào)直接復(fù)用沒(méi)有 yaml 時(shí)按第 4 章自己創(chuàng)建這六項(xiàng)里最容易出錯(cuò)的是第三項(xiàng)。很多人訓(xùn)練時(shí)改過(guò)類(lèi)別順序但沒(méi)有同步修改已有標(biāo)注文件導(dǎo)致模型推斷出的類(lèi)別名和實(shí)際標(biāo)注對(duì)不上。拿到權(quán)重后先跑一張圖看看輸出的類(lèi)別名是否符合預(yù)期再批量跑別一上來(lái)就全量推理。3. 一條命令跑通推理從命令行到 Python API 的參數(shù)取舍3.1 最小推理命令先跑通再談優(yōu)化如果是第一次接觸這套權(quán)重我強(qiáng)烈建議先用命令行跑通一張圖出結(jié)果后再上 Python API。命令行方式代碼少、參數(shù)透明出問(wèn)題也好排查。在虛擬環(huán)境里安裝好 ultralytics 之后進(jìn)入權(quán)重和測(cè)試圖片所在目錄執(zhí)行yolo detect predict \ modelbest.pt \ source./test_images/demo.jpg \ conf0.25 \ iou0.7 \ imgsz640 \ saveTrue這條命令的意思是把 best.pt 加載進(jìn)來(lái)對(duì) demo.jpg 做預(yù)測(cè)置信度閾值 0.25IoU 閾值 0.7輸入圖像尺寸 640預(yù)測(cè)結(jié)果畫(huà)框后保存到 runs/detect/predict 目錄。第一次跑通后把 source 參數(shù)換成一張包含多個(gè)包裹、有重疊、有光照反光的現(xiàn)場(chǎng)圖看框的位置和置信度分布是否合理。如果圖片路徑是個(gè)目錄ultralytics 會(huì)遍歷整個(gè)目錄做推理。這一步驗(yàn)證有兩個(gè)目的一是確認(rèn)權(quán)重能正常加載、輸出也沒(méi)問(wèn)題二是評(píng)估這套權(quán)重對(duì)你實(shí)際場(chǎng)景的適應(yīng)程度。如果一個(gè)典型的破損包裹圖沒(méi)有一個(gè)框的置信度超過(guò) 0.5那基本可以判斷訓(xùn)練數(shù)據(jù)里的場(chǎng)景和你的現(xiàn)場(chǎng)差異較大后續(xù)需要微調(diào)而不是直接部署。3.2 Python API 推理把框取出來(lái)變成自己的業(yè)務(wù)數(shù)據(jù)命令行適合驗(yàn)證但真正接產(chǎn)線或者做批量后處理還是要用 Python API。YOLOv10 作為 ultralytics 家族的成員推理接口和 YOLOv8 完全一致以下代碼是一個(gè)可以直接改的最小模板from ultralytics import YOLO # 加載訓(xùn)練好的權(quán)重路徑可以是絕對(duì)路徑或相對(duì)路徑 model YOLO(best.pt) # 對(duì)單張圖片做推理conf/iou/imgsz 與命令行參數(shù)一一對(duì)應(yīng) results model.predict( sourcetest_images/demo.jpg, conf0.25, iou0.7, imgsz640, device0, # 用 0 號(hào) GPU沒(méi)有 GPU 就填 cpu saveFalse, # 先用 False自己控制保存邏輯 verboseFalse, # 關(guān)掉逐張打印批量時(shí)日志更干凈 ) # results 是列表每個(gè)元素對(duì)應(yīng) source 里的一個(gè)輸入 for r in results: boxes r.boxes print(檢測(cè)到, len(boxes), 個(gè)目標(biāo)) for box in boxes: cls_id int(box.cls[0]) # 類(lèi)別 ID name model.names[cls_id] # 類(lèi)別名從權(quán)重自帶 names 里取 conf float(box.conf[0]) # 該框的置信度 x1, y1, x2, y2 box.xyxy[0].tolist() # 框的左上角與右下角坐標(biāo) print(f{name} {conf:.3f} ({x1:.1f}, {y1:.1f}, {x2:.1f}, {y2:.1f}))這個(gè)模板里的關(guān)鍵點(diǎn)是model.names 不是從外部配置文件讀的而是權(quán)重文件內(nèi)部攜帶的類(lèi)別名列表。