简介面向工业质检与计算机视觉学习者的传送带皮带破损检测数据集基于700张原始图片完成YOLOv8格式标注可用于皮带破损、开裂等常见缺陷的识别与检测模型训练。资源包共1401个文件压缩包约68.75MB包含700张jpg原始图像、700个txt标注文件以及1个yaml配置文件。txt采用YOLOv8标准标注格式记录目标类别与归一化边界框坐标yaml用于定义类别名称和数据集路径目录结构清晰便于直接接入训练流程。图片与标注一一对应覆盖多种破损形态和拍摄角度适合作为工业缺陷检测、目标检测实战或毕业设计的数据支撑可直接划分训练集与验证集用于模型训练、评估与调参。目前已有613人学习下载适合具备一定深度学习基础、希望快速开展传送带表面缺陷检测研究的读者使用。1. 传送带破损检测700张YOLOv8标注图为什么我建议你先看标签再看模型在工厂现场传送带是最容易被忽视又最不能出问题的部件之一。皮带表面一旦破损撕裂而没有被及时发现轻则整条皮带报废重则引发设备停机甚至安全事故。人工目检靠经验、靠状态漏检率不稳定所以传送带的破损检测一直是机器视觉落地的高频场景。这份数据集把 700 张原始图片按 YOLOv8 格式逐张标注标注对象就是皮带表面和边缘的破损缺陷图片与 txt 标签一一对应拿到手就可以直接进训练流程不需要再花时间做格式转换。适合工厂侧的视觉算法工程师也适合用 YOLOv8 做缺陷检测毕设、手里缺真实标注数据的学生。下面按我实际复现的顺序把数据集结构、训练参数和踩坑点拆开讲。2. 数据集构成与标注规范从原图到 txt 标签先把手里的牌看清2.1 目录结构与文件格式拿到数据集先别急着训练先把目录结构理清楚这是我拆任何标注数据集的第一步。这套传送带破损数据集的典型组织方式是images 目录放 JPEG 原始图片labels 目录放同名 txt 标注文件train/val 按 YOLO 惯例分开存放。展开来看大致是这样belt_defect_dataset/ ├── images/ │ ├── train/ │ │ ├── belt_001.jpg │ │ ├── belt_002.jpg │ │ └── ... │ └── val/ │ ├── belt_101.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── belt_001.txt │ │ └── ... │ └── val/ │ └── belt_101.txt ├── classes.txt └── dataset.yaml逻辑说明YOLOv8 训练时通过 dataset.yaml 指定 train 和 val 的图片路径然后会自动到同级 labels 目录找同名 txt 文件。这里的关键在于“同名”图片是 belt_001.jpg标签就必须是 belt_001.txt后缀对不上或者文件名里多了空格训练时这张图会被直接跳过而且框架不会报错只会少算一张的样本。参数说明train 和 val 的切分比例我一般按 85:15 或者 90:10 来做700 张图如果分 80% 训练、20% 验证就是 560 张训练、140 张验证。验证集不需要贪大但一定要保证每个类别都有样本否则 mAP 指标会虚高换到现场就露馅。如果拿到的数据集没有预先切分常见做法是写一个 Python 脚本按比例随机划分同时确保图片和标签成对移动。注意随机划分后要回头看一眼 val 集中每个类别的目标数避免某一类在验证集里一个都没有那训练过程里的 mAP 曲线从一开始就是失真的。2.2 标签格式讲解五个数字一行坐标全部归一化YOLOv8 的标签格式沿用了 YOLO 系列规范每个 txt 文件里每行一个目标五个字段依次是类别ID、归一化中心 x、归一化中心 y、归一化宽度、归一化高度。打开一个标注文件通常是这样的0 0.6842 0.5127 0.1154 0.0687 0 0.4123 0.6841 0.0892 0.0541 1 0.7534 0.2215 0.2013 0.1089逻辑说明第一列是类别编号从 0 开始递增。后面的 cx、cy、w、h 四个浮点数全部做了归一化处理也就是用原始像素坐标除以图片的宽度或高度。这样设计的好处是模型训练不依赖输入图片的绝对尺寸无论是 640×640 还是 1920×1080 的图标注都可以用同一套相对坐标表达。