也就是說(shuō)你不需要手動(dòng)維護(hù)一個(gè)類(lèi)別名數(shù)組只要權(quán)重文件是正確的names 就自動(dòng)對(duì)得上。如果你在推理時(shí)打印出的類(lèi)別名和預(yù)期不符那問(wèn)題一定出在訓(xùn)練時(shí) data.yaml 的 names 順序上和第 2 章提到的檢查項(xiàng)呼應(yīng)。批量推理時(shí)要注意內(nèi)存控制。如果一次傳入幾百?gòu)垐D片的路徑列表ultralytics 內(nèi)部會(huì)根據(jù) batch 參數(shù)自動(dòng)分批但默認(rèn)情況下一張一張跑是最穩(wěn)的。我做批量壓測(cè)時(shí)會(huì)先跑 50 張、觀察顯存占用穩(wěn)定后再加大輸入規(guī)模。3.3 推理參數(shù)怎么調(diào)conf、iou、imgsz 的取舍這四個(gè)參數(shù)幾乎決定了你部署后的體驗(yàn)它們之間是聯(lián)動(dòng)的不能孤立地調(diào)。直接用下表做參考再結(jié)合你自己的業(yè)務(wù)邏輯定值參數(shù)默認(rèn)值調(diào)低的影響調(diào)高的影響快遞包裹場(chǎng)景建議conf0.25召回提升誤檢變多輸出框變密漏檢變多但剩下的框更可信先 0.25 看全貌再按現(xiàn)場(chǎng)接受度調(diào) 0.3~0.5iou0.7相鄰框更容易被合并重復(fù)框變少重復(fù)框變多但不會(huì)吞掉小目標(biāo)包裹重疊嚴(yán)重時(shí)降到 0.5imgsz640推理變快小缺陷可能丟失小目標(biāo)壓痕、小破洞更容易檢出有細(xì)微信號(hào)時(shí)先試 1280再評(píng)估速度max_det300輸出目標(biāo)數(shù)上限上限越高越不容易漏目標(biāo)包裹密集時(shí)調(diào)到 400imgsz 是被低估的一個(gè)參數(shù)。訓(xùn)練時(shí)用的什么尺寸推理時(shí)最好用同樣尺寸如果你把訓(xùn)練時(shí) 640 的模型拿到 1280 上推理理論上對(duì)但實(shí)際會(huì)改變特征金字塔的感受野分布小目標(biāo)的檢出能力提高的同時(shí)一些原本被抑制的背景噪聲也會(huì)被放大。所以改 imgsz 之前先確認(rèn)訓(xùn)練時(shí)的 imgsz能查訓(xùn)練結(jié)果的 results.csv 或保存的配置文件就不難確認(rèn)。如果確認(rèn)不了先用默認(rèn) 640再用 1280 做 A/B 對(duì)比看現(xiàn)場(chǎng)最關(guān)鍵的那類(lèi)缺陷檢出率變化。4. 用你自己的數(shù)據(jù)重新微調(diào)yaml 文件、訓(xùn)練命令與輸出權(quán)重怎么讀4.1 整理自己的標(biāo)注數(shù)據(jù)把圖片和標(biāo)簽組織成 YOLO 格式前面說(shuō)過(guò)1200 多張數(shù)據(jù)集的價(jià)值之一是作為整理自有數(shù)據(jù)的參照?，F(xiàn)實(shí)中你從產(chǎn)線拿到的往往是手機(jī)拍的、工業(yè)相機(jī)拍的、監(jiān)控截取的各種格式圖片標(biāo)注工具可能是 LabelImg、labelme 或者 X-AnyLabeling。最終都要轉(zhuǎn)成上面第 2 章描述的 YOLO 目錄結(jié)構(gòu)。轉(zhuǎn)換這一步最常見(jiàn)的錯(cuò)誤是標(biāo)注框坐標(biāo)沒(méi)有歸一化。YOLO 格式要求 x_center、y_center、w、h 全部除以圖片寬高轉(zhuǎn)成 0 到 1 之間的小數(shù)而不是像素值。如果從 labelme 的 JSON 里把 polygon 或 rectangle 的絕對(duì)坐標(biāo)直接寫(xiě)進(jìn) txt訓(xùn)練時(shí) loss 會(huì)異常大、模型完全學(xué)不進(jìn)去。寫(xiě)轉(zhuǎn)換腳本時(shí)核心代碼就幾句話import json with open(annotation.json) as f: ann json.load(f) img_w ann[imageWidth] img_h ann[imageHeight] for shape in ann[shapes]: label shape[label] x1, y1 shape[points][0] x2, y2 shape[points][1] # 修正左上角/右下角順序 x_min, x_max sorted([x1, x2]) y_min, y_max sorted([y1, y2]) # 轉(zhuǎn)成 YOLO 歸一化格式 x_center ((x_min x_max) / 2) / img_w y_center ((y_min y_max) / 2) / img_h w (x_max - x_min) / img_w h (y_max - y_min) / img_h print(label, round(x_center, 6), round(y_center, 6), round(w, 6), round(h, 6))另一個(gè)容易被忽略的點(diǎn)是“空標(biāo)簽圖”。如果某張圖確實(shí)沒(méi)有缺陷它可以不帶 txt 文件ultralytics 會(huì)把它當(dāng)作負(fù)樣本不會(huì)報(bào)錯(cuò)。但如果所有圖片都沒(méi)有標(biāo)簽訓(xùn)練會(huì)直接卡在 “No labels found” 的警告上幾千張圖白跑。我一般會(huì)在整理完后寫(xiě)一個(gè)校驗(yàn)?zāi)_本統(tǒng)計(jì)所有圖片對(duì)應(yīng) txt 的行數(shù)分布類(lèi)別分布以及檢查每條標(biāo)注的寬高是否小于等于 0、中心點(diǎn)坐標(biāo)是否超出 0~1 范圍把臟數(shù)據(jù)提前清掉。4.2 yolov10 yaml 文件怎么創(chuàng)建目錄與類(lèi)別名的映射在 ultralytics 框架里訓(xùn)練自定義數(shù)據(jù)集yaml 文件是唯一的數(shù)據(jù)入口。它不需要多復(fù)雜卻要求所有字段都準(zhǔn)確。下面是一個(gè)以快遞包裹缺陷為例的 yaml 模板names 列表要和你的標(biāo)簽 ID 嚴(yán)格對(duì)應(yīng)# express_defect.yaml # path 指向數(shù)據(jù)集根目錄建議用絕對(duì)路徑避免換目錄后找不到數(shù)據(jù) path: D:/datasets/express_defect # train 和 val 是相對(duì) path 的目錄 train: images/train val: images/val # 類(lèi)別數(shù)量必須與 names 長(zhǎng)度一致 nc: 6 # names 順序決定 txt 里類(lèi)別 ID 的含義 names: 0: break 1: dent 2: stain 3: wrinkle 4: tape_abnormal 5: unsealed創(chuàng)建 yaml 文件時(shí)最容易踩的坑是 path 用了相對(duì)路徑。如果你執(zhí)行訓(xùn)練命令的終端目錄和數(shù)據(jù)目錄不在同一層級(jí)fill 相對(duì)路徑大概率報(bào) FileNotFoundError。