参数说明以第一行为例类别 0 的目标中心点位于图片横向 68.42%、纵向 51.27% 处检测框宽度是整图宽度的 11.54%高度是整图高度的 6.87%。如果原始图是 1920×1080换算回像素就是中心点 (1313, 553)、框宽约 221 像素、高约 74 像素的检测框。这里单独提醒一个细节如果之前有同事用 LabelImg 先按 VOC 格式标注再用脚本转成 YOLO 格式转换脚本里必须检查除以的是图片宽度还是高度宽高写反是这类操作里最常见的梁子。训练出来的框会全部错位而且 loss 曲线不会给你任何提示。提示拿到 txt 标签后随手抽两张图把标注框画出来看一眼比任何脚本检查都直观。2.3 数据分布检查700张图够不够先看类别和目标数量700 张图对目标检测来说属于中小规模能不能训练出可用的模型主要看两个指标每个类别的目标总数以及目标框的尺寸分布。我拿到数据集后会先跑一段统计脚本把类别分布和目标框面积打印出来import os from collections import Counter label_dir belt_defect_dataset/labels/train class_counter Counter() total_objects 0 area_ratios [] for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue with open(os.path.join(label_dir, fname), r, encodingutf-8) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls_id int(parts[0]) w float(parts[3]) h float(parts[4]) class_counter[cls_id] 1 total_objects 1 area_ratios.append(w * h) print(每个类别的目标数:, dict(class_counter)) print(目标总数:, total_objects) print(平均框面积占比:, sum(area_ratios) / len(area_ratios)) print(最小框面积占比:, min(area_ratios))逻辑说明脚本遍历训练集标签目录统计每个类别出现的次数同时计算每个目标框面积占整图面积的比例。面积占比是一个重要参考指标如果大量目标的面积占比小于 0.01说明这类破损在图中是很小的区域训练时容易被背景淹没mAP50-95 会特别难看。参数说明class_counter 输出形如 {0: 312, 1: 198} 的字典0 和 1 对应 classes.txt 里的类别顺序。area_ratios 列表里存的是每个框的 w 乘以 hw 和 h 都是归一化值所以乘积就是框占整图面积的比例。平均占比低于 0.05 时我一般会考虑把原图切成小块训练或者推理时用滑窗方案。如果统计出来类别极不平衡比如类别 0 有 500 个目标、类别 1 只有 50 个常见做法有三条一是对少数类做离线增强复制粘贴目标、加高斯噪声二是在 YOLOv8 里自定义类别损失权重让模型对少数类分配更多注意力三是抽样减少多数类参与训练的比例。700 张图的标注质量总体一致的话先做类别统计再决定要不要增强不要一上来就盲目叠 mosaic。统计完数值还要看实际标注质量。我习惯从 val 集里随机抽 10 张图用 OpenCV 把标注框画到原图上逐张快速扫一遍能直接发现三类问题框是否贴合破损边缘、是否有漏标的目标、是否有明显的类别错标。标注数据集最怕的不是像素级精度差一点而是类别张冠李戴——模型学到的特征和你要检测的缺陷根本不是一回事训练出来再调参都救不回来。3. YOLOv8 训练完整流程环境搭建、训练命令与参数调优3.1 环境准备与安装训练 YOLOv8 的第一步是准备 Python 环境和依赖。官方推荐 Python 3.8 以上版本搭配 PyTorch 2.xCUDA 版本根据显卡驱动对应选择。我一般在 Ubuntu 20.04 上用 conda 建独立环境避免把系统 Python 弄乱也用不上的功能尽量不装conda create -n yolov8 python3.10 -y conda activate yolov8 pip install ultralytics pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118逻辑说明第一行创建独立的 conda 环境并指定 Python 版本第二行进入该环境第三行安装 ultralytics 包这是 YOLOv8 官方维护的库安装后会自动带上 opencv、numpy 等基础依赖。第四行单独安装 CUDA 版 PyTorchcu118 对应 CUDA 11.8。参数说明如果显卡是 RTX 30 系列或更新的型号CUDA 11.8 版本基本都能跑如果显卡是 RTX 40 系列以上建议把 cu118 换成 cu121。没有 NVIDIA 显卡的话PyTorch 会回退到 CPU 版本训练 700 张图会非常慢但不是不能跑后面我会给 CPU 场景的参数建议。安装完成后可以跑一条命令验证环境是否正常yolo detect predict modelyolov8n.pt sourcehttps://ultralytics.com/images/bus.jpg这条命令会下载一个 YOLOv8n 预训练权重对一张示例图片做推理。如果输出结果里能看到检测框说明环境基本没问题。第一次运行会下载权重文件到本地缓存目录速度取决于网络耐心等一会儿就好。3.2 数据集配置文件 dataset.yamlYOLOv8 训练自己的数据集核心是写好一个 yaml 配置文件告诉框架数据在哪、类别有哪些。基于这套传送带破损数据集配置文件这样写path: belt_defect_dataset train: images/train val: images/val names: 0: tear 1: crack逻辑说明path 指定数据集根目录train 和 val 是相对于根目录的图片路径。YOLOv8 会根据 train 路径自动推导 labels 目录也就是把 images 换成 labels、jpg 换成 txt。names 字段是类别名列表数字编号的顺序必须和标注文件里的 class_id 一一对应。参数说明这里示例写了 tear 和 crack 两个类别实际拿到数据集时以 classes.txt 或数据包说明里的类别定义为准。最常见的问题就是 names 顺序和标签文件里的类别编号对不上训练时不会报错但 mAP 曲线会一直上不去这种事属于典型的逻辑正确、数据错位排查半天才发现是顺序反了。注意yaml 文件里不要用中文字符做类别名YOLOv8 对中文的兼容性不好验证集画混淆矩阵和带标注的预览图时会乱码甚至直接报错中断。类别名建议一律英文小写加下划线。3.3 训练命令与关键参数一切就绪后开始训练。700 张图的数据规模我一般先用 yolov8n 或 yolov8s 做基线跑通整个流程再根据效果考虑换更大体量的模型。训练命令如下yolo detect train databelt_defect.yaml modelyolov8n.pt epochs150 batch16 imgsz640 patience30 device0逻辑说明data 参数指向刚才写好的 yaml 配置文件model 参数指定预训练权重这里用 yolov8n.pt 作为起点相比从零训练能省大量时间收敛也更稳定。epochs 是最大训练轮数batch 是每批图像数量imgsz 是输入分辨率patience 是早停轮数超过该轮数验证集指标不再提升就自动停止训练。参数说明imgsz 一般默认 640。如果破损目标比较小可以考虑把 imgsz 提高到 960 或 1280但显存占用会成倍上涨训练和推理速度也线性下降要根据显卡容量权衡。batch 参数的原则是显存允许就尽量大显存不够时先降 batch 而不是先降 imgsz因为 batch 太小会导致 BN 层统计不稳定loss 曲线上下抖得厉害。训练过程的输出会实时显示 loss、mAP50、mAP50-95 等指标同时在 runs/detect/train 目录下保存每轮的权重。训练结束后best.pt 是验证集指标最优的权重last.pt 是最后一轮的权重部署和继续调优时一般用 best.pt。