我的習(xí)慣是直接寫(xiě)絕對(duì)路徑macOS/Linux 寫(xiě)/Users/xxx/datasets/express_defectWindows 寫(xiě)D:/datasets/express_defect正斜杠和反斜杠在 ultralytics 里都能識(shí)別但正斜杠更保險(xiǎn)。另外 nc 的值如果和 names 個(gè)數(shù)不一致訓(xùn)練不會(huì)報(bào)錯(cuò)但驗(yàn)證時(shí)會(huì)發(fā)現(xiàn)你期望的類(lèi)別 ID 和模型輸出的 ID 錯(cuò)位——這個(gè)錯(cuò)位最隱蔽因?yàn)闇y(cè)試集上 mAP 可能還挺高但部署時(shí)類(lèi)別名全反了。4.3 微調(diào)命令在別人權(quán)重基礎(chǔ)上繼續(xù)訓(xùn)練1200 多張圖直接從頭訓(xùn)練不劃算最可靠的做法是加載一個(gè)預(yù)訓(xùn)練權(quán)重再在這個(gè)基礎(chǔ)上微調(diào)。如果你只是想加快收斂用官方提供的 YOLOv10 預(yù)訓(xùn)練權(quán)重比如 yolov10s.pt、yolov10m.pt下載后放到當(dāng)前目錄命令里直接指定路徑。如果你覺(jué)得別人訓(xùn)練好的這個(gè)快遞包裹權(quán)重對(duì)你的場(chǎng)景已經(jīng)比較接近也可以拿它作為起點(diǎn)接著訓(xùn)效果通常比從 COCO 預(yù)訓(xùn)練開(kāi)始更好但前提是類(lèi)別定義和它一致。下面是一套適合 1200 張左右數(shù)據(jù)量級(jí)的訓(xùn)練命令參數(shù)yolo detect train \ dataexpress_defect.yaml \ modelyolov10s.pt \ epochs120 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ freeze10 \ close_mosaic10 \ ampTrue \ patience30逐項(xiàng)說(shuō)下為什么這么設(shè)。模型用 yolov10s 是因?yàn)榭爝f包裹缺陷里破損和污漬這類(lèi)目標(biāo)大小差異很大但整體不算極端小目標(biāo)s 級(jí)能平衡精度和顯存只有幾百兆顯存的舊顯卡換成 yolov10n推理精度會(huì)略降但速度更快訓(xùn)練時(shí)長(zhǎng)也明顯縮短。epochs 設(shè) 120 是因?yàn)?1200 張圖在小數(shù)據(jù)集上 60 到 100 輪基本收斂120 是留出余量配合早停機(jī)制patience30 表示驗(yàn)證集指標(biāo)連續(xù) 30 輪不提升就自動(dòng)停止。freeze10 表示凍結(jié)模型前 10 層參數(shù)這個(gè)在小數(shù)據(jù)集上是防過(guò)擬合非常有效的常規(guī)操作——主干網(wǎng)絡(luò)底層學(xué)的是邊緣、紋理這類(lèi)通用特征凍結(jié)它們讓訓(xùn)練只更新后層能明顯緩解 val loss 與 train loss 差距過(guò)大的問(wèn)題。close_mosaic10 表示最后 10 個(gè) epoch 關(guān)閉 mosaic 增強(qiáng)因?yàn)?mosaic 會(huì)切碎圖片、引入大量拼接邊界長(zhǎng)期開(kāi)著會(huì)讓模型學(xué)到奇怪的偽影后段關(guān)掉再精調(diào)幾輪是 YOLO 系列訓(xùn)練里常見(jiàn)做法。4.4 訓(xùn)練輸出怎么讀best.pt、last.pt 與 results.csv訓(xùn)練結(jié)束后runs/detect/train 目錄下會(huì)有一批文件真正有用的三樣是 best.pt、last.pt 和 results.csv。results.csv 是每一輪的訓(xùn)練指標(biāo)打開(kāi)后可以看到 train 和 val 兩套 loss以及 precision、recall、mAP50、mAP50-95 等指標(biāo)曲線。