这个场景下的参数速查表我放这里直接用就行参数默认值700张图场景建议说明modelyolov8s.ptyolov8n.pt 或 yolov8s.pt小数据上大模型容易过拟合epochs100150配合 patience 提前停止batch1616 或 8显存不够先降 batchimgsz640640 或 960小目标多就调大patience5030连续 30 轮无提升即停device00 或 cpuCPU 训练要降低 batch3.4 不使用预训练权重和 CPU 训练的情况如果不想用 COCO 预训练权重把 model 参数改成一个 yaml 文件即可从头训练yolo detect train databelt_defect.yaml modelyolov8n.yaml epochs200 batch8 imgsz640 device0参数说明modelyolov8n.yaml 表示从网络结构定义开始初始化随机权重训练轮数建议增加到 200 轮以上因为随机初始化需要更多时间收敛。传送带破损和 COCO 的自然场景差异其实比较大预训练权重的主要收益集中在浅层纹理特征深层特征还是要靠自己的数据去拟合所以这个场景下预训练权重的优势没有想象中那么大。CPU 环境下训练也不是不能用把 device 参数改成 cpu同时把 batch 降到 4imgsz 降到 416耐心跑就行。700 张图 150 轮CPU 训练时间可能长达十几个小时。我的习惯是先用 10 张图跑 3 到 5 轮确认代码逻辑和数据集路径都没有问题再丢到后台跑完整的训练避免一跑就是一晚上结果发现路径写错了。4. 避坑与常见问题标注翻车、训练不收敛、部署掉帧4.1 训练后检测框全部错位目标位置明显漂移现象训练完成后在验证集上做推理检测框能框出目标但位置整体偏移比如破损区域在图左边预测框却画在右边而且每张图的偏移方向还不一致。原因标签转换时坐标出了问题。最常见的是从 VOC 格式转 YOLO 格式时归一化用错了图片尺寸或者转换脚本算中心坐标时忘了除以 2把左上角坐标当成了中心点。这类问题在手工转换脚本里出现的频率远比你想象得高。解决不要盯着转换脚本空想直接抽查原始标注文件。取一张 1920×1080 的图找到对应的 txt 行手工算 cx×1920、cy×1080、w×1920、h×1080把结果和原图上破损区域对比一眼就能看出是哪里算错了。修复脚本后重新生成全部标签训练前再做一次可视化核对确认标注框贴合目标再进入训练流程。4.2 训练 loss 不下降或者震荡剧烈现象训练日志里 loss 从第一个 epoch 开始就在 2 到 3 之间来回波动看不到整体下降趋势验证集 mAP 连续几十轮都是 0。原因训练不收敛这个事有时候很玄学但先查数据和超参能把玄学范围缩小一大半。这个场景下最常见的原因是 batch 太小而学习率还是默认值梯度更新步长不匹配其次是标签文件里类别编号全是 0模型以为自己只需要学一个类别。解决先把学习率从默认的 0.01 降到 0.001 左右跑 20 轮观察 loss 趋势如果有下降说明是学习率和 batch 不匹配。再用一个特别小的验证集比如从训练集里抽 20 张图跑一个 3 轮快速训练确认数据读取和标签解析都正常。这两步做完大部分“不收敛”都能定位到方向。4.3 小目标破损漏检严重现象验证集上大块的破损区域检测效果不错但细长的裂纹、边缘的小撕裂几乎全部漏检mAP50 看着还行mAP50-95 惨不忍睹。原因破损缺陷大多是长条形或小面积区域边界框在 640×640 输入下可能只占十几个像素特征经过多次下采样后几乎消失。YOLOv8 的检测头虽然在三个尺度上都有输出但小目标依赖的浅层特征如果输入分辨率不够高信息从源头就丢了。解决对这类场景我一般做两件事。第一imgsz 从 640 提到 960为小目标多保留像素第二关闭或减弱 mosaic 增强因为 mosaic 会把四张图拼在一起小目标被进一步缩小。YOLOv8 里可以在训练命令中加 mosaic0.0 直接关闭但这样数据多样性会下降推荐的做法是最后 30 轮再关闭前面照常增强。4.4 验证集指标高现场拍回来的图却检测不到现象在数据集划分的 val 集上 mAP50 到了 0.9 以上看起来可以直接交付了结果现场装了摄像头随便拍一张测试破损区域一个都检测不出来。