判斷訓(xùn)練有沒(méi)有出問(wèn)題先看 val mAP50 是不是穩(wěn)步上升再對(duì)比 train loss 和 val loss 的走勢(shì)如果 train loss 一路下降但 val loss 在某個(gè) epoch 后掉頭向上就是過(guò)擬合的典型信號(hào)。關(guān)于選權(quán)重我平時(shí)主要看兩個(gè)維度一是 val mAP50 峰值在哪個(gè) epoch 附近二是 val loss 最低點(diǎn)在哪個(gè) epoch。如果兩者不一致優(yōu)先選 val loss 最低點(diǎn)對(duì)應(yīng)的那輪權(quán)重因?yàn)?mAP 只統(tǒng)計(jì)置信度閾值下的匹配結(jié)果而 val loss 衡量的是整個(gè)分布的擬合程度后者在真實(shí)場(chǎng)景里往往更穩(wěn)。確認(rèn)權(quán)重文件名不用改best.pt 在訓(xùn)練結(jié)束后就是按指標(biāo)選出來(lái)的直接拿去推理就可以。5. 避坑快遞包裹檢測(cè)最容易翻車(chē)的 5 個(gè)環(huán)節(jié)5.1 現(xiàn)象驗(yàn)證集指標(biāo)還可以一到產(chǎn)線新批次漏檢一片原因驗(yàn)證集圖片是從訓(xùn)練數(shù)據(jù)里按比例抽出來(lái)的和訓(xùn)練集共享同一批相機(jī)、同一批光照條件、同一種擺放方式指標(biāo)自然好看。但產(chǎn)線環(huán)境換一條皮帶線、換一個(gè)光源角度背景紋理和反射特征就變了模型的泛化能力跟不上。解決不要只依賴(lài)訓(xùn)練時(shí)的 val 指標(biāo)單獨(dú)留一份“現(xiàn)場(chǎng)壓測(cè)集”。從目標(biāo)部署位置重新拍 100 到 200 張圖包含不同時(shí)間段、不同光照強(qiáng)度、不同包裹破損程度這份數(shù)據(jù)不參與訓(xùn)練只用來(lái)做最終評(píng)估。如果壓測(cè)集上的 mAP50 比訓(xùn)練 val 低 0.2 以上說(shuō)明現(xiàn)場(chǎng)跟訓(xùn)練分布差距太大需要采集現(xiàn)場(chǎng)圖做增量微調(diào)。這一步?jīng)]做好部署再快都是白搭。5.2 現(xiàn)象明顯的破洞和壓痕在圖上清清楚楚模型就是檢不出來(lái)原因這類(lèi)缺陷在整張圖中占的像素比例太小。如果一張 1920x1080 的現(xiàn)場(chǎng)圖里破損區(qū)域只有 40x50 像素輸入 imgsz640 縮放后缺陷可能只剩下十幾個(gè)像素經(jīng)過(guò)幾次下采樣特征圖里基本就丟了。解決先用 imgsz1280 試通常能顯著提升小缺陷召回。還不夠的話用 SAHI 這類(lèi)切片推理工具把大圖切成 640x640 的重疊小塊分別推理再合并結(jié)果缺陷相對(duì)尺寸變大檢出率提升明顯。代價(jià)是推理時(shí)間翻倍但對(duì)離線抽檢和產(chǎn)線慢速輸送場(chǎng)景完全夠用。注意切片重疊率設(shè)個(gè) 0.2 就夠了太高會(huì)引入大量重復(fù)檢測(cè)框。5.3 現(xiàn)象想把模型接進(jìn) OpenCV 的現(xiàn)有缺陷檢測(cè)流程加載 ONNX 后取不到框原因OpenCV DNN 模塊的通用 YOLO 后處理腳本大多是為 YOLOv5/v8 的多個(gè)輸出頭寫(xiě)的會(huì)去解析三個(gè)尺度的特征圖輸出。而 YOLOv10 無(wú) NMS 的設(shè)計(jì)導(dǎo)出的 ONNX 輸出是一個(gè)固定的端到端檢測(cè)結(jié)果張量格式是 (1, 300, 6) 這樣的候選框數(shù)組每一行是 x1、y1、x2、y2、score、cls沒(méi)有三個(gè)輸出的分支直接用舊的 decode 邏輯解析當(dāng)然拿不到框。解決先在 OpenCV 里把輸出張量的形狀打印出來(lái)確認(rèn)是端到端格式后寫(xiě)一段新的后處理取前 N 行按置信度過(guò)濾跳過(guò)無(wú)效行。如果不想自己解析更省事的是用 onnxruntime 配合 ultralytics 官方示例里的 YOLOv10 解碼代碼。說(shuō)句實(shí)在話除非你的平臺(tái)只能跑 OpenCV DNN否則推薦用 onnxruntime它的算子和速度控制更好部署心智負(fù)擔(dān)也更小。5.4 現(xiàn)象訓(xùn)練一輪下來(lái) loss 降了但 val mAP50 始終在 0.3 以下原因除了數(shù)據(jù)量本身小之外最常見(jiàn)的是數(shù)據(jù)增強(qiáng)配置和閥值設(shè)定不匹配。1200 張圖把 mosaic 增強(qiáng)開(kāi)到默認(rèn) 1.0每張訓(xùn)練圖里可能有四張圖拼接導(dǎo)致大量訓(xùn)練樣本帶有拼接邊界模型學(xué)到的目標(biāo)邊界是“斷裂”的另外小數(shù)據(jù)集內(nèi)部如果 train/val 劃分不當(dāng)驗(yàn)證集里包含了和訓(xùn)練集高度相似的圖片val loss 和 mAP 也會(huì)互相扯后腿。解決調(diào)低增強(qiáng)強(qiáng)度。mosaic 從 1.0 降到 0.3 到 0.5close_mosaic 提前到第 20 到第 30 個(gè) epoch給模型一段“干凈”的收斂期同時(shí)把 hsv_h、hsv_s、hsv_v 這些顏色增強(qiáng)適當(dāng)調(diào)大。快遞包裹的塑料表面和紙箱對(duì)顏色變化非常敏感適當(dāng)增強(qiáng)顏色抖動(dòng)反而能提升泛化。如果調(diào)完一輪后 mAP50 還上不去回頭檢查 labels 里的標(biāo)注是否有多余的重疊框或者某些類(lèi)別本身實(shí)例數(shù)太少合并掉不足 20 個(gè)實(shí)例的類(lèi)別通常能讓整體指標(biāo)明顯抬升。5.5 現(xiàn)象best.pt 與 last.pt 差距巨大線上表現(xiàn)像“黑匣子”原因best.pt 是在驗(yàn)證集上按 mAP 選出來(lái)的驗(yàn)證集本身不能代表現(xiàn)場(chǎng)分布這兩者差距大說(shuō)明訓(xùn)練過(guò)程里模型波動(dòng)嚴(yán)重最后的權(quán)重選擇策略更多是“矮子里拔將軍”。如果連 doctored 的 val 都不能穩(wěn)住更別提線上穩(wěn)定運(yùn)行了。解決把訓(xùn)練收斂節(jié)奏調(diào)穩(wěn)而不是追求峰值。訓(xùn)練結(jié)束后不要只看 best.pt把 last.pt 也拿到壓測(cè)集上跑一遍如果兩者差異大說(shuō)明這是模型本身對(duì)某些類(lèi)別的不穩(wěn)定表現(xiàn)而不是權(quán)重文件的問(wèn)題。如果時(shí)間允許可以把 epochs 提高到 180配合早停讓模型在更多 epochs 里尋找穩(wěn)定解最后再選 val loss 最低的幾個(gè) epoch 的權(quán)重做集成平均。這個(gè)經(jīng)驗(yàn)是實(shí)打?qū)崗漠a(chǎn)線上磨出來(lái)的單點(diǎn)指標(biāo)的峰值往往不可靠穩(wěn)定解才是能交付的解。6. 進(jìn)階先做批量壓測(cè)再談 ONNX 與 TensorRT 部署權(quán)重拿到手、推理也跑通了這時(shí)候最容易犯的錯(cuò)誤是拿幾張好看的圖就去匯報(bào)效果。我會(huì)建議先做一次批量壓測(cè)把真實(shí)的表現(xiàn)量化出來(lái)。做法很簡(jiǎn)單準(zhǔn)備 200 到 500 張覆蓋不同缺陷類(lèi)型和不同背景的樣圖循環(huán)推理統(tǒng)計(jì)每類(lèi)的檢出數(shù)量、平均置信度、單幀耗時(shí)把結(jié)果輸出成 JSON 存檔。