原因这是数据分布 bias 的典型问题。数据集的 700 张图如果来自同一条传送带、同一个机位、同样的光照模型实际上把背景也学了进去换个角度、换光线就失灵。缺陷检测里最常见的 bias 就是背景 bias模型学到的是“这个位置和纹理是破损”而不是“破损本身长这样”。解决采集现场不同角度、不同光线、不同新旧状态的图片至少补 100 到 200 张重新标注后加入训练集。如果现场照片实在补不出来先用 albumentations 增强模拟光照和视角变化但强度要控制不要把破损特征扭曲到模型认不出来。4.5 CPU 推理太慢导出模型又遇算子不兼容现象模型训练好了现场工控机只有 CPU跑一帧 640×640 的图要两三秒完全达不到实时要求。换 GPU 之后又发现 ONNX Runtime 版本和导出模型的算子不兼容模型起不来。原因CPU 推理慢是正常的YOLOv8n 在 CPU 上的速度本来就要按秒算更别提检测头里有大量卷积。ONNX 导出失败大多是 torch 版本和 onnxruntime 版本错位导致的算子支持不同比如一个支持 opset 17另一个只支持 opset 12。解决先做模型优化再考虑换硬件。YOLOv8 转 ONNX 时可以启用 int8 量化模型体积缩小一半以上CPU 推理速度能提升两三倍。Intel CPU 场景还可以试试 OpenVINO 导出速度提升更明显。如果现场必须用 GPU把训练环境的 torch 版本和 onnxruntime-gpu 版本核对一致导出时固定 opset 12能避开大部分兼容性问题。5. 验证与进阶mAP 怎么判、模型怎么接产线5.1 指标解读mAP50 高不代表模型可靠训练结束后runs/detect/train 下的 results.csv 和 results.png 包含了全部指标。破损检测这个场景我习惯先看 mAP50-95 而不是 mAP50。mAP50 只要求预测框和真实框的 IoU 超过 0.5 就算命中边界稍微偏一点照样得分在缺陷检测里容易虚高。mAP50-95 把 IoU 从 0.5 到 0.95 分档取平均对定位精度要求苛刻得多。破损区域边缘模糊标注框本身存在主观误差mAP50-95 能到 0.4 以上就是可用的模型低于 0.3 基本是定位有问题需要回到 imgsz 和增强策略上重新调。5.2 推理脚本从 best.pt 到实时检测验证模型最直接的方式是跑一段推理脚本把 best.pt 加载进来在验证集图片上做检测from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict( sourcebelt_defect_dataset/images/val, conf0.25, iou0.45, saveTrue, save_txtTrue )逻辑说明predict 方法接收图片路径或目录conf 是置信度阈值低于该值的预测框会被丢弃iou 是 NMS 的 IoU 阈值控制重叠框的合并强度。saveTrue 会把画了结果框的图片保存到 runs/detect/predict 目录save_txtTrue 额外输出 txt 格式的检测结果。参数说明conf 参数需要根据误报和漏报的代价来调。皮带破损场景里漏报一次可能直接造成设备损坏代价远大于误报所以我会把 conf 放宽到 0.15 到 0.2宁可多框几个候选让现场复核也不要放过真实破损。5.3 现场部署的三个习惯这类项目做多了以后我形成了三个固定习惯。第一个习惯是每轮训练完都看一眼混淆矩阵确认漏报集中在哪一类破损然后针对性地补数据。第二个习惯是模型滚动更新每次从现场带回的新图挑标注成本低的 50 到 100 张加入训练集重新训练让模型跟上产线的光照和环境变化。第三个习惯是部署环境只放 ONNX 模型和推理库不装完整 PyTorch依赖越少现场翻车的概率越低。这套流程用的 700 张已标注图片和目录结构在下载包里就是按这个思路整理好的直接取用 images 和 labels 两个目录就能复现完整的训练和验证过程。那以后我凡是拿到带标注的数据集都会先做一轮分布统计和可视化核对再决定要不要进入训练环节。这套流程跑顺之后翻车的次数确实少了很多希望帮到你。本文还有配套的精品资源点击获取