from ultralytics import YOLO from pathlib import Path import json, time model YOLO(best.pt) image_paths [str(p) for p in Path(batch_images).glob(*.jpg)] t0 time.time() results model.predict( sourceimage_paths, conf0.35, imgsz640, device0, verboseFalse, ) total_time time.time() - t0 records [] for impath, r in zip(image_paths, results): objs [] for box in r.boxes: objs.append({ cls: model.names[int(box.cls[0])], conf: float(box.conf[0]), box: [float(v) for v in box.xyxy[0].tolist()], }) records.append({image: impath, objects: objs}) out {total_time: total_time, fps: len(image_paths) / total_time, records: records} json.dump(out, open(batch_result.json, w), indent2)這里一次傳入所有圖片路徑ultralytics 內(nèi)部會(huì)按 batch 自動(dòng)分批比循環(huán)單張調(diào)用省去大量加載開(kāi)銷(xiāo)。壓測(cè)的目的是摸清兩個(gè)數(shù)一是 fps判斷能不能滿足產(chǎn)線節(jié)拍二是每類(lèi)缺陷的檢出數(shù)量如果某個(gè)類(lèi)別在整個(gè)壓測(cè)集里一框未出基本可以判定這個(gè)類(lèi)別在當(dāng)前場(chǎng)景下不可用要回到第 4 章的微調(diào)流程去補(bǔ)數(shù)據(jù)。壓測(cè)集要單獨(dú)存放不要隨手從訓(xùn)練集里拷圖否則壓測(cè)結(jié)果就是第 5 章說(shuō)的“自欺欺人”。批量壓測(cè)通過(guò)之后才考慮正式部署形態(tài)。YOLOv10 的端到端設(shè)計(jì)對(duì)部署很友好導(dǎo)出 ONNX 的命令是yolo export modelbest.pt formatonnx imgsz640 halfFalse dynamicFalse simplifyTrue三個(gè)參數(shù)的含義要心里有數(shù)imgsz 固定 640 而不是 dynamic是為了換取更快的推理速度和更小的顯存占用因?yàn)閯?dòng)態(tài)尺寸會(huì)迫使推理框架預(yù)留最大尺寸的顯存half 半精度在部分老顯卡和 edge 設(shè)備上不支持先保持 False確認(rèn)目標(biāo)平臺(tái)支持 FP16 再開(kāi)simplify 用 onnxsim 簡(jiǎn)化計(jì)算圖省略掉不必要的節(jié)點(diǎn)TensorRT 轉(zhuǎn)換時(shí)能省去很多算子的兼容問(wèn)題。導(dǎo)出后用 onnxruntime 驗(yàn)證一次輸入輸出維度和 pt 推理結(jié)果的一致性別直接扔給 TensorRT。TensorRT 轉(zhuǎn)換我一般只在延遲要求特別高的時(shí)候做?？爝f包裹缺陷檢測(cè)大多不是高速動(dòng)態(tài)抓拍場(chǎng)景ONNX 在普通 GPU 上已經(jīng)能跑到幾十毫秒一幀TensorRT 的收益集中在極端延遲敏感的流水線上如果只是產(chǎn)線抽檢完全沒(méi)必要增加這層維護(hù)成本。我現(xiàn)在的習(xí)慣是拿到任何一套訓(xùn)練好的權(quán)重先跑批量壓測(cè)打分再?zèng)Q定是直接部署還是回到數(shù)據(jù)側(cè)微調(diào)最后才碰導(dǎo)出和加速——這三步順序換一下往往會(huì)多走兩輪彎路。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取